Analysis and reformulation of the $k$--$ω$ turbulence model for buoyancy-driven thermal convection

本研究は、レイリー・ベナール対流における標準$k$-$\omega$モデルに対して解析解を導出することで浮力処理の不一致を特定し、これにより様々な浮力駆動流れにおける平均温度および乱流熱フラックスの予測を大幅に改善する2つの新しい代数関数を含む再構成されたモデルを提案する。

要約

お湯が載った鍋がストーブの上で熱がどのように移動するかを予測しようとしていると想像してください。物理学の世界では、これを浮力駆動対流と呼びます。熱い流体は上昇し、冷たい流体は沈み、それらが乱流と呼ばれる混沌としたダンスの中で混ざり合います。

原子炉や建物の換気システムなどの設計を行うエンジニアにとって、すべての渦巻く水滴をシミュレーションする（スーパーコンピュータでも計算に数年を要する）ことなく、この熱の移動を予測する方法が必要です。その代わりに、彼らはRANS（レイノルズ平均ナビエ・ストークス）と呼ばれる「ショートカット」手法を使用します。RANS を天気予報と考えると、すべての雨滴を追跡するわけではありませんが、嵐の全体的なパターンを予測します。

このための最も人気のある「予測ツール」は、k–ωモデルと呼ばれるモデルです。しかし、数十年にわたり、このツールには盲点がありました。翼の上を吹く風（せん断流）に対しては非常にうまく機能しますが、熱い床から上昇する熱（浮力）に関しては、数値を誤ることがよくあります。それは、高速道路の運転は熟知しているのに、市街地のグリッドでは完全に道に迷うような GPS のようなものです。

問題：「盲目」の GPS

この論文は、標準的な k–ωモデルが、熱が流体に与える「押し」を処理する方法を知らないことを説明しています。

• 旧来の方法: エンジニアたちはこれを推測によって修正しようとしました。彼らはモデルに「つまみ」（数学的な定数）を追加し、空気が安定しているか不安定であるかによって、それを上げたり下げたりしました。しかし、規則書はありませんでした。あるソフトウェアはつまみを 1 に、別のものは 0 に、さらに別のものは -2 に設定しました。それは推測の混乱であり、結果はしばしば不正確でした。特に、非常に厚い流体（高いプラントル数）や非常に薄い流体（低いプラントル数）の場合でした。

解決策：新しい地図

著者の Da-Sol Joo は、推測を止め、導出を開始することを決めました。

1. 実験室: 複雑で現実的な部屋を見る代わりに、著者は数学の中に完璧で単純化された「実験室」を作成しました。底から加熱された平らで無限の流体層（レイリー・ベナール対流）です。この完璧な世界では、流体は横方向には移動せず、上下にのみ移動します。これにより、著者は紙上で方程式を解き、モデルがどのように振る舞うべきかを正確に把握することができました。
2. 発見: 数学は、標準的なモデルが熱、流体の厚さ、および温度の間の間違った関係を予測していることを明らかにしました。それは、重い物体を常に軽いものとして計量してしまうような秤のようでした。
3. 修正: 著者はモデル全体を捨てませんでした。代わりに、モデルの「脳」に2 つの小さく賢い調整（代数的関数）を追加しました。
   • 調整 1（薄い流体用）: 流体が薄い場合、モデルが「散逸」（乱流がどのように急速に減衰するか）を処理する方法を変更する微調整。
   • 調整 2（厚い流体用）: 流体が厚い場合、壁のすぐ近くでの熱の拡散の仕方を変更する微調整。

重要なのは、これらの調整が賢いということです。浮力（熱上昇）が存在する場合にのみ作動します。熱がない場合、モデルは元の標準的な形式に戻ります。これは、カメラに特別なレンズを追加するようなもので、日没の写真を撮る場合にのみ作動します。通常の撮影では、カメラは以前と全く同じように機能します。

結果：より良い予報

著者は、この新しい「修正済み」モデルを、単純な実験室設定だけでなく、幅広いシナリオに対してテストしました。

• 加熱された部屋: 部屋の内側から熱が発生する場合（原子炉の炉心など）。
• 混合流: 風が吹いていると同時に熱が上昇する場合。
• 異なる形状: 高く狭い部屋対して、広く低い部屋。

結果:

• 旧モデルは、熱移動量を予測する際、50% 以上も外れることがよくありました。
• 新しい修正モデルは、これらすべての異なる状況において、高い精度で目標を達成しました。
• それは、非常に厚い流体（油など）と非常に薄い流体（液体金属など）における熱の移動を成功裏に予測しました。これらは旧モデルが惨めに失敗した領域です。

全体像

この論文は、この問題を解決するために、完全に新しく過度に複雑な機械を構築する必要はないと主張しています。既存の「GPS」（k–ωモデル）には、熱に関するいくつかの特定の指示が欠けているだけでした。第一原理から正しい指示を導き出し、それらを単純で賢い微調整として追加することで、著者は以下のツールを作成しました。

• 正確: 熱移動を正確に予測する。
• 単純: 莫大な新しい計算能力を必要としない。
• 堅牢: 条件が変化してもクラッシュしたり、奇妙な答えを出したりしない。

要約すれば、この論文は壊れたコンパスを取り、なぜそれがぐるぐる回っていたのかを正確に突き止め、北を指すようにするために小さな磁石を追加し、エンジニアが熱駆動乱流の複雑な世界を自信を持って航海できるようにしました。

技術概要

Da-Sol Joo による論文「浮力駆動熱対流のための k–ω 乱流モデルの解析と再定式化」の詳細な技術的概要を以下に示す。

1. 問題提起

浮力駆動乱流（自然対流、レイリー・ベナール対流など）は、工学および地球物理学的流れにおいて普遍的に存在する。レイノルズ平均ナビエ・ストークス（RANS）モデル、特に $k$–$\varepsilon$ や $k$–$\omega$ などの 2 方程式モデルは、コスト効率の良さから広く利用されているが、浮力効果を組み込むための普遍的に受け入れられた標準的な定式化が存在しない。

• 核心的な課題: スケール決定方程式（$\varepsilon$ または $\omega$ 方程式）における浮力生成項をどのようにモデル化するかについての解析的な指針が存在しない。
• 現在の限界: 既存のアプローチは主に経験的である。浮力項を完全に省略するものもあれば、せん動生成項に類推して追加するものもある。これらの手法は、特に不安定成層下において、レイリー数（$Ra$）およびプラントル数（$Pr$）の関数としてのヌセルト数（$Nu$）の正しいスケーリング則を再現できずにいる。
• 具体的な欠陥: 標準モデルは、高 $Pr$において$Nu \sim Pr^{-0.415}$ といった誤った漸近挙動を予測することが多いが、実験および直接数値シミュレーション（DNS）データは、この領域では $Nu$が$Pr$にほぼ依存しない（$Nu \sim Pr^0$）ことを示唆している。

2. 手法

本研究は、標準的なウィルコックス（2006）の $k$–$\omega$ モデルを導出・修正するために、厳密な解析的アプローチと数値的検証を組み合わせて用いている。

A. 解析的枠組み

• 標準テストケース: 著者は、無限層における統計的に 1 次元のレイリー・ベナール対流に適用された標準 $k$–$\omega$ モデルの厳密な解析解を導出した。
• メカニズムの分離: この構成において、平均流速はゼロであり、乱流運動エネルギー（$k$）は浮力のみによって生成される。これにより、せん動駆動流れでは達成が困難な、$\omega$ 方程式における浮力項の役割を分離して評価できる。
• 導出: この解は、ヌセルト数（$Nu$）を$Ra$および$Pr$ と明示的に関連付ける。壁近傍およびバルク領域における浮力生成、散逸、拡散のバランスを解析し、スケーリング指数を決定する。

B. 再定式化と修正

解析的に特定された不一致に基づき、著者は 2 つの無次元代数的関数を含む再定式化を提案する。

1. 浮力係数（$C_{\omega b}$）の修正:

   • 標準的な定数 $C_{\omega b}$ を $Pr$の関数に置き換えることで、低$Pr$ 領域のスケーリングを修正する。
   • 不安定成層（$P_b > 0$）の場合、係数は以下のように修正される：
     $$C_{\omega b}^+ = -0.9752 - 0.2988 Pr^{-5/16}$$
   • 安定成層（$P_b < 0$）の場合、均一な安定成層せん動流れに基づく解析的導出により、新しい定数が得られる：
     $$C_{\omega b}^- = -0.5385$$
     （これは一般的に用いられる経験的な $C_{\omega b} \approx -2$ に代わるものであり、モデルが正しいフラックスリチャードソン数の閾値で安定化することを保証する）。

2. 乱流熱拡散率（$a_T$）の修正:

   • 高 $Pr$挙動を修正するため、乱流熱拡散率（$a_T = \nu_T / Pr_T + \psi$）に対して壁近傍修正関数$\psi$ を導入する。
   • この関数は浮力が存在しない場合、ゼロとなり、$Pr \gg 1$ において $Nu \sim Pr^0$ のスケーリングを回復させるために壁近傍の熱フラックスを強化する。
   • この関数は、乱流レイノルズ数（$Re_T$）、$Pr$、および浮力生成と散逸の比（$P_b/\varepsilon$）に依存する。

C. 検証

修正されたモデルは、以下のものに対して検証されている。

• 解析解: 導出されたスケーリング則と 1 次元シミュレーションとの比較。
• DNS および実験データ: 以下の広範なデータセットに対する検証：
  • レイリー・ベナール対流（1 次元および 2 次元正方形キャビティ）。
  • 内部加熱対流（上部冷却、および上部・下部両方からの冷却）。
  • 不安定成層クーエット流れ（混合対流）。
  • 長方形キャビティにおける側面加熱自然対流（アスペクト比を変化させた場合）。

3. 主要な貢献

1. $k$–$\omega$ に対する解析解: 本論文は、浮力支配の統計的 1 次元レイリー・ベナール流れにおける標準 $k$–$\omega$ モデルの最初の明示的な解析解を提供する。これにより、モデルのスケーリング誤差の数学的起源が明らかになった。
2. スケーリング則の導出: 解析により、モデルが予測するスケーリング（低 $Pr$で$Nu \sim Ra^{1/3}Pr^{1/3}$、高$Pr$で$Nu \sim Ra^{1/3}Pr^{-0.415}$）を明示的に導出し、物理的に観測される傾向（$Nu \sim Pr^{1/8}$および$Nu \sim Pr^0$）と比較対照した。
3. 体系的な再定式化: 場当たり的な経験的調整ではなく、以下の 2 つの代数的修正関数を導出した：
   • 全範囲（$10^{-3} \le Pr \le 10^3$）にわたって正しい $Nu$–$Pr$ スケーリングを回復する。
   • 標準モデルとの完全な互換性を確保する（浮力が存在しない場合、修正は消滅する）。
   • 安定成層に対して理論的に整合的な値（$C_{\omega b} = -0.5385$）を提供する。
4. 領域横断的な堅牢性: これらの修正は、純粋なレイリー・ベナール対流だけでなく、混合対流（クーエット流れ）および内部加熱流れにおいても有効であることが示された。

4. 結果

• スケーリング精度: 修正されたモデルは実験的な傾向を成功裡に再現する：
  • $Pr \ll 1$ の場合：$Nu \sim Pr^{1/8}$（以前は $Pr^{1/3}$ と予測されていた）。
  • $Pr \gg 1$ の場合：$Nu \sim Pr^0$（以前は $Pr^{-0.415}$ と予測されていた）。
• 定量的改善:
  • レイリー・ベナール対流において、修正モデルは標準モデル（$C_{\omega b}=1$ を使用）と比較して、$Nu$ 予測の誤差を 50–70% 削減する。
  • 内部加熱対流において、モデルは最大温度および熱フラックスの分配を正確に予測するのに対し、標準モデルは温度を大幅に過大評価する。
  • 安定成層において、解析的に導出された $C_{\omega b} = -0.5385$ は、標準的な $C_{\omega b} = -2$ と比較して、乱流の抑制に関する DNS データとの一致を向上させる。
• 混合対流: 不安定成層クーエット流れにおいて、モデルはせん動支配領域から浮力支配領域への遷移を正確に捉え、$Nu$ および摩擦レイノルズ数を DNS データの 10% 以内で予測する。
• 側面加熱キャビティ: 浮力が次要的な役割を果たすせん動支配の側面加熱流れにおいて、修正モデルは標準モデルと実質的に同一の結果をもたらす。これは、修正が浮力支配ではない流れの性能を劣化させないことを示している。

5. 意義

• 理論的明確性: 本研究は、現象論的スケーリング理論（グロスマン・ローゼなど）と RANS モデルリングの間のギャップを埋める。標準的な閉鎖構造がこれらのスケーリングに一致するように解析的に調整可能であることを示すことにより、その橋渡しを行った。
• 工学的有用性: 実用的で低コストなエンジニア向けソリューションを提供する。2 つの代数的関数の導入のみによって、高次閉鎖（レイノルズ応力モデルなど）の計算コストや複雑さなしに高精度を達成する。
• パラダイムシフト: 標準的な 2 方程式モデルが「ガラスの天井」に達したという考え方に反論する。モデルの内在的挙動に対する体系的な理解を通じて、最小限の物理的に動機付けられた修正で、予測性能を大幅に向上させられることを実証する。
• 標準化: 提案された定式化は、$k$–$\omega$ コード（OpenFOAM、ANSYS Fluent など）における浮力モデル化のための一貫性があり再現可能な枠組みを提供し、異なるソルバーが矛盾する経験的係数を使用している現状の断片化に対処する。

結論として、この研究は、浮力駆動乱流予測における長年の不一致を解決する、体系的かつ解析的に裏付けられた $k$–$\omega$ モデルの再定式化を提供し、広範な熱対流問題に対する堅牢なツールとなる。