Network modelling of yield-stress fluid flow in randomly disordered porous media

Each language version is independently generated for its own context, not a direct translation.

这篇论文讲述了一个关于**“如何让像牙膏或泥浆这样‘半固体’的液体流过像海绵一样复杂的孔隙”**的科学研究。

为了让你更容易理解，我们可以把这项研究想象成在解决一个**“城市交通拥堵”**的难题，只不过这里的“车辆”是特殊的流体，“道路”是微小的孔隙。

1. 主角是谁？（特殊的流体）

想象一下你手里有一管牙膏或者一碗浓稠的燕麦粥。

普通水：只要有一点点压力，它就会流动。
屈服应力流体（Yield-stress fluid）：它们很“懒”或很“倔”。如果你轻轻推它们，它们像固体一样纹丝不动；只有当你用力推（超过某个“屈服”阈值）时，它们才会突然开始流动。
应用场景：这种流体在石油开采（把油从岩石里挤出来）、污水处理、甚至给土壤“排毒”时非常常见。

2. 遇到了什么难题？（复杂的迷宫）

这些流体要流过的地方，不是光滑的管道，而是随机排列的障碍物（就像一堆乱石堆成的迷宫，或者海绵内部）。

问题：当这种“倔强的流体”试图穿过这个迷宫时，会发生两件事：
1. 非线性：你推得越用力，它流得越快，但关系不是简单的直线，而是很复杂的曲线。
2. 通道化（Channelisation）：在快要流动起来的临界点，流体不会均匀地流过所有缝隙，而是会只挑几条最宽、阻力最小的路疯狂冲过去，其他路则完全堵死。这就好比早高峰时，所有车都挤在一条主路上，旁边的辅路却空无一人。

3. 以前的方法 vs. 这篇论文的新方法

以前的方法（直接模拟）：就像用超级计算机，把迷宫里的每一块石头、每一滴液体的运动都算一遍。这非常准确，但太慢、太贵，算一个大迷宫可能需要几天甚至几周，不实用。
以前的网络模型：把迷宫简化成一张“地铁线路图”（节点是房间，边是隧道）。但以前的简化模型太粗糙，要么需要人为“凑”数据（拟合参数），要么在流体刚开始流动的关键时刻算不准。

这篇论文的突破（新模型）：
作者开发了一个**“智能地铁图”模型**。

核心创新：他们给每一条“隧道”（孔隙之间的狭窄处）都写了一套物理公式。这套公式不需要人为去“凑”数据，而是直接根据流体的物理特性（比如它有多粘、多硬）自动计算出阻力。
加入“滑墙”效应：他们发现，如果流体在墙壁上能“打滑”（就像冰壶在冰面上滑行），那么流体就能更容易地通过那些原本堵死的狭窄小路。这个模型是第一个能同时处理“流体很倔”和“墙壁会打滑”这两个复杂因素的简化模型。

4. 他们发现了什么秘密？（关键结论）

通过对比超级计算机的精确结果，他们发现这个“智能地铁图”模型非常准，而且快得多。更重要的是，他们发现了一个**“黄金法则”**：

旧观点：以前人们认为，流体能不能流过去，取决于迷宫里最大的障碍物有多大。
新发现：其实，决定流体能否流动的关键，不在于大石头，而在于**最窄的那个缝隙（瓶颈）**有多窄。
- 比喻：想象一条河流要流过一片乱石滩。水能不能流过去，不取决于最大的那块石头，而取决于最窄的那个石缝有多宽。只要这个最窄的缝隙稍微宽一点点，整个系统的阻力就会发生巨大的变化。
- 作者发现，只要用这个**“平均最窄缝隙宽度”**来重新计算数据，无论迷宫长什么样（孔隙率多少），流体的表现都会落在同一条规律线上。这就像给所有复杂的迷宫找到了一个通用的“尺子”。

5. 这项研究有什么用？

省钱省时：工程师不再需要花几周时间用超级计算机模拟，用这个模型几分钟就能预测出流体在复杂土壤或岩石中的流动情况。
优化设计：
- 在石油开采中，知道怎么让流体更容易流过岩石，能多采出油。
- 在土壤修复中，知道如何利用“打滑”效应，可以让修复液更容易渗透到受污染的深层土壤。
- 在过滤和涂层工艺中，能更精准地控制流体如何渗透。

总结

这篇论文就像是为**“倔强的流体”在“复杂的迷宫”中修路。他们不再盲目地计算每一粒沙子，而是找到了一把“万能钥匙”（最窄缝隙宽度），并设计了一个“智能导航系统”（物理网络模型）**。这个系统不仅算得快，还告诉我们：只要把最窄的瓶颈疏通（或者利用打滑效应），整个交通网络就能瞬间畅通无阻。

Each language version is independently generated for its own context, not a direct translation.

这篇论文提出了一种针对随机无序多孔介质中屈服应力流体（Yield-stress fluid）流动的孔隙网络模型（Pore-network model）。该模型旨在解决传统数值模拟计算成本高昂以及现有网络模型在屈服阈值附近预测精度不足的问题，特别是引入了**壁面滑移（Wall slip）**效应，并揭示了近屈服状态下压力损失的控制机制。

以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

应用背景：屈服应力流体（如赫歇尔 - 巴尔克利流体，Herschel-Bulkley fluid）在多孔介质中的流动广泛应用于提高采收率、过滤、涂层渗透和土壤修复等领域。
核心挑战：
- 非达西行为：流动仅在超过有限压力阈值时发生，流量与压降呈非线性关系。
- 通道化（Channelisation）：在屈服附近，只有部分孔隙空间被激活，导致流动高度不均匀和通道化。
- 壁面滑移：软玻璃态和颗粒材料中常见的壁面滑移会降低表观屈服阈值并改变流动拓扑结构。
- 现有模型局限：直接数值模拟（DNS）计算成本过高；现有的孔隙网络模型往往依赖经验拟合参数，且在屈服转变附近误差较大，难以同时准确捕捉屈服应力流变学和壁面滑移效应。

2. 方法论 (Methodology)

作者开发了一个二维无序多孔介质的孔隙网络模型，其核心创新在于基于物理的喉道（Throat）闭合关系，无需拟合阻力参数。

几何构建：
- 多孔介质由随机放置的非重叠圆形障碍物构成。
- 利用**沃罗诺伊镶嵌（Voronoi tessellation）**将障碍物中心转化为孔隙（节点），边缘转化为喉道（连接边）。
- 定义了几何特征参数：孔隙率 $\phi$ 和平均最小喉道宽度 $\bar{h}_{min}$ 。
物理模型（喉道尺度）：
- 流体本构：采用赫歇尔 - 巴尔克利（Herschel-Bulkley）模型描述粘塑性。
- 几何简化：将喉道视为两个相邻障碍物之间的**收敛 - 发散（converging-diverging）**间隙。
- 控制方程：
  - 在一维流动近似下求解动量平衡方程。
  - 壁面滑移条件：引入滑移速度 $u_s$ ，其依赖于壁面剪切应力 $\tau_w$ 和滑移屈服应力 $\tau_s$ （ $u_s \propto (\tau_w - \tau_s)^\beta$ ）。
  - 压降 - 流量关系：通过数值反演局部流量与压力梯度的关系，积分得到整个喉道的压降 $P(Q)$ 。该关系直接导出，未引入经验阻力系数。
网络求解：
- 在每个孔隙处应用质量守恒定律。
- 构建包含孔隙压力和喉道流量的非线性方程组 $F(z)=0$ 。
- 使用基于信任域（Trust-region）的牛顿法（Newton-type method）进行求解，并采用压力连续性（Continuation）策略处理近屈服时的刚性问题。
验证：
- 与 Chaparian 和 Tammisola 的**直接数值模拟（DNS）**结果进行对比（包括无滑移和滑移情况）。
- 在牛顿流体极限下也进行了验证。

3. 主要结果 (Key Results)

A. 模型验证与宏观响应

无滑移情况：模型成功复现了 DNS 结果，包括：
- 无量纲压降梯度 $\mathcal{G}$ 随宾汉姆数 $\mathcal{B}$ 的单调增加。
- 牛顿极限（ $\mathcal{B} \to 0$ ）和强粘塑性极限（ $\mathcal{G} \sim \mathcal{B}$ ）的线性标度律。
- 流动拓扑演变：准确捕捉了从空间分布的流动到强通道化流动的转变过程，以及次级通道的逐渐关闭。
误差分析：在强通道化区域（高 $\mathcal{B}$ ），模型倾向于低估阻力（最大偏差约 31%），这归因于喉道尺度的一维简化假设忽略了宽喉道内的复杂耗散以及孔隙体内的额外耗散。但宏观预测仍具有高度保真度。

B. 壁面滑移的影响

降低阻力：壁面滑移显著降低了维持相同流量所需的压力梯度。
改变标度律：
- 无滑移时： $\mathcal{G} \sim \mathcal{B}$ 。
- 有滑移时：渐近标度变为 $\mathcal{G} \sim (\tau_s/\tau_0)\mathcal{B}$ ，表明流动阈值由体屈服和壁面滑移屈服共同决定。
激活流动路径：滑移效应“重新激活”了在无滑移情况下被阻塞的次级路径，显著减少了流动通道化程度，增加了网络的连通性。这是首次在孔隙网络模型中成功纳入粘塑性流动的壁面滑移效应。

C. 近屈服行为的标度律发现

传统标度失效：基于障碍物半径 $R$ 的标度（Chaparian & Tammisola）无法在不同孔隙率和几何结构下统一数据。
新标度律提出：
- 研究发现近屈服时的压力损失主要由喉道统计特性（constriction statistics）而非障碍物尺度决定。
- 提出使用域平均最小喉道宽度 $\bar{h}_{min}$ 作为特征长度尺度。
- 定义新的无量纲数 $\mathcal{B}^*$ 和 $\mathcal{G}^*$ （基于 $\bar{h}_{min}$ 而非 $R$ ）。
数据坍缩（Collapse）：使用 $\bar{h}_{min}$ 进行重标度后，不同孔隙率（ $\phi$ ）和几何构型的塑性主导响应曲线完美坍缩到一条通用直线 $\mathcal{G}^* = \mathcal{B}^*$ 。这表明 $\bar{h}_{min}$ 是该机制下耗散相关的几何尺度。

4. 关键贡献 (Key Contributions)

无拟合参数的物理模型：开发了一个完全基于流变学参数和孔隙几何的孔隙网络模型，无需经验拟合即可预测屈服应力流体的流动，特别是包含了可选的壁面滑移机制。
揭示滑移效应：首次在网络模型框架下量化了壁面滑移对屈服应力流体多孔介质流动的宏观阻力和微观拓扑结构（通道化程度）的显著影响。
新的物理标度律：挑战了基于障碍物尺度的传统观点，证明了平均最小喉道宽度 $\bar{h}_{min}$ 是控制近屈服状态下粘塑性输运的关键几何尺度，成功实现了跨孔隙率的数据坍缩。
高效计算工具：提供了一种计算成本远低于直接数值模拟（DNS）的降阶模型，能够高效探索复杂多孔介质中的屈服、通道化和滑移现象。

5. 意义与展望 (Significance)

理论意义：深化了对屈服应力流体在无序介质中流动机制的理解，特别是明确了控制近屈服流动的关键几何参数是喉道宽度而非障碍物大小。
工程应用：该模型为预测和优化涉及非牛顿流体（如泥浆、泡沫、聚合物凝胶）的工业过程（如土壤修复、过滤、石油开采）提供了可靠的工具。
未来方向：虽然模型在宏观上表现优异，但在强通道化区域仍存在系统性低估。未来的改进方向包括在喉道模型中考虑更复杂的二维流场效应，以及在孔隙节点中显式考虑耗散，以进一步提升近屈服区域的预测精度。

总结：这项工作通过构建一个物理机制完备的孔隙网络模型，不仅成功模拟了屈服应力流体在多孔介质中的复杂流动行为（包括滑移效应），还通过引入基于喉道统计的新标度律，为理解此类非达西流动提供了新的物理视角和解析工具。