A Hybrid Gas-Kinetic Scheme and Discrete Velocity Method for Continuum and Rarefied Flows

本文提出了一种混合气体动理学方案与离散速度方法，该方法通过数值碰撞时间和自适应策略整合了两种方法的优势，从而实现了对连续流和稀薄流跨 regime 流动的准确且高效模拟。

要点

想象一下，你正在预测空气如何围绕航天器流动。挑战在于，空气的行为会随着高度的不同而发生巨大变化。

• 低空（连续流）： 空气稠密且拥挤，就像一条繁忙的高速公路，车辆首尾相接。它们不断相互碰撞，作为一个平滑、连续的流体运动。
• 高空（稀薄流）： 空气稀薄且稀疏，就像几辆车在广阔无垠的荒漠中行驶。它们极少相互碰撞，自由飞行。

几十年来，科学家们一直拥有两种不同的“工具”来模拟这些场景，但没有任何一种工具能完美地同时适用于两者：

1. “平滑流”工具（GKS）： 这就像一位超级高效的交通指挥员。它在预测繁忙的高速公路（连续流）时表现出色，因为它假设车辆总是在相互作用。但如果你试图用它来模拟空旷的荒漠，它就会失败，因为它错误地假设车辆在不断碰撞，而实际上它们并没有。
2. “自由飞行”工具（DVM）： 这就像一个个体的粒子追踪器。它完美适用于空旷的荒漠，因为它追踪每一辆车。但如果你试图用它来处理繁忙的高速公路，它就会变得极其缓慢且混乱。它试图追踪每一次微小的碰撞，这需要耗费漫长时间，而且在交通密集时，它往往会变得“模糊”或不准确。

新解决方案：一种“智能混合”工具

本文的作者创造了一种混合气体动理学格式。你可以将其想象成一种变色龙工具，能够根据环境瞬间切换其特性。

这种方法不再强迫计算机在整个过程中使用同一种方法，而是像一位智能交通管理者，知道何时使用“交通指挥员”，何时使用“粒子追踪器”。

它是如何决定的？
它使用一个特殊的“计时器”，称为数值碰撞时间。

• 在稠密空气中（连续流）： 计时器告诉系统：“我们处于人群中；使用高效的交通指挥员方法。”它忽略缓慢的、逐个粒子的追踪以节省时间。
• 在稀薄空气中（稀薄流）： 计时器说：“我们处于荒漠中；切换到粒子追踪器。”它停止假设持续碰撞，让粒子自由飞行。
• 在中间区域（激波）： 有时，即使在稠密空气中，也会发生突然而剧烈的变化（如激波或音爆）。在这里，该工具会重新加入一点“粒子追踪器”的逻辑。这就像一个安全缓冲垫，添加恰到好处的“摩擦”，防止模拟变得不稳定并崩溃，确保激波被清晰地捕捉。

“自适应”特性：节省算力

本文还引入了一种基于空气流速和稀薄程度的“智能开关”。

• 如果空气稠密且流速缓慢，该工具仅使用快速的交通指挥员方法。
• 如果空气稀薄，它仅使用粒子追踪器。
• 只有在绝对必要时，它才会使用两者复杂的“混合”模式。

这就像一辆混合动力汽车，在城市中仅使用电力（高效），而仅在需要加速或攀爬陡坡时才切换到燃油。这种策略使得计算机在处理平滑流时比之前的方法快10 倍，在处理稀薄流时快2 倍，同时没有损失精度。

验证：三次测试驾驶

作者们在三个特定场景下测试了这一新工具，以证明其有效性：

1. 平板（平滑高速公路）： 他们模拟了空气流过平面的情况。新工具几乎完全吻合完美的理论答案，但比旧方法快得多。
2. 空腔（风洞）： 他们模拟了空气在一个顶部移动的盒子内 swirling（旋转）的情况。他们在三种不同的“空气密度”（稠密、中等和稀薄）下进行了测试。在所有情况下，新工具的结果都与最准确（但非常缓慢）的参考方法一致，但完成时间约为后者的一半。
3. 激波（音爆）： 他们模拟了空气的突然剧烈压缩。这是最难的部分，因为空气瞬间发生变化。旧方法要么变得“不稳定”（振荡），要么太慢。得益于其“安全缓冲垫”（数值碰撞时间），新的混合工具完美地捕捉了尖锐的激波，没有发生振荡，同时仍然比竞争对手更快。

核心结论

本文提出了一种新的气体模拟方法，它快速、准确且稳健。它不仅适用于一种类型的流动，还能无缝处理从地面附近的稠密空气到太空中的稀薄空气，乃至其间剧烈的激波。通过智能地在两种现有方法之间切换，它解决了多年来困扰科学家的“速度与精度”之间的矛盾。

技术摘要

以下是论文《用于连续流与稀薄流的混合气体动理学方案与离散速度方法》的详细技术摘要。

1. 问题陈述

模拟从连续流到稀薄流全谱的气体流动是一个重大挑战，这源于不同数值方法相互冲突的要求：

• 连续流区： 气体动理学方案（GKS） 对连续流（纳维 - 斯托克斯极限）具有极高的效率和精度，但无法可靠地捕捉稀薄效应。
• 稀薄流区： 离散速度方法（DVM） 适用于稀薄流（玻尔兹曼方程），但在应用于连续流区时，由于碰撞项的刚性及迎风重构问题，存在计算效率低、收敛缓慢及数值耗散过大的缺陷。
• 现有统一方法： 尽管统一气体动理学方案（UGKS）和离散统一气体动理学方案（DUGKS）能够处理多尺度流动，但由于它们需要在每个时间步评估单元界面处的随时间变化的分布函数，因此计算成本依然高昂。

核心问题在于缺乏一种能够在所有克努森数（$Kn$）和马赫数（$Ma$）下，同时具备计算高效性、高精度和鲁棒性，且无需依赖复杂宏观方程离散化的方法。

2. 方法论

作者提出了一种混合 GKS–DVM 方法，通过一种新颖的平衡策略整合了两种方法的优势。

核心机制：数值碰撞时间

该混合方案通过线性组合来自 GKS 的平衡分量与来自 DVM 的非平衡分量，构建单元界面处的时间演化分布函数。这种组合由数值碰撞时间（$\tau_n$）加权：

$$f^{hybrid} = (1 - e^{-\Delta t / \tau_n}) f^{GKS} + e^{-\Delta t / \tau_n} f^{DVM}$$

• $f^{GKS}$： 代表源自查普曼 - 恩斯科格展开的平衡分布函数（适用于连续流）。
• $f^{DVM}$： 代表通过迎风方案重构的非平衡分布函数（适用于稀薄流）。
• $\tau_n$（数值碰撞时间）： 定义为 $\tau_n = \frac{\mu}{p} + C \left| \frac{p_L - p_R}{p_L + p_R} \right| \Delta t$。
  • 与物理碰撞时间（$\tau$）不同，$\tau_n$ 包含一个依赖于压力梯度的项。这对于连续流中的激波捕捉至关重要，因为它确保了 DVM 分量（提供数值耗散）即使在物理碰撞时间很小时，在激波区域仍能保持活跃。

渐近行为

• 连续流极限（$\Delta t \gg \tau_n$）： 权重因子 $e^{-\Delta t / \tau_n} \to 0$。该方案恢复 GKS 平衡解，满足纳维 - 斯托克斯方程。
• 稀薄流极限（$\Delta t \ll \tau_n$）： 权重因子趋近于 1。该方案恢复 DVM 解，捕捉自由分子流行为。
• 激波区域： 在含有激波的连续流中，$\tau_n$ 中的压力梯度项增加了有效碰撞时间，防止 DVM 贡献消失。这引入了必要的数值耗散以稳定激波捕捉，同时不会模糊平滑流区。

自适应策略

为了进一步降低计算成本，作者提出了基于局部 $Kn$和$Ma$ 的自适应切换策略：

1. 连续流与亚音速（$Ma < 1, Kn \le 0.001$）： 仅评估 GKS 通量。
2. 连续流与跨音速/超音速： 同时评估 GKS 和 DVM 通量（使用混合公式）以确保激波稳定性。
3. 稀薄流/过渡流（$Kn > 0.001$）： 仅评估 DVM 通量。

3. 主要贡献

1. 新颖的混合公式： 直接耦合 GKS 和 DVM 分布函数，无需显式离散化宏观控制方程（不同于某些先前的混合方法）。
2. 数值碰撞时间（$\tau_n$）： 引入 $\tau_n$ 解决了连续流极限下激波捕捉的稳定性问题，同时保持了渐近保持特性。
3. 自适应效率： 开发了依赖于流态的切换策略，动态选择最高效的通量评估方法，显著降低了计算开销。
4. 鲁棒性： 该方法避免了纯 DVM 在连续流中过度的数值耗散，以及纯 GKS 在稀薄流中的不稳定性。

4. 结果与验证

该方法针对三个基准案例进行了验证：

• 案例 1：平板边界层（连续流，$Re=10^5$）：

  • 自适应混合方法以高精度吻合了布拉修斯解。
  • 效率： 与非自适应混合方法相比，自适应策略将计算成本降低了约10 倍。

• 案例 2：顶盖驱动腔体流动（从稀薄到连续）：

  • 测试了 $Kn = 10.0$（自由分子流）、$0.075$（滑移流）和$2.05 \times 10^{-4}$（连续流）。
  • 稀薄流（$Kn=10$）： 混合方法与 DSMC 和 UGKS 结果吻合，但仅需 UGKS 约 50% 的挂钟时间。
  • 滑移流（$Kn=0.075$）： 在实现与 UGKS 相似精度的同时，速度提升了 约 2.3 倍。
  • 连续流（$Kn \approx 10^{-4}$）： 混合方法优于纯 DVM（后者因耗散显示出涡流偏差），并高效地吻合了参考解（Ghia 等人）。

• 案例 3：激波结构（一维，$Ma=2.0$）：

  • 测试了 $Kn = 1.0, 0.1, 0.001$。
  • 激波捕捉： 纯 GKS 和使用物理 $\tau$ 的混合方法在 $Kn=0.001$时因耗散不足（振荡）而无法解析尖锐激波。使用**数值$\tau_n$** 的混合方法成功捕捉了激波结构且无振荡。
  • 效率： 在连续流激波案例中，混合方法比 UGKS 降低了约 10% 的成本。在稀薄激波案例中，加速更为显著（约 1.6 倍）。

5. 意义

这项工作代表了多尺度流动计算流体动力学领域的重大进展：

• 弥合鸿沟： 它在单一框架内成功统一了 GKS 对连续流的高效率与 DVM 对稀薄流的物理保真度。
• 计算节省： 通过引入自适应策略，该方法在与最先进统一方案（UGKS）相比时，在连续流区实现了数量级的加速，在稀薄流区实现了 2 倍的加速。
• 激波鲁棒性： 数值碰撞时间（$\tau_n$）的特定设计解决了动理学方案中长期存在的难题：在不引入平滑区域过度数值耗散的情况下捕捉连续流中的激波。
• 实际应用： 该方法对于涉及飞行器从地面穿越至近地空间的应用尤为宝贵，因为这些场景中的流动状态会从连续流迅速过渡到稀薄流。