A variable-coefficient model for decay of isotropic turbulence capturing… — 通俗解释

想象一下湍流（流体如空气或水产生的混沌、旋转运动）是一座巨大而复杂的瀑布。在这座瀑布中，大波浪分解成较小的涟漪，涟漪再分解成更小的水花，直到能量最终以热能的形式消失。这个过程被称为“能量级联”。

几十年来，工程师们一直使用一套规则（数学模型）来预测这座瀑布的行为。其中最流行的规则书之一叫做 $k-\epsilon$ 模型。它试图预测两件事：水中含有多少能量 ( $k$ ) 以及这些能量消失的速度 ( $\epsilon$ )。

然而，这本规则书中有一个特定的“旋钮”，叫做 $C_{\epsilon2}$ ，它控制着能量消失的速度。长期以来，科学家们一直假设这个旋钮是固定的——就像一个设定在永久温度上的恒温器。他们认为，无论水流得快还是慢，或者你是刚刚开始流动还是让它持续运行，旋钮都保持不变。

问题所在：
本文的作者，来自斯坦福大学和洛斯阿拉莫斯国家实验室的研究人员，运行了极其详尽的计算机模拟（就像瀑布的高清电影），并发现旧的规则书错了。他们发现这个“旋钮” ( $C_{\epsilon2}$ ) 并不是固定的。它实际上是会移动的。

把它想象成汽车发动机。如果你突然踩下油门（注入能量），发动机不会立即做出反应；它需要一点时间来提升转速。同样，在湍流中，能量从大波浪传递到那些最终消失的微小涟漪需要一段有限的时间。这种“传输时间”会根据流体的运动速度（雷诺数）以及你是正在增加能量还是让流动逐渐消退而发生变化。

发现：
通过观察他们的高清模拟，研究人员看到：

当湍流正在消退（衰减）时： “旋钮”从一个数值开始，并随着时间的推移缓慢移动到一个新的稳定值。它不是瞬间完成的，它具有对“流体如何开始”的“记忆”。
当你强行让湍流生长（增加能量）时： “旋钮”会显著下降。此时系统处于失衡状态，因为注入能量的速度快于能量向下级联并被消耗掉的速度。

解决方案：
作者没有将旋钮视为一个固定的数字，而是创建了一套新规则，使该旋钮变成了一个变量。他们写出了一个新的方程，该方程根据两件事来告诉旋钮如何移动：

当前流体的速度（雷诺数）。
流体的历史（我们是刚开启它？是在逐渐消退？还是正在被迫生长？）。

他们将这个新的“智能”旋钮与他们的高清模拟进行了对比。结果显示，旧的固定旋钮模型经常会导致时间预测错误，预测能量消失得太快或太慢。而这个允许旋钮变化的新模型，几乎完美地契合了真实的物理过程。

类比：
想象你正在尝试预测一堆篝火能烧多久。

旧模型： 假设无论发生什么，火都会以恒定的速率燃烧。如果你加入一根木头，它依然保持原来的燃烧速度。
新模型： 意识到当你加入一根木头时，火并不会立即以新的速率燃烧。木头被点燃、热量扩散以及火焰进行调整是需要时间的。“燃烧率”会根据你刚刚投入了多少木头以及刚才火势有多大而动态变化。

核心结论：
本文并不声称解决了流体力学中的所有问题。它专门针对各向同性湍流（即在各个方向看起来都一样的湍流，就像一锅搅拌均匀的汤）。作者成功证明了，通过将“衰减系数”变为一个随流体历史和速度而变化的动态目标，他们能够比标准的固定系数模型更准确地预测湍流是如何消退或增长的。

他们承认这是第一步。他们的模型在这些特定的、受控的模拟中表现出色，但在将其用于日常工程设计（例如空气流过机翼）之前，仍需在更复杂、更真实的场景中进行测试。

技术摘要：各向同性湍流衰减的变系数模型

问题陈述
在雷诺平均纳维-斯托克斯（RANS）建模的背景下， $k-\epsilon$ 框架是预测湍流的标准方法。在该类模型中，一个关键参数是系数 $C_{\epsilon2}$ ，它控制着湍动能（ $k$ ）和耗散率（ $\epsilon$ ）的衰减。传统上， $C_{\epsilon2}$ 被视为一个常数（通常为 1.92），通过关系式 $n = 1/(C_{\epsilon2} - 1)$ 关联时间衰减幂律指数 $n$ 。然而，大量的计算和实验文献表明，衰减指数 $n$ 并非普适的；它随瞬时雷诺数（ $Re_T$ ）以及能量注入的历史（初始条件）而变化。此外，常数 $C_{\epsilon2}$ 的假设无法捕捉非平衡态（如快速增长或衰减）期间的湍流动力学，在这些状态下，能量从大尺度向耗散尺度传递所需的有限时间起到了重要作用。现有的试图对这种变异性进行建模的方法（例如多尺度模型）通常依赖于不可测量的内变量，限制了它们的实际应用价值。

方法论
作者利用高保真直接数值模拟（DNS）和大涡模拟（LES）来研究各向同性湍流衰减中所涉及的数学项。

模拟： 研究采用伪谱代码在三周期域上求解不可压缩动量方程。模拟涵盖了用于平稳强迫湍流以及涉及自由衰减和强迫增长的多种雷诺数情况（ $Re_T$ 从 78 到 382）。
强迫策略： 为了保持域无关的湍流，使用对速度场的高通滤波器应用线性强迫项，仅在波数 $\kappa > 2$ 处注入能量。这以受控的方式模拟了剪切产生过程。
数据分析： 作者分析了耗散率（ $\epsilon$ ）的精确输运方程。他们观察到，虽然耗散方程中的单个项（特别是湍流产生项 $P_\epsilon$ 和粘性耗散项 $Y$ ）随着雷诺数的增加而发散，但它们的组合效应（ $P_\epsilon - Y$ ）在雷诺数趋于无穷大的极限下保持收敛且对 $Re_T$ 不敏感。
模型推导： 通过利用 DNS 数据并根据关系式 $C_{\epsilon2} = -(P_\epsilon - Y)k/\epsilon^2$ 计算瞬时 $C_{\epsilon2}$ ，作者观察到 $C_{\epsilon2}$ 并非常数。它随时间演化，对雷诺数敏感，并对能量注入的历史做出响应。基于这些观察，作者提出了一种关于 $C_{\epsilon2}$ 的唯象演化方程，而非从基本原理出发进行推导。

主要贡献
这项工作的核心贡献是开发了一个变系数 $C_{\epsilon2}$ 模型，该模型在保留可测量输入空间的同时，捕捉了有限级联时间和雷诺数效应。

$C_{\epsilon2}$ 的演化方程： 作者提出了一个一阶阻尼演化方程（式 13），将 $C_{\epsilon2}$ 视为一个动态变量：
$\frac{dC_{\epsilon2}}{dt} = A_D \frac{\epsilon - P}{k} (C_{\epsilon D} - C_{\epsilon2}) + A_F \frac{P}{k} (C_{\epsilon F} - C_{\epsilon2})$
此处， $P$ 是产生率。该方程区分了衰减行为（下标 $D$ ）和强迫行为（下标 $F$ ）。
雷诺数依赖性： 模型系数（ $A_D, A_F, C_{\epsilon D}$ ）被公式化为 $Re_T$ 的函数。基于标度分析，领先阶的有限雷诺数修正项与 $Re_T^{-1/2}$ 成比例。
理论约束： 模型强制要求对于平稳强迫湍流， $C_{\epsilon F} = 1$ （该值是针对线性强迫推导出的理论值），并确定了在低雷诺数和高雷诺数极限下的渐近值（ $C^0_{\epsilon D} = 1.5$ 且 $C^\infty_{\epsilon D} = 1.73$ ）。

结果
所提出的模型利用 $Re_T = 78, 133, 180,$ 和 $382$ 的 DNS 数据进行了调优，并针对一个独立的案例（ $Re_T = 240$ ）以及一个无穷大雷诺数 LES 案例进行了验证。

动态行为： 该模型成功重现了 DNS 中观察到的 $C_{\epsilon2}$ 的非单调演化。对于衰减湍流， $C_{\epsilon2}$ 从初始值开始增加，并趋向于一个与雷诺数相关的渐近值。对于增长湍流， $C_{\epsilon2}$ 会下降，跌破 1 之后再上升。
预测精度： 当集成到 RANS 求解器中时，该变 $C_{\epsilon2}$ 模型能够准确预测衰减和增长场景下湍动能（ $k$ ）和耗散率（ $\epsilon$ ）的时间演化。
与标准模型的比较： 所提出的模型显著优于假设 $C_{\epsilon2} = 1.92$ 的标准 $k-\epsilon$ 模型。标准模型无法捕捉无穷大雷诺数情况下的 TKE 快速衰减，并且在具有不同能量注入率的增长机制中表现出定量上的不准确。
鲁棒性： 该模型表现出对“湍流增长时间尺度与大涡转动时间尺度之比”的不敏感性，即使在测试比调优数据高或低 50% 的能量注入率时，依然表现良好。

意义与主张
作者将这项工作定位为改进现有湍流模型的增量步骤。他们声称，通过将 $C_{\epsilon2}$ 处理为受演化方程支配的变量，该模型捕捉了传统常系数方法中所丢失的重要物理特性——即有限的能量级联时间和雷诺数效应。研究强调，该模型是基于 DNS 观测进行的唯象提议，而非严谨的理论推导。

作者明确指出了局限性和未来应用的要求：

当前数据受限于有限的计算盒尺寸和有限的雷诺数范围。
该模型尚未在非均匀流中得到验证；将其扩展到包含输运项是未来的必要步骤。
该模型目前适用于产生率与耗散率相当（ $P \leq O(\epsilon)$ ）的机制，对于极端或突发的能量注入可能不再适用，除非引入更高阶的修正。
用于推导 $C_{\epsilon F} = 1$ 的线性强迫假设可能与物理产生机制有所不同，尽管作者认为线性强迫是平均速度梯度效应的一个合理代理。

总之，本文证明了基于高保理数据和标度分析的变 $C_{\epsilon2}$ 模型，相比传统的常系数模型，能更准确地表征各向同性湍流的衰减与增长，为 RANS 模型的进一步改进提供了基础。

A variable-coefficient model for decay of isotropic turbulence capturing effects of finite cascade time and Reynolds number

类似论文