玻尔百科湍流的模拟仍然是流体动力学中最大的挑战之一，它要求在计算成本和物理精度之间不断进行权衡。几十年来，工程师们一直陷入两种主要建模理念的困境中：高效但通常不准确的雷诺平均纳维-斯托克斯（RANS）模型，以及高度准确但计算成本高得惊人的大涡模拟（LES）。RANS擅长模拟稳定、附着的流动，但在大尺度分离区域却会失效；而LES能出色地捕捉这些大尺度的混沌结构，但对于固体壁面附近所需的精细细节来说，其计算成本又过于高昂。这一差距使得一大类关键的工程问题——从大攻角下的飞机到绕过摩天大楼的风——没有实用且可靠的模拟工具。
本文介绍了分离涡模拟（DES），这是一种开创性的混合方法，旨在通过智能地结合两者的优点来弥补这一差距。在接下来的章节中，我们将探讨使DES成为一种“通用模型”的精妙概念。“原理与机制”一章将深入探讨DES背后的核心思想，解释它如何在RANS和LES模式之间动态切换，并追溯其演变为更鲁棒的形式（如DDES和IDDES）以克服初始缺陷的过程。随后，“应用与跨学科联系”一章将展示DES在不同领域的广泛影响，演示其在航空航天、土木工程和气动声学中的应用，并揭示其与声、热和流动转捩等基本物理学的深层联系。
要真正领会分离涡模拟（DES）的精妙之处，我们必须首先深入流体动力学中的一个巨大挑战的核心：湍流问题。湍流是流体中混乱、旋转和不可预测的运动，你可以在翻腾的河流、蜡烛的青烟或飞机的尾流中看到它。对于工程师和物理学家来说，模拟这种混沌是可想而知的最困难和计算成本最高的任务之一。几十年来，为了应对这个难题，出现了两大思想流派，每一种都有其自身的理念、优势和劣势。
第一种方法是工业流体动力学的“主力”：雷诺平均纳维-斯托克斯（RANS）建模。RANS的理念是务实的。它承认试图捕捉湍流中每一个微小的涡旋和涡动通常是徒劳的。相反，它提出了一个更简单的问题：流动在平均意义上是什么样子的？通过对控制纳维-斯托克斯方程应用数学平均过程，RANS将复杂、脉动的流动归结为其平均、定常的行为。这种简化的代价是，所有湍流涡（从最大到最小）的影响必须被捆绑在一起，并由一个湍流模型来表示。RANS的计算成本低廉，并且对于“行为良好”的流动非常有效，例如在巡航状态下紧贴翼面的薄空气层——即附着边界层。然而，它的弱点是深远的：它常常对主导流动脱离表面区域的大尺度、非定常和混沌结构视而不见，这种现象被称为大尺度分离。
第二种方法是湍流世界中的“艺术家”：大涡模拟（LES）。LES采用了一种更具雄心且更富美学的方法。它认为，流动中最大的涡是最重要的；它们携带了大部分能量，并定义了湍流的特性。较小的涡则更具普适性，对整体动力学的重要性较低。因此，LES的理念是直接计算或解析大涡的运动，同时模拟小的、子网格尺度涡的影响。“大”与“小”之间的界限由计算网格单元的尺寸决定，该尺寸由长度尺度表示。LES可以生成关于复杂分离流的惊人准确和详细的图像，但这种准确性伴随着巨大的计算成本。为了准确模拟固体壁面附近的边界层，LES网格必须非常精细，这使其对于大多数工程应用来说成本过高，令人望而却步。
困境就在于此。我们有RANS，这个高效但“近视”的模型，非常适合流动的简单部分，但在复杂部分却会失效。我们还有LES，这个出色但昂贵的模型，在复杂区域表现优异，但对于简单、近壁的区域却不切实际。几十年来，工程师们不得不在两者之间做出选择。他们梦想着，是否可以创造一个能够体现两者优点的单一模型呢？
这个梦想催生了一类新的方法，称为混合RANS-LES方法。其目标是创建一个单一、统一的模型，能够根据流动的局部性质，在类RANS行为和类LES行为之间无缝过渡。
构建这种混合模型有不同的方法。一种可以是分区方法，即用户手动将模拟域划分为“RANS区”和“LES区”。这就像把两个不同的工具用胶带粘在一起；它可能很笨拙，而且接缝处总是一个薄弱点。一个更优雅的想法是桥接方法，即一套单一的方程可以智能地、自动地调整其特性。分离涡模拟（DES）是这种无缝桥接方法的开创性、也是如今最具代表性的例子。DES的美妙之处在于，它不需要用户告诉它在哪里使用RANS或LES。它会自己去问流动本身。
一套方程如何能如此智能？DES的核心机制是一个非常简单直观的想法。在流动的每一点，模型都根据两个基本长度尺度之间的竞争做出决策。
第一个是内在湍流长度尺度 ，你可以把它看作是RANS模型在该位置预测的最大的、含能量最高的涡的特征尺寸。在许多湍流模型中，如著名的模型，该尺度与湍动能及其耗散率相关，即。对于附着在壁面上的边界层，这个物理长度尺度主要由到壁面的距离决定。
第二个是观察者长度尺度，它就是我们局部计算网格的尺寸，。这里，是网格单元尺寸的度量（例如，其最长边），而是一个校准常数。这个尺度代表了我们的模拟可能解析的最小涡。
DES的精妙之处在于将其有效长度尺度定义为这两个竞争尺度的最小值：
让我们看看这个简单的规则完成了什么。在应用于Spalart-Allmaras湍流模型的DES原始公式中，这意味着用这个新的来替换模型耗散项中的壁面距离。
想象一个点，它位于附着边界层深处，非常靠近壁面。在这里，物理涡很小，壁面距离（代表）也非常小。在典型的网格上，它远小于网格尺度，因此。所以最小值是。模型使用了物理RANS长度尺度，模拟以RANS模式进行。模型正确地推断出：“这里的涡太小，网格无法看到，所以我必须完全模拟它们。”
现在，想象一个远离任何壁面的点，位于一个圆柱体后方的大型混沌尾流中。在这里，物理涡很大，壁面距离也很大。这个区域的网格通常比这些涡的尺寸要精细得多，所以。此时最小值是。模型的长度尺度现在由网格本身决定。模型正确地推断出：“这里的涡足够大，可以被网格解析，所以我会切换到类LES模式，让网格来完成工作。”
常数充当一个可调旋钮。较大的值会提高切换到LES的阈值，使模型更倾向于保持在RANS模式。这让工程师能够控制模拟中模拟湍流和解析湍流之间的平衡。
这种DES的原始公式（通常称为DES97）是一个辉煌的突破，但实践很快揭示了一些微妙而危险的缺陷——这些“机器中的幽灵”可能导致不符合物理规律的结果。
第一个问题被称为“灰色区域”，或者更正式地称为模拟应力耗尽（MSD）。想象一场接力赛，一个RANS赛跑者拿着代表湍流应力的接力棒。他应该把接力棒交给一个代表解析涡的LES赛跑者。灰色区域是流动中发生RANS到LES切换的区域，因此RANS赛跑者已经慢下来，实际上丢掉了他的模拟应力。然而，进入这个区域的流动是平滑和平均的，不包含任何解析涡。LES赛跑者甚至还没有开始跑！不稳定性的增长并使流动充满解析涡需要时间和距离。在这个间隙中，接力棒掉在了地上——总湍流应力（模拟+解析）被灾难性地低估了。流动缺乏其所需的湍流混合，这会严重扭曲平均速度剖面并减缓湍流区域的增长。
第二个，也许是更隐蔽的问题是网格诱导分离（GIS）。这是一个残酷的悖论，即试图通过加密网格来改进模拟，实际上可能会使结果变得更糟。想象一下，你正在模拟一个本应保持附着在翼型上的边界层。你决定在壁面附近使用非常精细的网格以获得更准确的答案。有了这个精细的网格，网格尺度就可能变得比壁面距离更小，即使在附着边界层内部也是如此。原始的DES逻辑看到，错误地得出结论：“啊哈，一个精细的网格！是时候用LES了！”它过早地关闭了提供必要湍流应力以保持流动附着的RANS模型。模拟应力的突然下降导致模拟的流动从表面分离，形成一个巨大的、不符合物理规律的分离泡。你出于好意的网格加密反而导致了模拟的灾难性失败。
这些缺陷的发现并没有宣告DES的终结。相反，它激发了一股新的创新浪潮，催生了更鲁棒、更智能的模型版本，其中最著名的是延迟分离涡模拟（DDES）和改进的DDES（IDDES）。关键的创新是屏蔽的概念。其目标是保护或“屏蔽”附着边界层，防止其不必要地、过早地切换到LES模式。
DDES通过对长度尺度定义进行巧妙的修改来实现这一点。新的长度尺度定义为：
让我们来剖析这个优雅的公式。项代表了当原始DES切换到LES模式时，它会从RANS尺度上应用的“减少量”。新的成分是屏蔽函数。这个函数是模型内置的一个复杂的传感器。它分析局部流动特性，以确定它是否在一个健康的、类RANS的边界层内部。
在附着边界层内部，传感器正确识别情况，屏蔽函数趋于零：。公式于是变为。减少项被抵消了！模型被屏蔽并强制保持在RANS模式，无论网格多精细。网格诱导分离得以避免。
远离壁面，在分离区域中，传感器认识到它处于一个适合LES的环境中，屏蔽函数趋于一：。公式变为，这与原始DES公式完全等价。模型在需要的地方精确地恢复了其预期的LES行为。
这个简单但强大的修改，以及IDDES中为帮助缓解灰色区域问题而做的进一步增强，将DES从一个出色但有时脆弱的想法转变为一个鲁棒而可靠的工具。DES的故事完美地诠释了科学过程本身：从一个简单、优美的概念，到发现其现实世界的局限，再到一个更精细、更强大的综合体。它证明了科学界不仅追求构建能用的工具，而且追求构建本身就拥有某种物理智能的工具。
在探索了分离涡模拟（DES）的内部工作原理之后，我们可能会问一个非常实际的问题：它有什么用？答案是，它的用途非常广泛。DES的精妙之处在于它的实用主义。它是一个诞生于对湍流物理学和计算实际限制深刻理解的工具。它不试图在任何地方都做到完美；相反，它力求在最重要的地方做到足够好。这种理念使我们能够模拟那些曾经远超我们能力范围的极其复杂的流动，在基础理论与现实世界工程之间架起了一座充满活力的桥梁。
让我们来游览一下DES已成为不可或缺工具的各个领域，并在此过程中，看看它如何与一个惊人多样化的科学学科体系相联系。
DES的核心是一种动态分类方法。在流体中的每一点、在每一个时刻，它都在做一个决定：我应该用雷诺平均纳维-斯托克斯（RANS）模型的粗略笔触来模拟这部分湍流，还是应该用大涡模拟（LES）的精细笔触来解析其复杂的动态？这个决定取决于一个极其简单的比较。模拟会考察两个长度尺度：到最近壁面的距离，以及一个基于局部网格尺寸的长度尺度。两者中较小的一个决定了模型的行为。
靠近固体表面，在薄薄的附着边界层中，壁面距离非常小。模型默认进入其RANS模式，这是完全合理的。在这些区域，能量最强的湍流涡非常微小，试图用计算机网格来解析它们的成本将是天文数字。RANS为它们的影响提供了一个极好的统计总结。但是当流动分离时会发生什么呢？
想象一下，当你增加翼型的攻角时，其上的流动。起初，空气平滑地流过曲面。但随着角度变得更陡，流动不再能跟随前缘附近的急剧曲率，它会脱离或“分离”。这会产生一个巨大的、充满大规模旋转涡的湍流尾流。在这个远离任何壁面的区域，壁面距离变得非常大。依赖于网格的长度尺度现在是两者中较小的一个，于是噗的一声——模型切换到LES模式。正是在这些广阔的分离区域中，“好戏”才真正上演。主导流动行为——并常常决定升力和阻力等整体力——的大型含能涡现在被模拟直接捕捉。尾流中的“分离”涡（detached eddies）正是该方法名称的由来。
这种优雅的逻辑是模拟从简单的后向台阶流动 到接近失速的高升力机翼周围极其复杂流动的一切的关键。然而，这种能力也伴随着责任。模拟的好坏取决于其所构建的网格。工程师必须像一位工匠，精心设计网格，使其在附着边界层中足够粗糙以帮助模型保持在高效的RANS模式，但在尾流中又足够精细以捕捉重要的非定常涡。物理建模与数值实践之间的这种相互作用是现代计算流体动力学艺术的核心。
虽然DES诞生于航空航天领域，但它的用途绝不局限于此。任何涉及从“钝体”发生大规模流动分离的问题都是DES的理想候选。考虑风工程的挑战。你如何设计一座摩天大楼来抵御强风？你如何确保一座大跨度悬索桥不会像臭名昭著的塔科马海峡大桥（Tacoma Narrows Bridge）那样开始失控地振荡？
从流体动力学的角度来看，这些结构只是非常大的钝体。风流过它们时会分离，产生一个充满大型周期性涡的湍流尾流，这些涡从顶部和底部或两侧交替脱落。这被称为von Kármán涡街。每当一个涡脱落时，它都会给结构一个微小的推力。如果这些推力的频率恰好与结构的自然振动频率相匹配，结果可能是灾难性的。
RANS模型平均掉了所有的非定常性，因此常常对这种关键的涡脱落现象视而不见。直接数值模拟是不可能的。这正是DES大显身手的地方。通过在桥面或建筑立面的薄边界层中以RANS模式运行，并在巨大的尾流中切换到LES模式，DES可以明确地捕捉大规模的涡脱落，并以惊人的准确性预测非定常力。这使得工程师能够设计出更安全、更有弹性的结构。
DES的应用扩展到一系列引人入胜的跨学科领域，揭示了物理定律深层的统一性。
其中最令人兴奋的联系之一是气动声学，即研究由流体运动产生的声音。喷气发动机的轰鸣声或空气流过汽车后视镜的“呼呼”声从何而来？它来自湍流。湍流涡中快速的压力脉动就像微小、混乱的扬声器，辐射出声波。要预测这种噪声，你必须能够预测这些压力脉动。DES是实现这一目标的天然工具，因为它解析了分离流中大的、含能量的（也是产生噪声的）涡，这些涡通常是飞机上高升力襟翼和起落架等部件的主要噪声源。有趣的是，即使是模型中看似抽象的常数，如，也可能直接影响预测的剪切层厚度，而剪切层厚度又会改变脱落涡的尺寸和频率，最终改变预测的宽带噪声的音调。
DES的应用范围还延伸到可压缩流领域，其中速度接近并超过声速。在这里，出现了新的现象，如激波。激波与边界层的相互作用是流体动力学中最具挑战性的问题之一，会导致大规模分离以及剧烈的压力和热载荷。模拟这种情况不仅需要一个湍流模型，还需要一个能够捕捉激波近乎不连续性的数值格式。DES的开发者发现，原始公式可能会被激波的存在所欺骗。这导致了“屏蔽”版本如延迟DES（DDES）和改进的DDES（IDDES）的开发，它们更加鲁棒，能够区分真实的物理分离流和数值假象，确保模型即使在这些极端环境中也能正确表现。这些方法的演变凸显了一个关键主题：物理模型与数值算法的协同设计。
也许最微妙和最深刻的联系之一是与层流到湍流的转捩物理学的联系。流过光滑物体的流动通常以平滑有序的层流开始，然后变得不稳定并分解为混沌的湍流。这个转捩过程会显著影响阻力和传热。准确预测转捩发生的位置是空气动力学的“圣杯”。问题在于，一个幼稚的DES模拟，由于其精细的网格和对扰动的敏感性，很容易触发一个虚假的、纯数值的转捩，完全掩盖了真实的物理过程。这催生了一种美妙的协同作用，即DES与复杂的物理转捩模型相结合。在这里，DDES和IDDES的屏蔽函数起着关键作用，防止LES模式在层流区域激活并“污染”流动，从而让转捩模型能够正常工作。
DES的旅程并不仅仅以一幅美丽、多彩的湍流图像结束。工程师必须问的最后一个，也许是最重要的问题是：“我应该在多大程度上相信这个结果？” 这就是不确定性量化（UQ）的领域。
现代模拟是一系列模型和近似的复杂链条。有来自网格的数值误差，有来自湍流模型本身假设（例如，的值）的模型误差，甚至在如何定义网格尺度上也存在不确定性。应用于DES的先进UQ技术使我们能够系统地探究这些不确定性。通过运行一系列模拟——使用不同的网格分辨率和对模型常数的轻微扰动——我们可以建立一个“误差预算”。这使我们不仅能说“预测的阻力是X”，还能说“预测的阻力是X，置信区间为Y”。这代表了从定性预测到定量、可靠的工程设计的范式转变。
从其简单、优雅的核心思想出发，DES已经成长为一个成熟、通用且强大的方法。它证明了物理学家和工程师巧妙近似的艺术，使我们能够在一个由美丽而混沌的湍流之舞主导的世界中进行探索、理解和设计。