传热学中的无量纲数

玻尔百科

核心要点

无量纲数代表了相互竞争的物理力或过程的比值，通过动力学相似性，使得对系统的分析能够超越尺度的限制。
雷诺数（决定流动状态）、普朗特数（流体物性）和努塞尔数（对流效率）等关键无量纲数主导着强制对流，而格拉晓夫数和瑞利数则描述自然对流。
毕渥数与努塞尔数不同，它比较的是固体内部的导热与外部表面对流，用于判断物体的温度是否可被视为均匀。
由舍伍德数和施密特数等无量纲数形式化的热质传递类比，允许将传热问题的解应用于传质问题，反之亦然。

引言

物理定律如何能同等地适用于茶杯和海洋，而缩比模型飞机却无法完全模拟其全尺寸原型的行为？答案在于物理力量平衡关系的变化。仅有几何相似是不够的；要真正比较不同尺寸的系统，我们必须实现动力学相似，即所有主导力量——惯性力与粘性力、浮力与摩擦力——的比值都保持恒定。本文通过介绍无量纲数这一通用语言来应对这一挑战，它是理解独立于尺度的物理过程的关键。

这个框架使我们能够将复杂的现象剖析为其核心的矛盾冲突。接下来的章节将构建对这一强大语言的全面理解。在“原理与机制”一章中，我们将认识传热学这出大戏中的主要角色——Reynolds、Prandtl、Nusselt等——并揭示它们作为相互竞争效应之比的基本物理意义。随后，“应用与跨学科联系”一章将展示该框架如何统一从工程设计、材料科学到生物体研究等不同领域，揭示支配我们世界中热量和质量输运的内在联系。

原理与机制

物理定律对茶杯和海洋一视同仁，对微芯片上的散热片和行星翻腾的地幔也同样适用。那么，为什么利用从一个系统中学到的知识来预测另一个系统会如此困难呢？如果你制造一个完美的飞机缩比模型，比如说尺寸是十分之一，你能在风洞中以相同的速度对其吹风，并期望其结果能准确告诉你全尺寸飞机将如何飞行吗？

答案或许令人惊讶，是否定的。当你改变尺度时，力的平衡也随之改变。对于小模型来说，附着在机翼上的空气的粘滞力变得更为重要；而对于大飞机来说，空气的惯性，即其保持直线运动的趋势，则更占主导地位。为了让模型能真实反映原型机的情况，你必须确保它们不仅几何相似，而且动力学相似。这意味着所有重要力的比值——惯性力与粘性力、浮力与惯性力等等——在两种情况下都必须完全相同。

这正是问题的核心。要理解自然界的行为，我们需要一种独立于尺寸和具体情况的语言。我们需要一种方法来讨论定义一个物理过程的本质冲突。这种语言就是无量纲数的语言。这些数字不仅仅是枯燥的比率；它们是物理学这出戏剧中的角色，每一个都代表着决定系统行为方式的基本斗争。让我们来认识一下主要角色。

对流现象“动物园”指南

将传热想象成一个关于运动的故事。毕竟，对流是通过流体宏观运动进行的传热。这个故事如何展开取决于几个关键角色。

主角：强制对流

在强制对流中，我们使用泵或风扇来迫使流体移动。想象一下冷却你电脑处理器的风扇。流动是流体保持运动趋势（惯性）与其抵抗运动的内摩擦（粘性）之间的一场战斗。捕捉这场史诗般斗争的无量纲数就是雷诺数（ $Re$ ）。

Re = \frac{\text{Inertial forces}}{\text{Viscous forces}} = \frac{\rho V L}{\mu}

此处， $\rho$ 是流体密度， $V$ 是其速度， $L$ 是流体流经物体的特征尺寸， $\mu$ 是动力粘度。当 $Re$ 很小时，粘性力占优；流动平滑、有序且可预测，就像蜂蜜缓慢流动一样。这就是层流。当 $Re$ 很大时，惯性力占主导；流动变得混乱、旋转且不可预测，就像湍急的河流。这就是湍流。雷诺数是告诉你正在处理何种流动类型的最重要参数。

但流动只是故事的一半。我们关心的是热量。热量是如何进入这种流动的流体中的？它必须首先从固体表面传导到流体的第一层，然后从那里扩散开来。现在我们有了一场新的竞赛：动量扩散（由粘性决定）与热量扩散之间的竞赛。比较这两者的数是普朗特数（ $Pr$ ）。

Pr = \frac{\text{Momentum diffusivity}}{\text{Thermal diffusivity}} = \frac{\nu}{\alpha} = \frac{c_p \mu}{k}

其中 $\nu = \mu/\rho$ 是运动粘度（动量扩散率），而 $\alpha = k/(\rho c_p)$ 是热扩散率。与雷诺数不同，普朗特数不是我们通过改变流动就能改变的；它是流体本身的一种属性——其“个性”的一部分。液态金属的 $Pr$ 非常低（ $\ll 1$ ）；热量扩散比动量扩散快得多，因此热边界层比速度边界层厚得多。油的 $Pr$ 非常高（ $\gg 1$ ）；动量比热量更容易扩散，因此你会得到一个夹在厚速度层内的薄热层。

但这个数从何而来？它只是我们从书中查到的一个值吗？对于气体，我们可以做得更好。我们可以直接问分子本身。利用气体动理论（该理论将分子模拟为微小的、相互碰撞的台球），我们可以推导出粘度（动量输运的度量）和热导率（能量输运的度量）。将这些基于微观碰撞的表达式结合起来，可以推导出普朗特数。对于理想的单原子气体，这个理论预测：

Pr \approx \frac{2}{3}

这是一个惊人的结果！一种宏观流体属性（普朗特数）可以直接从分子碰撞的微观物理学中推导出来。更令人惊叹的是，这个简单的模型预测值与实验测得的氩气和氦气等单原子气体在室温下的普朗特数值非常吻合。这是连接微观世界和宏观世界的一座美丽桥梁，展示了物理学深邃的统一性。更严谨的理论，如Chapman-Enskog理论，为这一基本联系提供了更坚实的理论基础。

最后，我们需要知道整个过程的结果。到底有多少热量被带走了？我们将实际的对流传热与流体仅仅是静止固体块时会发生的传热进行比较。这个比率就是努塞尔数（ $Nu$ ）。

Nu = \frac{\text{Convective heat transfer}}{\text{Conductive heat transfer}} = \frac{h L}{k_f}

此处， $h$ 是对流传热系数（衡量对流“有效性”的指标）， $L$ 是特征长度，而 $k_f$ 是流体的热导率。努塞尔数为1意味着流体运动根本没有帮助；你得到的只是纯粹的导热。努塞尔数为100意味着流动使传热增强了100倍。 $Nu$ 是对流这场比赛的“得分”。利用量纲分析，我们可以发现这个得分是由其他参与者决定的，其关系形式为 $Nu = f(Re, Pr)$ 。

当热量自己产生微风时

如果没有风扇呢？如果你把一个热土豆放在凉爽的房间里，它周围的空气会受热，密度变小然后上升。这种运动就是自然对流。流动是由浮力驱动的。

在这里，主要的冲突不再是惯性力与粘性力，而是浮力与粘性力。捕捉这一点的数是格拉晓夫数（ $Gr$ ）。

Gr = \frac{\text{Buoyancy forces}}{\text{Viscous forces}} = \frac{g \beta \Delta T L^3}{\nu^2}

其中 $g$ 是重力加速度， $\beta$ 是流体的热膨胀系数， $\Delta T$ 是驱动流动的温差。 $Gr$ 对自然对流的作用与 $Re$ 对强制对流的作用相同。

但要让对流真正发生，浮力不仅要克服流体的粘滞性，还必须在移动热量方面比简单的导热更有效。结合了所有这些效应——浮力、粘性和热扩散——的数是瑞利数（ $Ra$ ）。

Ra = Gr \cdot Pr = \frac{g \beta \Delta T L^3}{\nu \alpha}

瑞利数告诉你自然对流是否会发生。对于从下方加热的流体，如果 $Ra$ 低于某个临界值（对于水平层大约是1708），则什么都不会发生。流体是稳定的，仅通过导热来传输热量。但一旦 $Ra$ 超过该阈值，系统就变得不稳定。流体无法再保持静止；它开始自身翻滚，形成美丽的对流胞。自然对流之舞已经开始。

两个数的故事：毕渥-努塞尔的身份危机

现在我们来到了一个著名的混淆点。还有另一个数，毕渥数（ $Bi$ ），它的公式看起来与努塞尔数惊人地相似：

Bi = \frac{h L}{k_s} \quad \text{vs.} \quad Nu = \frac{h L}{k_f}

你看到区别了吗？它很微妙，但它改变了一切。努塞尔数使用的是流体的热导率 $k_f$ 。毕渥数使用的是固体的热导率 $k_s$ 。它们不是双胞胎；它们讲述的是完全不同的故事。

努塞尔数是关于流体的故事。它描述了流体内部对流与导热之间的斗争，并告诉你流动带走热量的效率如何。

而毕渥数则是关于固体的故事。它比较了热量在固体内部流动的阻力与热量从固体表面进入流体的阻力。

Bi = \frac{\text{Internal conductive resistance in the solid}}{\text{External convective resistance at the surface}} = \frac{L/k_s A}{1/hA}

让我们用一个类比。想象一个生产商品（热量）的工厂（固体），和一支运走商品的卡车车队（流体）。

努塞尔数描述了高速公路系统的质量。高 $Nu$ 意味着一条多车道的超级高速公路，卡车可以快速行驶（强对流）。低 $Nu$ 意味着一条颠簸的土路（弱对流）。
毕渥数比较了将商品从生产线移动到装货平台所需的时间（固体内部阻力）与卡车装货并驶离所需的时间（外部对流阻力）。

如果 $Bi \ll 1$ ，意味着内部阻力可以忽略不计。工厂是效率的典范；商品几乎瞬间就出现在装货平台。整个瓶颈在于将商品装上卡车。在这种情况下，固体内部的温度基本上是均匀的。这就是著名且极其有用的集总电容法近似。一个在空气中冷却的铜球（ $k_s$ 很大， $h$ 很小）即使在对流很强（ $Nu$ 很大）的情况下，其毕渥数也会非常小。不要被它们相似的公式所迷惑； $Bi$ 和 $Nu$ 提出并回答的是完全不同的问题。

输运现象的大统一

这种思维方式的力量远不止于热学。考虑质量传递的过程——一滴墨水在水中扩散，或水从表面蒸发到空气中。这个过程同样由扩散（分子的随机运动）和对流（被流体携带）所支配。

因此，毫不奇怪，质量传递也有一套与之平行的无量纲数宇宙。

努塞尔数的类比是舍伍德数（ $Sh$ ）。它比较对流传质与扩散传质。
普朗特数的类比是施密特数（ $Sc$ ）。它是一种流体属性，比较动量的扩散率与质量的扩散率。

Sh = \frac{k_c L}{D_{AB}} \quad (\text{analogous to } Nu)

Sc = \frac{\nu}{D_{AB}} \quad (\text{analogous to } Pr)

此处， $k_c$ 是传质系数， $D_{AB}$ 是质量扩散系数。值得注意的是，这些数之间的关系通常是相同的。给出 $Nu = f(Re, Pr)$ 的函数通常也会给出 $Sh = f(Re, Sc)$ 。这就是深刻的热质传递类比，通常通过像Chilton-Colburn j因子这样的工具来形式化。这意味着一个传热问题的解可以告诉你一个看似无关的传质问题的解。这是物理定律统一性与优美性的一个绝佳范例。

定制你的工具箱：超越标准集合

故事并未就此结束。量纲分析的真正力量在于它是一种创造性工具。每当一种新的物理学变得重要时，我们就可以创造一个新的无量纲数来描述新的冲突。

当液体沸腾时，相变会消耗大量能量——汽化潜热。雅各布数（ $Ja$ ）应运而生，用于比较过热液体中的显热与此潜热。对于水， $Ja$ 通常很小，意味着潜热占主导地位，沸腾受热力学控制且相对稳定。
在像地球岩浆这样的极高粘度流体中，流动行为本身会通过摩擦产生大量热量。为了捕捉这一点，我们引入了布林克曼数（或在自然对流中的相关格布哈特数），它比较了这种粘性热生成与通过导热进行的热量输运。

这些无量纲数不仅仅是一堆深奥定义的集合。它们是一个思维框架。它们训练我们剖析任何物理问题，识别其核心冲突，并理解其行为将如何随尺度变化。尽管我们建立的简单类比有其局限性，在面对像剧烈压力梯度和流动分离等复杂情况时会失效，但它们提供了一个不可或缺的起点。它们是我们用来描述塑造我们周围世界的热与流的复杂而美丽之舞的基本语言。

应用与跨学科联系

我们花了一些时间学习传热学的基本原理和无量纲数这一强大的简写方式。你可能会留下这样的印象：这些数——Reynolds、Prandtl、Nusselt——仅仅是记账工具，是工程师们将实验数据分门别类整理到整洁图表中的巧妙方法。当然，它们确实有这个作用。但如果只看到这一点，就好比看着罗塞塔石碑，却只看到一块刻字的石头。事实上，这些无量纲数组是一种通用语言。它们不仅描述世界，还揭示其隐藏的结构、深邃的类比和优美的统一性。

一旦你学会了说这种语言，你会发现你可以对几乎任何有热量流动的系统提出极为深刻的问题。一个过程是由流动的冲刷主导，还是由缓慢的导热主导？如果我们把一块热陶瓷板投入冷水中，它会碎裂吗？游泳运动员如何保暖，植物叶片如何降温？事实证明，这些看似毫不相干的问题的答案，都是用同样的无量纲比值语言写成的。现在让我们来一次巡礼，看看这种语言在广阔的科学和工程领域中写下了怎样的诗篇。

工程师的指南针：在对流世界中导航

对于面临实际问题——比如设计一个冷却大功率激光器的系统——的工程师来说，第一步不是写下一大堆复杂的微分方程。第一步是感受情况，理解流动的特性。无量纲数就是进行这种探索的指南针。

想象一下热流体流过一根管道。流动是由泵驱动的，还是像热路面上方的空气一样自行上升的？第一种情况是强制对流，其强度由雷诺数 $Re$ （惯性力与粘性力之比）来衡量。第二种情况是自然对流，由浮力驱动，其强度由格拉晓夫数 $Gr$ （浮力与粘性力之比）来衡量。

但如果两者同时发生呢？考虑一个垂直热板，有风扇向其吹风。风扇强制流动，但由于板是热的，浮力也给了空气一个向上的推力。这就是混合对流。哪种效应占主导？要回答这个问题，我们不需要解决完整的问题；我们只需要比较这些数。我们可以构建一个新的无量纲比，理查森数 $Ri = Gr/Re^2$ ，它直接比较浮力与惯性力的强度。如果 $Ri \ll 1$ ，则强制对流占主导，我们或许可以忽略浮力。如果 $Ri \gg 1$ ，则自然对流是主角。如果 $Ri \approx 1$ ，我们就处于有趣的混合对流世界，必须同时考虑两者。这个简单的检查告诉工程师应该从工具箱中拿出哪一套工具——哪套经验关联式，哪套设计方程。

一旦物理状态被理解，无量纲数就成为设计的工具。假设你需要设计一个换热器，这个设备是汽车散热器到发电厂等所有设备的核心。目标是在两种流体之间传递一定量的热量。换热器需要多大？换热器的“热尺寸”可以被一个单一的无量纲数组优美地捕捉：传热单元数，或 $NTU$ 。它定义为 $NTU = UA/C_{\min}$ ，其中 $UA$ 是总传热系数（衡量热量在两种流体之间传递难易程度的指标）， $C_{\min}$ 是两种流体中较小的热容率（衡量流体温度改变难易程度的指标）。

$NTU$ 实际上是在问：“我的换热器相对于流体吸收或释放热量的瓶颈有多强大？”大的 $NTU$ 意味着对于给定的流率，你有一个非常强大的换热器。这意味着你正在接近热力学允许你传递的绝对最大热量。 $NTU$ 方法的美妙之处在于它将换热器的几何形状（ $A$ ）和其结构（ $U$ ）与操作条件（ $C_{\min}$ ）分离开来，使工程师能够以一种非常通用的方式思考性能。

类比的艺术：在质量与摩擦中看见热量

或许，无量纲数提供的最深刻的见解是不同物理过程之间存在着深度的类比。支配热量输运的方程与支配动量输运的方程，以及支配化学物质（质量）输运的方程惊人地相似。这并非偶然。在湍流流体中，将高速流体团从一处输运到另一处的涡流，同样也会输运高温流体团和高浓度流体团。

这种相似性在热-质-动量传递类比中被形式化。例如，著名的 Chilton-Colburn 类比指出 $j_H = j_D$ ，其中 $j_H = St_H Pr^{2/3}$ 是一个无量纲传热因子， $j_D = St_D Sc^{2/3}$ 是一个无量纲传质因子。这里， $St_H$ 和 $St_D$ 是热和质量的斯坦顿数， $Pr$ 是我们熟悉的普朗特数（动量扩散率与热扩散率之比）， $Sc$ 是施密特数（动量扩散率与质量扩散率之比）。

这是一个极其强大的思想。这意味着如果你能测量其中一个输运过程，你通常可以预测其他的。考虑用高速空气射流冷却热电子芯片的问题，这是一种称为射流冲击冷却的技术。直接在芯片表面测量局部传热系数可能很困难。然而，进行一个类比实验，测量质量传递通常更容易。例如，你可以在表面涂上一层像萘这样的升华物质，并测量它在不同点消失的速度。这能给你局部的传质系数，从中你可以计算出舍伍德数 $Sh$ （努塞尔数 $Nu$ 的传质等效值）。利用热质类比， $Nu(r) = Sh(r) (Pr/Sc)^{1/3}$ ，你就可以计算出实际系统的传热性能，而无需测量任何温度！。

这一原理得到了广泛应用。在设计你家中冷却和除湿空气的空调盘管时，工程师必须处理水蒸气在冷翅片上冷凝时的同步热质传递。他们可以使用完全干燥翅片上的实验数据（以科尔伯恩 $j_H$ 因子的形式给出），并利用类比来预测冷凝速率。在这里，另一个无量纲数，路易斯数（ $Le = Sc/Pr = \alpha/D$ ），它比较了热扩散率和质量扩散率，作为一个小的修正因子发挥作用。如果 $Le$ 不完全等于1，热和质量的扩散就不是完全同步的，类比就需要稍作调整。但核心原则依然成立：传热的知识可以用来预测传质，反之亦然。

一种通用语言：从人体到植物叶片

这些原则的影响范围远远超出了传统工程学。同样的物理定律支配着机器和生物。考虑一个在冷水中游泳的运动员。她的身体如何管理热量损失？我们可以将游泳者建模为一个在流体中运动的温暖物体，并立即开始使用我们熟悉的语言。雷诺数描述了水流过她身体的流动，努塞尔数描述了从她皮肤到水的对流热损失。

但这不是故事的全部。热量必须首先从她身体的核心传到皮肤。这引入了一个新的竞争：热量在身体内部流动的阻力与热量从身体流失到水中的阻力。这个比率由毕渥数， $Bi = hL_c/k_{\text{body}}$ 捕捉，其中 $h$ 是对流系数， $L_c$ 是身体的特征长度， $k_{\text{body}}$ 是身体的有效热导率。如果 $Bi$ 很小，热量在身体内部容易流动，身体会保持近乎均匀的温度。如果 $Bi$ 很大，就像人在水中一样，皮肤表面会比核心冷得多。毕渥数告诉我们，我们在简单模型中经常做的“等温”假设对于游泳者来说是一个很差的假设，内部温度梯度是体温调节故事中的关键部分。

现在让我们把镜头拉近，从一个完整的人到一个在微风中摇曳的植物叶片。叶片必须吸收二氧化碳进行光合作用，但这样做时，它不可避免地会通过称为气孔的微小孔隙失去水蒸气。这种水分流失，或蒸腾作用，是一个传质过程。我们如何描述它？我们可以将叶片建模为气流中的一个小平板。流动由雷诺数 $Re$ 表征。水蒸气从叶片表面输运走的过程由我们之前见过的相同边界层物理学支配，并且可以用舍伍德数 $Sh$ 来描述。通过计算水蒸气在空气中的 $Re$ 和施密特数 $Sc$ ，我们可以使用标准的平板关联式来估算 $Sh$ ，从而估算蒸腾速率。令人难以置信的是，航空工程师可能用于机翼的同一个无量纲关联式， $Sh \approx 0.664 Re^{1/2} Sc^{1/3}$ ，可以被植物生理学家用来理解叶片如何与其环境相互作用。物理学是相同的；只是尺度和背景变了。

在前沿领域：从陶瓷开裂到驾驭核聚变

无量纲数的语言不是一门静态的语言。随着我们探索新的科学前沿，我们发现新的力、新的现象，并创造新的无量纲数来描述它们。

在材料科学中，一个关键问题是热冲击。如果你把一个陶瓷部件从热炉中取出并淬火到冷液体中，它可能会碎裂。这是因为表面迅速冷却收缩，而内部仍然很热，从而产生巨大的内应力。我们能预测一种材料是否能幸存下来吗？是的，通过使用我们的无量纲工具包。冷却的速度和深度由毕渥数 $Bi$ 和傅里叶数 $Fo = \alpha t/L^2$ （一个无量纲时间）决定。它们共同决定了材料内部任意时刻的温度场。然后，产生的应力可以与材料的强度进行比较，使用一个热冲击阻力参数，这是一个无量纲组，如 $\Theta = E \alpha_t \Delta T / \sigma_f$ ，它比较了特征热应力与材料的破坏强度。通过分析这些数字，工程师可以选择材料或设计淬火工艺来防止灾难性故障。同样是这个动力学相似性框架，允许我们通过建立小尺度实验室模型来研究像 Leidenfrost 效应——一滴水在热锅上飞溅，悬浮在自身蒸汽垫上——这样的复杂现象，只要我们确保关键的无量纲数（ $Fr$ 、 $We$ 、 $Ja$ ）相匹配，这些模型就能重现大规模工业事故的行为。

当我们加入更奇特的物理学时会发生什么？考虑液态金属的流动，如钠或锂，它们是导电的。如果我们施加一个强磁场，一个新的力就登场了：洛伦兹力，它作用于流体中移动的电荷。这产生了一个新的无量纲数，哈特曼数， $Ha = B_0 L \sqrt{\sigma/\mu}$ ，它衡量电磁力与粘性力之比。当 $Ha$ 很大时，磁场会极大地改变流动。它就像一个电磁制动器，将速度剖面压平成“塞状”形状并抑制湍流。这对传热有直接影响：通过压平速度剖面，磁场使得流体更难从壁面带走热量，从而降低了努塞尔数。这不仅仅是一个理论上的好奇心；它是像液态金属冷却聚变反应堆等先进概念的关键设计考虑因素。

最后，这段旅程把我们带回了计算机。有人可能会认为，凭借现代超级计算机模拟流体流动（计算流体力学，或CFD）的能力，这些经典思想会变得过时。事实远非如此。几十年前发现的经验标度律，如著名的 Dittus-Boelter 方程（ $Nu \propto Re^{0.8}Pr^{0.4}$ ），成为了复杂的湍流模型必须能够重现的基准。在这些模型中，一个关键参数是*湍流普朗特数*， $Pr_t$ ，这是一个无量纲量，代表了热的湍流混合与动量的湍流混合的假定比率。为 $Pr_t$ 选择的值是一个关键的建模决策，直接控制着模拟预测的传热。旧的与新的在不断对话，而无量纲数构成了它们之间的桥梁。

从平凡到奇异，从设计一个简单的散热器到追求核聚变，无量纲数提供了一个具有深远力量和优雅的框架。它们是相互竞争效应的比率，是物理状态的仲裁者，是将物理世界这块织物联系在一起的类比之线。理解它们，就是开始像物理学家一样看待世界：一个充满潜在的简单性、统一性和惊人美丽的地方。