Spalart-Allmaras 模型

湍流流体的混沌和不可预测性是经典物理学和工程学中最持久的挑战之一。虽然纳维-斯托克斯方程完美地描述了流体运动，但对于大多数实际应用而言，直接求解湍流的计算成本高得令人望而却步。这导致了“封闭问题”的出现，即我们在模拟湍流对平均流影响的能力上存在根本性的差距。为了弥合这一差距，工程师和科学家们开发了一系列湍流模型，每种模型都代表了物理准确性和计算成本之间的不同折衷。

在这些模型中，Spalart-Allmaras 模型是应用最成功、最广泛的模型之一。这个单方程模型源于航空航天工业的实际需求，为预测湍流提供了一种优雅而高效的解决方案。本文探讨了 Spalart-Allmaras 模型背后的巧思，从其理论基础到其多样化的应用。首先，在“原理与机制”部分，我们将剖析该模型巧妙的公式构造，包括其对粘度代理变量的使用及其根据湍流基本定律进行的校准。随后，在“应用与跨学科联系”部分，我们将考察其作为航空航天设计主力模型的角色，其在高速飞行和燃烧领域的扩展，以及其在计算科学和机器学习前沿的持续演进。

要真正领会 Spalart-Allmaras 模型的精妙之处，我们必须首先回到湍流的根本挑战。流体运动的完整方程，即纳维-斯托克斯方程，在求解湍流时是出了名的困难。流动是各种尺寸涡流的混沌之舞，它们在极大的时间尺度范围内旋转和翻滚。对于像整个飞机上空的流动这样的大多数实际工程问题，能够解析每一个微小涡旋的直接数值模拟，在计算上是难以想象的。

工程界通过 Osborne Reynolds 的一个想法找到了一个巧妙的出路。我们可以对流动进行时间平均，而不是追踪每一个混沌的摆动。这将速度分解为一个稳定的、行为良好的平均部分和一个脉动部分。当我们这样做时，平均流的方程看起来几乎与原始的纳维-斯托克斯方程一样，但多出了一个新的、麻烦的项：​​雷诺应力张量​​，$-\rho\overline{u_i'u_j'}$。该项代表了湍流脉动对平均流的平均效应。它就像机器中的幽灵；我们知道它的效应至关重要——正是它使得湍流混合得如此高效——但我们没有它的控制方程。这就是著名的​​封闭问题​​：我们拥有的未知数（雷诺应力）比方程多。

为了弥合这一差距，十九世纪的物理学家 Joseph Boussinesq 提出了一个绝妙的直觉飞跃。他提出，平均而言，湍流涡旋的行为有点像气体中的分子，输运着动量并产生一种有效的“粘度”。他假设雷诺应力与平均流的应变率成正比。这个比例常数不是流体的属性，而是流动本身的属性：​​湍流粘度​​或​​涡粘度​​，记为 $\nu_t$。

这是一个巨大的简化。复杂的雷诺应力张量被一个单一的标量场 $\nu_t$ 所取代。宏大的封闭问题现在被简化为一个更集中的探索：我们如何确定流场中每一点的涡粘度值？这是所有 RANS 湍流模型都力求回答的核心问题。

几十年来，为了回答这个问题，出现了一系列模型。最底层的是​​零方程模型​​，它们使用简单的代数公式，根据局部流动特性来猜测 $\nu_t$。它们速度快，但通用性不强。顶层的是​​两方程模型​​，如著名的 $k-\varepsilon$ 和 $k-\omega$ 模型。这些被认为是“完备的”，因为它们求解两个独立的输运方程，通常是关于湍动能（$k$，衡量涡旋速度的量）和另一个与湍流长度或时间尺度相关的量（如其耗散率 $\varepsilon$）。根据这两个量，它们可以从头构建 $\nu_t$。

Spalart-Allmaras 模型巧妙地处于一个中间地带。它是一个​​单方程模型​​。由波音公司的 Philippe Spalart 和 Stephen Allmaras 开发，其设计是由航空航天工业的实际需求驱动的。目标是创建一个比代数模型更通用、更准确，但比两方程模型更稳健、更经济且更易于实施的模型，特别是针对其目标领域：机翼和翼型上的外部空气动力学流动。它代表了物理复杂性与计算成本之间的一次美妙折衷。

Spalart-Allmaras 模型中最优雅的思想就在于此。湍流建模中的一个主要难题是靠近固体壁面的区域。在这个薄薄的​​粘性子层​​中，湍流涡旋被壁面抑制，涡粘度 $\nu_t$ 必须以一种非常具体、数学上复杂的方式降至零。为一个必须遵守这种困难边界行为的变量构建一个输运方程，对物理学家和数值分析师来说都是一场噩梦。

Spalart-Allmaras 模型用一个漂亮的技巧回避了这个问题：它根本不求解涡粘度 $\nu_t$。相反，它求解一个相关但不同的“工作变量” $\tilde{\nu}$ 的输运方程。这个变量 $\tilde{\nu}$ 是一种伪粘度。为 $\tilde{\nu}$ 设计的输运方程行为良好且数值稳健。在壁面上，我们可以施加一个简单、干净的边界条件：$\tilde{\nu} = 0$。这在物理上是合理的，因为如果壁面处没有湍流脉动，那么任何衡量其效应的量也必须为零。

那么我们如何得到真正的涡粘度 $\nu_t$ 呢？我们通过一个“阻尼函数” $f_{v1}$ 以代数方式恢复它：

$\nu_t = \tilde{\nu} f_{v1}(\chi)$

函数 $f_{v1}$ 的作用像一个开关。它取决于比值 $\chi = \tilde{\nu}/\nu$，其中 $\nu$ 是我们熟悉的分子运动粘度。这个函数的标准形式是：

$f_{v1}(\chi) = \frac{\chi^3}{\chi^3 + C_{v1}^3}$

其中 $C_{v1}$ 是一个模型常数（通常为 7.1）。让我们看看这个开关是如何工作的。

• ​​靠近壁面时​​，$\tilde{\nu}$ 很小，所以 $\chi$ 也很小。阻尼函数变为 $f_{v1} \approx \chi^3 / C_{v1}^3$，这是一个非常小的数。这迫使 $\nu_t$ 迅速降至零，正确地捕捉了粘性子层的物理特性。

• ​​远离壁面时​​，在完全湍流区，$\tilde{\nu}$ 变得远大于 $\nu$，所以 $\chi$ 很大。在这个极限下，$f_{v1}$ 趋近于 1。此时，涡粘度基本上等于被输运的变量，即 $\nu_t \approx \tilde{\nu}$。

这个设计非常巧妙。它将复杂的近壁物理与输运方程解耦。输运方程处理湍流的“主体”运动和生成，而简单的代数函数 $f_{v1}$ 则处理与壁面的棘手接口。

让我们想象流场中的一点，其分子运动粘度为 $\nu = 1.5 \times 10^{-5} \, \mathrm{m^2/s}$。假设模型计算出的工作变量值为 $\tilde{\nu} = 3.0 \times 10^{-4} \, \mathrm{m^2/s}$。首先，我们计算比值 $\chi = (3.0 \times 10^{-4}) / (1.5 \times 10^{-5}) = 20$。这个值远大于 1，表明我们远离壁面的直接邻域。将此值代入阻尼函数，并取 $C_{v1}=7.1$，得到 $f_{v1} = 20^3 / (20^3 + 7.1^3) \approx 0.9572$。阻尼几乎不起作用；函数值接近 1。最终的涡粘度为 $\nu_t = (3.0 \times 10^{-4}) \times 0.9572 \approx 2.871 \times 10^{-4} \, \mathrm{m^2/s}$。在这个区域，涡粘度几乎与被输运的变量 $\tilde{\nu}$ 相同，正如设计所预期的那样。

现在，任何具有像 $c_{b1}$ 和 $c_{w1}$ 这样一组常数的模型，都可能看起来像是一场任意的曲线拟合练习。但一个好的物理模型的真正美妙之处在于，这些常数根本不是任意的。它们经过精心校准，以确保模型能够再现通过实验观察到的湍流基本事实。这方面的黄金标准是​​壁面律对数区​​。

几十年来，我们已经知道，在湍流边界层中一个不太靠近壁面但也不太靠外的区域（“对数律区”），平均速度剖面具有普遍的对数形状。在这个区域，流动处于局部平衡状态：湍流的产生与其耗散完美平衡。

让我们来检验一下 Spalart-Allmaras 模型。如果我们取其关于 $\tilde{\nu}$ 的输运方程，并假设这种平衡状态（产生 = 耗散），我们就可以解出 $\tilde{\nu}$ 在对数律区应该如何表现。产生项由平均流剪切驱动，而耗散项则被设计为依赖于与壁面的距离 $y$。当我们进行代数运算时，一个非凡的结果出现了：为了维持平衡，模型预测 $\tilde{\nu}$ 必须与距壁面的距离 $y$ 和摩擦速度 $u_{\tau}$ 成正比。这正是几十年前普朗特著名的混合长度理论为涡粘度预测的行为！模型凭其自身，重新发现了一个湍流理论的基石。

我们可以更进一步。模型不仅要得到正确的形状，还必须得到正确的数值。混合长度理论指出，在对数层中，$\nu_t = \kappa u_{\tau} y$，其中 $\kappa$ 是冯·卡门常数，一个测量值约为 0.41 的自然基本常数。通过要求 Spalart-Allmaras 模型对 $\tilde{\nu}$ 的预测（在此区域基本上就是 $\nu_t$）与这一精确形式相匹配，我们可以推导出其“任意”常数与 $\kappa$ 之间的关系。当我们强制执行这种一致性时，我们发现冯·卡门常数必须通过简单公式 $\kappa^2 = c_{b1}/c_{w1}$ 与模型的产生常数 ($c_{b1}$) 和耗散常数 ($c_{w1}$) 相关联。这是一个意义深远的时刻。我们模型中神秘的系数一点也不神秘；它们受到对数律基本物理的约束。这种联系揭示了经验模型与湍流底层结构之间的深层统一。

尽管 Spalart-Allmaras 模型十分优雅，但它仍然建立在 Boussinesq 假设之上——即假设湍流的作用类似于一种各向同性（与方向无关）的粘度。这个类比，像所有类比一样，有其局限性。在某些流动中，湍流是极其各向异性的。

考虑一股流体射入横向流动的流场中。这会产生一种极其复杂的流动，其特征是存在一个强大的、向下游漂移的​​反向旋转涡对 (CVP)​​。这些是稳定、连贯的旋转结构。在这里，标准的 Spalart-Allmaras 模型遇到了麻烦。

模型中 $\tilde{\nu}$ 的产生项主要由平均流涡量（其局部旋转）的大小驱动。在 CVP 涡核内部，根据定义，涡量极高。模型看到这种高涡量，便尽职地产生了大量的涡粘度 $\tilde{\nu}$。但大的涡粘度会做什么呢？它像一个强大的制动器，产生巨大的湍流应力，从而抑制平均流。结果形成了一个自我挫败的循环：模型在涡旋内部产生如此之多的粘度，以至于它非物理地扼杀和耗散了它正试图模拟的涡旋本身。预测的 CVP 变得过弱且扩散过快。

这不是模型的失败，而是对其适用边界的揭示。它告诉我们，对于由强大的、稳定的旋转结构主导的流动，简单的各向同性涡粘度假设可能会产生误导。正是这种“失败”激发了进一步的研究，导致了对模型的修改，包括对旋转和曲率的修正，使其功能更加强大。这是科学过程的一个完美例子：我们建立一个模型，测试其极限，从其失效之处学习，然后构建一个更好的模型。

在深入了解 Spalart-Allmaras 模型的内部工作原理后，我们可能会倾向于认为它是一台完工的机器，一套可以插入计算机的静态方程。事实远非如此！一个伟大科学模型的真正美妙之处不在于其终结性，而在于其动态性——在于它解决实际问题的能力，在于它在失效时挑战我们理解的能力，以及在于它作为构建新思想的坚实基础的能力。Spalart-Allmaras 模型正是这种活思想的典范。它与其说是一座纪念碑，不如说是一个多功能的工坊，一个将流体动力学的理论之美锻造成塑造我们世界的工具的地方。

现在，让我们踏上穿越这个工坊的旅程，看看这个优雅的方程如何帮助我们理解航空航天、化学乃至机器学习数字世界中流体的无形之舞。

Spalart-Allmaras 模型源于准确高效地预测空气流过飞机的需求。想象一个翼型划过天空。空气附着在其表面，形成一个薄而混沌的边界层，升力和阻力的命运就在此决定。要设计一个高效的机翼，我们必须深入了解这一层。这是该模型的“主场”。对于绝大多数飞行条件，当流动保持附着在机翼上或仅发生轻微分离时，SA 模型提供了非常清晰的图景。它告诉我们空气的摩擦力，即壁面剪切应力 $\tau_w$，如何拖拽表面；如果我们对气动加热感兴趣，它还能告诉我们热量如何在空气和飞行器表皮之间传递。它以极高的效率实现了这一点，使其成为航空航天工业的宠儿，让工程师能够模拟无数种设计。

当然，画家的水平取决于他的画笔，而模拟的质量取决于其网格。SA 模型被设计为“壁面解析”的，这个术语背后隐藏着一段美妙的物理学。为了捕捉阻力和传热的物理特性，我们必须准确解析紧贴壁面的、宁静如糖浆般的粘性子层，这是一个无量纲壁面距离 $y^{+}$ 约为 1 的区域。这要求我们将第一个计算网格点放置得极其靠近表面——距离可能只有几微米！这种做法并非任意；它是尊重流动物理尺度的直接结果。虽然解析这个微小区域会带来数值上的挑战，使方程变得“刚性”，但这是我们为获得物理保真度付出的代价，这种权衡是计算科学的核心。

但我们如何知道我们的计算“画作”真实地反映了现实呢？我们进行验证。在模型被信任用于设计新型喷气客机之前，它会经过一系列严格的测试，对照那些被充分理解的、经典的流动进行检验。我们通过观察涡粘度是否如预期那样消失，来检查它是否正确预测了本应是层流的流动。我们用它来测试简单通道或平板上的湍流，以确保它能再现著名的“壁面律”。然后我们进一步加大难度，要求它预测一个特殊设计的凸起背面的温和分离泡，或一个小台阶后流动的再附着。只有通过了这一系列全面的测试，我们才能确信该模型不仅仅是在解方程，而是在说流体本身的语言。

随着飞机不断挑战速度极限，进入超音速和高超音速领域，物理现象变得更加丰富和具有挑战性。空气不再是一种简单的不可压缩流体。摩擦和压缩将空气加热到数千度，极大地改变了其性质。在热壁面附近，密度 $\rho$ 急剧下降，而粘度 $\mu$ 则上升。Spalart-Allmaras 模型的可压缩形式必须考虑到这一点。

一段美妙的物理学浮现出来。在绝热壁上的高马赫数流动中，热的内层中的运动粘度 $\nu = \mu/\rho$ 会急剧增加。SA 模型是根据比值 $\chi = \tilde{\nu}/\nu$ 定义的。随着物理运动粘度 $\nu$ 因热而膨胀，比值 $\chi$ 会缩小。通过模型的内部逻辑，这自然会减少或“抑制”湍流涡粘度的产生。换言之，该模型内在地预测，高速飞行的灼热会使边界层趋于稳定——这是一种微妙且非直观的效应，对于设计热防护系统至关重要。

然而，高速飞行还涉及激波——流动的突然、剧烈的压缩。当激波撞击边界层时，会发生一种称为激波-边界层相互作用 (SBLI) 的现象，湍流会陷入一种深刻的非平衡状态。为较温和流动校准的基准 SA 模型在这里常常表现不佳。它倾向于产生过多的涡粘度，使得边界层人为地变得“粘滞”并抵抗分离。因此，它常常低估激波造成的分离泡的大小。然而，这种“失败”并非挫败，而是一堂课。它告诉我们有新的物理在起作用。研究人员通过为模型增加“可压缩性修正”来应对，这些修正考虑了激波对湍流的剧烈放大作用。这种预测、失败和改进的循环正是科学进步的引擎，推动模型变得更智能、更符合物理实际。

有时，最深刻的洞见来自于研究一个模型的出错之处。考虑一个简单的、近乎微不足道的流动：流体处于纯刚体旋转状态，就像杯中搅拌的咖啡。流体没有拉伸或剪切，只有均匀的旋转。物理上，这样的流动不能产生湍流。然而，标准的 Spalart-Allmaras 模型，其产生项对流体局部旋转（涡量）的大小敏感，却预测会产生虚假的湍流！

这个美妙的悖论揭示了一个根本性的局限：在其最简单的形式中，该模型无法区分剪切、产生湍流流动的“好”涡量和刚体旋转的“良性”涡量。这一认识促使人们更深入地研究物理学，从而发展出“旋转和曲率修正”。这些修正使模型不仅对旋转敏感，也对形变率敏感，有效地教会了它在仅旋转而不变形的流动中忽略湍流的产生。起初的一个瑕疵，成为了通往一个更复杂、物理上更准确模型的门户。

同样，通过分析模型在其他理想化流动中的行为，例如自由剪切层（分离板后的湍流混合区），我们发现模型中那些看似抽象的常数，如 $c_{b1}$ 和 $c_{w1}$，并不仅仅是任意的调整参数。它们与流动的宏观、可观测属性直接相关，例如剪切层的扩展速率。模型的内部结构与其所描述的世界有着直接的、定量的联系。

在现代科学中，Spalart-Allmaras 模型的真正力量在于其作为一个稳健可靠的构建模块的角色。其最著名的扩展是作为​​分离涡模拟 (DES)​​ 的基础。DES 背后的思想非常务实：当只有在特定区域才需要昂贵、高保真的方法时，为什么要在所有地方都使用它呢？在壁面附近，湍流是小尺度的、各向异性的，此时 SA 模型以其 RANS 形式工作得非常出色。但远离壁面，在起落架的混沌尾流中，或卡车后方的大规模分离流中，我们希望直接解析那些大的、含能的涡。DES 通过巧妙地修改 SA 模型的长度尺度来实现这一点。靠近壁面时，长度尺度是壁面距离 $d$，我们得到一个 RANS 模型。远离壁面时，长度尺度被切换为与网格尺寸 $Δ$ 成正比。这一改变有效地将 SA 模型转变为一个用于大涡模拟 (LES) 的亚格子尺度模型，降低了其粘度，并允许大的湍流结构在模拟中活跃起来。因此，SA 模型为一种远为强大的混合方法构成了“附着边界层”的基础。

该模型的适应性延伸到其他学科，如计算化学和燃烧。想象一下模拟一个燃烧室内的流动，其中表面的放热反应释放出巨大的热量。气体的密度和粘度发生巨大变化。为了捕捉这一点，必须对 SA 模型进行调整。它必须使用 ​​Favre 平均​​进行重新表述，以处理大的密度变化。连接模拟与壁面的壁面函数必须重写，以考虑可变属性。最有趣的是，热量释放导致流体膨胀，产生非零的速度膨胀率 ($\nabla \cdot \tilde{\mathbf{u}} \neq 0$)。这种膨胀会干扰湍流产生机制，需要对模型进行另一次基于物理的修正。在这里，SA 框架被用来解决一个多物理场问题，将流体[动力学与热力学](@entry_id:172368)和化学联系起来。

也许最令人兴奋的前沿是这个经典模型与现代机器学习的融合。虽然 SA 模型的形式是基于物理动机的，但其一些内部函数是基于理论、直觉和对 1980 年代实验的校准的结合。今天，我们可以从称为直接数值模拟 (DNS) 的“完美”数值实验中获得海量数据集。新的想法不是抛弃 SA 模型，而是增强它。我们可以保留其稳健的输运方程结构，但用一个在 DNS 数据上训练的神经网络来替换其某个经验函数——例如，近壁耗散限制器 $f_w$。通过强制执行已知的物理约束（如接近壁面时的正确行为），我们可以创建一个既更准确又物理上一致的数据驱动模型。Spalart-Allmaras 方程提供了骨架，而机器学习则为其嫁接了更智能的肌肉。这种方法表明，即使在三十年后，该模型也不是一个待被取代的古董，而是一个随时准备融入下一代科学发现的活框架。

从飞机的机翼到燃烧室的核心，从旋转茶杯的悖论到人工智能的前沿，Spalart-Allmaras 模型证明了一个精心构建的物理思想的持久力量。这是一个关于效用、优雅和演化的故事——一个仍在书写中的故事。