引言
湍流是流体力学中最普遍也最难处理的状态：当 Reynolds 数 $\Re = UL/\nu$ 超过临界值后，流动从规则层流失稳，发展为包含从大尺度涡到微小耗散涡的多尺度随机运动。Navier–Stokes 方程本身对湍流仍然成立，难点在于直接解析全部时空尺度的计算代价随 Reynolds 数急剧增长。工程 CFD 因此发展出三个层级的策略——直接数值模拟（DNS）解析一切尺度、大涡模拟（LES）解析大尺度并模化小尺度、雷诺平均方法（RANS）模化全部湍流脉动。三者在精度与成本之间构成连续谱，理解其各自的物理假设与适用边界，是选择湍流模型的前提。
理论基础
湍流的多尺度结构与 DNS 的计算代价
不可压缩 Navier–Stokes 方程为：
$$\frac{\partial u_i}{\partial t} + u_j \frac{\partial u_i}{\partial x_j} = -\frac{1}{\rho}\frac{\partial p}{\partial x_i} + \nu \frac{\partial^2 u_i}{\partial x_j \partial x_j}, \qquad \frac{\partial u_i}{\partial x_i} = 0$$
Kolmogorov 理论指出，最小耗散涡的尺度为 $\eta = (\nu^3 / \varepsilon)^{1/4}$，其中 $\varepsilon$ 为湍动能耗散率。积分尺度 $L$ 与 $\eta$ 之比满足 $L / \eta \sim \Re^{3/4}$。因此三维 DNS 每维所需网格点数 $\sim \Re^{3/4}$，总自由度数 $\sim \Re^{9/4}$；再计入 CFL 条件要求的时间步数 $\sim \Re^{3/4}$，总计算量约以 $\Re^3$ 增长。这就是 DNS 只能用于低 Reynolds 数基础研究、而无法直接处理整架飞机绕流的根本原因。
RANS：雷诺平均与封闭问题
对瞬时量做 Reynolds 分解 $u_i = \bar{u}_i + u_i'$，代入方程并取系综（或时间）平均，非线性对流项产生未知的雷诺应力 $-\overline{u_i' u_j'}$，方程组不再封闭——这就是著名的湍流封闭问题。应用最广的 Boussinesq 涡黏假设将雷诺应力与平均应变率线性关联：
$$-\overline{u_i' u_j'} = \nu_t \left( \frac{\partial \bar{u}_i}{\partial x_j} + \frac{\partial \bar{u}_j}{\partial x_i} \right) - \frac{2}{3} k , \delta_{ij}$$
标准 $k$-$\varepsilon$ 模型通过湍动能 $k$ 与耗散率 $\varepsilon$ 两个输运方程给出涡黏 $\nu_t = C_\mu k^2 / \varepsilon$；工程界更常用对逆压梯度和分离更稳健的 $k$-$\omega$ SST 模型。RANS 的优势是网格只须解析平均场、成本极低且成熟可靠；局限在于涡黏各向同性假设无法刻画大尺度各向异性，对强曲率、旋转、大分离与转捩的预测本质上是”模型相关”的。
此外，RANS 的近壁处理需在壁面函数与低 Reynolds 数全解析两条路线之间选择：前者要求第一层网格质心满足 $y^+ \in [30, 300]$，用对数律桥接黏性底层；后者要求 $y^+ \approx 1$ 并在壁面法向布置足够加密层。$y^+$ 设置与所选封闭模型不匹配，是工程计算中分离点位置与摩擦阻力预测偏差的常见来源。
LES：空间滤波与亚格子应力
LES 对控制方程施加宽度为 $\Delta$ 的空间滤波：大于 $\Delta$ 的含能涡直接求解，小涡的影响归结为亚格子应力（SGS）：
$$\tau_{ij} = \overline{u_i u_j} - \bar{u}_i \bar{u}_j, \qquad \tau_{ij} - \tfrac{1}{3} \tau_{kk} \delta_{ij} \approx -2 \nu_t \bar{S}_{ij}$$
经典的 Smagorinsky 模型取 $\nu_t = (C_s \Delta)^2 |\bar{S}|$，$C_s \approx 0.1 \sim 0.2$。LES 的合理性建立在湍流谱结构上：惯性区能谱满足 Kolmogorov 标度律
$$E(k) = C_K , \varepsilon^{2/3} k^{-5/3}$$
小尺度趋于统计各向同性且普遍性强，适合模化；大尺度含能且各向异性，必须解析。LES 通常能解析 80% 以上的湍动能，但近壁区含能涡尺度随壁面距离线性缩小，壁面解析 LES 的成本接近 DNS，因此工程 LES 几乎都采用壁面模化（WMLES）。
数值方法与实现
下面的代码定量估算不同 Reynolds 数下 DNS 的网格需求，并用合成的 $k^{-5/3}$ 惯性区能谱比较三种方法”解析”与”模化”的能量占比：
import numpy as np
# ---------- DNS 网格需求随 Re 的标度 ----------
print(f"{'Re':>8} {'L/eta':>10} {'DNS pts/dim':>13} {'DNS total DOF':>14}")
for Re in [1e3, 1e4, 1e5, 1e6]:
ratio = Re**0.75 # L / eta ~ Re^{3/4}
n = max(ratio, 8.0) # 每维网格点数
print(f"{Re:8.0e} {ratio:10.1f} {n:12.0f} {n**3:14.3e}")
# ---------- 合成三维湍流能谱：E(k) = Ck eps^{2/3} k^{-5/3} ----------
Ck, eps = 1.5, 1.0
k = np.logspace(0, 3, 4000) # k in [1, 1000]，近似惯性区
E = Ck * eps**(2.0 / 3.0) * k**(-5.0 / 3.0)
total = np.trapz(E, k) # 全部湍动能（对 k 积分）
# 各方法解析到的最大波数（以 DNS 解析到 Kolmogorov 尺度为基准）
k_dns = k[-1] # Delta ~ eta
k_les = 0.1 * k_dns # 典型 LES: Delta ~ 10*eta
print("nmethod k_max resolved resolved TKE fraction remainder")
print(f"DNS {k_dns:12.0f} {np.trapz(E, k) / total:22.1%} fully resolved")
print(f"LES {k_les:12.0f} {np.trapz(E[k <= k_les], k[k <= k_les]) / total:22.1%} small scales modeled by SGS")
print(f"RANS {'-':>12} {0.0:22.1%} all fluctuations modeled")运行结果可直观看到两条规律：Re 每提高 10 倍，DNS 总自由度增大约 5.6 个量级；而 LES 只需解析前 10% 的波数范围即可捕获约 96% 的湍动能——这正是 LES 相比 DNS 的成本优势来源。
工程案例分析
以某型无人机翼型绕流（弦长 Reynolds 数 $\Re_c = 5 \times 10^5$，巡航攻角 4°）为例，三种方法的实际工程配置与能力对比如下：
| 维度 | RANS（SA / $k$-$\omega$ SST） | 壁面模化 LES | DNS |
|---|---|---|---|
| 网格量级 | $10^6 \sim 10^7$ | $10^7 \sim 10^8$ | $>10^{11}$（不可行） |
| 时间推进 | 稳态或低精度非定常 | 小步长非定常，数万步 | 本例下不现实 |
| 单工况机时 | 数小时 | 数天（百核级） | — |
| 可捕获物理 | 时均升阻力、附体边界层 | 分离泡动态、涡脱落、宽带噪声源 | 全部尺度含转捩细节 |
| 适用阶段 | 方案迭代、气动数据库 | 失速/抖振机理、气动噪声评估 | 提供基准数据、校验模型 |
实践中的典型分工是：设计迭代阶段用 SST-RANS 扫描上百个工况；对 RANS 预示异常的大攻角工况，用 WMLES 复算以确认分离泡与升力突降机理；而 DNS 数据（通常来自文献中的低 Re 典型流动）仅用于校验模型常数与近壁处理。
结论与展望
RANS、LES、DNS 并非互相替代，而是按”模化尺度从多到少”排列的互补工具：选型应由目标物理量决定——时均载荷用 RANS，非定常载荷与噪声用 LES，机理研究用 DNS。当前前沿集中在三个方向：分离涡模拟（DES/DDES）等 RANS-LES 混合方法降低 LES 的近壁成本；基于 DNS 数据的机器学习封闭模型，试图突破 Boussinesq 假设的精度天花板；GPU 原生求解器则正在把 DNS 可用的 Reynolds 数上限持续推高，使其逐渐成为可负担的”数值风洞”基准。
发表回复