NASA眼中CFD的未来（2）物理建模

物理建模领域包括以航空器代表的复杂物理现象所需的关键建模技术，包括湍流、湍流的转捩以及与燃烧相关的复杂化学反应现象。

该领域被细分为四个元素：RANS，混合RANS/LES, LES和燃烧。

与湍流计算模拟相关的前三个要素并不是完全不同的，因为RANS建模和LES建模的各个方面都包含在混合模型中。众所周知，还有一些的附加物理现象没有包括在上述路线图中，但其在许多应用上是很重要的。包括结冰现象，湍流中的两相流，真实气体效应和等离子体现象，以及高空稀薄气体应用的建模。

近年来的进展

在物理建模领域，近期最引人注目的亮点是于2020年开发了大量精心定义的测试案例，用于测试和验证RANS模型和湍流分离流的比例解析模拟。这些案例包括有充分记录的边界条件和流场平均及瞬时速度测量结果，对于评估和改进复杂湍流流动的建模和仿真至关重要。

这些试验包含两个重点:

1. 改进了对光滑体的二维或三维流动分离的预测;

2. 对流动再附着下游的恢复区流动的预测。

物理建模领域被细分为四个元素:RANS，混合RANS/LES, LES和燃烧。

近几年来物理建模领域有五个里程碑的进展:

1. CFD代码中的改进RST模型(2016)，

2. 流动分离的高精度RST模型(2019)，

3. 综合转捩预测(2017)，

4. 非定常复杂几何在飞行雷诺数下分离流动(2020)

5. 化学动力学计算加速(2017)。

1. 改进CFD代码中的RST模型

自2014年以来，研究人员一直致力于在CFD代码中开发和实现雷诺应力传输(RST)湍流模型。虽然这些模型可用于多种代码，但它们还没有广泛渗透到航空航天工业应用中。

此外，一些流行的商业求解器，包括ANSYS Fluent 和西门子的 STAR-CCM+都包含了RST。当应用于带有漩涡和/或曲率的流动时，这些模型通常比单\双方程模型有着更好的计算结果。RST模型在预测低压涡轮内流动问题时同样有着较好的表现。RST模型在其他行业也有应用，例如机械和建筑物周围的流动。

RST模型的开发和应用可能在未来十年继续取得进展。改进分离流的预测是路线图的一个重点。虽然这些模型在曲率流动和漩涡流动以及拐角流动中显示出了显著的优势，但它们并没有显示出对分离流动预测的显著改进。众所周知的分离后雷诺剪应力预估不足也适用于RST模型。

在一些规范测试用例中，RST模型并没有明显优于其他RANS模型。

目前尚不清楚RST模型的使用是否会继续扩大。与单方程和双方程模型相比，它们增加的计算成本和鲁棒性倾向使其在常规CFD应用中不那么有吸引力。然而，有些个人和机构经常广泛地使用它们。

2. 高度精确的流动分离RST模型

路线图中2019年是RANS湍流模型的一个决策点，这意味着，如果在2019年之前无法获得分离流的高精度RST模型，重点应该转移到混合RANS/LES方法上。

虽然将更多精力集中在RANS/LES混合方法上以改善分离流的预测是合理的，但不建议取消或严重减少对分离流和其他复杂应用的RANS方法的进一步研究。路线图显示2019年之后RANS时间表上没有里程碑。然而，RANS方法将继续在许多飞机工业应用中发挥重要作用，包括概念设计、优化和负荷预测。虽然RANS建模，包括RST模型，在路线图上被正确地指定为具有高技术准备水平(TRL)， RANS模型的持续增量改进是可能的。

用于改进RANS建模预测的机器学习(ML)方法的发展在2014年还处于起步阶段，该研究没有提到这一领域。在过去的五年中，世界各地的研究人员在这一领域的工作稳步增加。研究目前由美国宇航局和欧洲的hifi - turbo财团资助。这一领域的研究水平有两个重要意义。首先，考虑到RANS方法相对于比例解析方法具有较高的计算效率，仍然需要改进RANS方法。如果RANS超规模解析方法的计算效率不是问题，那么通过机器学习开发改进方法的动力就会微乎其微。其次，RANS模型与机器学习相结合，无论是在纯RANS求解器中，还是在混合方法中，都有可能改善分离流的预测。

目前，ML在湍流建模中的应用较少，基本上未经证实。然而，作为一种新的方法来解决一个长期存在的问题，通过传统的湍流模型开发方法只能取得缓慢和渐进的进展，继续研究和定期评估这一领域的进展是有必要的。

利用机器学习修正的雷诺应力预测速度

一个应用统计推理和机器学习对翼型湍流的例子。

(a)翼型表面压力。(b)基线流量预测(压力等值线和流线)。(c)使用数据驱动SA模型进行流量预测。

3. 综合转捩预测(RANS, Hybrid, LES)

对于大多数关键应用来说，发展综合转捩预测的里程碑还没有达到。这被认为是在许多应用中扩展CFD保真度的一个重要领域。在2014年之前，通过双输运方程Langtry-Menter模型，可以使用基于输运模型的方法预测Tollmien-Schlichting二维转捩。在过去的六年中，一直有很多基于输运的转捩预测模型的发展。其中一些模型包括额外的传输方程，旨在提高预测的准确性。也有一些工作将基于输运的预测扩展到横流不稳定性，但这些模型在数值上的鲁棒性明显低于RANS湍流模型，并大大延长了计算模拟时间。

目前基于Langtry-Menter或其他类似模型的方法可能适用于全尺寸飞行雷诺数应用，对于这些具有较大的雷诺数的应用，转捩通常发生在流向的压力梯度逆向后不久。目前基于输运方程的转捩预测模型往往能很好地捕捉这些特征。对于许多其他应用，目前的预测模型是不够的。这些方法在掠翼横流控制的亚音速、跨音速和超声速流动中的应用是有限的。由于压力梯度较弱，自然层流飞行器的层流扩展区面临着巨大的挑战。在自动分析中，存在翼体连接，挂塔，天线，空气数据探头和其他突起很难被包括在内。后掠翼层流设计的预测是另一个挑战。混合层流系统的实际建模能力有限。中小规模无人机低雷诺数边界层的扩展区域需要高保真的预测方法。目前还没有确定的自动化方法来解释低压涡轮中的曲率和尾迹效应。对于这一流动范围，更精确的转捩预测需要基于稳定性的方法。这些方法通常需要难以自动化的过程。与工程目的的RANS模拟相比，输入稳定性分析所需的基准流解具有更高的网格分辨率和精度。然后必须将转捩锋映射回几何图形，以进行层流、转捩和湍流的组合模拟。

高超声速流动是一个特别重大的挑战。在这些应用中，存在多种潜在的相互作用的不稳定模式。此外，高超声速跃迁对包括气溶胶粒子和自由湍流在内的环境扰动高度敏感。在过去十年中，在理解接受过程和测量环境干扰方面取得了重大进展。其他重要因素包括实际气体效应和烧蚀过程。在直接模拟转捩流方面已经取得了重大进展，虽然这代表了一个重大的进步，但在建模的意义上，它并不能真正成为“集成转捩预测”。

综合转捩预测还有其他实际因素，虽然对这种现象有一定程度的了解，但在很大程度上没有包括在预测方法中。这些因素包括昆虫和其他污染的影响、表面侵蚀、襟翼缝隙和接缝、制造公差以及由于飞行载荷或其他因素而导致的表面波纹。这些项目可能是详细的转捩预测建模路线图的潜在部分。这种类型的路线图可能需要作为路线图的补充，当读者想深入了解这一领域时。

壁面模型LES方法对转捩预测带来了一些独特的挑战，尽管这些方法显示出了一些希望，但它们还远远不够成熟，目前还不太可能给出高保真的转捩性流动预测。

事实上，在这一领域，过去只在一些关键问题领域取得了渐进式进展。如果不能取得重大进展，基于cfd的预测将无法满足许多类别飞行器的目标。

4. 非定常复杂几何在飞行雷诺数下分离流动

RANS-LES混合方法对复杂几何分离流的处理效果参差不齐。在这项研究之前，混合方法已经成功地应用于大迎角战术战斗机的应用。这种应用比其他方法更简单，因为分离开始的位置在很大程度上取决于薄后掠翼的尖锐前缘。对于其他应用，特别是非设计飞行状态，如高升力和升力中断条件，高度精确的模拟是难以捉摸的。混合方法目前最有效的流动分离点是由一个锋利的边缘或激波固定。

第三届AIAA CFD高升力预测研讨会记录了截至2017年复杂高升力应用的技术现状，“在最大升力条件附近持续准确的计算仍然难以实现。”，只有一个贡献者应用了RANS/LES混合方法。这些结果并没有显示出相对于RANS预测的优越性能。由于这是单一贡献者的结果，因此不能得出结论，混合方法没有显示出很大的希望，或者在近期至中期的未来可能不会更有效。然而，可以得出的结论是，在许多分离流应用中，混合方法并没有被证明是高度准确的。

层流区域扩展的应用对混合应用提出了挑战。特别是，由于同时模拟转捩流动和预测分离的困难，在转捩流型中发生分离的流动对于混合方法来说是极具挑战性的。这可能成为问题的应用包括高超声速应用、再入飞行器和层流设计。

非定常方法，如格子-玻尔兹曼和壁面模型LES (WMLES)，显示出对这些流动的希望，但额外的计算成本是一个障碍，并且它们在预测光滑体分离的精度与当前网格计数比混合方法更有争议。然而，使用这些类型模型的某些代码可能会受益于GPU加速，但可能需要进行大量重写，考虑到目前的技术水平，这是一个雄心勃勃的目标。

5. 化学动力学计算加速

化学模型(化学动力学方案)的复杂性由燃烧模拟中感兴趣的量决定。对于一些时均的燃烧器性能参数，如总体热释放和空间温度分布，包括非常简单的化学动力学模型，或预先制定的化学模型，如小火焰燃烧模型中使用的小火焰燃烧模型，其中小火焰本身是用详细的化学动力学模型进行先验计算的。这些可以在RANS或LES框架中完成，其中LES模拟更典型地用于燃烧室设计，包括大的再循环区域和/或强的交叉流现象。这些计算不是计算密集型的，是常规执行的，化学动力学计算加速并不是执行这些模拟的障碍。

其他燃烧室现象确实需要更详细的化学方法，化学动力学计算需要加速。例如，预测排放(氮氧化物[NOx]、一氧化碳[CO]、煤烟)、点火和熄灭事件，以及评估非常规能源的影响与常规燃料相比成分有显著差异的燃料。虽然通过扩展简单的化学模型(以及火焰模型中详细的化学模型)可以很好地预测氮氧化物和某种程度上的CO，但对煤烟的预测则更加复杂，不仅在化学动力学模型中如此，而且在描述煤烟产生和氧化的物理模型中也是如此。煤烟排放模拟也可以在火焰燃烧模型框架内进行，并预先计算化学。使用现场计算的简单化学模型或使用小火焰燃烧模型进行煤烟浓度预测也经常进行，尽管基础煤烟模型仍需显著改进，预测的煤烟浓度与测量值往往相差一个或多个数量级，而且甚至在产生正确的煤烟排放趋势方面也存在挑战。

对于固有的不稳定过程的模拟，如回火、贫油熄火和点火，总是需要LES，化学模型中需要包括许多小物种和自由基在内的足够细节。在模拟中包括现场详细的化学计算可能是重要的。此外，如果我们需要根据燃料成分进行区分，例如在评估常规或替代燃料的性能时，更重要的是包括描述不同燃料的详细动力学。

有几种方法可以包含包含数千种反应和数百种物种的详细化学。一种方法是使用“层叠化学”，它忽略了湍流的影响，并使用非常有效的常微分方程(ODE)求解器。随机方法，如随机场方法、传输概率密度函数方法或线性涡流模型，可用于包括湍流-化学相互作用。也有自适应方法，在空间领域的不同区域采用不同的化学模型和/或不同的湍流化学模型。在模拟过程中，可以使用人工神经网络(ANN)、原位自适应制表(ISAT)等方法在线存储和访问化学计算结果。此外，可以采用将化学规模减少到数百或数十个反应和数十或个位数的物种(分别为骨架和还原机制)的方法。这些约简可以先验地完成，也可以使用内禀流形或速率控制约束平衡(RCCE)等技术动态地完成。这些方法目前是可用的，并且正在使用中。然而，在并行环境中更有效地解决这些问题的新方法和方法仍在不断被设计出来。

在实际燃烧计算流体力学中还有两个突出的问题。首先，由于环境问题的增加，烟灰和其他非挥发性颗粒物的建模正变得越来越重要。其次，在相关工况下的雾化建模是准确描述喷雾液滴分布的关键，其他特性是获得准确的排放和不稳定现象(如点火和井喷)预测模拟的关键。随着人们对超燃冲压发动机和冲压发动机燃烧器的兴趣日益浓厚，这些方法需要扩展到高速可压缩流动状态下的燃烧。当然，随着这些进步所带来的模拟复杂性的增加，我们需要设计有效的计算技术，以利用大规模的并行计算架构。