流体仿真和固体力学仿真不太一样。做结构分析，施加一个力，算出一个位移和应力，物理逻辑简单直接。流体仿真里，速度、压力、温度耦合在一起，涡旋从大尺度能量级联到耗散尺度，一个参数调不好，整个流场的定性特征都会变。
这些年经手的CFD项目跨度很大——从微流控芯片的层流到风机叶片的跨音速流，从建筑风环境的低速不可压到燃烧室的高温化学反应流。工具从ANSYS Fluent用到OpenFOAM再试过COMSOL的CFD模块，一个贯穿始终的体会是：流体仿真不是在”算”，而是在”选择”——选湍流模型、选网格策略、选离散格式、选边界条件。每一次选择都是在精度和成本之间做取舍。
要不要做CFD?
在打开软件之前，先问自己一个问题：这个问题真的需要CFD吗?
很多热工问题，用经验关联式(比如Dittus-Boelter算管内对流换热、Churchill-Bernstein算圆柱绕流换热)可以在几分钟内给出误差10-15%的估算。如果你只需要一个数量级正确的答案，经验公式比CFD快几十倍。CFD的价值在于：需要精细的流场分布(比如换热器局部热点定位)、几何形状复杂到经验公式无法覆盖、或者涉及多物理场耦合(流固耦合传热、流致振动)。
如果你确定需要CFD，接下来面对的就是那个经典选择题：用商业软件还是开源工具。
大部分高校课题组用Fluent+ICEM的组合，性价比最高。但如果项目需要植入自己的湍流模型或燃烧模型，OpenFOAM是唯一能让你看到求解器每一行代码的选择。
湍流模型：没有最好的，只有最合适的
湍流的数值模拟有且只有三条路：直接数值模拟(DNS)、大涡模拟(LES)、雷诺平均(RANS)。它们的关系不是”高级替代低级”，而是覆盖不同的时间尺度和空间尺度需求。
RANS是最实用的工程选择。 它不解析任何湍流涡结构，而是用统计平均把湍流波动”模型化”。计算成本最低——在千万级网格上跑一个RANS算例可能只需要几个小时，同等网格的LES可能需要几天。代价是：RANS对所有流动都给一套经验系数，当流动偏离标定工况(比如强旋转、大分离、高曲率壁面)时，预测偏差可以很大。
RANS家族内部的选择影响着结果的走向：
标准k-ε模型是最早被广泛使用的两方程模型。原理简单，数值稳定性好。但对逆压梯度、流动分离、强流线曲率的预测偏保守——分离区往往被低估，导致预测的升力偏高、阻力偏低。适用于自由剪切流、充分发展的管流、无大规模分离的外部绕流。
标准k-ω模型对壁面附近的低雷诺数区域有更好的处理，不需要壁面函数。代价是对自由来流的湍流度高度敏感——入口边界的ω值稍微变一点，远场流场可能整体偏移。SST k-ω是k-ε和k-ω的混合：近壁区用k-ω(利用其近壁精度)，远场切换到k-ε(利用其来流不敏感性)。对于含分离的外部气动力学问题(比如飞机翼型失速)，SST k-ω是目前公认精度/成本比最优的选择。
Reynolds Stress Model (RSM) 直接求解雷诺应力的六个分量，不再依赖Boussinesq各向同性假设。对于强旋转流、二次流、高曲率壁面等各向异性显著的流动，RSM的物理基础更牢固。但数值稳定性差了很多——七个额外的输运方程让收敛变得困难，初值设置不当很容易发散。实际项目中的策略是先用SST k-ω跑一个初场，再切到RSM做精算。
LES是”中间地带”。 大尺度涡直接解析，小尺度涡(亚格子尺度)用模型处理。LES能捕捉RANS完全看不到的非定常涡结构和混合过程的细节。在钝体绕流、射流混合、燃烧不稳定等领域，LES的优势显著。但LES的网格要求严格——必须在惯性子区内截断，这意味着近壁面网格要细到y+≈1的量级，总网格量动辄几千万到上亿。对于大多数工程问题来说，这个成本不现实。
网格：最容易毁掉结果的一步
流体仿真的网格不像结构分析的有限元网格那样宽容。一个糟糕的网格可以让最精确的湍流模型输给最粗糙的近似解。
壁面y+是第一道门槛。 这个无量纲参数表示第一层网格节点离壁面的距离，直接决定了壁面处理方式是”解析”还是”用壁面函数”。k-ω SST要求y+<1(解析黏性底层)，标准k-ε用壁面函数要求y+在30-300之间。最糟糕的情况是y+落在中间(5-30)——既不够细到解析黏性底层，又不够粗到让壁面函数有效。
边界层网格的层数和增长率也有规矩。至少10-15层棱柱层覆盖边界层，增长率控制在1.2以内。如果边界层里只有5层，每层的增长率是1.5.那黏性底层的速度梯度根本解析不出来——壁面摩擦系数(Cf)错30%是常有的事。
网格质量和数量不是一回事。 很多人以为网格越多越准，但一堆低质量的网格比适量高质量网格差得多。三个关键的质量指标：非正交度(skewness)控制在0.85以下，尤其是边界层区域;长宽比在主流方向可以大(100:1以上)，但在壁面法向必须小;体积增长率(相邻网格体积比)不超过1.2.否则截断误差被放大。
网格独立性验证是必做的。 不是说网格数够了就行，而是用三套粗细不同的网格分别算同一个基准工况，看关键物理量(升力系数、阻力系数、Nu数等)是否收敛。如果从500万到1000万网格，Cl变化小于1%，那800万左右就是独立性阈值。跳过这一步就拿去发表，审稿人一定会追问。
收敛判断与结果验证
残差收敛是必要条件，不是充分条件。 残差降了三个量级(10^-3量级)，不代表物理量已经稳定。正确的做法是：在残差下降的同时，监测关键物理量的历史曲线——如果进口出口质量流量不平衡(差异超过1%)，或者监测点的压力再跑200步还在单调变化，那残差只是表面收敛。
进口湍流参数的设定会被忽视。 很多算例用了默认的”湍流强度5% + 湍流黏度比10″——这是Fluent的出厂设置，不是任何实际流动的真实参数。湍流强度应该根据上游条件估算：风洞实验的典型湍流强度<1%，管道充分发展湍流约3-5%，换热器壳程可能到10-15%。湍流黏度比(μt/μ)对高雷诺数外流通常在1-10量级，对低雷诺数内流可以到100以上。这些参数设置不当，模拟结果对外部流动的预测误差会系统性地偏移。
实验验证是最终的仲裁者。 如果没有自己的实验数据，至少要找到文献中的基准实验(benchmark experiment)。ERCOFTAC经典算例数据库、NASA TMR系列验证报告、AIAA阻力预测研讨会(DPW)的公开数据——这些是可追溯的验证来源。CFD结果和实验的偏差在5-10%以内属于合理范围，超过20%则需要重新审视物理模型的选择。
流体仿真在各个行业的应用场景差异很大——从航空航天的高雷诺数外流到微流控的低雷诺数层流，从建筑风环境到化工反应器内的多相流，不同场景的建模策略需要针对性地调整。科研学术网(https://www.keyanxueshu.com）等多个工具在科研和工程中的落地经验。
CFD现在不缺强大的求解器，不缺高速的硬件。真正决定结果质量的，永远是操作者的物理直觉和对模型适用边界的清醒认识。
