7.1 CFD 中的流变学
7.1 CFD 中的流变学
本节摘要：把本构方程装进 CFD 求解器，就能在虚拟空间重建口模、模具里的复杂非牛顿流动。广义牛顿流体模型（幂律、Carreau、Herschel-Bulkley）实现简单但抓不住弹性；微分型黏弹性模型（Oldroyd-B、Giesekus、PTT）能描述记忆效应，却要面对高 Weissenberg 数发散问题；对数构象法是对抗发散的关键武器。模拟结果必须与第 4 章实验对质，网格无关性与参数可追溯性是证据合法性的两道闸。
实验够不着的现场，交给数值模拟。口模内部的三维狭缝，热电偶插不进、光学窗口看不到——但第 3 章选好的本构方程，可以让有限元求解器在计算机里重建这个现场。
一、流变学在 CFD 里的角色：不是黏度表，是灵魂
传统 CFD 从纳维-斯托克斯方程出发，默认流体是牛顿型——应力正比于剪切速率，黏度是个常数。可真实材料几乎都不守这条规矩：聚合物熔体剪切变稀还带弹性记忆，凝胶有屈服应力，血液在毛细血管里表现完全不同于大血管。用牛顿模型去算这些，速度场、压力降、混合效率全都会失真。
所以流变学进 CFD，不是给它一张"黏度随剪切速率变化的表"，而是给它一条正确的本构方程——把材料的应力响应和它的变形历史联系起来。方程选对，模拟才是重建现场；选错，就是一场数字化的幻觉。
本构方程按物理机制的深浅分三档：
| 模型类别 | 代表 | 能描述什么 | 抓不住什么 |
|---|---|---|---|
| 广义牛顿流体 | 幂律、Carreau、Herschel-Bulkley | 剪切变稀、屈服 | 弹性、法向应力差、记忆 |
| 微分型黏弹性 | Oldroyd-B、Giesekus、PTT | 弹性、记忆、法向应力 | 强拉伸下易发散 |
| 积分/结构型 | Leonov、Rolie-Poly、XPP | 缠结动力学、支化 | 参数多、拟合难 |
二、三档模型：从省事到硬核
广义牛顿流体是上手最快的。黏度写成剪切速率的函数，迭代时每步更新黏度即可。幂律模型形式最简，但零剪切区和无限剪切区黏度发散，容易在低速区算出荒谬结果；Carreau 模型用两个平台把两端兜住，是聚合物熔体的日常选择；Herschel-Bulkley 加了个屈服应力项，对付牙膏、泥浆这类需要先克服阈值的流体。三者的共同短板是看不见弹性——爬杆、挤出胀大、涡流回弹，它们一概无能为力。
要抓弹性，得上微分型黏弹性模型。Oldroyd-B 是起点，用上随体导数保证客观性，能描述基本弹性，但预测的拉伸黏度无限增长，一进收缩流道就崩。Giesekus 加各向异性阻力，剪切变稀和法向应力比都能调得贴近真实。PTT 用非线性弹簧项提高稳定性，高 Deborah 数流动里比前两个更扛得住。
这些模型的核心方程形如：
\lambda 是松弛时间，上随体导数那一项体现了"材料记得自己沿流线怎么转"。物理意义很漂亮，数值上却是灾难源头。
三、高 Weissenberg 数问题：黏弹性 CFD 的头号敌人
黏弹性本构方程装进求解器，立刻撞上一个大麻烦：Weissenberg 数一旦升高，计算就发散。物理上 Weissenberg 数高意味着松弛时间远长于流动时间尺度，弹性应力极强；数值上，应力对流项在强拉伸区产生指数级增长，传统离散格式压不住，直接算爆。
这个问题的本质，是应力张量在数值上丢失了正定性。硬扛不行，学界给出过两条路。一条是对流项用稳定化格式——流线迎风、TVD 保单调，加人工耗散换取收敛，代价是精度受损。另一条是更本质的对数构象法：把应力张量做对数变换再求解，变换后张量的正定性在数学上被保护住，原本发散的高 Weissenberg 数流动得以算下去。对数构象法问世后，强弹性流动模拟从"撞运气"变成"可复现"，是目前高端求解器处理这类问题的标准配置。
还有一个经典收敛陷阱在屈服流体上。Herschel-Bulkley 模型在屈服点处黏度不连续，数值上会震荡。惯例是用 Papanastasiou 正则化：加一个指数项把屈服点处的黏度跳变抹平，正则化参数越大越接近真实屈服行为，但也要付出收敛变慢的代价。陷阱在于：参数太小，震荡还在；参数太大，算不动。这类模型进 CFD，光滑化几乎是必修课。
四、边界条件与多尺度：细节决定证据效力
非牛顿流体对边界条件极其敏感。壁面无滑移是默认，但含颗粒体系、乳液在壁面可能滑移，算出来就偏。屈服流体还要处理"固区与液区交界"——用正则化或自适应切换，把流场分成能动和不能动的部分。这些细节不处理好，模拟结果与实验对质必败。
另一个现实问题是实验与模拟的尺度错位。实验室测的小样数据，要外推到复杂几何的工业流动。多尺度建模范式就是为此而生：小振幅振荡与稳态剪切测量标定本构参数，候选模型拟合验证后进 CFD 平台，跑复杂几何，输出压降、混合效率，再反馈优化工艺。链条上每一环的误差都会放大传递，所以"模型可识别性"分析值得做——一组流变数据能不能唯一确定多个本构参数？拟合出一堆等价参数，模型就不具预测力。
对质环节有一套硬标准：网格无关性验证——加密网格结果不再变化，才算数值收敛；参数来源可追溯——每个本构参数来自哪组实验，能说出出处；至少一组独立实验对照——同一工况，模拟与实验对得上才算数。这三道程序不过，再漂亮的云图也只是自说自话。
收口一句：CFD 里的流变学，本质是"把实验证据翻译成预测能力"。翻译错了对象——方程选错、网格不无关、参数无出处——翻译结果就不配进法庭。下一节把放大镜再调细一档，从连续介质进到分子世界。
下一节换微观放大镜：分子动力学与介观模拟，直击第 5 章那三名嫌疑人。