6.2 欧拉-拉格朗日框架与 DPM

6.2 欧拉-拉格朗日框架与 DPM

换一种世界观：分散相不再填满网格，而是当作一群有质量有惯性的颗粒或液滴，在连续相算出的流场里逐个积分运动方程——这就是欧拉-拉格朗日框架，工程实现即离散相模型（DPM）。喷雾、除尘、旋风分离、粉体输送、磨煤机，凡"颗粒稀疏、路径重要"的场景它都是主角。本节讲它的运动方程、耦合方式与可信度条件，并给出一份完整的喷雾配置会话。

颗粒在流场里怎么走

DPM 对每个颗粒（或代表一批真实颗粒的"包"）解牛顿第二定律：惯性等于流体曳力、重力浮力差、压力梯度力、附加质量力、Saffman 升力、热泳力等项之和。工程上绝大多数场景曳力与重力占绝对主导，其余项按量级取舍。曳力系数按颗粒雷诺数分档（Stokes 区线性、过渡区 Schiller-Naumann 关联式），非球形颗粒用形状因子修正。

与连续相的耦合分两个方向：单向耦合只让流场推颗粒（稀疏到颗粒不影响流场，体积分数远低于百分之一量级），双向耦合把颗粒对 流场的反作用（动量、质量、能量源项）回灌到网格（浓到必须考虑）。判断标准不是感觉而是量级：体积分数或质量加载率超过百分之一上下，单向耦合的结果就开始失真。

湍流对颗粒轨迹的影响用随机游走模型（离散随机游走或随机涡寿命模型）表达：不开它，轨迹是层流化的理想路径，沉积与分离预测必然偏差。

图 6-2：DPM 的耦合与可信度阶梯

一次完整的喷雾配置

下面的控制台会话覆盖 DPM 的五大配置块（注入、物理模型、耦合、湍流散布、壁面相互作用），是可存档的模板：

> define/dpm/models
  interaction-with-continuous-phase? yes      # 双向耦合
  stochastic-tracking? yes                    # 随机游走开启
> define/injections/create-injection spray-1
  injection-type: surface                     # 按面注入
  particle-type: droplet                      # 液滴
  material: water-liquid
  diameter: rosin-rammler 分布，质量中径 80 微米，分布指数 2.6
  velocity: 25 m/s                            # 喷嘴出口速度
  temperature: 300 K
> define/dpm/numerics
  tracking-scheme: trapezoidal                # 二阶轨迹积分
  step-length-factor 5                        # 每单元至少五步
> report/dpm/sampling                         # 出口截面粒径采样
​

两个数值细节决定轨迹质量：轨迹积分步长控制保证颗粒穿越单元时至少走若干步（粗颗粒穿越大单元尤其容易欠采样）；Rosin-Rammler 分布参数必须来自喷嘴厂商数据或实测粒径谱，拍脑袋的中径会让下游蒸发与沉积结论整体漂移。

案例：旋风分离器分级效率的 DPM 计算

背景。某除尘改造项目，旋风分离器扩容后需要预测分级效率曲线（不同粒径的捕集率）。颗粒中位径二十微米、浓度低于每立方米十克，体积分数远低于双向耦合门槛——单向耦合即可。

操作。连续相用 RSM 湍流模型（强旋流，见第四章地盘图），稳态收敛后开启 DPM：入口面注入代表五千个颗粒包，粒径按 Rosin-Rammler 覆盖一至一百微米，随机游走开启，壁面用捕集（trap）边界，出口用逃逸（escape）。统计落入灰斗的各粒径档包数换算分级效率。

结果。切割粒径（捕集率百分之五十对应粒径）预测值与厂家试验偏差百分之十二以内，效率曲线形态吻合；关闭随机游走的对照计算在细颗粒段（小于十微米）效率明显偏高——细颗粒捕集恰恰靠湍流扩散把颗粒甩进边界层。

解读。这个案例立了两条规矩：其一，DPM 结果的可信度条件必须全部在案（耦合方向、随机游走、颗粒包数收敛、壁面作用模型），缺一项结果就只能算定性；其二，颗粒数收敛性要验证——把注入包数翻倍，分级效率曲线不再移动才算数。轨迹是随机的，统计不收敛就是掷骰子。

变式。液滴带蒸发时开启传热传质与沸腾模型，潜热收支回到第五章能量账本；颗粒破碎与聚并需要 PM 模型或升级到更细的喷雾模型；浓相粉体（流化、料仓）DPM 不再适用，退回 6.1 的 Eulerian 或升级 DDPM。

DPM 配置问答与故障对照

颗粒包（parcel）数目设多少。包数是统计样本：从千级起步，对统计量（沉积率、分级效率）做包数翻倍对照，变化小于百分之二视为收敛。包数不足的结论随机性最大，却长得最像真结果。

轨迹 tracking completion 不到百分之百怎么办。未完成轨迹是数值病报告：常见于颗粒卡进低速回流区或曳力刚性问题。先查未完成轨迹的空间聚集区，再考虑放宽积分步长控制或改用更稳的轨迹格式，而不是直接忽略报告。

湍流散布模型怎么选。工程默认离散随机游走够用；涡寿命模型对大颗粒更合理；颗粒响应时间远小于流场时间尺度时散布影响小，对照计算可以省。

DPM 高频故障对照：

还有一个统计意义的问题值得展开：DPM 输出的"浓度"本质是轨迹统计的空间密度，它的平滑度直接受包数与统计窗口控制。稀疏包数下的浓度云图会呈现随机斑块，这与物理波动无关、纯是采样噪声——识别方法就是包数翻倍对照：斑块位置随包数漂移的是噪声，稳定驻留的是结构。同理，瞬态颗粒统计还要叠加时间窗口的合理性（统计时长覆盖大尺度流动的多个通过时间）。把"浓度云图是统计产物"这句话刻进认知，能避开多相后处理里最常见的过度解读。

本节验收点

• 单向或双向耦合的选择有体积分数或加载率的量级依据。
• 随机游走开启，且做过开关对照以评估湍流散布影响。
• 粒径分布参数与注入包数有出处，包数加倍后统计量收敛。
• 壁面相互作用模型与物理场景匹配（捕集、反弹或沉积）。