大涡模拟LES网格画多细？记住 η≤Δ≤λ 这条铁律，和RANS结果映射的完整流程

原创于 2026-10-21 15:02:59 发布 23 0 0

DNS/RANS/LES 的区别、三种亚格子模型、网格尺度与时间步长怎么定，外加 RANS→LES 数据映射 8 步和 DES 家族。

大涡模拟（LES）精度高，但网格画多细、时间步长取多少，直接决定它算得对不对、算不算得起。

这篇整理自 STAR-CCM+ 课程《大涡模拟 LES 模型解析与案例实操》：DNS/RANS/LES 三者区别、三种亚格子模型（SM/DSM/WALE）、网格尺度的 η≤Δ≤λ 铁律、CFL 时间步长，以及把 RANS 结果映射到 LES 网格的完整 8 步流程，最后讲 DES 分离涡家族。

一、DNS / RANS / LES：三种湍流模拟

湍流模拟有三条路线，区别在于「解析多少涡、建模多少涡」：

DNS 直接数值模拟

解析所有湍流尺度（从最大含能涡到最小耗散涡）。精度顶格，但计算时间和雷诺数的 9/4 次方成正比，工程上代价不可接受，只用于低雷诺数学术研究。

RANS 雷诺平均

对所有尺度的涡都建模（全是经验公式），通过时间平均得到稳态结果。高度依赖模型校准和经验常数，对复杂流动预测能力有限。

LES 大涡模拟

只解析大尺度涡（携带大部分湍流能量、与几何强相关），小尺度涡用亚格子模型（SGS）模拟。计算成本低于 DNS、精度接近 DNS，是工程上实现高精度非定常模拟的核心手段。它计算了约 90% 的湍流结构，只有约 10% 的小尺度涡用模型，是完全瞬态的计算。

LES 只解析大尺度涡小尺度用模型

大涡模拟LES网格画多细？记住 η≤Δ≤λ 这条铁律，和RANS结果映射的完整流程的图2

图1　LES 核心思想：大尺度涡直接解析，小尺度涡用亚格子模型模拟

二、LES 原理：网格就是一个「低通滤波器」

LES 把湍流结构按尺度分成两类，区别对待：

· 网格尺度涡（大尺度）：涡尺寸 > 网格单元，携带约 90% 湍流能量、与几何强相关 → 用高分辨率网格直接解析（直接解微分方程）

· 亚格子尺度涡（小尺度）：涡尺寸 < 网格单元，各向同性更强 → 用经验公式（亚格子模型）模拟，产生亚格子应力

关键认知：网格是一个低通滤波器。网格画成什么样，直接决定了哪个涡被计算、哪个涡被模拟——所以 LES 的网格非常重要，精度只依赖网格分辨率。此外 LES 涉及涡的传递过程，必须用瞬态，不能用稳态。

LES 的控制方程由原始 NS 方程经网格空间过滤得到（波浪线表示过滤后的大尺度物理量），并多出一项亚格子应力——代表小尺度涡对大尺度涡的动量传递。亚格子应力类比 RANS 假设，与大尺度应变率关联，系数就是亚格子涡粘性，不同亚格子模型的差别就在于这个涡粘性怎么算。

LES 过滤方程与亚格子应力

大涡模拟LES网格画多细？记住 η≤Δ≤λ 这条铁律，和RANS结果映射的完整流程的图4

图2　LES 控制方程：过滤后的 NS 方程 + 亚格子应力项

三、三种亚格子模型：SM / DSM / WALE

① SM（Smagorinsky）经典模型

涡粘性 = (Cs·Δ)²·|S|，Cs 经验常数取 0.1~0.2，Δ 是网格过滤尺度。优点：计算效率高、公式简单无额外方程、鲁棒、流行度高。缺点：过度耗散（小涡提前耗散、湍流能量被低估）、Cs 需经验调参。

② DSM 动态模型

针对 SM「Cs 要手动调参」的痛点，引入双层滤波器让 Cs 用公式自动计算。优点：自适应、精度高、对转捩/分离流等复杂流动适应性更强。缺点：Cs 可能算出负值（需额外数值约束）、计算成本更高。

③ WALE 模型（软件默认推荐）

代数形式，专门解决 SM 在近壁区过度耗散的问题。优点：计算效率高、近壁面表现优异、无过度耗散、鲁棒。缺点：仍有经验系数 Cw、各向异性流动不如 DSM。软件默认推荐 WALE（精度高）。

WALE 亚格子模型

大涡模拟LES网格画多细？记住 η≤Δ≤λ 这条铁律，和RANS结果映射的完整流程的图6

图3　WALE：代数形式亚格子模型，解决近壁过度耗散，软件默认推荐

四、★网格尺度铁律：η ≤ Δ ≤ λ

LES 的网格尺寸不是越细越好，而是要卡在两个尺度之间：

网格尺寸 Δ 的取值铁律

η（科尔莫戈洛夫）≤ Δ ≤ λ（泰勒微尺度）

· 下限 η（科尔莫戈洛夫尺度）：耗散区最小涡，是亚格子模型适用的最小尺寸。网格必须 ≥ η——若网格比 η 还小，耗散涡就被解析而非建模，超出 LES 建模范围、浪费算力

· 上限 λ（泰勒微尺度）：能量传递尺度。网格必须 ≤ λ——若网格比 λ 还大，该尺度的涡被建模而非解析，计算精度急剧下降

怎么取值：η 和 λ 在软件里都有对应函数。先用 RANS 算一遍，把这两个尺度用云图显示出来，鼠标点一下、按「>」把该位置的值输出到窗口。课程实例：某位置 λ（泰勒微尺度）≈ 1.7mm、η（科尔莫戈洛夫）≈ 0.08mm → 网格尺寸要满足 0.08mm ≤ Δ ≤ 1.7mm。

云图显示泰勒微尺度和科尔莫戈洛夫尺度

大涡模拟LES网格画多细？记住 η≤Δ≤λ 这条铁律，和RANS结果映射的完整流程的图8

图4　★用 RANS 结果云图读出 λ≈1.7mm、η≈0.08mm，网格须卡在两者之间

五、时间步长：CFL ≤ 1

时间步长由库朗数（CFL）决定：CFL ≤ 1，保证一个时间步内流动走过的距离小于一个网格。

时间步长 Δt = 网格尺寸 Δ / 最大速度 U

最大速度用 RANS 算出的结果（建一个「最大值」报告，函数选速度大小、部件选整个区域，运行得到，如 15.3 m/s）。课程实例：网格取 1mm，用时间步长计算器算出 CFL=1 对应 7×10⁻⁵ s；为更精准取一半，用 3×10⁻⁵ s（保证一个时间步内流动只走半个网格）。

时间步长计算器与库朗数

六、★RANS → LES 数据映射（8 步流程）

LES 直接从零开始算很费时，标准做法是先用 RANS 算一个稳态结果，再映射到 LES 网格上做初始化。完整 8 步：

用 RANS 算初始稳态结果（提供高质量初始流场 + 画网格的尺度标准）
设置 LES 物理模型
计算 LES 网格和时间步长
生成 LES 网格
把 RANS 结果映射到 LES 网格
监控 CFL 数
定义停止标准
运行计算

数据映射分两步（因为 LES 网格更细）：

① 把 RANS 求解结果（节点值）映射到 RANS 网格；

② 再把 RANS 网格数据映射到 LES 网格。传递的主要是压力和速度，可能有数值失真，所以要过滤。

新建两个物理量（压力、速度），用函数定义：有值取值、无值或无穷大取默认值（0 帕）——保证数值稳定
工具 → 数据映射器 → 新建体积数据映射器：源 = 求解域网格单元，标量函数 = 自定义变量，目标 = 网格单元，选最近邻 → 右键映射
映射后的数据名字会加 map，它与网格节点绑定：清除求解数据它仍在，只有删掉网格才消失
初始化：做完二次映射（RANS 网格 → LES 网格）后，在 LES 连续体的初始条件里，把速度、压力都选成场函数 = 映射之后的量（注意选二次映射后的），清除数据 → 初始化，流场就用 RANS 结果初始化好了。

体积数据映射器

大涡模拟LES网格画多细？记住 η≤Δ≤λ 这条铁律，和RANS结果映射的完整流程的图11

图6　★体积数据映射器：把 RANS 结果分两步映射到 LES 网格

七、LES 网格生成与停止准则

网格生成：把 RANS 几何复制一份（阵列、距离设 0、原位复制），分配区域、定义边界条件、指定 LES 连续体（壁面处理选近壁面网格单元 + 壁面函数）。复制网格时一定要改部件指向新几何，否则会把原网格和映射数据一起清掉。

· 基础尺寸设 10mm → 目标尺寸 = 12.5% = 1.25mm（满足 η≤Δ≤λ）

· 加体积控制保证均匀：通道 10%、入口 25%（LES 对网格要求比 RANS 高，入口/通道网格不能太大）

停止准则：最大物理时间 0.09s、取消最大步数、内循环次数 10、新建收敛准则（连续性方程、相对变化 0.1）；时间步长取计算器结果的一半（3.5×10⁻⁵）；再建一个标量场景监控库朗数。最后只激活 LES 连续体，运行计算。

LES 与 RANS 结果对比

大涡模拟LES网格画多细？记住 η≤Δ≤λ 这条铁律，和RANS结果映射的完整流程的图13

图7　结果对比：LES 捕捉涡更好，RANS 平均后平滑、捕捉不到涡脉动

八、涡怎么判别：λ2 标准与 Q 准则

识别和可视化涡结构，常用两个标准（软件里都有对应函数）：

λ2 标准

计算矩阵的两个特征值，λ2 < 0 的区域才是涡区，> 0 不是涡区。

Q 准则

Q > 0 表示旋转主导（涡区），Q < 0 表示应变主导（非涡区）。用 Q 准则时要人为改标尺（正值不需要、负值需要）。

Q准则识别涡结构

大涡模拟LES网格画多细？记住 η≤Δ≤λ 这条铁律，和RANS结果映射的完整流程的图15

图8　用 Q 准则 / λ2 标准识别涡结构（软件内有对应场函数）

九、DES 分离涡：RANS + LES 的折中

DES（分离涡模拟）结合了 RANS 和 LES，在精度和成本之间取得平衡。它通过一个自适应长度尺寸，按离壁面的距离自动切换两个模型：

· 近壁面 / 分离点前边界层 → 用 RANS（稳定、成本低、精度高、不需高分辨率网格；若用 LES，代价全耗在边界层里）

· 分离区 / 尾流区 → 用 LES（捕捉分离后的大尺度涡结构、非定常行为）

⚠ DES 的固有缺陷：对网格分辨率依赖高

网格粗时，网格特征尺度可能小于壁面距离，导致本该用 RANS 的近壁面错误切换成 LES，引发三个问题：MSD（模型应力浩劫，边界层过早分离/变薄）、GIS（人为诱导流动分离）、LLM（对数率层不匹配，速度分布预测错误）。难点在于 RANS（平均）↔ LES（瞬态）切换时要保证湍流粘性等物理量连续。

为解决这些问题，有了改进模型：

DDES 延迟分离涡

通过延迟切换时机，确保边界层始终用 RANS，克服传统 DES 的模型应力浩劫和网格诱导分离。

IDDES 改进延迟分离涡（推荐）

在 DDES 基础上进一步解决对数率层不匹配。目前混合模型里精度和鲁棒性表现很突出，适合复杂壁面流动——用 IDDES 即可。

EDDES 椭圆混合延迟分离涡

近壁面引入椭圆方程，近壁面预测精度比其他 DES 高，两模型过渡自然、分离预测更准。（底层 RANS 模型也重要，如 SST K-ω 对分离可能评估偏高）

DES 分离涡模拟近壁RANS远场LES