SAS与PANS模型在圆柱绕流中的应用比较

刘 跃管小荣徐 诚

(南京理工大学 机械工程学院,南京 210094)

0 引 言

广泛存在于航空航天、风工程等空气动力学领域的钝体绕流问题通常为无序、非线性、多尺度的湍流分离运动,在使用数值模拟方法(CFD)对其进行分析计算时,湍流的求解成为影响CFD计算精度的瓶颈问题[1]。在诸多的湍流模型中,兼顾计算精度与资源消耗的RANS/LES混合方法受到人们的青睐[2],混合模型在近壁区及远场使用RANS模型,而在分离区及尾迹区切换为更合理的类LES滤波模型,极大地提高了计算精度,且资源消耗远小于LES仅略大于RANS。近年来,不同学者发展了种类繁多的混合方法,其中包括DES(Detached Eddy Simulation)方法[3]、SAS(Scale Adaptive Simulation)方 法[4-7]、PANS(Partially Averaged Navier-Stokes)方法[8]、PITM(Partially Integrated Transport Model)方法、LNS(Limited Numerical Scales)方法等。其中DES方法是最早出现的混合方法,经过一系列改进(DDES、IDDES)已发展较为成熟[9-13]；SAS模型为能够解析宽频非定常湍流脉动而对计算网格依赖较小的新一代非定常湍流预测方法(URANS),通过加入参照当地流动的冯卡门(von Karman)长度尺度L vk,合理地释放更多流场信息[14-15]；PANS模型同样是最近发展的一种RANS-DNS桥接模型,模型构造相对简单,通过加入模化湍动能比例参数f k调整湍流的模化量来调整湍流求解尺度[16]；DES模型的提出者Spalart在2000年时曾预测,2045年左右计算机的计算能力才能满足利用LES解决90%的湍流问题,因此,在现阶段,验证与发展RANS/LES方法仍是非常必要的[17-18]。

钝体绕流中的圆柱绕流计算模型简单,同时又包含如湍流壁面、剪切层失稳、流动分离、周期性涡脱落等丰富的流动现象,是考察湍流模型计算性能的标准算例。Re＝3900的圆柱绕流是典型的亚临界雷诺数流动,流动结构复杂且耗费资源较少,人们对该雷诺数的圆柱绕流进行了大量的实验[19-22]及数值研究[23-29],有可靠丰富的数据可供参考。本文选用SAS模型及两种变f k构造函数的PANS模型计算了Re＝3900的圆柱绕流流场,并重点从流场特征捕捉、气动力特性计算、涡黏性控制等方面对SAS模型及PANS模型进行了比较,通过对比标准网格与加密网格后的计算结果,比较了两类混合方法对网格的适应性,并探讨了两类混合模型的尺度函数对流场的调控机制。

1 计算模型及数值方法

1.1 控制方程

控制方程为三维N-S方程,在一般计算坐标系(τ,ξ,η,ζ)下的 守恒形 式为:

式中:为守恒变量为无粘通量为黏性通量,各物理量的具体表述参见文献[1]。

1.2 湍流模型

1.2.1 SST-k-ω模型

SST模型由标准k-ω模型与k-ε模型混合修改而成,该模型兼顾了k-ω模型的近壁性能及k-ε模型的远场准确性,SST模型中湍动能k和比耗散率ω的输运方程可表示如下:

式中模型参数σk、α、β、σω、σω2均由对应的k-ω模型参数φ1和k-ε模型参数φ2通过一定函数计算得到,其对应的函数关系为:

SST模型中湍动黏度μt可表示为:

式中S为应变率张量S ij的模,SST模型中F1、F2函数构造方式及各模型参数值参考文献[30]。

1.2.2 SST-SAS模型

尺度自适应SAS(Scale-Adaptive Simulation)模型是一种较新的创新型湍流模型,它通过在湍流模型中加入刻画当地流动拓扑的von Karman长度尺度L vk来作为湍流模型的第二长度尺度[6]。基于SST模型的SAS模型构造方法为在式(3)SST模型的ω方程中加入发挥自适应作用的源项QSAS,其定义式为:

由式(6)可以看出:在SAS模型中出现了由一阶及二阶速度导数决定的长度尺度项L vk,该长度尺度基于当地流动而与网格尺度无关,在湍流边界层内,L vk能模化惯性子区所有湍流脉动,同时,在非稳态区域L vk能根据当地网格分辨的湍流涡动态调整RANS长度尺度。在SAS模型中,湍动黏度μt仍按照式(5)计算。

1.2.3 SST-PANS模型

本文中所用PANS模型同样是基于SST模型修改而成[8],其原理是在SST模型中引入两个模型控制参数f k和fω:

式中:f k为模化湍动能与总的湍动能之比,fω是模化比耗散率与总的比耗散率的比值。如果假定f k和fω是不随时间和空间变化的常数,则k和ω的输运方程(2)、(3)变为:

将式(8)、(9)与式(2)、(3)对比可以发现在PANS模型中主要是模型参数发生了变化,PANS模型中模型参数σku、σωu、σω2u、β表示为:

通过以上变化,将SST模型转变为SST-PANS模型,由k、ε、ω的关系可得式(10)中fω与f k和fε的关系,在SST-PANS模型中,fε一般取为1,这样PANS中的参数可以表示为f k的函数。通过调节f k的值(1-0),改变模化的湍动能与比耗散率的比值,从而实现RANS-DNS的转化。这时湍动黏度μtu变为:

在早期PANS模型的应用中,f k通常被设置为空间常数,通过计算发现对于整个流场很难确定合适统一的f k值。对于复杂的分离流动问题,计算时分离区与尾迹区需要较小的f k值(f k＜1)释放湍流信息,而近壁区与远场区采用RANS模型(f k＝1)更合理,因此近年来人们逐渐尝试用适当的函数来计算f k分布,本文选取其中两种相对简单、计算相对稳定的变f k函数来进行对比。

(a)类DES型f k函数[31-32]。该函数参考DES模型中模型尺度的构造方法,将f k表示为网格尺度Δ与湍流尺度L u的函数:

式中模型常数CPANS取0.3。用该函数进行计算时,在分离区与尾迹区,网格尺度要小于湍流尺度,因此f k＜1；在壁面及远场区域,网格尺度大于湍流尺度,因此f k＝1。文中将使用类DES型f k分布函数的PANS模型称为PANS(des)模型。

(b)Tanh型f k函数[33]。在该函数中,f k可表示为:

对比式(12)与式(13)可知,Tanh型f k函数由湍流尺度、网格尺度及tanh函数修改而成,tanh函数的取值范围为(-1,1),这样根据流动与网格关系得到不同位置的f k取值范围为(0,1)。文中将使用Tanh型f k函数的PANS模型称为PANS(tanh)模型。

2 计算模型及数值方法

2.1 计算域、网格及边界设置

文中圆柱绕流计算雷诺数为Re＝3900(基于圆柱直径D与远场来流速度U∞),图1为计算域及边界条件示意图。为减小上游来流对计算的影响并使尾迹区流动充分发展,上游来流区域(x方向)及横向区域(y方向)延展至20D,下游计算区域设置为30D。根据近尾迹区流向结构的展向波长设置计算域展向长度(z方向)为πD[2]。圆柱体设置为无滑移壁面,上游入口流动各物理量由无扰动自由来流条件给定,下游出口设置为无反射边界,计算域的上下界面设置为自由滑移壁面,计算域的前后边界设置为周期边界。文中坐标系设置如图1右下角所示,轴向从上游到下游方向为x正方向,坐标系符合右手螺旋法则,横向为y方向,展向为z方向,方位角从上游圆柱前驻点为0°开始,顺时针旋转为壁面方位角θ的正方向,下游背风点为180°。

图1 计算域及边界条件Fig.1 Computational domain and boundary conditions

图2为圆柱绕流的局部网格示意,计算网格为分块结构化网格。为了保证计算精度,在壁面附近及尾迹分离区域对网格进行适当加密,壁面第一层网格高度为0.002D,保证壁面y＋＜1。为了探讨不同模型的尺度函数对网格的敏感性,文中设置了两套计算网格,其中标准网格保证近壁增长率为1.06,分离区网格固定为0.1D；加密网格为保证近壁增长率为1.04,分离区网格固定为0.05D。参考文献[24,25]中的网格设置见表1。

图2 圆柱绕流局部网格Fig.2 Computational grid for the cylinder

表1 计算网格Table 1 Computational grids

2.2 方程求解设置

文中对所求方程组空间离散采用有限体积法(FVM),对流项中速度项的离散采用三阶限制(TVD)中心差分格式,湍流项离散采用二阶限制中心差分格式,梯度项及黏性项的离散采用四阶中心差分格式,压力与速度耦合选用PISO算法。为了保证计算的收敛性及稳定性,时间项离散采用二阶隐式后退欧拉(Backward)格式,并采用自适应时间步长方法[24],时间步长设置为库朗数(Courant number)小于0.5,并且保证在一个涡脱落周期内包含近500个时间步。

3 计算结果分析

3.1 数据采集及流场宏观结构

文中分别计算了SST、SAS、PANS(des)、PANS(tanh)模型的圆柱绕流流场。周期性涡脱落是该计算雷诺数下的显著特征。为了获得合理的统计数据,根据Franke等[34]的研究结果,圆柱绕流的统计周期应大于40个脱落周期。因此参照文献[34,25],本文中总的计算时间约为60个涡脱落周期,在对非定常结果的统计时去掉前10个脱落周期,将后50个周期内的统计数据作为有效数据进行模型的对比。计算结果进行时间与空间平均。图3中给出了以标准网格计算结果为例的圆柱绕流升力系数(C l)、阻力系数(C d)的时程(U∞/D无量纲化)变化曲线。可以看出Re＝3900时的升力幅值已不再稳定,但仍呈现出周期性变化趋势,同时阻力系数表现出强烈的脉动现象,并在一平均值附近上下摆动。

图3 升力、阻力系数随时间变化及升力频谱Fig.3 Time history of lift C l,drag C d coef ficients

图4中给出了由升力系数时程曲线经过傅里叶变换(FFT)获得的涡脱落频率功率谱,由此可以计算涡脱落频率f及斯特劳哈数S t(S t＝f D/U∞)。各模型阻力系数(C d)及斯特劳哈数S t见表2。

图4 升力频谱Fig.4 Spectra of lift

图5为四种模型基于标准网格计算得到的圆柱绕流流场二维瞬时(t＝300)涡量分布及用轴向速度染色的三维Q分布,对比可知:由于RANS模型湍流黏性较大,抹去了很多重要的流场细节,计算结果只捕捉到大尺度的脱落涡结构,Q图也只先显示出近似二维的流动结构,这说明RANS模型基本上没有求解小尺度流动的能力；SAS模型及PANS模型均捕捉到丰富的流动结构,二维涡量及三维Q值均显示出复杂的周期性涡脱落现象。分析三者的Q图可清晰地发现附着于壁面的二维层流剪切层及分离区流向与展向相嵌套的三维无序涡体结构。SAS模型与PANS模型均允许形成湍流谱,表现出预期的类似LES模型的求解小尺度运动的能力。同时,仔细对比SAS模型与PANS模型的结果可以看出,PANS模型能捕捉到比SAS模型更丰富的湍流结构。

图5 不同模型计算得到的流场瞬时涡量与Q值图(t＝300)Fig.5 Instantaneous vorticity and Q of different models(t＝300)

由实验及以往计算结果[23]可知,圆柱绕流壁面剪切层的发展对外界影响因素非常敏感,微小外部干扰很容易造成边界层的提前分离,使得剪切层变短,进而影响回流区及整个流场的测量或计算结果。图6为用涡量等值线表示的标准网格条件下四种模型的瞬时(t＝300)剪切层,通过对比可知剪切层长度关系为:SAS＞PANS(des)＞PANS(tanh)＞SST。

图6 不同模型瞬时分离剪切层示意图(t＝300)Fig.6 Instantaneous separating shear layers of different models(t＝300)

3.2 回流区速度分布

图7为以SAS模型为例的y＝0平面轴向速度时均图,可以清晰地看出在圆柱近尾迹区域形成一个流速与来流相反的区域,即圆柱绕流的回流区。图8为圆柱下游尾迹区中心线上时均轴向速度分布。由图可知,圆柱背风点处速度为0,速度为逐渐增大的负值,到达回流区中心时速度负值最大。背风点与空间流动的再附点即流向速度恢复到0的点之间的距离即为回流区长度(L r/D)。四种模型均模拟出了圆柱后的速度分区,但彼此间差别较大,特别是对回流区的模拟。图8(b)图是对回流区中心线时均轴向速度的放大图。首先需要说明的是用空心圆圈表示的实验数据是Lourenco&Shih(1993)用PIV测量获得[20],用实心圆表示的实验数据是Parnaudeau等(2008)同样用PIV测量获得[21],可以看到两者实验测得的回流区长度差别较大。最近几年的文献也出现了与Parnaudeau实验接近或与Lourenco实验接近的两种数值计算结果,有意思的是Kravchenko等(2000)在用B-Spline伽辽金方法对Re＝3900进行的LES数值计算中[23],最先发现了数值结果与Lourenco实验数据在回流区与近尾迹区速度型的差别。Kravchenko计算的回流区长度大于Lourenco实验值,其当时推测可能有外加扰动导致Lourenco实验中圆柱壁面剪切层过早分离,造成剪切层变短,进而影响回流区长度。Parnaudeau实验数据在回流区及速度型方面均验证了Kravchenko的数值计算结果。由于实验时间较晚,实验方法更先进、严谨,本文中我们认为Parnaudeau的实验值是更可信的。分析图8(b)可知,SST模型计算的圆柱回流区长度误差较大,SAS与PANS计算的回流区长度关系为SAS＞PANS(des)＞PANS(tanh)。三种模型计算的回流区区域位于两个实验值之间,与Parnaudeau实验值仍存在一定误差,其中SAS模型与Parnaudeau实验最接近。以上结论与图6中得出的剪切层长度结论也是一致的。

图7 y＝0平面轴向速度时均分布Fig.7 Mean streamwise velocity along the y＝0 surface

图8 圆柱尾迹中心线上时均轴向速度分布Fig.8 Mean streamwise velocity along the wake center line

图9～图11为圆柱绕流下游不同截面处的时均轴向速度分布(图例见图8)。可以看到轴向速度流型从近尾迹区到远尾迹区由U型向V型转变,结合前部分析可知,剪切层过早分离同样会导致速度型的过早转变,图中两种实验值的对比也说明了这一点。图9近壁x/D＝0.58时,四种模型的速度型均为U型,彼此差别不大,而到回流区x/D＝1.06时,四种模型出现差别,SST模型为完全的V型,SAS模型与两种PANS模型同样没有计算出更加正确的U型,而是介于U型与V型之间,其中SAS模型与Parnaudeau实验得到的U型更接近,同时PANS(des)要稍好于PANS(tanh)；在近尾迹回流区后部x/D＝1.54、2.02位置处,除了SST没有计算出正确的速度型,SAS模型与两种PANS模型的计算结果只是速度峰值与实验值存在一定误差,整体均与实验值吻合较好；在远尾迹区x/D＝4、7、10位置处,四种模型计算的速度型均较好,速度峰值与实验存在较小误差。以上分析说明近尾迹区域特别是回流区流动较为复杂、敏感,计算控制更困难,同时远尾迹区受近壁区影响较小,使得远尾迹区计算误差小于近尾迹区。

图9 不同截面的平均轴向速度分布(x/D＝0.58,1.06)Fig.9 Mean streamwise velocity at different surfaces(x/D＝0.58,1.06)

图10 不同截面的平均轴向速度分布(x/D＝1.54,2.02)Fig.10 Mean streamwise velocity at different surfaces(x/D＝1.54,2.02)

图11 不同截面的平均轴向速度分布(x/D＝4,7,10)Fig.11 Mean streamwise velocity at different surfaces(x/D＝4,7,10)

图12为圆柱绕流下游近尾迹回流区附近不同截面处的时均横向速度分布(图例见图8)。由x/D＝1.06处的时均横向速度与实验值可以看到,SAS与两种PANS模型得到的速度型均与Parnaudeau实验值较吻合,与SST模型比较显示出较高的计算精度。x/D＝1.54、2.02处的对比结果可以看出四种模型在速度型与峰值上均存在一定误差,与轴向速度计算结果类似。

图12 不同截面的平均横向速度分布(x/D＝1.06,1.54,2.02)Fig.12 Mean cross-flow velocity at different surface(x/D＝1.06,1.54,2.02)

3.3 加密网格计算结果

根据混合模型的构造原理可知,其湍流尺度求解能力是基于对涡黏性的控制作用。图13为三种混合模型计算的圆柱绕流时均湍动黏度μt/μ(湍动黏度与来流黏度之比)分布,上部为标准网格计算结果,下部为加密网格计算结果。仅从数值来看,SAS模型与两种PANS模型的湍动黏度分布关系为SAS＞PANS(des)＞PANS(tanh)。PANS模型所求湍动黏度要小于SAS模型,这也解释了图4中PANS模型对流场的捕捉要好于SAS模型。但需要注意的是,较低的湍动黏度不一定获得较准确的数值计算结果。由文中气动力的比较可知,SAS模型要好于PANS模型。通过比较网格加密后的湍流黏度可知,两种PANS模型在近壁网格密集区域出现了湍流黏度较低的区域,这是由于PANS模型的f k构造函数仍是由当地湍流尺度和网格尺度来控制,在近壁网格较密的条件下,PANS模型显现出类似DES模型对网格敏感的缺点,这时近壁RANS区域被破坏,而网格尺度还没有小到能够进行大涡模拟的程度。

图13 时均湍流黏度比(μt/μ)分布(标准网格：上,加密网格：下)Fig.13 Time-averaged distributions ofμt/μ(baseline grid：top,fine grid：bottom)

图14为三种混合模型在不同网格条件下计算的局部(x/D＝1.06)时均轴向雷诺应力分布(图例见图15)。可以看到SAS模型及两种PANS模型计算的雷诺应力与实验值均有较大差距,这可能是由于涡黏性模型的内在缺陷造成的。我们在此关注不同的模型在不同网格条件下的计算差异。可以看到SAS模型在标准网格与加密网格条件下均高估了雷诺应力值,但两种网格下的计算结果差别不大；两种PANS模型对不同的网格表现出相似的规律,在加密网格时雷诺应力均出现了明显的降低,结合图13中的黏度分布可知,由于近壁区域网格的加密,湍流黏度降低,导致模化的雷诺应力减少,同时有没有求解足够的雷诺应力,导致了雷诺应力不足现象的发生,这也验证了PANS构造函数对网格较敏感的缺陷。同时两种PANS模型函数比较可以看出,PANS(des)模型计算的雷诺应力及气动力分布要稍优于PANS(tanh)模型,这也说明了PANS(tanh)模型构造函数对网格的敏感程度要大于PANS(des)模型的构造函数。

图14 局部时均轴向雷诺应力分布Fig.14 Time-averaged distributions of streamwise Reynolds stress

图15为三种模型在不同网格条件下的时均轴向速度分布对比。结合前文分析可知,SAS模型网格独立性较好,标准网格与加密网格下的计算结果没有体现出太大差别,且由于对剪切层的计算更准确,计算得到的回流区大小更接近实验值。两种PANS模型由于对网格较敏感,在加密网格时延缓了剪切层的转捩,导致回流区变长。这在PANS(tanh)模型的计算结果中表现更明显。

图15 时均轴向速度分布Fig.15 Time-averaged distributions of streamwise velocity

3.4 积分统计量比较

表2为四种模型计算的圆柱绕流平均积分统计量与相关实验值及数值结果对比。可以看到在与剪切层运动密切相关的参数中,普通网格下SAS与两种PANS模型均取得了与实验值较吻合的回流区长度(L r/D)计算结果,与构造相对完善的LES-THE、SA-IDDES、V2-f-DES模型的计算结果也是相近的,其中SAS模型的计算结果与实验值最接近；加密网格时,两种PANS模型均过大地预测了回流区长度。在阻力系数(C d)及分离角(θSep)的计算中,在标准网格下三种混合模型计算误差均较小,C d满足实验值的0.98±0.05区间,在加密网格时,SAS模型的计算结果变化不大,两种PANS模型获得了较小的分离角及阻力系数。在其余的比较项中,可以看到四种模型对圆柱尾迹旋涡脱落频率的计算及壁面压力的计算均较准确,所计算的斯特劳哈数(S t)与背风点压力系数(-C pb)差别不大。对于SST模型,由于其构造模化了所有的湍流量,导致重要的流场细节被抹平,其计算的阻力系数、背风点压力系数、回流区长度、分离角均存在较大误差。同时可以看到两种网格条件下PANS(des)计算结果稍好于PANS(tanh)。比较文献[25]中两种f k为常数的PANS模型计算结果可以看出,f k＝0.1时,流场f k值已处于较低水平,但计算的回流区长度要小于本文变f k计算结果,而f k＝0.3时的计算结果误差已较大,这说明了变f k在流场计算中更合理,同时也说明了流场对f k值是比较敏感的。

表2 圆柱绕流平均积分量对比Table 2 Summary of the mean integrated quantities for the cylinder flow

3.5 混合模型调控机制比较

由前述分析可知,SAS及PANS等涡黏性混合模型均能通过降低流场湍动黏度来求解更多湍流尺度,但SAS及PANS对求解尺度的调控机制是完全不同的。由前文模型构造我们可知,SAS模型中引入了von Karman长度尺度L vk,通过当地湍流尺度L与L vk的比例关系来控制ω输运方程中源项QSAS的生成量,因此SAS模型在分离区是通过L/L vk的调控作用来增大ω的值,从而降低湍动黏度的值；PANS模型是通过加入一个f k参数来调控流场可解/不可解湍流量的比例,f k值越小,可解尺度就释放的越多,文中PANS模型使用了两种变f k函数,其核心是当地湍流尺度与网格尺度的比例关系,两者都是通过减小ω方程中耗散项的量,从而使求解的ω值增大,进而使湍动黏度减小。

图16为SAS模型计算的瞬时及时均L/L vk分布。可以看到在尾迹分离区L/L vk的值较大,而在远场区L/L vk基本为0。图17和图18是两种变f k的PANS模型计算得到的瞬时及时均f k分布,可以看到在分离区f k的值处在较低水平,而在远场范围f k＝1湍流信息均被模化。通过比较两类模型中对涡黏度起关键调控作用的L/L vk与f k分布可以看出,立足于当地流动、对网格无依赖的SAS模型局部分辨率更高,可以反映出流场结构的无序与丰富状态。PANS模型中网格尺度的关联性使得其局部分辨率降低,且计算结果对网格及计算初值设置非常敏感。从以上来看,SAS模型对流场涡黏性的调控机制是有优势的。

图16 SAS模型计算的瞬时及时均L/L vk分布Fig.16 Time-averaged and instantaneous distributions of L/L vk for SAS

图17 PANS(des)模型计算得到的瞬时及时均f k分布Fig.17 Time-averaged and instantaneous distributions of f k for PANS(des)

图18 PANS(tanh)模型计算得到的瞬时及时均f k分布Fig.18 Time-averaged and instantaneous distributions of f k for PANS(tanh)

对比图17和图18,显示了PANS模型的两种函数计算的f k分布差别不大,在近尾迹区f k均处在较低水平,这有效地调整了流场的求解尺度。同时可以看到PANS(des)模型相比PANS(tanh)模型在近尾迹区的分辨率更高,其在回流区后部及远尾迹区的f k值要稍小于后者。分析两种模型的构造可知,PANS(des)模型f k函数构造相对简单,但其对流场的调控作用更加直接和灵敏,而PANS(tanh)模型中f k函数中借助tanh函数,tanh函数整体从－1～1变化,这使得函数的整体灵敏度下降,从而影响f k的分布。同时图13中可以看到PANS(des)的湍动黏度稍高于PANS(tanh),其获得的气动力分布也稍好于后者。这也说明了两种变f k函数比较,类DES的f k调控函数更好一些,计算的湍流耗散也更合理。

4 结 论

本文以Re＝3900的圆柱绕流作为算例比较了SAS、PANS(des)、PANS(tanh)湍流模型在大分离流动中的计算能力,主要从流场特征捕捉、气动力特性计算、流场涡黏性控制等方面对所用湍流模型进行了比较,并通过不同的网格计算条件对比了不同模型调控函数的网格敏感性。计算结果表明:三种混合模型均具有求解三维小尺度涡运动的能力,并能较完整地展现出亚临界雷诺数下圆柱绕流层流剪切层形成、发展、失稳、分离,在下游近尾迹区形成回流区直至远尾迹区形成剪切分离区的过程。同时,通过对比计算结果得到以下结论:

1)在对湍流结构的显示方面,PANS模型相比SAS模型能捕捉到更丰富的湍流结构,两类模型对流场气动力的计算均存在一定误差,回流区计算误差要大于远尾迹区,三种模型气动力计算与实验吻合关系为SAS＞PANS(des)＞PANS(tanh)。

2)SAS模型L vk尺度立足当地流动,局部流场分辨度更高,调控作用更强；PANS模型对网格设置较敏感。两类模型相比,SAS模型的流场信息调控模式更优秀,获得的流动涡黏性更合理。

3)两种PANS模型中,类DES可变f k分布函数构造相对简单,所得f k分布更准确；借助tanh函数的f k分布函数调节灵敏度较低,计算得到的尾迹区f k值偏低,对流场调控作用稍差。