把搅拌釜"装进"电脑里：计算流体混合（CFD）的那些事

有一组实验让很多工程师觉得难以置信：同一台 600 升搅拌釜、同一个 Rushton 桨、同一种竞争-连串反应体系，进料口放在釜体侧壁上，副产物 S 的比例是 X_S ≈ 0.38；把进料口挪到桨叶正上方，副产物立刻降到 X_S ≈ 0.20——仅仅改变了进料口的位置，副产物就少了将近一半。

这个结论不是靠实验筛选出来的，而是靠 CFD 模拟事先预测的。实验结果与模拟值吻合，误差在 10% 以内。放在 2003 年前后，这是 CFD 在工业搅拌领域能力的一次有力示范。

这正是《Handbook of Industrial Mixing》第五章的主题：计算流体混合（Computational Fluid Mixing）。写这一章的是 Fluent 公司的 Marshall 和 Bakker，他们既是方法的建立者，也是工业应用的实践者。全章的核心问题只有一个——怎样把一台旋转的搅拌釜，完整、可靠地”装进”电脑里？

搅拌釜 CFD 速度场与湍流分布 — 典型搅拌釜 CFD 模拟：速度矢量场与湍动能分布，可见 Rushton 桨排出流和上下循环涡。

为什么搅拌釜特别难模拟

DNS 本身并不稀奇——从血管里的血流，到飞机机翼上的超音速气流，都有成熟的模拟方法。但搅拌釜凑齐了一整套让人头疼的特性：

旋转桨叶在静止挡板之间运动。 这不像管道流那样有固定的几何边界，桨叶每转动一圈，它与挡板之间的相对位置就改变一次。最简单的处理方式是把整个问题在旋转坐标系里求解——但这只有在整个域都以同一速度旋转时才成立，而挡板是固定不动的。

湍流尺度跨越几个数量级。 从桨叶尖端注入的大尺度能量，一路级联到 Kolmogorov 尺度（通常是几十到几百微米）的黏性耗散，整个过程涉及的尺度之比可达 10³ 以上。DNS 需要的网格量是尺度比的三次方，在工业尺度上完全不可行。

化学反应、多相流、非牛顿流体往往同时存在。 发酵釜里有气泡、菌体、非牛顿的发酵液，还有同时发生的传质和生化反应——每一项单独模拟都不简单，放在一起更是挑战。

方程体系：从 N-S 方程到传递方程

CFD 的数学基础是守恒方程组。对于一个微小流体微元，书里把连续性方程、动量方程、能量方程和组分传递方程统一写成同一种形式：

\partial(ρφ)/\partialt + \nabla\cdot(ρUφ) = \nabla\cdot(Γ\nablaφ) + S φ

这里 φ 是任何守恒量（速度、温度、组分浓度……），U 是速度场，Γ 是广义扩散系数，S_φ 是源项。左边第一项是时间变化率，第二项是对流（随流体运动带走的通量），右边第一项是扩散，第二项是局部源（反应热、化学反应产生的物种等）。把这个形式展开为具体的动量方程，就是 Navier-Stokes 方程：

ρ \cdot Du i /Dt = -\partialp/\partialx i + \partialτ ij /\partialx j + ρg i

压力梯度驱动流动，黏性应力抗拒形变，重力体积力也在其中。

湍流封闭：k-ε 模型

对工业搅拌这类高 Re 湍流，直接求解 N-S 方程的代价不可接受。标准工程方法是对方程进行时间平均，把瞬态脉动速度 u_i 分解为时均量 U_i 和脉动量 u_i’——即 RANS。平均后多出了一组新的未知量——雷诺应力 u_i’u_j’，由此引出湍流封闭问题。

最广泛使用的封闭方案是 k-ε 两方程模型：

μ t = ρ \cdot C μ \cdot k² / ε ， C μ = 0.09

其中 k 是湍动能，ε 是耗散率，C_μ = 0.09 是模型常数。k 和 ε 各自满足一个输运方程，其中生成项、扩散项和耗散项都是模型化的代数表达式。

k-ε 模型的优点是计算代价低、鲁棒性好，几十年来在工业 CFD 里是绝对主力。但书里也明确指出它的局限：该模型假设湍流是各向同性的，而搅拌釜里强旋转区域、桨叶尾迹、挡板附近的湍流结构高度各向异性——这就是为什么 RSM（雷诺应力模型）有时能给出更准确的预测，但代价是需要求解七个额外方程，收敛也更困难。

桨叶建模：四种策略的权衡

把旋转桨叶放进计算域是第五章最核心的工程挑战，书里介绍了四种策略，精度和成本各不相同：

速度数据法（Velocity Data Model）：不模拟桨叶本身，而是把实验测得的桨叶附近速度场（LDA/PIV 数据）作为边界条件直接输入 CFD。计算简单、稳定，但精度完全依赖实验数据质量，无法用于新桨型的设计，也无法捕捉桨叶与挡板之间的瞬态相互作用。

多参考系法（MRF）：在桨叶周围划出一个圆柱形”旋转域”，这个域内的方程在旋转坐标系里求解，域外在静止坐标系里求解，两者在界面上实时交换信息。这是目前工业上用得最多的稳态方法，计算代价适中，对多数情况下精度够用——但桨叶相对于挡板的位置是固定的，无法捕捉桨-挡板相互作用的瞬态细节。

滑动网格法（Sliding Mesh）：桨叶周围的网格随桨叶真实物理旋转，每旋转一个小角度就重新计算一次。这是最精确的方法，能捕捉低频宏观不稳定性，也是书里推荐用于混合时间预测的方法——代价是必须做瞬态计算，计算量是 MRF 的数倍乃至数十倍。

快照法（Snapshot Model）：把旋转桨叶在某一固定位置对流体的推力和拉力用质量源项来代替，做一次稳态计算。方法灵活，但精度高度依赖源项设置的合理性，适用范围有限。

互动演示：三个 CFD 核心模块。「k-ε 模型」拖动湍动能 k、耗散率 ε 和黏度，实时看 Kolmogorov 尺度与湍流黏度的变化；「桨叶建模」点击四种策略，对比速度数据法、MRF、滑动网格和快照法的精度与代价；「进料位置」选择不同进料口，直观看副产物比例 X_S 如何随局部湍流强度而变化。

CFD 告诉你什么：后处理的价值

求解完成后，数值结果本身只是一堆数字。书里用大量篇幅讲如何从这些数字里提取有意义的工程信息：

功率准数 N_P 可以通过在桨叶表面积分压力来计算转矩，再换算为功率——与实验值的对比是模型有效性最直接的验证手段。

流量准数 N_Q 反映桨叶的泵送能力，通过对桨叶排出截面的速度积分得到。MRF 模型对 N_P 和 N_Q 的预测与实验吻合良好（见书中表 5-3）。

混合时间预测：在收敛的稳态流场上叠加一个示踪剂的瞬态传输方程，以计算成本极低的方式预测混合时间——这是 CFD 区别于经验关联式的关键优势，因为它可以处理任意几何和操作条件。

进料口优化：正是这种能力，让 Bakker 和 Fasano（1993）预测出把进料口移到桨叶正上方可以将副产物 X_S 减半——传统的”整体浓度”建模方法完全看不见这件事，因为它假设整个釜内混合均匀。CFD 保留了局部的速度场和浓度梯度，才能揭示进料位置的影响。

CFD 进料口位置优化与副产物分布 — CFD 模拟揭示的浓度梯度分布——进料口在桨叶正上方时（右），局部高浓度区迅速被湍流消散，副产物 X_S 显著降低。

常见陷阱：书里的最后警告

第五章最后给出了一份”常见错误清单”，直接而坦诚：

网格太粗：如果网格没有细到足以捕捉关键流动结构（如桨叶尾迹、挡板附近的剪切层），结果是收敛的但是错误的。网格无关性检验是不可省略的步骤。

在不恰当的情形下用稳态方法：MRF 对于桨-挡板相互作用较强的情形（如 D/T 较大、多桨系统）误差会显著增大；此时滑动网格才是正确选择，代价是计算量大幅上升。

忽略近壁处理：湍流边界层里有一个极薄的黏性底层，直接求解需要非常精细的近壁网格。标准做法是用壁面函数（wall function）来”跳过”这个区域，但要求最近壁面的网格节点落在对数律层而非黏性底层——如果不检查 y⁺ 值，结果会系统性偏差。

反应动力学与混合的耦合：当反应速率接近混合速率时（Da ≈ 1），简单地把时均浓度代入动力学方程会严重高估快速反应的转化率。必须引入微观混合模型（如 Magnussen 模型或 PDF 方法）来描述亚网格尺度的浓度脉动对反应速率的影响。

写在最后

第五章给出的核心结论很清醒：CFD 不是魔法，它只是把物理方程数值求解了一遍，结果的好坏完全取决于物理模型的适用性、网格的质量、以及边界条件的准确性。书里特别用了一个词——learning curve（学习曲线），坦率地告诉读者：掌握 CFD 的正确使用方式，需要时间和大量对照验证。

但另一方面，CFD 也是前几章所有理论工具（湍流尺度、混沌混合几何、RTD）与实际设备之间最重要的桥梁之一——它把守恒方程、湍流封闭、多相流模型整合进真实设备的三维几何里，并给出具体的、可被实验检验的预测。进料口位置减半副产物这个例子，已经足够说明它能做什么了。

本文主要内容整理自：Handbook of Industrial Mixing: Science and Practice（Edward L. Paul, Victor A. Atiemo-Obeng, Suzanne M. Kresta 编著，Wiley, 2004）第五章 “Computational Fluid Mixing”，作者 Elizabeth Marden Marshall、André Bakker。