1. 课程导入与目标设定

在工程CFD仿真中,一个常见的误区是:只要网格质量合格、残差收敛到1e-5、流场云图看起来合理,仿真结果就被默认为“可信”。然而,真实工程决策——例如换热器压降是否满足泵功率余量、汽车气动阻力系数是否达到油耗目标、阀门流量系数是否落在设计公差内——依赖的并不是“算得出来”,而是“算得准,且知道有多准”。模型校准(Model Calibration)与不确定度评估(Uncertainty Quantification, UQ)正是把CFD从“可视化工具”提升为“可决策工具”的两项核心能力。

1.1 校准与不确定度到底解决什么问题

先明确两个概念在CFD语境下的边界。模型校准是指:在已知实验或高可信参考数据的前提下,调整模型中那些不可直接测量或本身带有经验性的参数,使仿真输出与参考数据在关注量上达到可接受的一致。典型可校准参数包括湍流模型系数(如k-ε的Cμ、C1ε、C2ε)、壁面函数过渡位置、入口湍流强度与长度尺度、多孔介质惯性/黏性阻力系数、换热器换热系数、喷雾破碎常数等。校准不是“调参凑曲线”,而是有目标函数、有约束、有物理合理区间的参数反演过程。

不确定度评估则回答另一个问题:即使校准后结果与实验吻合,这个吻合有多可靠?它把误差来源分解为输入参数不确定度(边界条件、物性、几何公差)、模型形式不确定度(湍流模型、燃烧模型、多相模型的固有简化)、数值不确定度(离散误差、迭代误差、网格分辨率)以及实验参考本身的不确定度,并把这些分量传播到关注量上,最终给出一个带置信水平的区间,例如“压降 = 12.4 kPa ± 0.8 kPa(95%置信)”。

校准回答“参数取多少才准”,UQ回答“这个准有多可信”。二者缺一不可:只校准不评估,等于把拟合当真理;只评估不校准,等于在错误基线上量化误差。

1.2 从仿真工作流看校准与UQ的位置

把校准与UQ放回完整的CFD工作流中,才能看清它们不是附加步骤,而是贯穿始终的闭环。下图给出本节的核心关系:几何与网格、物理模型、边界条件构成仿真输入;求解器输出关注量;实验/参考数据作为校准锚点;校准回路调整模型参数;UQ回路把输入与模型的不确定度传播为输出区间;最终以验证与确认(V&V)结论支撑工程决策。

CFD模型校准与不确定度评估的闭环关系 仿真输入 几何 / 网格分辨率 湍流模型与系数 边界条件 / 物性 求解器离散格式 Fluent 求解 迭代 → 收敛 输出关注量 Q 关注量 Q 压降 / 换热 / Cd 温度 / 流量分配 实验 / 参考数据 带自身不确定度 Q_exp ± U_exp 模型校准 目标函数 min Σ(Q_sim−Q_exp)² 调整 Cμ、C1ε、阻力系数… 不确定度评估 UQ 输入 / 模型 / 数值 / 实验 传播 → Q ± U_Q (95%) 工程决策与 V&V 结论 Q ± U_Q 是否落在设计公差 / 安全裕度内? 通过 → 支撑设计;不通过 → 补充实验或细化模型 输入 求解 对比 残差 参数回写 不确定度输入

图中可以看到两条回路:绿色校准回路把“仿真—实验”偏差反馈为模型参数修正;红色UQ回路把各类不确定度源汇聚并传播为输出区间。两条回路最终汇入同一决策节点。理解这张图,就理解了本课程的主线。

1.3 一个可感知的教学示例

为让概念落地,给出一个贯穿课程的简化示例(以下数值为教学假设,非实测结果)。对象为一段内径50 mm、长1.2 m的圆管,内部为充分发展湍流空气流动,入口质量流量0.06 kg/s,入口温度300 K,壁面恒热流5 kW/m²。实验测得进出口压降为820 Pa,出口温度为342 K,实验压降不确定度为±3%(约±25 Pa)。

若采用标准k-ε模型、默认系数、二阶迎风格式,在约120万六面体网格上计算,得到压降690 Pa、出口温度338 K。压降偏差约−16%,明显超出实验不确定度带。此时不能简单宣布“仿真不准”,而应进入校准流程:先判断偏差是否来自网格(做三套网格的GCI检查)、是否来自入口湍流参数(湍流强度按5%、水力直径50 mm设定)、是否来自壁面处理(y+是否落在壁面函数适用区)。若网格与数值误差已排除,则可把Cμ、C1ε、C2ε作为校准变量,以压降和出口温度为双目标,在物理合理区间内寻优。假设校准后压降为805 Pa、出口温度341 K,与实验差约1.8%和0.3%,进入实验不确定度带内,校准可接受。

随后进入UQ:设入口质量流量不确定度±2%、壁面热流±4%、Cμ校准后仍残留±5%不确定度,用拉丁超立方抽样200组,得到压降95%置信区间约为805 ± 38 Pa。若设计限值为900 Pa,则上界843 Pa仍低于限值,结论为“通过,且裕度约57 Pa”。这个完整链条——偏差识别、误差源排查、参数校准、区间传播、裕度判断——就是本课程要训练的能力。

1.4 学习路径与最终能力要求

本课程按“概念—方法—工具—案例—复盘”推进,但不会把每章都做成相同流程。学习路径可概括为四个能力台阶:

  • 能识别:面对一个CFD结果,能列出主要误差源,区分可校准参数与不可校准参数,判断哪些量应作为校准目标。
  • 能校准:能在Fluent中设置参数化输入,用实验设计(DOE)或优化模块完成参数反演,并给出校准后的参数值与拟合优度。
  • 能量化:能对输入、模型、数值、实验四类不确定度分别建模,用抽样或代理模型传播到关注量,输出置信区间。
  • 能决策:能把“Q ± U”与设计公差、安全裕度对比,写出可被评审接受的V&V结论,并知道何时必须补实验、何时可以放行。
建议的学习方式:每学一个方法,就在自己的一个实际算例上走一遍“偏差—排查—校准—UQ—结论”链条。课程中的示例参数仅用于演示流程,替换为你自己的几何、边界与实验数据后,方法才真正属于你。

1.5 常见误区与本节要点

最后提醒三个高频误区。第一,把“收敛”当“准确”:残差收敛只说明方程迭代稳定,不说明模型形式正确。第二,把“校准”当“调参”:若校准参数超出物理合理区间,或只对单一工况拟合,得到的只是过拟合,换工况即失效。第三,把“不确定度”当“误差”:误差是确定但未知的偏差,不确定度是对该偏差可能范围的量化描述,二者不能混用。