1樓：侯維
我的理解：
1. 在2D情況下可以直接用vorticity equation證明existence and uniqueness
2. 有些時候vortices代表了一種coherent strucuture，並且在勢流裡很常用，比如point vortex method
3. 另外在勢流裡，基本上所有的力和pressure都用vorticity算，尤其unsteady case
4. 我覺得物理意義上可以知道vorticity一般在哪佔主導地位，在哪可以忽略不計，可以更好理解流體的狀態，達朗貝爾悖論就是個很好的例子，邊界層也是個很好的例子，斯托克斯流也是個很好的例子
2樓：
因為直觀，但數學上不是必須，簡單情況下，你可以簡單只用速度場表達你想要的一切。
人們在實驗還是計算中，都希望去解釋和描述所得到的流場，而許多流動都可以被描述成幾個渦的作用，這樣做非常直觀，溝通起來非常高效。
3樓：
「漩渦」是流體（空氣或者水等等等等）流動過程中非常常見的自然現象所以「流體力學」必須對其加以研究。而引入「渦量」這個數學概念為的是建立「空間流量場方程組」或者建立描述流體旋動現象的物理力學方程組的需要。「渦量」這個數學概念的微分形式就是「旋度」而其空間積分描述的就是巨集觀中的「漩渦」。
4樓：AnyfinCanHappen
其實漩渦的本質就是流體的分離。
而目前CFD工業應用中最常用的1方程湍流模型比如SA，2方程的K-epsilon型別的、以及K-omega及後來的SST，或者雷諾應力模型，他們模擬流場的解析度/精度，只能達到「分離」級，換句話說就是只能模擬到分離。
知道kolmogorov能量耗散理論的人都知道，湍流會產生大渦，大渦攜帶湍流動能，然後大渦變成小渦，小渦的動能最後轉換成熱能，最後消失。這時，如果要讓數值模擬的解析度達到大渦的話，我們就需要對RANS（雷諾平均NS方程）進行改變，讓其能展示流場的湍流脈動。比如LES、DES、SAS模型。
如果你想讓解析度達到小渦的話，就需要只用DNS。
另一方面，渦量，實際上是勢流概念裡面的。很久之前，在空氣動力學應用非常廣泛，比如求機翼的公升力（如可夫斯基定理）。
5樓：雙木散人
一種描述向量場的方法，由數學中來。由於物理意義不明顯，而且對方程簡化效果也不大好，一般現在CFD中幾乎見不到了。
（本人只講這麼多。）
流體力學中壓力的本質是什麼？
回頭不在 一杯水，在同個環境下，放在高度差一公尺，內能是不一樣的，體積也是不一樣的，同種粒子會隨高度增加斥力變少體積變大，反之相反。流體不能破解就是欠少考慮粒子體積變化。雷諾實驗流速快了，水粒子一下從上部跑到下部，體積來不及變化，在管子水粒子就會慢慢變小，所以前端跟後端壓強是不一樣的。 作為銀河學院...
流體力學計算量甚大而且情況很複雜，能否用機器學習的問題來解決？
substeps999999 湍流模式理論中雷諾應力的模化是經驗的，機器學習也是基於經驗的，那麼能不能用三維dns的結果作為訓練樣本來封閉雷諾方程呢？請看下文分解 桐原 如果用機器學習代替傳統CFD模擬來做乙個簡單的Case 四邊形模擬房間，左上進口右下出口 用二維結構網格中周圍八個點的資料 流場中...
流體力學前沿都在研究什麼內容？
納威斯托克斯 拙見，這些年的所謂前沿是在應用和交叉上吧。畢竟基礎和核心問題一直都是在修修補補講故事。幾十年前不懂的，現在還是不懂。幾十年前懂的。現在也沒多懂多少。 先驅者11號 各位大佬所說都不錯，我還是比較關心ML CFD方向。比如哈工深Noack大佬的一些ROM工作，或者西工大張偉偉老師課題組 ...