144、松弛因子为什么很像时间步长？两者有什么关系？

我们上篇文章143、Fluent中的松弛因子是什么？如何设置？介绍了松弛因子的作用，一些善于思考的同学会发现松弛因子的物理意义和时间步长很像，一个控制迭代的"步子大小"，一个控制时间推进的"快慢"，它们之间到底有什么关系?

 

今天我们就来详细说一说两者的区别和联系！！

在聊两者的关系之前,我们先搞清楚时间步长到底是什么。

1.1 时间步长的物理意义

时间步长(Time Step，记作Δt)是在瞬态计算中，我们把连续的时间离散化的间隔

举个例子：一个水滴落入水面，整个过程持续0.1秒：

如果Δt = 0.001s，我们会计算100个时间点

如果Δt = 0.0001s，我们会计算1000个时间点

时间步长越小，我们对物理过程的"采样"就越密集，理论上结果越精确，但计算量也越大。

1.2 时间步长的数学表达

在数值求解时，时间导数项会被离散化。以最简单的一阶Euler格式为例：

φⁿ：在时刻 tₙ 的变量值

φⁿ⁺¹：在时刻 tₙ₊₁ = tₙ + Δt 的变量值

Δt：时间步长

时间步长直接决定了"现在"和"下一刻"之间的关系。

 

时间步长的设置要满足库朗数条件：

CFLₘₐₓ：最大CFL数(显式格式通常≤1，隐式格式可以更大)

时间步长的详细设置方法可以参考文章：2、Fluent时间步长的估算与库朗数

从前面的分析我们已经发现，松弛因子起到的作用和时间步长很相似。不只是物理意义上，两者在数学形式上也很相似。

在稳态或迭代求解中，Fluent 常用的更新方式是：

其中：

ϕ∗：本次迭代算出来的“理想解”

α：松弛因子（0～1）

如果你眯着眼睛看这个公式，会发现一个熟悉的结构：

这和显式时间推进：

在形式上，几乎是同一个模板。为什么会这样呢？

时间步长 Δt：控制的是真实时间上的变化幅度
松弛因子 α：控制的是数值迭代中允许前进的幅度

它们本质上都在控制“变化的节奏”。只不过：一个对物理负责；一个只对数值稳定负责

在稳态计算中，没有真实的时间演化，松弛因子就完全扮演了"伪时间步长"的角色。

松弛因子相当于给本来“没有时间”的问题，人为引入了一个数值上的时间尺度，防止解在迭代过程中“跑偏”。在这个框架下，松弛因子就是伪时间步长的系数：

α大：每次迭代跨度大,收敛快但可能不稳定(就像大时间步长)

α小：每次迭代跨度小,稳定但收敛慢(就像小时间步长)

稳态迭代的收敛，相当于伪时间演化到了"无穷远"，最终的稳态解与α无关。所以α只影响"到达稳态的路径和速度"，不影响"稳态本身"

很多人会在这里产生困惑：既然我已经有时间步长了，那瞬态计算里为什么还会看到松弛因子？

实际上瞬态计算同时涉及"真实时间步长"和"松弛因子"。

瞬态计算本质上是双重循环，在外层循环，即时间维度上使用时间步长。而在内层循环上还是会有迭代的，这一层上就使用松弛因子

外循环：由时间步长Δt控制，推进物理时间

内循环：由松弛因子α控制，在每个时间步内求解非线性方程

时间步长决定“你在模拟什么时间尺度的物理过程”，松弛因子决定“你愿意给数值系统多大的试错空间”。

它们长得像，是因为数学形式相似；但两者不能混用，因为一个属于物理世界，一个属于数值世界。