飞机还停留在图纸阶段时，燃油、液压油和空气已经需要在仿真模型里流动起来。几十米长的管路网络决定压力、流量和温度如何传递，毫米级喷嘴则影响介质能否稳定雾化。中国商飞公布的相关赛题，指向的正是这类跨尺度、多物理场计算问题：既要算得足够细，也要在工程周期内算得完。
两类尺度，不能只靠一个模型硬算
系统级模型关心整条流体链路的动态行为。泵、管路、阀门、蓄压器和换热部件可以抽象成一维元件，再通过质量守恒、动量守恒和能量守恒组成网络。它适合回答这些问题：
- 阀门突然关闭后，压力峰值会出现在哪里？
- 泵转速变化多久能传递到远端执行机构？
- 不同飞行状态下，流量和温度是否仍处于设计范围？
- 某个部件失效后，系统有没有可接受的降级路径？
喷嘴、阀芯和局部弯头则属于三维局部问题。这里需要解析边界层、回流区、空化、液膜破碎和液滴分布，通常要使用 CFD，并根据问题加入湍流、多相流、传热或组分输运模型。
直接把整架飞机的流体系统全部离散成三维网格，计算量和建模成本通常难以接受。更实际的路线是分层建模：用一维网络覆盖系统，用三维 CFD 研究关键局部结构，再把局部计算得到的压降曲线、流量系数、雾化指标或降阶模型回填到系统模型中。
阀门动作为什么会变成瞬态问题
稳态计算只能给出动作前后两个工作点，却看不到两个工作点之间发生了什么。阀门关闭会改变局部阻力，流体惯性使流量无法瞬间归零，流体和管壁的可压缩性又会储存能量，因此压力扰动会以波的形式向上下游传播。
在高保真分析中，可以使用一维双曲型方程和特征线法计算水击或压力波。概念验证阶段也可以先采用集总参数模型：
- 管路惯性用液阻抗
L表示； - 摩擦和阀门节流用阻力
R表示； - 流体压缩性与管壁弹性用容性
C表示； - 节点满足流量守恒，支路满足压差与流量变化关系。
这种模型不能替代经过验证的航空流体求解器，但很适合检查拓扑、控制逻辑、参数敏感性和数据接口。
可以运行的最小管路瞬态模型
下面的 Python 程序假设两段管路连接一个中间容腔，并在 0.05 s 时提高下游阀门阻力。代码只使用标准库，运行后生成 transient.csv，可直接导入绘图工具观察中间节点压力和两段流量的变化。
import csv
# Illustrative lumped parameters, not certified aircraft data.
p_source = 500_000.0 # Pa
p_sink = 100_000.0 # Pa
inertance_1 = 4.0e7 # Pa*s^2/m^3
inertance_2 = 4.0e7
resistance_1 = 1.0e9 # Pa*s/m^3
valve_open = 1.0e9
valve_closed = 8.0e9
compliance = 2.0e-12 # m^3/Pa
step_time = 0.05
dt = 1.0e-5
end_time = 0.20
p_node = 300_000.0
q_in = 0.0
q_out = 0.0
rows = []
steps = int(end_time / dt) + 1
for index in range(steps):
t = index * dt
valve_resistance = valve_open if t < step_time else valve_closed
dq_in = (p_source - p_node - resistance_1 * q_in) / inertance_1
dq_out = (p_node - p_sink - valve_resistance * q_out) / inertance_2
dp_node = (q_in - q_out) / compliance
q_in += dq_in * dt
q_out += dq_out * dt
p_node += dp_node * dt
if index % 100 == 0:
rows.append((t, p_node, q_in, q_out, valve_resistance))
with open('transient.csv', 'w', newline='') as file:
writer = csv.writer(file)
writer.writerow([
'time_s', 'node_pressure_pa', 'inlet_flow_m3_s',
'outlet_flow_m3_s', 'valve_resistance'
])
writer.writerows(rows)
peak = max(row[1] for row in rows)
print(f'Wrote {len(rows)} samples to transient.csv')
print(f'Peak node pressure: {peak / 1000:.1f} kPa')
运行命令：
python pipe_transient.py
这段代码里的参数仅用于展示建模方法，不能作为真实飞机设计数据。继续改造时，可以增加更多压力节点和支路，引入随流量变化的非线性阻力 Δp = KQ|Q|，或者把阀门开度写成随时间变化的控制信号。若显式积分出现振荡或发散，应减小时间步长，或改用具备刚性系统求解能力的积分器。
从局部 CFD 回到整机系统
局部模型和系统模型之间最重要的不是文件格式，而是接口定义。对于喷嘴或阀门，可以预先用 CFD 扫描入口压力、出口背压、温度和开度，然后输出系统模型能消费的数据，例如：
component: fuel_nozzle_demo
inputs:
- inlet_pressure_pa
- outlet_pressure_pa
- temperature_k
- opening_fraction
outputs:
- mass_flow_kg_s
- pressure_loss_pa
- spray_angle_deg
validity:
inlet_pressure_pa: [300000, 1200000]
temperature_k: [250, 360]
interpolation: multilinear
这只是一个可实践的接口示例，并非赛题规定格式。真正实施时，还要记录网格版本、求解器设置、收敛判据和适用范围。系统仿真一旦把代理模型调用到训练范围之外，就应该报警，而不是继续外推并给出看似精确的结果。
参赛和工程落地时应盯住什么
评价这类方案，不能只看一张流线图是否漂亮。更关键的是五件事：守恒误差是否可解释，网格和时间步是否经过无关性检查，模型是否有试验或公开基准验证，跨尺度接口是否保持单位与状态一致，以及计算成本能否支持参数扫描和设计迭代。
一个稳妥的推进顺序是先建立可复现的一维基线，再选择压力损失大、流动分离强或涉及雾化的部位开展三维计算，随后提取降阶关系并回灌系统模型。这样既能保留关键局部物理，也能让代码真正进入可重复计算、可验证和可集成的工程流程。