大涡模拟（Large Eddy Simulation，LES）是一种用于求解湍流流动的数值方法，在流体力学领域占据重要地位。其核心思想是仅模拟流场中尺度较大的涡旋结构，而通过模型近似处理尺度较小的涡旋效应。与直接数值模拟（DNS）相比，LES能够处理更复杂的流动问题，且计算成本显著降低；与雷诺平均纳维埃-斯托克斯（RANS）模型相比，LES能捕捉到更多湍流细节，适用于高雷诺数流动场景。
LES的基本原理基于滤波操作，将流场变量分解为滤波后的大尺度部分和残余的小尺度部分。通过滤波函数，大尺度涡旋被保留，小尺度涡旋则被过滤掉。随后，对滤波后的变量应用纳维埃-斯托克斯方程进行求解，得到大尺度涡旋的运动规律。同时，小尺度涡旋对大尺度流动的影响通过亚格子模型（SGS模型）进行封闭，这是LES中关键的技术环节。
数值方法方面，LES通常采用显式或隐式时间积分格式求解滤波后的控制方程。空间离散则使用有限差分、有限体积或有限元素等方法，确保数值稳定性与精度。亚格子模型是LES的“心脏”，其性能直接影响模拟结果的准确性。常见的SGS模型包括Smagorinsky模型、动态模型、多尺度模型等，不同模型针对不同流动特性（如剪切流、旋转流、复杂几何）具有适应性优势。
在工程应用中，LES展现出广泛的应用价值。例如，在航空航天领域，LES用于预测飞行器表面气动噪声、分离流（如机翼失速）及复杂几何（如发动机内部流动）的湍流特性。在能源领域，LES模拟燃烧过程（如火焰结构、湍流燃烧效率）和涡轮机内部流动（如叶片载荷、效率），为设计优化提供依据。此外，在气象学中，LES用于模拟大气边界层湍流、风暴系统等，在海洋工程中则用于分析波浪与结构物的相互作用、海洋湍流扩散等。
尽管LES在湍流模拟中具有显著优势，仍面临若干挑战。首先是计算成本问题，大尺度涡旋的捕捉需要较高的网格分辨率，导致计算资源需求较大。其次是亚格子模型的准确性，不同流动场景下模型选择与参数调整存在难度，可能影响模拟精度。此外，LES在处理复杂多物理场耦合（如湍流与化学反应、湍流与结构振动）时，模型耦合与验证难度增加。未来，LES的发展方向包括开发更高精度的亚格子模型（如基于数据驱动的模型）、优化并行计算算法以降低计算成本、结合机器学习技术提升模型适应性等。
