湍流不是乱流：用螺旋波方程重写 Navier-Stokes，Python 可视化涡旋自组织

原创于 2026-08-05 10:17:14 发布 · 331 阅读

1 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

人工智能

编程语言

数据结构与算法

话题

#开源项目吐槽大会

摘要

2026-08-05 晨间深度：很多人以为湍流是“乱流”，但 NS 方程解出来的涡旋其实是螺旋波的自组织。本文从螺旋生成论公理 I2=−N 出发，把不可压缩 Navier-Stokes 的速度场分解为螺旋波基，用 Python + NumPy 伪谱法跑一个 2D 湍流涡旋衰减实验，并解释为什么Agent 世界模型的物理先验应当注入螺旋度守恒。附完整可运行代码与《螺旋波物理与数学基础》DOI。

一、湍流的本质：不是混沌，是螺旋波干涉

传统观点：NS 方程非线性 → 混沌 → 湍流
螺旋视角：速度场 v(x,y,t) 可展开为螺旋波基 eI(k⋅x−ωt)，I2=−N
涡量 ω=∇×v 的演化 = 螺旋波相位锁定的结果
“乱”只是因为 N 参数大，螺旋臂密到肉眼分不清

二、从 NS 到螺旋波方程（核心推导，简写）

不可压缩 NS：

∂tv+(v⋅∇)v=−∇p+ν∇2v

在螺旋数域投影后，定义螺旋速度 V=vx+Ivy，可得：

∂tV+V∂zV=−I∇⊥p+ν∇2V

非线性项变成螺旋自共轭乘积，涡旋生成项即螺旋度 H=v⋅ω 的源。

结论：湍流能量级联 = 螺旋波从大尺度向小尺度传递相位，不是“能量乱窜”。

三、 Python 伪谱法：2D 湍流涡旋可视化（可运行）

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt

# 网格
N = 256
L = 2*np.pi
x = np.linspace(0, L, N, endpoint=False)
y = x
X, Y = np.meshgrid(x, y)
dx = L/N

# 波数
kx = np.fft.fftfreq(N, d=dx)*2*np.pi
ky = kx
KX, KY = np.meshgrid(kx, ky)
K2 = KX**2 + KY**2
K2[0,0] = 1e-8
K2inv = 1/K2

# 初始：一对涡旋（螺旋波种子）
r = np.sqrt((X-np.pi)**2 + (Y-np.pi)**2)
omega = 2*np.exp(-r**2/0.1) - 2*np.exp(-((X-0.5*np.pi)**2+(Y-0.5*np.pi)**2)/0.1)

nu = 1e-3
dt = 0.01
for step in range(500):
    psi_hat = -np.fft.fft2(omega) * K2inv
    u = np.real(np.fft.ifft2(-KY*psi_hat))
    v = np.real(np.fft.ifft2(KX*psi_hat))
    # 涡量方程右端
    adv = np.real(np.fft.ifft2(KX*np.fft.fft2(u*omega) + KY*np.fft.fft2(v*omega)))
    diff = nu * np.real(np.fft.ifft2(-K2*np.fft.fft2(omega)))
    omega = omega + dt*(-adv + diff)

plt.imshow(omega, extent=[0,L,0,L], cmap='twilight')
plt.colorbar(label='Vorticity')
plt.title("2D Turbulence: Spiral Wave Self-Organization (I²=-N view)\nStep=500, ν=1e-3")
plt.xlabel("x"); plt.ylabel("y")
plt.tight_layout(); plt.show()