这是一个非常经典的问题。在 CFD 工业界，kOmegaSST (Menter’s SST) 几乎是默认的“万金油”模型，而标准的 kOmega (Wilcox’s Standard $k-\omega$) 则用得相对较少。

简单来说：SST 是标准 k-Omega 的“智能升级版”。 它修复了标准 k-Omega 的一个致命缺陷，并增加了一个关键功能。

我们可以通过两个核心区别来理解：

区别一：它解决了“对入口条件过敏”的问题（混合机制）

这是 SST 诞生的最大原因。

  • 标准 kOmega (Wilcox) 的毛病：
    它在壁面附近（边界层内）表现极其出色，非常精准。但是，它有一个著名的致命弱点：它对远场（Free Stream）的 $\omega$ 值非常敏感。

    • 现象：如果你把入口处的湍流参数稍微改一点点（比如 $\omega$ 从 1 改成 1.1），它算出来的物体表面的结果（如阻力系数）可能会发生巨大的变化。这种“蝴蝶效应”在工程上是不可接受的。

  • kEpsilon 的特点：
    它在远场（远离壁面）非常稳健，对入口条件不敏感，但在壁面附近表现很差。

  • SST (Shear Stress Transport) 的解决方案：
    SST 引入了一个混合函数 (Blending Function, $F_1$)。你可以把它想象成一个智能开关：

    • 在贴近壁面的地方：开关切换到 Standard $k-\omega$ 模式，利用它在边界层的优势。
    • 在远离壁面的地方：开关自动切换到 $k-\epsilon$ 模式（虽然数学形式上转换成了 k-omega 的样子），利用它在远场的稳健性。

总结 1：普通 kOmega 在远场容易“发疯”；SST 把远场换成了 kEpsilon 的算法，只有在近壁才用 kOmega，集两家之长。

区别二：它防止了“粘度虚高”导致的分离预测失败（SST 限制器）

这正是 SST (Shear Stress Transport) 这个名字的由来。

  • 普通两方程模型 (k-Epsilon, k-Omega) 的通病：
    在逆压梯度流场中（比如机翼后缘、扩压器，容易发生流动分离的地方），普通的湍流模型倾向于算出过大的湍流粘度 ($\nu_t$)。

    • 后果：粘度太大了，流体就变得很“粘”，本来应该分离掉下来的流体，被“粘”在了壁面上。导致预测的分离点太晚，或者根本预测不出分离。

  • SST 的解决方案：
    SST 修改了计算湍流粘度 $\nu_t$ 的公式，引入了一个限制器 (Limiter)。

    • 它强制要求：雷诺剪切应力（Shear Stress）必须与湍动能 $k$ 成正比（这就是 Bradshaw 假设）。
    • 如果不满足，就强制削减 $\nu_t$。

总结 2：普通 kOmega 容易把流体算得太“粘”，导致该分离的时候不分离；SST 有个“刹车机制”，能限制湍流粘度，从而非常精准地预测流动分离。

快速对比表

特性 标准 kOmega (Standard $k-\omega$) kOmegaSST (Menter SST)
近壁面精度 ⭐⭐⭐⭐⭐ (极好) ⭐⭐⭐⭐⭐ (继承了极好)
远场稳健性 ⭐ (极差，对入口值极其敏感) ⭐⭐⭐⭐⭐ (极好，使用了 $k-\epsilon$ 策略)
分离流预测 ⭐⭐⭐ (一般，容易算不出分离) ⭐⭐⭐⭐⭐ (极好，SST 限制器的功劳)
计算收敛性 较容易收敛 稍难 (因为混合函数是非线性的)，但通常可接受
应用场景 很少单独使用 工业界的默认首选 (航空、汽车、风能)

什么时候用哪个？

  • kOmegaSST：99% 的情况请直接选它。尤其是当你关心阻力、升力、流动分离（如机翼、汽车、风力机叶片）时，它是 RANS 模型中的王者。
  • kOmega：现在主要用于学术研究，或者作为其他更复杂模型的基底。在纯粹的工业应用中，几乎已经被 SST 完全取代了。