量纲分析与标度律及其在力学中的应用

《Annual Review of Fluid Mechanics》：Dimensional analysis and scaling laws with their applications in mechanics

　　

**摘要**

量纲分析建立在一个单一的要求之上：物理定律不能依赖于其所使用的单位制。本综述呈现了量纲分析的基础、推广及其在力学中的应用，重点强调其与对称性的联系。我们首先确立该方法的三大支柱，即量纲的幂次律、量纲齐次性定律和Buckingham Π定理，其证明基于Cauchy函数方程和秩-零化度定理；随后发展相似理论、Π等式原理以及失真模型。将量纲视为探索的边界，我们论证Kepler三大定律穷尽了行星运动运动学量纲的自由度。我们接着考察经典方法的困难以及解决这些困难的推广：Huntley的有向量纲、Siano的方向量纲分析、Barenblatt的不完全相似性、Sonin的广义Π定理以及异速标度律。本综述的核心部分是量纲分析的Lie群基础。单位变换构成一个Abel标度群，无量纲Π群是其不变量，量纲矩阵是其生成元的系数矩阵，Π定理由此群作用的不变量理论得出。我们以球体阻力为例，展示群计算可以重现经典结果；随后以简单摆、West–Brown–Enquist异速模型和管道压降为例，说明单位变换以外的对称性提供了额外的生成元，使得不变量数量比经典量纲分析所能达到的进一步减少。六个案例研究展示了标度律挖掘：可压缩湍流的能谱、水生生物运动、浮薄膜的毛细起皱、多米诺骨牌倒塌、经典与量子N体系统广义Kepler第三定律，以及Prandtl非定常层流边界层的相似变量。在每个案例中，我们区分Π定理所确定的内容与必须通过额外物理输入、校准或猜想来提供的部分。最后，我们讨论量纲分析与机器学习的结合，并提出两个尚未经过实现或验证的方案——维度感知神经网络（DINN）和标度律感知神经网络（SLINN），同时阐述其预期局限性和验证方案。

**引言**

物理学的核心目标之一是从复杂现象中提取简单定律。随着所关心的问题涉及诸多耦合的尺度、多个相互作用的物理场以及大规模高维数据集，跨学科的方法变得更有价值。量纲分析[1]–[10]便是其中最为通用的一种。它常被作为检验方程的方法进行教授，但其功能远不止于此。要求物理定律独立于单位选择，减少了问题中独立变量的数量，识别出控制问题的无量纲群，并且经常确定相关标度律的形式。这类标度律，通常是幂次律，将系统的参数与其宏观行为联系起来，而不需要求解控制方程的全解。

最著名的例证是G. I. Taylor对强点爆炸的分析[11]–[14]。1941年，Taylor受英国政府委托，估计一次爆炸的力学效应，该爆炸在极小体积内释放极大能量，如同核武器一般。气体动力学方程是非线性的，当时无法一般性地求解。Taylor观察到，如果能量有效地在一点释放，并且冲击波足够强使得环境压力与冲击波后压力相比可忽略不计，那么时刻t的冲击半径R仅能依赖于释放的能量E、环境密度ρ和绝热指数γ。除γ外，这些量构成一个无量纲群，Buckingham Π定理给出R = S(γ) (Et2/ρ)^(1/5)。

量纲分析因此确定了指数，包括爆轰前缘的t^(2/5)增长，且独立于能量源的细节。它未能确定无量纲函数S(γ)，Taylor通过数值求解相似方程获得了该函数；它约等于1，对γ = 1.4，S ≈ 1.03。同一自相似解也被von Neumann[15]–[17]和Sedov[3]独立发现。

后续故事同样广为人知。1945年Trinity试验的带时间戳照片于1947年解密后，Taylor从中测量了火球半径R(t)，确认了t^(2/5)律，并利用方程(1)推断释放的能量。他估计约为17千吨TNT，1950年发表[11]–[13]，接近官方的约20千吨数据，引起了广泛关注[14]。这一事件展示了该方法的两个方面：从少数变量推导出的标度律可以在完全动力学计算不可企及时给出定量预测；而该定律的准确性取决于决定保留哪些变量的物理判断，在此即为忽略环境压力和源尺寸[3][4][10][14]。

第二个例证来自黑洞热力学，引力、量子力学和热力学在此交汇[18]–[23]。相关常数为引力常数G、光速c、约化Planck常数?和Boltzmann常数k_B。对于质量为M的Schwarzschild黑洞，这些量的唯一具有温度量纲的组合为?c3/(Gk_B M)，因此与黑洞相关的任何温度都必须是纯数乘以该组合。Hawking的计算[19]给出了该数值：T_H = ?c3/(8πGk_B M)。

对M的反比依赖仅由量纲决定：较轻的黑洞温度更高，因此蒸发更快。

对于熵，量纲分析的约束力较弱。它仅要求S/k_B是视界面积A（以Planck长度平方?_P2 = ?G/c3为单位）的函数，未确定该函数。Bekenstein从面积定理出发的论证[18]表明该函数是线性的，Hawking的结果[19]确定了系数：S_BH = k_B c3 A/(4?G) = k_B A/(4?_P2)。

熵正比于面积而非体积，正是全息原理由此发展起来的观察基础。

含恢复常数的稳态黑洞第一定律[20]为 c2 dM = (c2κ/(8πG)) dA + Ω dJ + Φ dQ，其中κ是表面引力，量纲为加速度，Ω和J分别是角速度和角动量，Φ和Q分别是电势和电荷。每一项都具有能量的量纲；对右侧第一项，[c2κ dA/G] = (L2T?2)(LT?2)(L2)/(M?1L3T?2) = ML2T?2。将此与T dS比较并利用方程(3)可得T_H = ?κ/(2πck_B)，对Schwarzschild黑洞简化为方程(2)。在这些关系中，量纲分析都不替代量子场论计算。它确定了结果的结构，并留下一个纯数，或至多是一个无量纲群的函数，需通过其他手段求得。同样的分工贯穿本综述始终。

量纲分析长期以来是建模、相似理论和实验设计的基础，随着大规模模拟和数据驱动建模的兴起，其价值有增无减。它在任何计算之前减少参数空间的维度，为复杂模型提供一致性检验，指明哪些实验值得进行，并导出解析标度关系来解释系统为何如此行为。良好地应用它需要与工作机理相关的物理洞察力，而不只是数学技巧。本综述呈现该方法的理论基础，评估其局限性和推广，并通过近期实例展示它如何继续产生新成果。

本综述的组织如下。为保持自洽，第2–4节建立基础：量纲公式的幂次律形式、量纲齐次性和Buckingham Π定理，每个都用初等线性代数证明。由此我们过渡到物理相似理论，形式化Π等式原理，讨论失真模型以及磁流体动力学流动等系统的推广。我们还将量纲视为对可能存在的定律的约束：Kepler定律穷尽了可用的自由度，这解释了为何不存在运动学第四定律。

第5节讨论经典方法的困难，即对矢量量的标量处理、对角度等无量纲量的处理，以及控制变量的选择。然后回顾针对这些困难的推广：有向量纲和方向量纲分析、Barenblatt的不完全相似性理论、Sonin对固定值参数的推广，以及异速标度律。

第6节阐述量纲分析的Lie群基础。我们从物理定律在标度群下的不变性证明Buckingham Π定理，并将所得形式体系应用于从简单摆到生物标度的问题。该形式体系揭示了经典表述所隐含的几何结构：物理相似系统的轨道，以及作为轨道空间坐标的不变量。它同时展示了单位变换以外的对称性如何进一步减少不变量数量。

第7节将方法应用于当前问题。我们推导可压缩湍流的空间和时间标度律；给出水生动物运动的统一标度描述；获得薄膜毛细起皱的标度律，处理多米诺骨牌倒塌和Prandtl非定常层流边界层的相似变量；并将Kepler第三定律推广到经典和量子N体重力系统。各案例遵循共同工作流：从问题表述和变量选择，经Π定理及其变体，到可检验的标度律。

最后，第8节讨论量纲分析如何与机器学习、复杂系统理论和高维数据相结合。我们提出两个框架——维度感知神经网络（DINN）和标度律感知神经网络（SLINN），旨在结合原理驱动和数据驱动建模；两者均尚待测试。本综述的逻辑结构总结于图1。

**Buckingham量纲分析**

正如Cari?ena和Santander[10]所记录，Π定理——量纲分析的核心结果——首次出现在Vaschy（1892年）的工作中[10][24]。密切相关的表述于1911年由Federman[25]和Riabouchinsky[26]独立给出。Buckingham[1]于1914年对特殊情形证明了该结果，并引入了如今通用的术语。其表述基于量纲齐次性以及物理相似系统的概念：任何量纲齐次的

**相似理论与Π等式原理**

量纲分析是模型试验的逻辑基础，也是方程的检验工具。许多感兴趣的系统——从船舶和飞机到河流、大气、聚变装置和天体物理流动——无法在全尺寸下研究，原因是它们的尺寸、费用或演化时间尺度。相似理论规定了较小的、较便宜的或较快的模型在何种条件下复现全尺寸系统（原型）的行为，并展示了如何

**量纲分析作为通用方法**

复杂系统的研究通常从观察出发，经过对涉及机理的定性理解，到达定量且具预测性的理论。量纲分析在该路径的第一步最为有用。一旦确定了相关物理量，量纲齐次性要求将它们归为较少的一组无量纲组合，即Π群，而这些群之间的关系就是问题的标度律。该定律随后引导

**量纲分析的困难与理论推广**

Buckingham Π定理规定了问题有多少个无量纲群，但它留下了若干未决之处。它没有说明哪些物理量应纳入问题。它将每个量当作标量处理，因此丢弃了关于方向的信息。它无法区分恰好共享同一量纲的量，也没有说明当一个群变得非常大或非常小时关系如何变化。本节考察这些困难以及

**概览**

上一节以一个共同观察结束：经典量纲分析的每项推广都相当于引入标度群（单位变换群）所不包含的一种对称性。

亨特利（Huntley）的方法对不同方向各自独立地进行重新标定；西亚诺（Siano）的方法利用物理量绕各坐标轴半转（180°）时的行为特征；巴伦布拉特（Barenblatt）的方法则采用一个标度群，其指数由动力学决定。这一观察引出了一个问题：如果单位变换只是众多对称群中的一种，那么……

**以量纲分析驱动的标度律挖掘：案例研究**

量纲分析的实用价值在于，它能够在几乎不需先验信息的情况下，从复杂系统中提取标度律。本节通过六个具体算例说明这种能力。这些算例大多取自作者本人的研究工作，原因很实际：变量的选取、量纲框架的确定，以及需要在何处补充输入信息，都能由作者第一手加以报告。因此，这些算例的选取是说明性的，而非穷尽性的。

**与数据科学及人工智能（或超级智能，SI）的融合：两项关于"原理—数据"双驱动建模的未经检验的设想**

在大数据与人工智能时代，数据驱动的方法已成为探索复杂系统的重要工具，但其"黑箱"特性与可解释性不足仍是长期存在的问题。物理信息神经网络（PINN）通过将已知的物理定律——通常是偏微分方程（PDE）——嵌入训练损失函数，把物理先验引入模型，从而缓解这些问题。量纲分析与标度律本身就是物理先验……

**结论**

量纲分析通过利用一个单一要求来穿透复杂性：物理定律不能依赖于表述它们的单位。本综述介绍了其理论基础——量纲齐次性、白金汉 π 定理，以及其与李群对称性的联系——并介绍了其主要扩展，即有向量纲分析、不完全相似与异速生长标度律。所举的例证取自流体力学、生物力学、弹性力学、空气动力学等领域……

**利益冲突声明**

作者声明，不存在任何已知的、可能影响本文所报告工作的竞争性经济利益或个人关系。

**致谢**

作者关于量纲分析与标度律的研究，始于作者担任南非开普敦半岛科技大学（CPUT）教授期间。作者衷心感谢 CPUT 给予不受限制的学术自由，使这一研究方向得以推进——这一宝贵的机构支持为本文呈现的所有关键发现奠定了基础。作者亦衷心感谢前副校长（校长）、现任校长……

孙博华 教授
北京纳米能源与纳米系统研究所，中国科学院，北京 101400，中国