为什么你的液体总像“果冻”？——从Mantaflow的Navier-Stokes求解器讲起

现象：那些“不对劲”的液体

在Blender中启用流体模拟（Mantaflow）时，许多进阶用户都会遭遇一种难以名状的挫败感：明明参数照着教程调了，渲染出来的液体却像一块会流动的果冻——没有飞溅、没有丝状水花、表面张力大得离谱，或者相反，液体像烟雾一样弥散、毫无体积感。更令人困惑的是，调整“分辨率”或“时间缩放”似乎只能改变“果冻的软硬”，却无法触及问题的本质。这些现象并非偶然，它们直指Mantaflow求解器底层的离散化策略与数值稳定性机制。本文将从这些“不对劲”的表象出发，逐层剖析Mantaflow液体模拟的数学原理，推导参数背后的物理意义，并通过可控实验验证我们的判断。这不是一篇“参数大全”，而是一次对求解器行为的逆向工程。

原理：Navier-Stokes方程在网格上的离散化

Mantaflow的核心是一个基于欧拉网格（Eulerian grid）的流体求解器，它求解的是不可压缩Navier-Stokes方程：

∂u/∂t + (u·∇)u = -∇p/ρ + ν∇²u + f
∇·u = 0

其中u是速度场，p是压力，ρ是密度，ν是运动粘度，f是外力（如重力）。第一个方程描述动量守恒，第二个方程是不可压缩约束——流体不能凭空压缩或膨胀。Mantaflow采用算子分裂（operator splitting）策略，将每个时间步分解为：平流（advection）、外力、扩散（diffusion）、压力投影（pressure projection）。其中压力投影是保证不可压缩性的关键步骤，它通过求解一个泊松方程来修正速度场，使其散度为零。

这里就出现了第一个“果冻感”的根源：网格分辨率。欧拉网格的离散化意味着流体特征的最小尺度受限于网格单元尺寸Δx。当分辨率不足时，小于网格尺度的涡旋和射流无法被解析，数值耗散（numerical dissipation）会将这些小尺度动能转化为内能，宏观表现就是液体“发黏”、缺乏细节。Mantaflow默认的“分辨率”参数（Resolution）直接决定了Δx，而“时间缩放”（Time Scale）则影响CFL条件（Courant-Friedrichs-Lewy condition）——如果时间步长过大，平流步骤会跨越多个网格单元，导致数值不稳定或过度平滑。

平流格式：为什么半拉格朗日法会“抹平”细节

Mantaflow的平流步骤默认采用半拉格朗日（semi-Lagrangian）格式：对于每个网格点，沿速度场反向追踪粒子轨迹，在到达点进行插值。这种方法的优点是无条件稳定，但代价是强烈的数值耗散——插值相当于一个低通滤波器，会不断抹平速度场的高频成分。这就是为什么高分辨率下液体看起来更“锐利”：Δx减小，插值核的相对宽度变窄，耗散效应减弱。但单纯提高分辨率会带来计算量指数增长（三维空间下分辨率翻倍，计算量约增8倍），因此需要在“细节”与“性能”之间权衡。

技巧：在Mantaflow中，不要盲目拉高分辨率。先以低分辨率（如64）调试整体形态和碰撞，再逐步提升至128或256进行最终模拟。同时，将“时间缩放”控制在1.0附近，避免因CFL数过大导致平流过度耗散。

推导：压力投影与表面张力的数值耦合

压力投影步骤求解的泊松方程为：

∇²p = ρ/Δt * ∇·u*

其中u*是平流和扩散后的中间速度场。这个方程通过共轭梯度法（或Mantaflow默认的多重网格法）迭代求解，得到压力p后，速度场被修正为u = u* – Δt/ρ * ∇p，从而满足∇·u = 0。这里的关键在于自由表面边界条件：在液体与空气的交界面，压力被设为大气压（通常为0），这导致界面处的压力梯度驱动液体流动。如果网格分辨率不足，界面会被“模糊”到几个网格单元内，表面张力模型（Mantaflow使用连续表面力模型，CSF）无法准确捕捉曲率，从而产生虚假的“黏性”或“弹性”。

表面张力系数（Surface Tension）在Mantaflow中通过CSF模型实现：在界面处施加一个与曲率κ成正比的力f_st = σκnδ，其中σ是表面张力系数，n是界面法向，δ是狄拉克δ函数（在离散网格上近似为界面指示函数的梯度）。曲率κ通过界面指示函数（通常是对液体体积分数做平滑后的场）的二阶导数计算。当分辨率低时，曲率估计严重失真，导致表面张力要么过大（液滴被“锁死”成球），要么过小（飞溅四散）。这就是为什么很多用户发现“表面张力”参数在低分辨率下几乎无效，而在高分辨率下又过于敏感。

验证：一个可控的“水花”实验

为了验证上述分析，我们设计一个简单的实验：一个尺寸为1m×1m×1m的域，底部放置一个0.2m×0.2m的立方体障碍物，初始时在障碍物上方0.5m处放置一个半径为0.1m的球形液体。重力设为-9.81m/s²，表面张力系数设为0.07N/m（接近水的值）。我们分别以分辨率64、128、256进行模拟，并记录液体撞击障碍物后的飞溅形态与最大速度。

实验结果与理论预测一致：分辨率提升使最大速度增加（数值耗散减少），飞溅细节显著改善。但计算成本急剧上升。因此，在实际项目中，我们通常采用自适应网格（Mantaflow支持自适应细化，但需手动设置）或分区模拟：对关键区域（如碰撞点）使用高分辨率，其他区域保持低分辨率。此外，可以适当降低表面张力系数以补偿低分辨率下的曲率高估，但需谨慎——这属于“数值造假”，会破坏物理真实性。

总结：从原理到决策

Mantaflow液体模拟的“果冻感”并非参数调校失误，而是欧拉网格离散化、半拉格朗日平流耗散、以及表面张力模型分辨率依赖性的必然结果。理解这些底层机制，才能做出有依据的技术决策：

• 分辨率优先于参数微调：在性能允许范围内，优先提升分辨率，尤其是当模拟涉及飞溅、薄液膜或强曲率变化时。
• 时间缩放与CFL条件：保持时间缩放接近1.0，避免平流步骤跨越多个网格导致过度平滑。如果必须加速模拟，可适当减小时间步长并增加子步数。
• 表面张力的尺度效应：低分辨率下表面张力系数应适当调低，但需意识到这会牺牲物理准确性。高分辨率下则可使用真实水的系数（0.07N/m）。
• 自适应与分区策略：对于大场景，利用Mantaflow的自适应细化或分区域模拟，将计算资源集中在视觉焦点。

这些判断来自对求解器行为的逆向分析，而非经验口诀。当你能从Navier-Stokes方程的离散化角度审视每一个参数时，液体模拟就不再是“玄学”，而是一场可控的数值实验。

关于火星人教育：创办24年来，火星人教育始终专注于数字艺术与AIGC实战职业技能培训，课程体系覆盖AI漫剧创作、AIGC视觉设计、UE5游戏特效、室内全屋定制、MAYA三维动画、C4D动态设计、工业设计、NUKE影视后期、摄影摄像实训等前沿领域。北京、深圳双校区开设线下面授班，面向美术生、在校大学生及意向转行的职场人群，以项目化实训教学夯实专业技能，助力就业与职业提升。咨询电话：010-65918670。