一维脉冲介质阻挡放电仿真：从模型搭建到故障排查完整指南

第一次做一维脉冲介质阻挡放电仿真的时候，我并不是因为热爱等离子体才入的坑，而是课题组需要一个能快速评估脉冲参数对放电影响的工具。当时照着文献里的模型配置搭好框架，结果怎么调参数，电流波形都和实验对不上，第一版结果图出来之后差点被自己的仿真曲线劝退。后来一点点排查才发现，问题根本不在求解器，而在介质表面积累电荷的边界条件处理上——这是一个非常容易忽视的细节，也是很多初次接触这个方向的人最容易卡住的地方。

这篇内容我想把从模型选型、方程搭建、参数设定到结果解读、故障排查的完整链路整理出来，给准备进入一维脉冲介质阻挡放电仿真的同学一条可以照着走的路。它适合刚接触低温等离子体数值模拟的研究生、需要快速评估放电方案的工程师，以及那些想在等离子体世界里先迈出第一步、又不想一上来就被二维三维模型拖垮的探索者。我会尽量把每一步背后的“为什么”也讲清楚，而不只是给一个能跑通的脚本。

1. 为什么仿真入门首选一维脉冲DBD：低成本高性价比的物理实验场

1.1 一维模型的“最小完备性”：用最少自由度抓住放电本质

平板介质阻挡放电的结构其实很朴素：两个平板电极，其中一个或者两个覆盖着介质层，气隙从几十微米到几毫米不等。由于横向尺寸通常远大于间隙尺寸，放电在横向上趋于均匀——尤其是在脉冲驱动的弥散模式下——所以只沿着轴向建立坐标轴，把电极间的一维空间离散成网格，是合理的降维方式。

这个“只取一维”的决策，我建议新手千万不要跳过。放电最核心的几个物理过程——电离雪崩的指数增长、空间电荷引起的气隙电场畸变、阴极鞘层的形成、介质表面积累电荷产生的反向电场——全部都沿着电场方向发生。一维模型虽然砍掉了横向分布，但把所有纵向的非线性过程都原样保留，它是一个“最小完备系统”。

计算成本上的差距是碾压级的。一维模型网格点通常只需要一千到几千个，单次仿真在普通工作站上跑几分钟到半小时；二维模型要几十万网格起步，常压放电又要求非常小的步长，一次仿真动辄几小时甚至跨夜。对于“参数扫描+机理分析”这种研究模式，一维让你一天能跑几十组工况，二维可能只够跑一两组。我不是说二维三维没用，而是建议先把一维吃透再说。

代价当然也存在。一维没法描述丝状放电的横向结构、电极边缘的电场集中效应，也没法处理非均匀介质层或复杂几何。但只要研究目标是“脉冲参数如何影响击穿电压、注入功率、电子密度峰值”这类纵向问题，一维绰绰有余，而且结果的可解释性往往比高维模型更好——你不会被一堆横向涡流和边界效应干扰判断。

1.2 脉冲驱动相对正弦驱动的三个核心优势

在电压驱动形式的选型上，脉冲DBD近年来受到大量关注，不是没有原因的。相比正弦连续驱动，脉冲驱动有三个非常实用的优势。

第一个优势是瞬态高约化场强。脉冲上升沿可以做到几十纳秒，在这段时间内电场快速建立，电子获得的瞬时平均能量远高于正弦稳态工况，高能电子份额显著提升。这一点在工业应用里极其关键：高能电子才能有效打断化学键，比如分解废气分子、在聚合物表面引入活性基团。正弦放电的能量更多消耗在加热气体分子上，而脉冲放电把能量集中给了电子。

第二个优势是能量精确可控。正弦连续放电每个周期都在持续注入能量，想精确控制总注入剂量必须依赖复杂的斩波电路；而单脉冲的本质决定了你可以通过调节脉宽、幅值、重复频率，把注入能量控制得非常精细。这对聚合物膜表面改性这类热敏工艺来说是刚需——温度稍微超一点，薄膜就变形了。

第三个优势是抑制丝状放电向电弧演化。常压DBD在正弦驱动下容易发展成大量微丝放电，虽然从宏观上看仍是“介质阻挡”在起作用，但微丝的局部能量密度很高，长期运行会侵蚀介质层。脉冲模式通过限制单次脉冲持续时间，让放电在尚未演变成局部电弧之前就主动熄灭，更容易维持大面积弥散放电，这对臭氧制备、VOCs降解、生物医学消毒这类需要均匀处理的应用非常友好。

从仿真层面看，脉冲波形比正弦多了上升沿、脉宽、下降沿这些可调参数，初看以为更复杂，实际上反而更好分析——每个物理阶段（击穿、维持、熄灭）在时间轴上是分离的，而不是像正弦那样周而复始纠缠在一起。这也是我推荐入门阶段优先做脉冲而不是正弦的原因。

2. 模型搭建的核心：流体模型方程与求解策略

2.1 为什么选流体模型而不是粒子模拟

既然要模拟放电，就绕不开一个选择：用流体模型还是用粒子模拟（PIC-MCC）？PIC-MCC把电子和离子当成大量宏粒子逐个追踪，在低气压、非平衡态放电中非常有用，能捕捉速度分布函数的非局域效应。但代价极其沉重：常压条件下碰撞频率高达GHz量级，粒子步长必须远小于碰撞平均自由程，空间分辨率又必须远小于德拜长度，计算量是天文数字，一个月跑不出几组数据是常态。

流体模型则把电子、离子都当成连续流体介质，用密度场、通量场、能量场来描述整体行为，宏观输运系数（迁移率、扩散系数）替代了粒子动力学细节。这个替代成立的前提是：放电空间的特征尺度远大于德拜长度，等离子体在大部分区域近似准电中性（鞘层内部除外），且碰撞占主导、粒子速度分布接近局域平衡。常压DBD恰好满足这些条件，所以流体模型在工程和机理研究里是绝对的主流选择。

流体模型的另一个隐性优势是数值友好。它最终落到一套偏微分方程上，有限差分、有限体积方法都能处理，调试起来比PIC干净得多。粒子模拟的统计噪声让很多新手分不清某个波动是物理现象还是数值涨落，流体模型基本没有这个烦恼。

2.2 核心方程：从泊松方程到输运方程

一维DBD流体模型由四组方程构成，我按重要性逐个说。

第一是泊松方程，描述电场如何由空间电荷决定：

∂/∂x (ε ∂φ/∂x) = − e (n_i − n_e)

这里的ε在气隙里取真空介电常数ε0，在介质层里取ε0乘以介质相对介电常数。注意处理介质/气体界面时，ε是分段的，不能让电场在国家边界上跳变，而是要满足电位移连续条件。

第二是电子连续性方程：

∂n_e/∂t + ∂Γ_e/∂x = S_e Γ_e = − μ_e · n_e · E − D_e · ∂n_e/∂x

第三是离子连续性方程，形式完全一样，只是迁移率μ_i比μ_e小两个量级，扩散系数D_i也比D_e小很多：

∂n_i/∂t + ∂Γ_i/∂x = S_i Γ_i = μ_i · n_i · E − D_i · ∂n_i/∂x

第四是电子能量方程，如果只关心放电是否击穿、电流多大，可以暂时省略；但如果想评估电子温度分布、高能电子份额，就必须加上：

∂(n_e·ε̄)/∂t + ∂(Γ_e·ε̄ + q_e)/∂x = − e·Γ_e·E − P_coll

这里的S_e、S_i是化学反应源项，由电离（产生电子-离子对）、附着（电子消失）、复合（电子-离子复合）等反应速率组合而成。举个氮气的简化例子：如果只有电离反应 N₂ + e → N₂⁺ + 2e，那么S_e = S_i = k_ion·n_e·N_g，k_ion高度依赖于约化场强E/N。

这里给新手一个“交通流量”的类比：电子密度就是高架桥上的车流密度，电场相当于每位司机踩油门的力度，密度梯度相当于前车拥堵导致的后车自然减速，碰撞反应则相当于沿途不断有车辆汇入（电离）或驶离匝道（附着、复合）。连续性方程本质上就是在数“某段路上到底同时有多少辆车”。

迁移率和扩散系数怎么来？两条路。一是查文献和数据库，用Bolsig+这类玻尔兹曼求解器结合LXCat截面库，离线算好不同E/N下的迁移率和反应速率常数，做成查表；二是先用恒定迁移率加一个简化表达式跑通流程，之后再逐步精细化。我强烈建议新手先走第二条——不要一开始就陷在把截面数据和查表代码搞正确的泥潭里，先让整个仿真框架能转起来，再回头提升物理精度。

2.3 数值离散中的关键选择：为什么必须用Scharfetter-Gummel格式

模型搭好之后，真正的技术难点在数值求解。一维DBD模型的网格尺度通常在微米量级，电极间1000到5000个网格是常见配置。泊松方程离散后得到一个三对角线性方程组，用Thomas算法直接解，这是标准操作，效率极高，一个时间步内解一次成本几乎可以忽略。

真正决定成败的是输运方程的处理。连续性方程里包含一个对流项（μ·n·E）和一个扩散项（D·∂n/∂x）。如果对对流项用中心差分，数值上立刻会出现问题：一个小小的扰动会在网格间被来回放大，产生非物理震荡，最终让密度场崩溃。迎风格式能压住部分震荡，但当对流与扩散同时显着时依然不够稳。

行业标准做法是Scharfetter-Gummel格式（S-G格式）。它的核心思想是假设通量在一个网格单元内满足局域稳态输运方程，然后推导出指数形式的通量插值函数。这个格式同时正确处理了对流和扩散的相对强度，数值色散和振荡被大幅抑制，而且在电场极强、网格极粗的情况下也不会出现负密度——至少不会大面积出现。

主循环的伪代码结构大致是这样的：

初始化：设置网格、介质层与气隙几何、初始电子离子密度、背景气体密度 定义脉冲电压波形函数 V(t) for (每个时间步 t) { 更新电极电位与介质表面电荷 q_s 求解泊松方程（Thomas算法）得到电场 E(x) 计算电离、附着、复合反应源项 S_e, S_i 用S-G格式更新电子、离子输运通量 更新电子能量方程（若启用） 更新介质表面电荷 q_s += (J_i - J_e) * dt 根据CFL条件与介电弛豫约束自适应调整 dt 输出电流密度、密度剖面、电场强度、表面电荷 }

时间步长的自适应非常关键。放电过程中电子密度可以从10^12暴增到10^19，时间尺度的跨度大到离谱，固定步长要么慢得像蜗牛，要么直接发散。我的做法是每个时间步结束时估算最大电子密度和迁移率，把步长限制在能满足介电弛豫时间约束的范围内，同时兼顾对流CFL条件：步长不能超过网格尺度除以最大漂移速度。这样既保证稳定性，又不会浪费算力。

3. 边界条件、脉冲波形与参数设定：决定结果质地的隐藏细节

3.1 电极与介质层边界处理：比想象中更容易出错

边界条件看似简单，实际上是DBD仿真里坑最多的地方。我在开头提到的那次翻车，就是栽在介质表面积累电荷的处理上。

先看电极边界。电子在电极表面的通量不能简单地设为零，它包含热运动通量和电场定向漂移两部分。常见的处理是给一个“吸收+二次电子发射”的组合边界：入射电子和离子被电极吸收，同时每个入射离子有一定概率γ激发二次电子发射。γ是二次电子发射系数，典型值在0.01到0.1之间，取决于电极材料和表面状态。这个参数看起来不起眼，但它直接决定了阴极鞘层内的电子来源强度。把γ设成0，放电初期的电流发展速度和击穿延迟时间会明显偏离真实情况。

再看介质表面电荷更新，这是DBD仿真的灵魂机制。介质表面每时每刻都在积累来自等离子体的电荷：表面电荷密度q_s的更新方程为

q_s(t+dt) = q_s(t) + (J_i − J_e)·dt

这个q_s会产生一个附加电场，方向恰好削弱气隙内的外加电场。这就是介质阻挡放电“自熄灭”的物理根源：放电越强，表面电荷积累越多，气隙电场被抵消得越厉害，最终电流自行切断。脉冲DBD中每一个脉冲的熄灭阶段，都是这个机制在起作用。

数值处理时，q_s的更新时序必须和泊松方程求解协调好。我踩过的一个坑是：先更新q_s再解泊松，会引入半个时间步的误差，在小间隙强电场模型里表现为电场和电流的振荡。更稳的做法是采用半步错位更新——在时间步中间更新q_s，或者更简单地把q_s当成慢变量和泊松方程一起隐式迭代。

介质/气体界面上还有一个必须满足的条件：电位移连续。也就是ε_g·E_g = ε_d·E_d。数值上要在泊松方程的系数矩阵里对介质层和气体层分别填入不同的介电常数，然后在界面处用调和平均或直接按格点归属处理。如果这一步漏了，电场分布会完全失真，击穿电压也会算错。

3.2 脉冲电压波形建模：从解析式到数值平滑

脉冲电压波形怎么定义，直接决定了后续所有物理过程的时间尺度。实际脉冲发生器的输出波形通常是梯形或双指数形状，仿真里需要用一个解析式来逼近，保证电压及其一阶导数光滑，避免在电压跳变点引入非物理的数值激励。

梯形波由上升沿时间tr、脉冲维持时间t_pw、下降沿时间tf三个参数控制；双指数波则由两个时间常数τ1、τ2控制，上升沿近似为τ2、下降沿近似为τ1。从工程复现的角度，梯形波更好用，因为你可以直接从高压脉冲电源说明书上读出tr和tf。

我常用的一组初始参数如下表所示，适合先跑通一套干净的氮气或氩气DBD：

电压幅值的选取有个基础判断方法：先估算静态击穿电压。对常压氮气、间隙1mm，击穿场强大约30 kV/cm量级，所以V0至少要到相应的kV级别。如果V0低于击穿阈值，整个脉冲过程就只是一个纯粹的电容充放电过程，看不到任何放电物理。

3.3 工作气体与初始条件：种子电子密度的选择逻辑

工作气体的选择强烈影响模型复杂度。我建议初期用氩气或纯氮气，不要一上来就上空气。原因很简单：氩气的反应通道只有电离、激发、复合，两三步就能描述清楚，适合先验证代码正确性；氮气比氩气复杂一点，涉及振动激发、解离、电子附着，但也还能掌控；空气里氧气的电子附着反应高度依赖E/N且存在温度敏感性，新手做空气几乎必然遇到电子密度异常消失的问题，排查起来极费时间。

初始电子密度种子的设置也很有讲究。密度给得太低，放电从背景噪声到自持击穿需要很长时间，仿真时间步数爆炸，且初始阶段对随机扰动敏感；给得太高，等效于外加了预电离，可能掩盖真实击穿延迟特性。我通常取10^12到10^14 m^-3量级，并根据需要把初始种子密度本身当作一个扫描参数，看击穿延迟时间对它的敏感度。如果击穿时间对种子密度极敏感，说明放电处于接近阈值的边缘状态，这时需要谨慎判断结果是否物理。

最后一个隐蔽参数是约化场强E/N。很多等离子体过程速率常数都查表为E/N的函数，单位是Td（ Townsend，1 Td = 10^-17 V·cm²）。常压空气中放电一般发生在100到1000 Td范围，氮气在更高场强下电离速率才显著。粗算方法：E约等于V0/d_g，N用标准大气密度近似，除以得到Td，再看这个值是否落在所选反应速率表的有效范围内。这一步在初始化时就应该做一次——很多新手把电压调到10 kV、间隙1 mm，粗算E/N高达几万Td，查表范围根本覆盖不到，计算结果自然离谱。

4. 结果解读的四个层次：从电流波形到空间分布演变

4.1 第一层：从电压电流波形对应关系读出放电阶段

仿真跑通之后，最先要看的是电流波形和电压波形的时间对齐关系。总电流密度由位移电流和传导电流两部分组成：

J_total = ε·∂E/∂t + e(Γ_i − Γ_e)

位移电流在电压变化期间持续存在，是个背景信号，会在电压上升沿和下降沿形成尖峰。传导电流是实际电荷输运产生的，在电离雪崩发生后迅速增大，形成第二个更显著的电流峰。

典型的一维脉冲DBD电流波形长这样：电压上升沿处有一个与dV/dt成比例的位移电流尖峰，紧接着在击穿延迟后出现一个迅速上升的传导电流峰，之后随着表面电荷积累、气隙电场衰减，电流回落到一个低水平，直到电压下降沿再次出现反向位移电流尖峰。如果传导电流峰与位移电流峰完全重合，没有明显的延迟，大概率是初始种子密度给太高或者预电离太强导致的非物理击穿。

波形开始正常之后，建议顺手算一下“视在功率”和“实际注入能量”。单脉冲注入能量用积分W = ∫ V(t)·J_total(t)·A·dt计算，A是电极面积（对一维模型取单位面积即可）。这一步的价值在于：它把仿真结果直接跟实验中的示波器积分功率对上了，是结果可信度验证的重要环节。

4.2 第二层：电子密度和电场空间分布的时间演变

看波形是宏观视角，看空间分布才是微观视角。把电子密度和电场在每个时间步的空间剖面保存下来，做成动画，你会看到几个清晰的阶段。

第一个阶段是均匀弱电离。电场近似等于外加电场除以气隙宽度，电子密度在整个间隙内缓慢增长。第二个阶段是雪崩生长。高场强区域（通常在阳极附近或气隙中央）电离率最高，电子密度开始指数增长，正离子密度也随之增长，空间电荷开始畸变外加电场。第三个阶段是鞘层形成。电子因为迁移率高，快速向阳极运动，正离子则留在原地，导致阴极附近堆积净正电荷，形成阴极位降鞘层。鞘层内的电场被放大到几十甚至上百kV/cm量级，而鞘层外的气隙电场被削弱。第四个阶段是熄灭。介质表面积累的反向电场把气隙电压降低到低于维持电压，电离率骤降，电流停止增长。

在观察空间分布时，我习惯重点盯两件事：一是电子密度峰值的位置随时间是否向阴极方向移动，这反映鞘层的扩张过程；二是表面电荷密度曲线是否单调饱和，如果有明显的反复振荡，说明数值耦合有问题，回头检查表面电荷更新时间步。电子密度峰值数量级也是判断模型量级是否正确的重要标尺——常压DBD的电子密度峰值通常在10^16到10^19 m^-3之间，如果算出10^21以上，大概率是某个反应速率常数设错了或者网格不收敛。

4.3 第三层：从单次放电到参数扫描的规律发现

单次仿真跑通只是起点。做研究的人真正要的是“改变一个参数，看结果怎么变”。我建议把参数扫描当成每个DBD仿真项目的必修课。

最简单的扫描是电压幅值扫描：在气体成分、气压、间隙、脉宽全部固定的前提下，把V0从击穿阈值以下逐步提高到1.5倍阈值，记录峰值电子密度、最大传导电流、单脉冲注入能量三个量，画成曲线。你几乎总会看到明显的阈值行为——存在一个最小电压，低于它电流几乎没有增长，高于它电流急剧增加。这就是一维空间里的帕邢定律可视化，是理解介质阻挡放电“能否自持”的关键。

另一个高价值扫描是气压扫描。固定电压和间隙，改变气压，约化场强E/N反比变化，击穿机制会在“过电压击穿”和“接近阈值击穿”之间切换，最优处理效率也往往出现在某个特定气压区间。这类扫描揭示的规律，是后续做实验方案设计时最重要的参考。

4.4 第四层：从单次仿真到“机理故事”的完整叙事

仿真结果解读到最高层次，不是看某一条曲线有多漂亮，而是能把整个放电过程讲成一个自洽的故事。举例来说：为什么脉冲DBD比正弦DBD更容易产生高能电子？从一维结果看，因为上升沿期间电场快速建立，电子在表面电荷还来不及积累的时候就已经被加速到高场强状态，而正弦放电的场强爬升慢，电子在爬升过程中已经被大量碰撞冷却。这个故事用一维仿真的时空演化图就能讲清楚。

同样，为什么DBD适合工业应用而不是简单的容性放电？因为一维仿真会告诉你：表面电荷积累导致放电自熄灭，这让单个微放电的能量被限制在很小范围内，从而避免局部过热。这个“自限制性”是一维模型就能解释得明明白白的物理本质。当你学会用机理故事去解读仿真，而不是只会说“图很好看”，你就真正进入了等离子体世界。

5. 一维DBD仿真的典型故障排查：不收敛与伪物理现象的完整链路

5.1 症状一：电流波形出现高频毛刺

这是最常见的问题，几乎每个人都遇到过。症状是电流波形上叠加了大量细碎的高频振荡，看起来像锯齿状毛刺。要判断是数值问题还是物理问题，第一条原则：均匀模式下的DBD电流不会出现纳秒级高频毛刺，所以看到毛刺第一反应应该怀疑数值稳定性。

排查链路如下。第一步，把时间步长降一个数量级，对比毛刺是否消失。如果毛刺幅度明显减小，说明是时间步长突破了稳定性约束，尤其是介电弛豫约束——步长必须小于约化德拜时间，否则电场对电荷分布的响应会震荡。第二步，加密网格一倍，看毛刺是否进一步下降。如果加密后改善明显，说明是空间离散精度不足，S-G格式的高斯插值在极端梯度处失真。第三步，检查S-G格式的实现是否正确——这是最隐蔽的坑。很多人为了省事用了迎风格式近似替代S-G，在低电场区问题不大，但在鞘层区电场剧烈变化时，迎风的耗散性会制造伪快波。

我个人的案例：那次电流波形毛刺问题，最后定位到是表面电荷更新顺序错误导致的半时间步振荡。把q_s更新从“先更新再解泊松”改成“解完泊松再更新、但使用半步长的隐式平均”之后，毛刺彻底消失，波形干净得能直接发到论文里。

5.2 症状二：电子密度出现负值

连续性方程数值解出现负密度，是非物理的，但数值上偶尔会发生。负密度的危害在于连锁反应：密度为负会导致扩散项方向和大小混乱，下个时间步的梯度计算引入巨大误差，最终整个场崩溃，仿真中断。

排查思路按三步走。第一步，确认负值出现的位置——如果在鞘层界面附近，大概率是对流-扩散竞争过于激烈导致的过冲；如果在气隙主体区，则要怀疑初始条件给了不合理的密度梯度。第二步，检查时间步长是否过于激进，减半步长再看。第三步，检查反应源项更新逻辑——某些电离反应速度常数在极端E/N下取到极大值，源项在单个时间步内把密度从极小值拉到极大值，数值上就会产生负的补偿项。

修复手段有粗有细。粗放但有效的办法是每个时间步结束后的通量修正：扫描密度数组，把负值强制归零，同时把非物理增加/减少的电荷数作为修正项记录并补偿到中性的背景里。精细的做法是采用保正格式，在S-G通量插值中添加限制器，从根源上避免负值产生。实际经验是不论用了哪种，都一定要同时做全局粒子数守恒检查，防止修正过程悄悄改变了总电荷量。

5.3 症状三：放电提前击穿或迟迟不击穿

如果仿真的击穿延迟时间明显短于同条件下的文献值，或者压根不击穿，问题大概率出在初始条件或化学反应通道上。

提前击穿通常有三个候选元凶：初始种子电子密度给得太高、二次电子发射系数γ设得过大、或者背景气体里引入了某个本不该有的预电离源。排查方式：把种子密度直接降低三个数量级，重跑一次。如果击穿时间变化巨大，说明体系对种子密度过度敏感，你需要重新审视“预电离假设”是否合理。如果变化不大，接着把γ从0.05降到0.01再看。

迟迟不击穿的嫌疑对象则是电子附着反应。常压气体里微量氧气或电负性杂质会携带强烈的电子附着通道，如果反应列表里塞了一个速率常数过大的附着反应，电子会在击穿前就被大量消耗殆尽，自然无法自持。排查方式：单独关闭附着反应通道重跑，如果击穿恢复，说明附着反应速率数据或密度设定有问题。

这里还要强调一种容易忽略的情况：电压波形本身有没有达到击穿条件。很多“不击穿”实际上是电压幅值低于静态击穿阈值，这不是bug，是物理。先用静态均匀场的气体击穿判据估算一下阈值电压，再决定是否该往下调电压参数。

5.4 症状四：介质表面电荷异常振荡

表面电荷曲线如果不单调上升而出现锯齿形振荡，通常说明与泊松方程的耦合顺序有问题。q_s更新使用显式格式时，因为q_s每步只改变很小一点，但由它引起的电场变化被敏感地反馈到电流中，容易形成“电荷-电场-电流-电荷”的反馈回路震荡。

解决思路是引入半步长隐式平均。具体操作：在新时间步开始前，先用当前q_s解泊松求得电场，算出当前电流，再基于这个电流更新q_s到半步位置，用半步位置的q_s重新解一次泊松获取下半个时间步的电场，最后用两个电场的平均值推进粒子输运。这一步多出来的计算量很小，但稳定性的提升是决定性的。

此外，介质层参数本身也是排查对象。介质厚度过小时，其电容很大，表面电荷引起的电压变化极小，系统响应容易被数值截断误差主导，表现为电荷振荡。把介质厚度适当增加，或改用高阶介质常数模型，往往能稳定住。

5.5 故障速查表

6. 结果可信度：怎么证明你的仿真不是自嗨

6.1 三组必做的一致性检查

仿真结果再漂亮，如果拿不出可信度证据，在同行那里就是零。我的经验是至少完成三组一致性检查，才敢把结果拿出去用于论文或工程报告。

第一组是网格无关性验证。把网格步长分别设为基准值、减半、加倍三档，对比关键输出量——峰值电流密度、峰值电子密度、击穿延迟时间。差值在2%以内视为网格收敛，否则需要继续加密直到收敛。这一步会占用不少计算时间，但它决定了你所有后续结论的量化基础。

第二组是电荷与粒子数守恒检查。每个时间步结束时计算总电子数、总离子数、介质表面积累电荷、电极感应电荷的代数和，这个值相对于初始状态的变化必须在数值误差范围内浮动。如果守恒量单调漂移，说明边界通量处理或源项实现有bug，即使波形看上去正常也必须回头修。

第三组是文献或实验对标。在相同气压、间隙、电压幅值条件下，与已发表的实验结果比较电流密度峰值和击穿电压的量级。注意不要强求完全一致——仿真用的反应速率数据、材料参数和实验的真实状态必然有偏差，量级一致已经是很好的验证，差异在2倍以内完全合理，差异超过一个数量级就说明模型配置里有原则性问题。

6.2 化学反应灵敏度分析：哪些通道在主导你的结果

化学反应通道的选择是对仿真结果影响最大、也最容易忽略的环节。一个让人不放心的模型，往往是反应列表很全，但你不知道哪些反应真的重要。

灵敏度分析的简单做法是逐个扰动：把某个反应通道的速率常数乘以0.5和2.0，各跑一次仿真，观察输出变化幅度。如果输出变化很小，说明这个通道对当前工况不敏感，可以放心合并或简化；如果输出变化剧烈，说明模型的不确定性高度集中在某个通道，后续应该优先精确标定该通道的速率常数或截面数据。

举实际例子：在含氧气的放电中，电子附着反应可能主导电子密度衰减，而复合反应只在后期起作用。如果不做灵敏度分析，你可能永远不知道为什么仿真结果对某个体积不明的反应系数那么敏感。做完之后，你甚至可以把反应列表精简掉一半而不影响大趋势——这会让后续的二维三维拓展省下大量计算量。

6.3 参数记录与可复现性：三个月后你自己也要能还原

可复现性不是说你的代码能跑，而是半年后别人（或者你自己）拿同一套配置能复现同一组结果。我见过太多因为当初马拉松式的调参而没有留下完整配置记录，后来怎么都复现不出来的情况了。

所以我把参数记录当成仿真的标准动作。每次跑一个构型前，先把以下内容全部写进一个配置文件或记录表：

配置文件用YAML或JSON都行，关键是结构化和完整。我自己的习惯是跑完一组扫描后直接把所有参数以键值对形式存档，文件名包含日期和工况标记。这不是繁琐，是专业素养——等离子体仿真这个领域，数据可信度和可复现性就是你论文和报告的立身之本。

最后再分享一个实际的体会。把一维脉冲介质阻挡放电仿真完全跑通之后，你会发现自己看待等离子体问题的视角发生了微妙而深刻的变化：你不是在“看图”，而是在读一个由电荷、电场、碰撞构成的动态系统。仿真最大的价值不在于那张漂亮的时空演化图，而在于每一次排查故障都逼你去思考背后的放电物理——为什么这里会出现负密度，为什么表面电荷会振荡，为什么电流峰值会提前或延后。把这些“为什么”真正想明白以后，你对等离子体世界的理解，就超过那些只拿现成仿真软件当黑箱使用的同行一大截了。如果这篇内容能帮你少走几个弯路，那我把这些细枝末节的坑都翻出来讲，就完全值得。