CN109684595B - 涡扇发动机整机噪声试验数据分离方法 - Google Patents

涡扇发动机整机噪声试验数据分离方法 Download PDF

Info

Publication number
CN109684595B
CN109684595B CN201811496338.5A CN201811496338A CN109684595B CN 109684595 B CN109684595 B CN 109684595B CN 201811496338 A CN201811496338 A CN 201811496338A CN 109684595 B CN109684595 B CN 109684595B
Authority
CN
China
Prior art keywords
noise spectrum
engine
spectrum
total
total noise
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811496338.5A
Other languages
English (en)
Other versions
CN109684595A (zh
Inventor
林佳佳
张丹玲
乔渭阳
王良锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AECC Shenyang Engine Research Institute
Original Assignee
AECC Shenyang Engine Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by AECC Shenyang Engine Research Institute filed Critical AECC Shenyang Engine Research Institute
Priority to CN201811496338.5A priority Critical patent/CN109684595B/zh
Publication of CN109684595A publication Critical patent/CN109684595A/zh
Application granted granted Critical
Publication of CN109684595B publication Critical patent/CN109684595B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本申请提供了一种涡扇发动机整机噪声试验数据分离方法，包括：测量发动机的总噪声频谱以及指向特性；根据发动机的设计参数和工作参数，利用发动机噪声预测模型计算发动机部件的噪声频谱；根据发动机部件的噪声频谱拟合发动机的总噪声频谱；判断拟合后的总噪声频谱和测量得到的总噪声频谱是否吻合；若拟合后的总噪声频谱和测量得到的总噪声频谱吻合，则将预测得到的发动机部件的频谱作为分离后的频谱。

Description

涡扇发动机整机噪声试验数据分离方法
技术领域
本申请涉及航空发动机技术领域，具体提供一种涡扇发动机整机噪声试验数据分离方法。
背景技术
开展发动机噪声分离研究一直是航空声学领域重要研究方向。无论是数值计算还是试验数据处理，从总噪声中分离出各部件噪声比部件噪声合成为发动机总噪声要困难得多。由于声波信号通过大气介质向空间扩散，用传声器在空间某个位置测量的噪声信号，总是发动机所有声源噪声辐射的总和，从一个传声器测量的信号中无法判定不同声源贡献的大小，特别是对于宽频随机噪声。
目前使用的发动机部件噪声分离技术有三类。第一，发动机内部流场测量与远场声场关联的专门测量方法；第二，特殊测量技术的补充。
第一类方法，专门的测量技术包括互谱分析法、相干分析法等，这类方法的特点是在发动机内部相应的位置安置传感器录取部件声信号，而在远场录取发动机总噪声信号，然后设计专门的分析技术，利用信号的相关性分离出某个部件的噪声分量，这类方法需要在发动机部件上安装测量传感器，由于发动机试验的安全性考虑，以及发动机结构空间限制等因素，使得这一类试验测量变得困难，往往都是在进行发动机部件噪声物理机理及其发展发动机噪声模型时使用。
第二类传声器阵列技术，是在发动机远场布置多个传声器测量，是一种特殊的测量技术，专门用于分离识别噪声源，使用方便可靠，特别是随着高速大容量计算机的迅速发展，使得现在使用大规模(大量传声器通道)进行精确声源识别测量得到迅速发展和普及，但是其不足之处是分离精度有待进一步改进，且其只能针对有限范围指向方向的噪声源辐射特性进行分离(90度附近)，而且目前仅能将发动机进出口噪声源进行分离，还不能把出口噪声中的核心、涡轮、喷流噪声分离开来。同时，此种方法成本较高，需要大规模的传声器阵列设计和试验。
发明内容
为了解决上述技术问题至少之一，本申请提供一种涡扇发动机整机噪声试验数据分离方法，包括：测量发动机的总噪声频谱以及指向特性；根据发动机的设计参数和工作参数，利用发动机噪声预测模型计算发动机部件的噪声频谱；根据所述发动机部件的噪声频谱拟合发动机的总噪声频谱；判断拟合后的总噪声频谱和测量得到的总噪声频谱；若拟合后的总噪声频谱和测量得到的总噪声频谱吻合，则将预测得到的发动机部件的频谱作为分离后的频谱。
根据本申请的至少一个实施例，所述设计参数为叶片数，所述工作参数为旋转速度。
根据本申请的至少一个实施例，所述发动机部件包括风扇、核心、涡轮和喷流。
根据本申请的至少一个实施例，发动机部件的噪声频谱，包括：
Sfani(i＝1，2，3，…，24)，风扇噪声频谱，简记为：Sfi，
Sjeti(i＝1，2，3，…，24)，喷流噪声频谱，简记为：Sji，
Scori(i＝1，2，3，…，24)，核心噪声频谱，简记为：Sci，
Sturi(i＝1，2，3，…，24)，涡轮噪声频谱，简记为：Sti。
根据本申请的至少一个实施例，根据所述发动机部件的噪声频谱拟合发动机的总噪声频谱，包括：保持风扇噪声频谱、喷流噪声频谱、核心噪声频谱以及涡轮噪声频谱的形状不变的前提下，将风扇噪声频谱、喷流噪声频谱、核心噪声频谱以及涡轮噪声频谱放大或缩小，并采用下式对发动机总噪声频谱进行拟合：
其中，a，b，c，d为系数。
根据本申请的至少一个实施例，判断拟合后的总噪声频谱和测量得到的总噪声频谱，包括：按照下式计算拟合后的总噪声频谱和测量得到的总噪声频谱的总残差均方值：
并判断总残差均方值是否最小。
根据本申请的至少一个实施例，若拟合后的总噪声频谱和测量得到的总噪声频谱吻合，包括：若拟合后的总噪声频谱和测量得到的总噪声频谱的总残差均方值最小，则拟合后的总噪声频谱和测量得到的总噪声频谱吻合。
根据本申请的至少一个实施例，根据最小二乘拟合的原理，要使得总残差均方值达到最小值，则有如下关系成立：
根据上述关系式，能够获得求解系数a，b，c，d的计算公式：
通过上述的公式，计算得到系数a，b，c，d。
根据本申请的至少一个实施例，还包括：若拟合后的总噪声频谱和测量得到的总噪声频谱不吻合，则调整发动机的设计参数和工作参数，重新预测发动机部件的频谱，并对其进行拟合，直到拟合结果吻合。
本申请实施例提供的涡扇发动机整机噪声试验数据分离方法，能够将发动机地面噪声试验数据分离为发动机各个部件的噪声，发动机总噪声的拟合结果与试验测量结果非常接近，该分离方法精度高，可以用于指导大涵道比涡扇发动机整机噪声试验分离得到部件噪声。
附图说明
图1是本申请实施例提供的涡扇发动机整机噪声试验数据分离方法的流程示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关申请，而非对该申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1是本申请实施例提供的涡扇发动机整机噪声试验数据分离方法的流程示意图。
如图1所示，该方法包括以下步骤：
步骤1，测量发动机的总噪声频谱以及指向特性。
在本实施例中，采用半圆周上发动机远场整机噪声测量方法，实现对发动机总噪声频谱以及指向特性的测量。
步骤2，根据发动机的设计参数和工作参数，利用发动机噪声预测模型计算发动机部件的噪声频谱。
在本实施例中，设计参数为叶片数，工作参数为旋转速度。发动机部件包括风扇、核心、涡轮和喷流。
具体地，发动机各个部件的噪声频谱为：
Sfani(i＝1，2，3，…，24)，风扇噪声频谱，简记为：Sfi，
Sjeti(i＝1，2，3，…，24)，喷流噪声频谱，简记为：Sji，
Scori(i＝1，2，3，…，24)，核心噪声频谱，简记为：Sci，
Sturi(i＝1，2，3，…，24)，涡轮噪声频谱，简记为：Sti。
需要说明的是，根据发动机噪声预测模型，发动机各个部件在不同辐射方向预测的噪声频谱会有差异。严格讲，对于每一个辐射角度的测量结果的总噪声分离，就用该辐射角度预测的部件噪声频谱形状。
但是实际上预测模型的差异以及发动机实际工作的情况变化等，并不一定是在完全相同角度的发动机部件频谱形状拟合的发动机总噪声频谱残差就最小，因此，实际计算时可以选用其他角度的部件频谱进行拟合。
在计算中，对每一个发动机试验测量结果，应用0～180范围内每个方向预测的部件噪声频谱进行拟合，找出残差最小的部件频谱进行最终发动机噪声分离。
步骤3，根据发动机部件的噪声频谱拟合发动机的总噪声频谱。
在本实施例中，由于发动机部件的噪声频谱精度受发动机部件噪声频谱预测模型精度的影响，而发动机部件噪声频谱既受到发动机部件设计参数、工作参数的影响，而且对不同指向其频谱也会有差异。
为了将上述的影响因素都考虑在内，在预测某个发动机工作状态的部件噪声频谱时，选用在一定指向范围内的部件频谱对发动机总噪声频谱的拟合，选用具有“最小拟合误差”的频谱作为分离结果。(也就是应用不同指向的频谱的差异作为实际预测模型对具体发动机部件噪声频谱预测的误差。)
具体地，保持风扇噪声频谱、喷流噪声频谱、核心噪声频谱以及涡轮噪声频谱的形状不变的前提下，将风扇噪声频谱、喷流噪声频谱、核心噪声频谱以及涡轮噪声频谱放大或缩小，并采用下式对发动机总噪声频谱进行拟合：
其中，a，b，c，d为系数。
需要说明的是，在实际拟合中，还会出现某个部件修正系数为“负值”的情况，这显然是不符合物理规律的。因此，设计在0～180范围内计算发动机部件噪声频谱形状，再找最佳拟合结果，从而能够解决上述方程出现不合理解的问题。
步骤4，判断拟合后的总噪声频谱和测量得到的总噪声频谱是否吻合。
判断拟合后的总噪声频谱和测量得到的总噪声频谱是否吻合，即判断拟合后的总噪声频谱和测量得到的总噪声频谱的总残差均方值是否最小。
按照下式计算拟合后的总噪声频谱和测量得到的总噪声频谱的总残差均方值：
步骤5，若拟合后的总噪声频谱和测量得到的总噪声频谱吻合，则将预测得到的发动机部件的频谱作为分离后的频谱。
在本实施例中，若拟合后的总噪声频谱和测量得到的总噪声频谱的总残差均方值最小，则拟合后的总噪声频谱和测量得到的总噪声频谱吻合。
具体地，根据最小二乘拟合的原理，要使得总残差均方值达到最小值，则有如下关系成立：
根据上述关系式，能够获得求解系数a，b，c，d的计算公式：
通过上述的公式，计算得到系数a，b，c，d。
为了方便，未知量a，b，c，d的系数可以分别表示成：
S11，S12，S13，S14
S21，S22，S23，S24
S31，S32，S33，S34
S41，S42，S43，S44
方程右端项为：
St1，St2，St3，St4
则求解a，b，c，d的方程组可以写成：
S11a+S12b+S13c+S14d＝St1
S21a+S22b+S23c+S24d＝St2
S31a+S32b+S33c+S34d＝St3
S41a+S42b+S43c+S44d＝St4。
在一些实施例中，该方法还包括：
步骤6，若拟合后的总噪声频谱和测量得到的总噪声频谱不吻合，则调整发动机的设计参数和工作参数，重新预测发动机部件的频谱，并对其进行拟合，直到拟合结果吻合。
需要说明的是，发动机总噪声频谱和发动机各个部件的噪声频谱均采用1/3陪频程频谱中24个点的最小二乘拟合。
以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。
至此，已经结合附图所示的优选实施方式描述了本申请的技术方案，但是，本领域技术人员容易理解的是，本申请的保护范围显然不局限于这些具体实施方式。在不偏离本申请的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本申请的保护范围之内。

Claims (2)

1.一种涡扇发动机整机噪声试验数据分离方法，其特征在于，包括：
测量发动机的总噪声频谱以及指向特性；
根据发动机的设计参数和工作参数，利用发动机噪声预测模型计算发动机部件的噪声频谱；
根据发动机部件的噪声频谱拟合发动机的总噪声频谱；
判断拟合后的总噪声频谱和测量得到的总噪声频谱是否吻合；
若拟合后的总噪声频谱和测量得到的总噪声频谱吻合，则将预测得到的发动机部件的频谱作为分离后的频谱；
所述设计参数为叶片数，所述工作参数为旋转速度；
所述发动机部件包括风扇、核心、涡轮和喷流；
发动机部件的噪声频谱，包括：
Sfani(i＝1，2，3，…，24)，风扇噪声频谱，简记为：Sfi，
Sjeti(i＝1，2，3，…，24)，喷流噪声频谱，简记为：Sji，
Scori(i＝1，2，3，…，24)，核心噪声频谱，简记为：Sci，
Sturi(i＝1，2，3，…，24)，涡轮噪声频谱，简记为：Sti；
根据所述发动机部件的噪声频谱拟合发动机的总噪声频谱，包括：
保持风扇噪声频谱、喷流噪声频谱、核心噪声频谱以及涡轮噪声频谱的形状不变的前提下，将风扇噪声频谱、喷流噪声频谱、核心噪声频谱以及涡轮噪声频谱放大或缩小，并采用下式对发动机总噪声频谱进行拟合：
其中，a，b，c，d为系数；
判断拟合后的总噪声频谱和测量得到的总噪声频谱是否吻合，包括：
按照下式计算拟合后的总噪声频谱和测量得到的总噪声频谱的总残差均方值：
式中，Si为拟合后的总噪声频谱，Stoti为测量得到的总噪声频谱，并判断总残差均方值是否最小；
若拟合后的总噪声频谱和测量得到的总噪声频谱吻合，包括：
若拟合后的总噪声频谱和测量得到的总噪声频谱的总残差均方值最小，则拟合后的总噪声频谱和测量得到的总噪声频谱吻合；
根据最小二乘拟合的原理，要使得总残差均方值达到最小值，则有如下关系成立：
根据上述关系式，能够获得求解系数a，b，c，d的计算公式：
通过上述的公式，计算得到系数a，b，c，d。
2.根据权利要求1所述的涡扇发动机整机噪声试验数据分离方法，其特征在于，还包括：
若拟合后的总噪声频谱和测量得到的总噪声频谱不吻合，则调整发动机的设计参数和工作参数，重新预测发动机部件的频谱，并对其进行拟合，直到拟合结果吻合。
CN201811496338.5A 2018-12-07 2018-12-07 涡扇发动机整机噪声试验数据分离方法 Active CN109684595B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811496338.5A CN109684595B (zh) 2018-12-07 2018-12-07 涡扇发动机整机噪声试验数据分离方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811496338.5A CN109684595B (zh) 2018-12-07 2018-12-07 涡扇发动机整机噪声试验数据分离方法

Publications (2)

Publication Number Publication Date
CN109684595A CN109684595A (zh) 2019-04-26
CN109684595B true CN109684595B (zh) 2023-10-20

Family

ID=66187131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811496338.5A Active CN109684595B (zh) 2018-12-07 2018-12-07 涡扇发动机整机噪声试验数据分离方法

Country Status (1)

Country Link
CN (1) CN109684595B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112179669A (zh) * 2020-09-21 2021-01-05 西北工业大学 基于发动机整机试验的喷流噪声测试方法
CN112881019A (zh) * 2021-01-18 2021-06-01 西北工业大学 一种用于常规室内实验环境下发动机噪声指向性测量方法
CN112733381B (zh) * 2021-01-21 2021-10-08 上海索辰信息科技股份有限公司 一种基于物理机制的噪声模拟方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845111A (zh) * 2017-01-19 2017-06-13 沈阳航空航天大学 一种基于多元回归的航空发动机噪声预测方法
CN107860469A (zh) * 2017-11-22 2018-03-30 重庆大学 一种基于正交多项式拟合的变电站噪声预测方法
CN108897905A (zh) * 2018-05-17 2018-11-27 安徽江淮汽车集团股份有限公司 发动机噪声分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8666092B2 (en) * 2010-03-30 2014-03-04 Cambridge Silicon Radio Limited Noise estimation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845111A (zh) * 2017-01-19 2017-06-13 沈阳航空航天大学 一种基于多元回归的航空发动机噪声预测方法
CN107860469A (zh) * 2017-11-22 2018-03-30 重庆大学 一种基于正交多项式拟合的变电站噪声预测方法
CN108897905A (zh) * 2018-05-17 2018-11-27 安徽江淮汽车集团股份有限公司 发动机噪声分析方法

Also Published As

Publication number Publication date
CN109684595A (zh) 2019-04-26

Similar Documents

Publication Publication Date Title
CN109684595B (zh) 涡扇发动机整机噪声试验数据分离方法
Pereira et al. Modal analysis of in-duct fan broadband noise via an iterative Bayesian inverse approach
CN112179669A (zh) 基于发动机整机试验的喷流噪声测试方法
CN115544694B (zh) 压气机转子轴向力评估方法、装置、设备及介质
Behn et al. Separation of tonal and broadband noise components by cyclostationary analysis of the modal sound field in a low-speed fan test rig
US8105015B2 (en) Method for determining the total pressure distribution across a fan entry plane
EP3620387A1 (en) Prediction of inlet distortion of boundary layer ingesting propulsion system
Tapken et al. A new modular fan rig noise test and radial mode detection capability
US11814971B2 (en) Probe placement optimization in gas turbine engines
Herrig et al. Broadband airfoil trailing-edge noise prediction from measured surface pressures and spanwise length scales
Fauqueux et al. Modal deconvolution method in a finite circular duct, using flush-mounted microphones
CN112179656A (zh) 一种移动式线性传声器阵列声源指向性测量方法与装置
Benedek et al. Concerted aerodynamic and acoustic diagnostics of an axial flow industrial fan, involving the phased array microphone technique
Jaron et al. Extrapolation of RANS flow data for improved analytical fan tone prediction
Papamoschou Modeling of aft-emitted tonal fan noise in isolated and installed configurations
Taddei et al. A comparison between radial rakes of sensors and axial arrays of microphones for the experimental investigation of tone noise in LPTs
Enghardt et al. Broadband sound power determination in flow ducts
Brouwer et al. Phased array beamforming to identify broadband noise sources in the interstage section of a turbofan engine
Watson et al. Implementation and validation of an impedance eduction technique
CN113253197B (zh) 一种用于发动机及其部件噪声源指向性识别的方法
Reboul et al. Aeroacoustic computation of ducted-fan broadband noise using LES data
Serrano et al. Effect of Airfoil Clocking on Noise of LP Turbines: Part II—Modal Structure Analysis
Brausch Flight velocity influence on jet noise of conical ejector, annular plug and segmented suppressor nozzles
Demange et al. Experimental investigation of tonal and broadband trailing-edge noise for the flow around a NACA0012 profile with rounded trailing edge
Kissner et al. The Challenge of Tonal Fan Noise Prediction for an Aircraft Engine in Flight

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant