氣動(dòng)噪聲源頻域自適應(yīng)區(qū)域積分算法及風(fēng)洞試驗(yàn)應(yīng)用

趙佳錫, 章榮平, 張俊龍, 李征初, 宋玉寶

(中國空氣動(dòng)力研究與發(fā)展中心 氣動(dòng)噪聲控制重點(diǎn)實(shí)驗(yàn)室,四川 綿陽 621000)

氣動(dòng)噪聲問題是大型客機(jī)、運(yùn)輸機(jī)研制過程中的關(guān)鍵問題之一,直接關(guān)系到飛機(jī)的適航性、環(huán)保性(噪聲污染)和安全性(聲疲勞)[1]。國際民航組織(ICAO)制定了航空器氣動(dòng)噪聲審定的建議標(biāo)準(zhǔn),美國、歐洲等基于此制定了一系列飛機(jī)氣動(dòng)噪聲適航條例,對民用客機(jī)氣動(dòng)噪聲水平加以限制,其中第四階段要求2006年以后提出適航申請的新型民用客機(jī)噪聲水平應(yīng)比第三階段低10EPNdB。我國大飛機(jī)產(chǎn)業(yè)正處在蓬勃發(fā)展的階段,未來生產(chǎn)的大型民用客機(jī)需要在研制階段對噪聲和適航標(biāo)準(zhǔn)進(jìn)行充分的考慮[2]。飛機(jī)外部噪聲主要包括發(fā)動(dòng)機(jī)噪聲和機(jī)體噪聲,其中,機(jī)體噪聲包括后緣襟翼噪聲、襟翼側(cè)緣噪聲、前緣縫翼噪聲、起落架噪聲、機(jī)身和機(jī)翼附面層噪聲等[3-5]。飛機(jī)起飛和著陸過程中各種強(qiáng)噪聲部件均處于打開狀態(tài),此時(shí)飛機(jī)機(jī)體噪聲是非常重要噪聲源[6]。氣動(dòng)噪聲風(fēng)洞試驗(yàn)是機(jī)體噪聲研究最常用的手段,能夠?qū)υ肼曉催M(jìn)行分析、定位,并識別噪聲特性,分析噪聲產(chǎn)生機(jī)理,為理論研究提供驗(yàn)證和修正的依據(jù),為實(shí)施降噪研究和降噪措施提供技術(shù)支持[7]。自20世紀(jì)90年代以來,荷蘭DNW大型低速風(fēng)洞對多種空客型號開展了氣動(dòng)噪聲試驗(yàn),美國NASA阿姆斯研究中心對多種波音型號客機(jī)、新氣動(dòng)布局飛機(jī)開展了氣動(dòng)噪聲試驗(yàn)[8]。Yuzuru等[9]針對飛機(jī)模型開展了氣動(dòng)噪聲風(fēng)洞試驗(yàn),分析了噪聲輻射特性的尺度效應(yīng)。Guo等[10]基于風(fēng)洞試驗(yàn)遠(yuǎn)場傳聲器數(shù)據(jù)發(fā)展了增升裝置的噪聲預(yù)測模型。風(fēng)洞試驗(yàn)測得的氣動(dòng)噪聲主要包括各部件噪聲、支撐裝置噪聲和風(fēng)洞背景噪聲等,不同部件有著不同的氣動(dòng)噪聲產(chǎn)生機(jī)理和輻射特性。風(fēng)洞試驗(yàn)中的遠(yuǎn)場噪聲數(shù)據(jù)不能被分解成各部件的噪聲源組合,進(jìn)而無法分析各部件噪聲源特性隨模型尺度、試驗(yàn)風(fēng)速、噪聲頻率等參數(shù)變化的關(guān)系。

為實(shí)現(xiàn)飛機(jī)部件噪聲源特性分析,基于傳聲器陣列的聲源區(qū)域積分方法是一種有效的技術(shù)途徑[11]。Dougherty首次提出了噪聲源區(qū)域積分方法(source region integration, SRI)用于評估不同區(qū)域內(nèi)離散噪聲源對總噪聲的貢獻(xiàn)。Mosher[12]描述了區(qū)域積分方法的計(jì)算過程,即基于常規(guī)波束成形(conventional beamforming,CBF)得到的結(jié)果,積分選定噪聲源區(qū)域內(nèi)掃描點(diǎn)的聲壓值,并作為選定區(qū)域的總聲壓值。Brooks等[13]在翼型氣動(dòng)噪聲風(fēng)洞試驗(yàn)中使用區(qū)域積分方法分析了噪聲源分布與貢獻(xiàn)情況,并給出了基于CBF的計(jì)算公式。NASA建立了傳聲器陣列信號處理系統(tǒng)(microphone array phased processing system,MAPPS),其中聲源區(qū)域積分的原理采用了以上的計(jì)算方法[14]。Dougherty[15]提出了函數(shù)波束成形算法(Functional Beamforming, FBF),增加了算法動(dòng)態(tài)范圍,減小了噪聲源之間的影響,能夠獲得較為準(zhǔn)確的區(qū)域積分結(jié)果。為了進(jìn)一步減小與真實(shí)噪聲源之間的誤差,Dougherty[16]提出功能性投影波束成形算法(functional projection beamforming, FPBF),即將FBF算法與投影波束成形算法(projection beamforming, PBF)融合,不僅降低了FBF算法得到的聲源強(qiáng)度損失量,同時(shí)提高了動(dòng)態(tài)范圍,獲得了更優(yōu)的區(qū)域積分結(jié)果。

飛機(jī)機(jī)體噪聲具有一定的相干性,聲源區(qū)域積分方法中的FBF算法和FPBF算法均是基于非相干聲源的假設(shè),并不完全適用于機(jī)體噪聲的分析。基于常規(guī)波束成形的區(qū)域積分算法中,積分區(qū)域?yàn)楣潭▌澐值膮^(qū)域,對分布特征不隨頻率變化的聲源具有良好的效果。但是,飛機(jī)機(jī)體的氣動(dòng)噪聲分布特征會(huì)隨頻率發(fā)生明顯變化,現(xiàn)有聲源區(qū)域積分方法處理此類聲源時(shí),積分區(qū)域會(huì)出現(xiàn)“泄露”主要聲源或者錯(cuò)誤計(jì)入干擾聲源,導(dǎo)致積分結(jié)果存在較大誤差。本文針對現(xiàn)有聲源區(qū)域積分算法在處理頻域分布特征變化的氣動(dòng)噪聲源時(shí)面臨的問題,在基于常規(guī)波束成形的區(qū)域積分算法的基礎(chǔ)上,提出了基于CLEAN-SC算法的頻域自適應(yīng)區(qū)域積分算法,并通過仿真計(jì)算和風(fēng)洞試驗(yàn)開展有效性分析。

1 理論方法

1.1 基于常規(guī)頻域波束成形的聲源區(qū)域積分算法

聲源區(qū)域積分算法是在傳聲器陣列常規(guī)頻域波束成形結(jié)果的基礎(chǔ)上建立的。

假設(shè)陣列中傳聲器數(shù)量為N,將各傳聲器時(shí)域數(shù)值通過傅里葉變換后,得到陣列的頻域矩陣為

(1)

如圖1所示,對于空間任意一點(diǎn)ξj,傳聲器的指向向量定義為gj=[gj1gj2…gjn]T,其中g(shù)jn為均勻流中單位強(qiáng)度單極子聲源的格林函數(shù),即:

圖1 傳聲器陣列與聲源掃描面Fig.1 Microphone array and source plane

(2)

氣動(dòng)噪聲風(fēng)洞試驗(yàn)中,通常試驗(yàn)?zāi)Ｐ驮跉饬鲀?nèi)部,傳聲器陣列放置在氣流外部。聲波在到達(dá)傳聲器之前,會(huì)穿過射流剪切層,進(jìn)而產(chǎn)生的反射、折射和散射等效應(yīng)。因此,需要對測量數(shù)據(jù)進(jìn)行剪切層修正,才能獲得更為真實(shí)的聲源信息[17]。文中采用平均馬赫數(shù)修正方法,即假設(shè)聲源、傳聲器都位于平均流場內(nèi),則氣流的平均馬赫數(shù)為

(3)

式中:z1為剪切層到傳聲器的距離;z2為聲源到傳聲器的距離。根據(jù)對流關(guān)系確定漂移后的聲源位置,得到修正后的聲源傳播延遲時(shí)間

(4)

(5)

式中,xm、xs分別為傳聲器位置、噪聲源位置。

根據(jù)常規(guī)頻域波束成形算法,空間點(diǎn)ζj的聲源自功率譜A可以表示為

(6)

設(shè)選定積分區(qū)域內(nèi)包含j個(gè)聲源掃描點(diǎn),聲源區(qū)域積分的思想是將選定積分區(qū)域(region of integration,ROI)內(nèi)的聲功率積分,并將聲源積分結(jié)果由位于第k點(diǎn)的單位模擬點(diǎn)聲源代表,如圖2所示。因此,需要滿足以下關(guān)系式[18]

圖2 聲源區(qū)域積分方法Fig.2 Source region integration method

(7)

式中:Aj,exp和Aj,sim分別為掃描面第j點(diǎn)的試驗(yàn)測量聲源和模擬點(diǎn)聲源的聲功率;Pexp為聲功率區(qū)域積分試驗(yàn)值;Psim為單位模擬點(diǎn)聲源的聲功率。

由波束成形算法及點(diǎn)聲源的特性,式(7)可變換為

(8)

式中,gk是位于ξk的指向向量,第k點(diǎn)一般選擇在積分區(qū)域的中心位置。

1.2 基于CLEAN-SC算法的頻域自適應(yīng)區(qū)域積分算法

氣動(dòng)噪聲源積分區(qū)域是依據(jù)風(fēng)洞試驗(yàn)?zāi)Ｐ蛶缀翁卣鲃澐?而忽略了剪切層修正誤差、實(shí)際噪聲源分布及頻域變化特性等因素的影響。在開展聲源區(qū)域積分時(shí),用現(xiàn)有積分區(qū)域劃分方法會(huì)產(chǎn)生較大誤差,所產(chǎn)生的誤差將進(jìn)一步體現(xiàn)到部件噪聲源特性分析或者不同尺度模型相關(guān)性分析結(jié)果中。

針對機(jī)翼等復(fù)雜噪聲源,提出基于CLEAN-SC算法的頻域自適應(yīng)區(qū)域積分算法,算法示意圖,如圖3所示。算法的核心思想是:將聲源積分區(qū)域離散劃分為多個(gè)子積分區(qū)域,采用CLEAN-SC算法尋找子區(qū)域中各個(gè)頻率點(diǎn)最強(qiáng)聲源位置,依據(jù)最強(qiáng)聲源位置自適應(yīng)優(yōu)化子積分區(qū)域,從而獲取更準(zhǔn)確的聲源區(qū)域積分結(jié)果。

圖3 頻域自適應(yīng)區(qū)域積分算法原理示意Fig.3 Frequency domain adaptive integration algorithm

基于CLEAN-SC算法的頻域自適應(yīng)區(qū)域積分算法具體分為四個(gè)步驟,如圖4所示。

圖4 基于CLEAN-SC算法的頻域自適應(yīng)區(qū)域積分算法Fig.4 Frequency domain adaptive integration algorithm based on CLEAN-SC

(1) 傳聲器陣列試驗(yàn)測量和采集噪聲源數(shù)據(jù),采用常規(guī)波束成形方法進(jìn)行聲源識別,計(jì)算聲源掃描面上的聲功率A;

算法迭代過程從i=1開始,定義遞退互譜矩陣為

(9)

(10)

(11)

(12)

其中:

(13)

(14)

(15)

(16)

式中,λ=1.2/b2,是決定帶寬b的參數(shù),安全因子φ取值為0<φ≤1。遞退互譜矩陣迭代關(guān)系如下

(17)

得到的剩余聲源圖為

(18)

之后,進(jìn)行下一步迭代,直到

(19)

經(jīng)過I次迭代后,最終通過CLEAN-SC算法得到的聲源圖就為干凈波束和剩余聲源圖的疊加

(20)

(3) 在各個(gè)關(guān)心的頻率下,根據(jù)CLEAN-SC算法求得的各子積分區(qū)域內(nèi)最大聲源位置,自適應(yīng)將子積分區(qū)域的中心位置平移至最大聲源位置處。

(4) 針對自適應(yīng)優(yōu)化后的聲源積分區(qū)域,采用式(8)計(jì)算聲源區(qū)域積分結(jié)果。

2 仿真分析

模擬聲源位置隨頻率變化的點(diǎn)聲源組合,基于風(fēng)洞試驗(yàn)用的135通道麥克風(fēng)陣列形式,分析現(xiàn)有聲源區(qū)域積分算法的特性,驗(yàn)證頻域自適應(yīng)區(qū)域積分算法對聲源積分結(jié)果改善的有效性。

2.1 模擬聲源的基本情況

模擬聲源以四個(gè)點(diǎn)聲源為組合,各個(gè)點(diǎn)聲源的位置隨著頻率變化而改變,如圖5所示,從左至右的點(diǎn)聲源坐標(biāo)分別為(-1.2,d1)、(-0.4,d2)、(0.4,d4)和(1.2,d4),即各個(gè)點(diǎn)聲源的橫坐標(biāo)位置固定,縱坐標(biāo)位置隨頻率變化,表達(dá)式為

圖5 模擬聲源Fig.5 Simulated noise

(21)

d1=-d2=-d3=d4

(22)

式中:Δf=1 000 Hz;r=0.75。

選定的聲源積分區(qū)域?yàn)榫匦?頂點(diǎn)坐標(biāo)分別為(-1.5, 0.75)、(-1.5,-0.75)、(1.5,-0.75)、(1.5, 0.75)。現(xiàn)有聲源區(qū)域積分方法中,積分區(qū)域依據(jù)模型幾何特征選取,常出現(xiàn)真實(shí)聲源偏出積分區(qū)域。為此,在保持積分區(qū)域幾何特征不變的前提下,將積分區(qū)域縱向平移y0或者橫向平移x0后進(jìn)行聲源積分,如圖6(a)和圖6(b)所示。為了加強(qiáng)對比性,在四個(gè)點(diǎn)聲源保持橫坐標(biāo)不變的情況下,縱坐標(biāo)均置于0,如圖6(d)所示,將這種情況下的聲源積分結(jié)果作為四個(gè)點(diǎn)聲源的積分理想值。

(a) 縱向誤差

(c) 頻域自適應(yīng)區(qū)域積分算法

(d) 模擬聲源積分理想值圖6 聲源區(qū)域積分算法對比及特性分析Fig.6 Characteristic analysis of source region integration

通過以上的對比,分析現(xiàn)有聲源積分算法存在的誤差,并驗(yàn)證頻域自適應(yīng)區(qū)域積分算法的有效性。

2.2 仿真結(jié)果

模擬聲源的頻率范圍為1～5 kHz,每個(gè)頻率點(diǎn)的聲源強(qiáng)度均為100 dB。

首先分析傳聲器陣列掃描平面網(wǎng)格大小Δx對聲源積分結(jié)果的影響,如圖7所示,在Δx取值為0.01 m、0.02 m和0.05 m時(shí),圖6(d)中聲源理想聲功率值誤差在0.01～0.05 dB可見:在Δx取值0.01～0.05 m時(shí),基于式(8)的聲源積分結(jié)果誤差可忽略。在此基礎(chǔ)上,取Δx=0.02 m,分析在聲源位置存在縱向或者橫向偏差時(shí),現(xiàn)有傳統(tǒng)SRI方法的積分效果:

圖7 聲源掃描面不同網(wǎng)格大小下的積分結(jié)果Fig.7 Integration results of different beamforming meshes

(1) 當(dāng)聲源存在0.25～1.25 m的縱向偏差時(shí),與圖5中模擬聲源的積分結(jié)果相比,積分誤差隨偏差距離增加而增加,而且由于低頻旁瓣幅值較大,使得低頻的誤差大于高頻誤差,如圖8(a)所示。在部分頻率點(diǎn)處,例如1.5 kHz、2.5 kHz、3.5 kHz等,盡管存在y0,但是位于積分區(qū)域內(nèi)的聲源總和接近,積分誤差相對較小。

(a) 縱向偏差為0.25～1.25 m

(b) 橫向偏差為0.30～1.50 m圖8 傳統(tǒng)SRI算法聲源位置偏移產(chǎn)生的積分誤差Fig.8 Integration error of the traditional method with source position shifts

(2) 當(dāng)聲源存在0.30～1.50 m的橫向偏差時(shí),積分誤差同樣隨距離增大而增加,且低頻誤差大于高頻誤差,如圖8(b)所示,積分誤差范圍在-0.1～3.6 dB。當(dāng)橫向偏差小于0.7 m時(shí),積分誤差隨頻率波動(dòng)量相對較小,當(dāng)偏差大于0.7 m以后,誤差增幅變大,且低頻變化更為明顯。

由以上分析可見,針對隨頻率變化的動(dòng)態(tài)點(diǎn)聲源組合、聲源位置存在偏差的情況,傳統(tǒng)SRI方法會(huì)產(chǎn)生較大誤差,無法良好適應(yīng)聲源積分要求。針對以上的仿真聲源,采用基于CLEAN-SC的頻域自適應(yīng)區(qū)域積分算法進(jìn)行聲源分析,并分析誤差:

(1) 針對圖5所示的動(dòng)態(tài)點(diǎn)聲源組合,分別采用傳統(tǒng)和頻域自適應(yīng)SRI方法獲取聲源積分結(jié)果,并與圖6(d)所示理想狀態(tài)聲源的積分結(jié)果對比,如圖9所示。在誤差較大的頻率點(diǎn)1.5 kHz、2.5 kHz、3.5 kHz和4.5 kHz處,頻域自適應(yīng)SRI方法使積分結(jié)果更接近于理想狀態(tài)聲源,取得了明顯改善。

圖9 不同聲源區(qū)域積分方法結(jié)果Fig.9 Integration results of different methods

(2) 針對圖6(a)～(b)所示的存在縱向或橫向偏差的模擬聲源,分析兩種SRI方法的積分結(jié)果。需要特別說明的是,由于理想狀態(tài)聲源與動(dòng)態(tài)模擬聲源的聲場分布形態(tài)的不同,兩者真實(shí)的積分結(jié)果總體較為接近但仍存在一定差別,文中理想聲源狀態(tài)僅作為聲源積分結(jié)果有效性的參考。

當(dāng)縱向偏差為0.75 m時(shí),傳統(tǒng)SRI方法與理想狀態(tài)聲源之間相差約3 dB,頻域自適應(yīng)SRI方法的積分結(jié)果有明顯改善,圖10(a)所示;當(dāng)橫向偏差為1.1 m時(shí),傳統(tǒng)SRI方法與理想狀態(tài)聲源之間有明顯差別,采用頻域自適應(yīng)SRI方法后,整體得到了明顯改善。但是,在例如1 kHz、1.25 kHz和3.25 kHz等個(gè)別頻率點(diǎn)處仍與理想狀態(tài)聲源有較大差別。由于模擬點(diǎn)聲源的聲強(qiáng)為100 dB,理論上四個(gè)聲源積分結(jié)果應(yīng)為106 dB,因此,根據(jù)圖10中的結(jié)果,頻域自適應(yīng)SRI方法的結(jié)果與理論的積分結(jié)果更為接近,驗(yàn)證了該方法對動(dòng)態(tài)點(diǎn)聲源組合的有效性。

(a) 縱向偏差為0.75 m

(b) 橫向偏差為1.10 m圖10 頻域自適應(yīng)SRI算法對聲源位置偏差影響的改善效果Fig.10 Error improvement of frequency domain adaptive integration algorithm

3 試驗(yàn)應(yīng)用

依托中國空氣動(dòng)力研究與發(fā)展中心5.5 m×4 m聲學(xué)風(fēng)洞(FL-17),開展飛機(jī)模型氣動(dòng)噪聲風(fēng)洞試驗(yàn),并對翼型前緣噪聲源進(jìn)行區(qū)域積分研究。

3.1 風(fēng)洞及試驗(yàn)?zāi)Ｐ?/h3>

FL-17風(fēng)洞是一座單回流式低速低湍流度聲學(xué)風(fēng)洞,開口試驗(yàn)段長14 m、寬5.5 m、高4 m,其中,開口試驗(yàn)段的最大風(fēng)速100 m/s,其背景噪聲為75.6 dB(A)(截止頻率100 Hz,風(fēng)速80 m/s)。開口試驗(yàn)段外包圍著一個(gè)內(nèi)部凈空間尺寸為27 m(長)×26 m(寬)×18 m(高)的全消聲室,截止頻率為100 Hz(1/3倍頻程),混響時(shí)間≤0.1 s。圖11為風(fēng)洞總體結(jié)構(gòu)圖。

圖11 中國空氣動(dòng)力研究與發(fā)展中心5.5 m×4 m聲學(xué)風(fēng)洞Fig.11 5.5 m × 4 m aeroacoustics wind tunnel in China Aerodynamics Research and Development Center

此次氣動(dòng)噪聲風(fēng)洞試驗(yàn)的模型采用中國空氣動(dòng)力研究與發(fā)展中心對外發(fā)布的CHN-T1標(biāo)準(zhǔn)模型半模,縮比為1∶5.8。本文噪聲源數(shù)據(jù)為模型不含起落架、短艙的干凈著陸和巡航構(gòu)型,如圖12所示。為了更好的模擬真實(shí)流場情況,在模型表面適當(dāng)位置粘貼轉(zhuǎn)捩帶。

圖12 大型飛機(jī)氣動(dòng)噪聲標(biāo)準(zhǔn)模型半模Fig.12 Half model of standard aeroacoustics aircraft

3.2 模型支撐系統(tǒng)及傳聲器陣列測試系統(tǒng)

風(fēng)洞試驗(yàn)?zāi)Ｐ椭渭皞髀暺麝嚵袦y試系統(tǒng)分布圖,如圖13所示。其中,試驗(yàn)?zāi)Ｐ椭蜗到y(tǒng)采用5.5 m×4 m聲學(xué)風(fēng)洞配套的3/4開口試驗(yàn)平臺,其中,平臺前緣與噴口無縫連接,平臺上表面由系列模塊化復(fù)合吸聲面板拼接而成,內(nèi)部填充有玻璃纖維吸聲材料,用于降低地板反射聲對噪聲源測量的干擾;氣動(dòng)噪聲源測量采用優(yōu)化的135通道的螺旋型傳聲器陣列。傳聲器陣列位于3/4平臺一側(cè)(即模型機(jī)翼下方方位),在風(fēng)洞射流剪切層外。陣列的中心距離試驗(yàn)大廳地面7.5 m,陣列表面距風(fēng)洞中心5.5 m(傳聲器距離陣列表面0.15 m),試驗(yàn)過程中陣列的位置保持不變;數(shù)據(jù)采集使用配套的272通道動(dòng)態(tài)數(shù)據(jù)采集系統(tǒng),最高采樣頻率200 kHz,精確度≤ ±0.1 dB,動(dòng)態(tài)測量范圍>120 dB;試驗(yàn)數(shù)據(jù)采集使用PXI總線數(shù)據(jù)采集系統(tǒng)。

圖13 風(fēng)洞試驗(yàn)?zāi)Ｐ椭渭皞髀暺麝嚵袦y試系統(tǒng)分布圖Fig.13 Wind tunnel test model support platform and microphone array measurement system

3.3 氣動(dòng)噪聲風(fēng)洞試驗(yàn)結(jié)果分析

基于傳聲器陣列測量得到的聲源數(shù)據(jù),分別采用常規(guī)頻域波束成形算法和CLEAN-SC算法進(jìn)行模型聲源識別,分析翼型前緣噪聲源區(qū)域積分存在的問題;基于傳統(tǒng)SRI方法和頻域自適應(yīng)SRI方法,分析翼型前緣噪聲源積分結(jié)果的差異,評估方法有效性。

3.3.1 試驗(yàn)?zāi)Ｐ蜖顟B(tài)及噪聲頻譜特性

風(fēng)洞試驗(yàn)風(fēng)速為80 m/s,試驗(yàn)?zāi)Ｐ陀菫?°,當(dāng)模型處于著陸狀態(tài)時(shí),前緣縫翼偏角34°、內(nèi)襟翼偏角19°、外襟翼偏角26.5°;當(dāng)模型處于巡航狀態(tài)時(shí),前緣縫翼、內(nèi)襟翼和外襟翼的偏角均為0°。文中主要針對著陸狀態(tài)數(shù)據(jù)進(jìn)行SRI方法的對比分析,巡航狀態(tài)數(shù)據(jù)僅用于與著陸狀態(tài)的頻譜特性進(jìn)行對比。

聲源區(qū)域積分方法的分析需要較小的背景噪聲干擾,由于此次風(fēng)洞試驗(yàn)不具備測量背景噪聲的條件,以模型巡航構(gòu)型的噪聲數(shù)據(jù)作為參考進(jìn)行對比。選擇處于傳聲器陣列中心位置的傳感器作為數(shù)據(jù)來源,對比模型著陸構(gòu)型和巡航構(gòu)型的噪聲頻譜,如圖14所示。由圖14可見,在1～5 kHz之間,模型著陸構(gòu)型的聲功率比巡航構(gòu)型大5～13 dB;在5～20 kHz之間,模型著陸構(gòu)型的聲功率比巡航構(gòu)型大5 dB左右。由于巡航構(gòu)型噪聲顯然大于無模型時(shí)的背景噪聲,因此容易得到,模型著陸構(gòu)型噪聲明顯大于風(fēng)洞背景噪聲,能夠用于SRI方法的對比研究。

圖14 傳聲器陣列中心位置噪聲頻譜Fig.14 Noise spectrum at the center of the microphone array

3.3.2 氣動(dòng)噪聲源識別結(jié)果分析

采用常規(guī)頻域波束成形算法獲得飛機(jī)模型機(jī)翼位置的氣動(dòng)噪聲源分布情況,選擇1.25 kHz、2.5 kHz、3.75 kHz和5 kHz為代表進(jìn)行分析,如圖15(a)～(d)所示。由圖中對比可知:① 模型氣動(dòng)噪聲源在不同頻率處具有不同的分布特征,例如1.25 kHz處內(nèi)襟翼和外襟翼噪聲明顯大于前緣縫翼噪聲,當(dāng)頻率增加到5 kHz時(shí),前緣縫翼噪聲變?yōu)橹饕曉?② 前緣縫翼噪聲的強(qiáng)弱分布特征隨頻率變化而變化,例如2.5 kHz處前緣內(nèi)側(cè)縫翼的聲源明顯強(qiáng)于外側(cè)縫翼,3.75 kHz處外側(cè)縫翼的噪聲源相對內(nèi)側(cè)縫翼得到了加強(qiáng);③ 飛機(jī)模型處于著陸構(gòu)型時(shí),機(jī)翼噪聲源遍布整個(gè)機(jī)翼的各個(gè)組成部件,相互之間嚴(yán)重耦合。

(a) f=1 250 Hz

(c) f=3 750 Hz

(d) f=5 000 Hz圖15 風(fēng)速80 m/s噪聲源CBF識別結(jié)果Fig.15 Noise identification results of conventional beamforming at 80 m/s wind speed

當(dāng)開展聲源區(qū)域積分時(shí),若采用范圍較大的聲源積分區(qū)域,將會(huì)錯(cuò)誤將其他部件產(chǎn)生的聲源積分進(jìn)來。為了獲得合理的聲源積分區(qū)域,需要掌握機(jī)翼主要的聲源位置。根據(jù)試驗(yàn)結(jié)果,常規(guī)頻域波束成形算法無法精確分離較強(qiáng)聲源位置,利用CLEAN-SC算法的優(yōu)勢,得到各個(gè)頻率主要聲源位置。

以1.25 kHz和5 kHz頻率處的CLEAN-SC計(jì)算結(jié)果為進(jìn)行說明,如圖16(a)～(b)所示,圖中三角標(biāo)記位置為前緣縫翼較強(qiáng)聲源位置,五角星標(biāo)記位置為靠近前緣縫翼區(qū)域的襟翼較強(qiáng)聲源位置。由圖16可知:① 在1.25 kHz頻率處,外襟翼較強(qiáng)聲源距離前緣縫翼區(qū)域很接近,若前緣縫翼聲源積分區(qū)域?qū)⑼饨笠砺曉窗ㄟM(jìn)去,將造成較大誤差;② 在5 kHz頻率處,聲源沒有呈現(xiàn)沿著前緣縫翼的直線分布,呈現(xiàn)出一定程度的波動(dòng)特征,采用現(xiàn)有傳統(tǒng)的固定區(qū)域積分方法顯然并不合適。

(a) f=1 250 Hz

(b) f=5 000 Hz圖16 風(fēng)速80 m/s噪聲源CLEAN-SC識別結(jié)果Fig.16 Identification results of CLEAN-SC at 80 m/s wind speed

通過以上分析,驗(yàn)證了飛機(jī)模型氣動(dòng)噪聲風(fēng)洞試驗(yàn)中,現(xiàn)有聲源區(qū)域積分方法存在的問題,以及文中提出的頻域自適應(yīng)區(qū)域積分方法的現(xiàn)實(shí)需求。

3.3.2 氣動(dòng)噪聲源區(qū)域積分結(jié)果分析

根據(jù)前緣縫翼幾何外形,選定傳統(tǒng)SRI方法的積分區(qū)域,如圖17(a)所示。由于前緣縫翼包括6個(gè)固定導(dǎo)軌,且導(dǎo)軌是較為突出的噪聲來源,因此,將圖17(a)中的區(qū)域等分為6個(gè)子積分區(qū)域,由內(nèi)向外依次為ROI-1～6,如圖17(b)所示。基于傳聲器陣列的試驗(yàn)數(shù)據(jù),采用CLEAN-SC算法獲得了各個(gè)子積分區(qū)域最大聲源位置,進(jìn)一步求出了最大聲源位置距離區(qū)域展向中心線的距離,如圖18所示,其中距離大于0代表最大聲源位置位于展向中心線靠機(jī)頭方向。由圖18可知,各區(qū)域最大聲源位置大多數(shù)位于中心線靠機(jī)尾方向,距離范圍約為-0.1～0.1 m。

(a) 傳統(tǒng)SRI方法

(b) 頻域自適應(yīng)SRI方法圖17 噪聲源積分區(qū)域劃分Fig.17 Source integration region

圖18 各子積分區(qū)域最大聲源點(diǎn)與區(qū)域展向中心線距離Fig.18 Distances between the maximum source position and span-wise center line in sub-regions

根據(jù)1.1節(jié)和1.2節(jié)中的兩種區(qū)域積分方法,獲得在80 m/s風(fēng)速下飛機(jī)標(biāo)模翼型前緣氣動(dòng)噪聲源的區(qū)域積分結(jié)果,如圖19所示。從聲源區(qū)域積分結(jié)果看,在1～5 kHz內(nèi)傳統(tǒng)SRI方法與頻域自適應(yīng)SRI方法的聲功率差異范圍在-0.17～0.85 dB之間。根據(jù)圖19可以明顯看出,頻域自適應(yīng)SRI方法得到的積分結(jié)果在絕大多數(shù)頻率點(diǎn)處大于傳統(tǒng)SRI方法得到的結(jié)果,原因是傳統(tǒng)SRI方法的積分區(qū)域“泄露”了更多的前緣氣動(dòng)噪聲源,而頻域自適應(yīng)SRI方法通過自適應(yīng)優(yōu)化積分區(qū)域,減小了“泄露”的聲源,一定程度的驗(yàn)證了頻域自適應(yīng)SRI方法的有效性,后期將通過在飛機(jī)標(biāo)準(zhǔn)模型上預(yù)埋多個(gè)揚(yáng)聲器模擬聲源的方法更進(jìn)一步對文中提出的方法進(jìn)行試驗(yàn)分析。

圖19 飛機(jī)標(biāo)模翼型前緣噪聲兩種聲源區(qū)域積分方法結(jié)果Fig.19 Leading edge slat noise integration results of two source region integration algorithm

4 結(jié) 論

針對飛機(jī)模型等氣動(dòng)噪聲風(fēng)洞試驗(yàn)中傳統(tǒng)聲源區(qū)域積分算法無法良好適應(yīng)動(dòng)態(tài)聲源的問題,提出了基于CLEAN-SC算法的頻域自適應(yīng)區(qū)域積分算法并進(jìn)行了仿真計(jì)算,最后基于中國空氣動(dòng)力研究與發(fā)展中心5.5 m×4 m聲學(xué)風(fēng)洞的飛機(jī)模型氣動(dòng)噪聲試驗(yàn)結(jié)果開展了方法有效性分析。主要得出以下結(jié)論:

(1) 當(dāng)聲源分布隨頻率變化時(shí),頻域自適應(yīng)SRI方法能夠有效獲得聲源積分結(jié)果;當(dāng)聲源積分區(qū)域劃分存在整體縱向或橫向偏差時(shí),頻域自適應(yīng)SRI方法同樣具有良好的適應(yīng)性,減小積分誤差。

(2) 氣動(dòng)噪聲風(fēng)洞試驗(yàn)測量獲得的飛機(jī)模型聲源特征明顯隨頻率變化而變化,基于CLEAN-SC算法能夠考慮聲源的相干特性,更為精確地定位聲源峰值位置,從而實(shí)現(xiàn)聲源積分區(qū)域優(yōu)化調(diào)整,降低積分區(qū)域不準(zhǔn)確帶來的積分誤差。

(3) 頻域自適應(yīng)SRI方法使飛機(jī)模型的前緣氣動(dòng)噪聲積分結(jié)果的普遍增大,減小了傳統(tǒng)SRI方法“泄露”的聲源,具有更好的適用性。