非紧致阻抗圆柱气动噪声数值预测与控制方法

为预测非定常流动与非紧致阻抗固体边界相互作用产生的气动噪声,开发一种基于精确格林函数和声模拟理论的气动噪声数值预测方法。非紧致阻抗边界对声波的散射作用计入精确格林函数,远场噪声采用FW-H方程计算。对具有任意几何外形的非紧致阻抗边界,采用边界元方法计算满足声学硬边界或声学阻抗边界条件的精确格林函数。同时,推导了具有阻抗边界条件的二维非紧致圆柱精确格林函数的解析解用以验证数值计算方法。数值计算结果表明数值解与解析解的结果一致,数值解要取得好的网格收敛效果需要在一个波长内布置至少20个网格点。圆柱绕流气动噪声预测结果表明,非紧致边界的阻抗特性对声传播有显著影响,采用合适的阻抗布置方式可以取得有效的噪声控制效果。     

非紧致边界气动噪声数值预测方法

通过寻找满足非紧致边界的精确格林函数,发展了一种基于声模拟理论的非紧致边界气动噪声数值预测方法。该方法首先采用边界积分方法计算满足相应边界条件的精确格林函数,然后采用精确格林函数求解FW-H方程,进行远场气动噪声预测。考虑了非紧致边界对声波传播的散射作用,适用于尺寸较大且几何外形复杂的边界与非定常流动相互作用诱发的气动噪声的数值预测。以雷诺数90 000、马赫数0.2的圆柱绕流诱发的气动噪声为例,数值预测了非紧致边界条件下的气动噪声,并与采用自由空间格林函数求解FW-H的计算结果进行了对比,对该方法进行了验证。     

气动噪声数值计算方法的比较与应用

当前气动噪声问题已日趋普遍和突出。虽然自Lighthill开创气动声学已有半个多世纪,但是由于气动声学方程的复杂性,因此在很长一段时间内都无法实现气动噪声的准确计算。计算流体力学和声学计算方法的成熟,数值计算正在成为解决气动噪声问题的主要工具。从气动声学基本理论出发,对现有的三种气动噪声数值计算方法进行介绍,分析这三种方法的适用性,并通过应用实例说明它们各自的求解过程和优缺点。由此可对气动噪声的预测提供一定的参考依据。     

用快速多极方法预测圆柱绕流的气动噪声

采用声模拟理论预测气动噪声时需要大量的计算时间,快速多极方法将传统点对点计算转变为点集之间的相互作用,可以有效加速计算。基于二维自由空间格林函数的分波展开方式,推导了FW-H方程应用快速多极变换后的积分核函数与计算公式。计算了低马赫数圆柱绕流的非定常流场;并由此预测了气动声源。随后,分别采用传统方法和快速多极方法计算其声场分布。结果表明,基于分波展开方式的快速多极方法能准确计算圆柱绕流气动噪声,在频率较低时能大幅减少声场计算时间,且观测点数越多,加速效果越明显。     

风力机叶片气动噪声风洞试验及数值计算

风力机叶片在运行时会产生明显的气动噪声。采用声学风洞开展NACA0012翼型气动噪声试验,获得不同风速下的气动噪声特征。建立基于大涡模拟的数值计算模型,进行升阻力系数对比验证和网格无关性分析。根据流场模拟结果和FW-H方程计算攻角为5°时风速10、15、20 m/s的叶片声压级,计算结果和声学风洞实测的声压级频谱整体趋势较吻合。进一步地,通过数值模拟对比研究不同叶片尺寸对流场和气动噪声的影响。根据不同风速下非定常流场的涡量云图,叶片流动分离点随风速增加而后移,旋涡尺度逐渐变小;同风速下,大尺寸叶片的分离涡更大一些,且涡核间距较大。根据数值模拟得到的不同尺寸叶片的声压级频谱图,叶片尺寸增大导致各频率声压级均有不同程度的提升,且频谱图中的声压级峰值向更低频移动。研究成果对于叶片气动噪声分析和声环境评估具有借鉴意义。     

不同雷诺数下圆柱绕流气动噪声数值模拟

基于大涡模拟和声类比相结合的混合方法对不同雷诺数下二维圆柱绕流的远场气动噪声进行预测.预测值与试验数据吻合良好.根据预测结果分析圆柱绕流气动噪声的声场特性,研究流场振荡规律对远场噪声的影响和圆柱绕流气动噪声的辐射特性,并寻找降低圆柱绕流气动噪声的途径.结果表明:随着雷诺数的增加,远场各测量点的总声压级增大;声场的最大声...     

基于神经网络方法的高速列车车外气动噪声预测

利用神经网络进行高速列车车外气动噪声预测研究。基于Lighthill声学类比理论,建立高速列车气动噪声计算模型。在此基础上采用Levenberg-Marquardt(LM)算法建立车外气动噪声的神经网络预测模型,选取车外气动噪声样本点对预测模型进行训练,用训练好的神经网络预测模型预测车外气动噪声。结果表明,建立的神经网络模型对车外噪声具有较好的预测效果,可以用来进行高速列车车外噪声预测。     

汽车外表面气动噪声特性分析

以荣威750为研究对象,通过声学风洞实验手段对车辆后视镜表面、侧窗表面及其附近流场,以及外场的气动噪声特性进行测试分析;在对数值计算结果验证分析之后,通过数值计算手段以流场脉动压力标准差为评价指标并结合速度场特征,分析车辆表面的压力脉动特性及其产生的原因,在此基础上对车辆表面的噪声大小和分布以及频率特性进行计算分析。研究表明车辆的气动噪声主要能量集中在中低频,频带较宽,不同部位特性差异较大;表面压力脉动是表面气动噪声产生的根本原因,压力脉动大的地方气动噪声亦大;气动噪声大的位置是发生气流分离,湍流运动比较剧烈的区域。就该款车而言,气动噪声主要出现在汽车头部上方、前后挡风玻璃边沿、车顶、A柱、侧窗、后视镜以及车尾和轮胎部分位置处。     

扫路车专用风机气动噪声数值仿真研究

以某型号扫路车专用风机气动噪声特性为研究对象,运用Lighthill声比拟理论和计算流体动力学技术对扫路车专用风机的非定常流场和气动声场进行数值研究,获得专用风机声功率级分布和气动噪声频谱特性。计算结果表明:扫路车专用风机的噪声源主要分布在叶片的吸力面和蜗舌区域;扫路车专用风机的噪声主要为低频噪声,吸力面的压力脉动是低频噪声的主要来源,离散噪声在气动噪声中所占的比重较大;叶片及蜗舌的设计是扫路车专用风机气动降噪需重点考虑的因素。     

一种气动声源的数值研究

将CFD技术研究引入对一种气动声源的流体数值模拟研究,利用Navier-Stokes方程和RNG湍流模型,并在转动部件与静止部件间用滑移网格技术建立交界面,进行数值模拟,再采用时域和频域分析方法对流场内压力脉动的强度和频率进行分析,并将该结果与该气动声源的试验值进行对比,证明该数值计算的可靠性。     

快速多极子边界元法预测船舶舱室噪声

将快速多极子边界元法应用于船舶舱室噪声预测,考虑振动、刚性以及阻抗三类边界条件,计算得到舱室表面的辐射声压云图以及监测点处的声压级,通过和Virtual. Lab Acoustic软件计算结果比较验证方法的正确性;此外,通过和传统边界元法在总计算时间上的比较,表明快速多极子边界元法在计算大尺度声学问题中的高效性。     

Green’s functions for transversely isotropic magnetoelectroelastic media

Based on the governing equations of transversely isotropic magnetoelectroelastic media, four general solutions on the cases of distinct eigenvalues and multiple eigenvalues are given and expressed in five mono-harmonic displacement functions. Then, based on these general solutions, employing the trial-and-error method, the three-dimensional Green’s functions of infinite, two-phase and semi-infinite magnetoelectroelastic media under point forces, point charge and magnetic monopole are all presented in terms of elementary functions for all cases of distinct eigenvalues and multiple eigenvalues. Numerical results are also presented.     

齿轮箱结构噪声预测

从齿轮传动系统的动力学仿真出发,利用有限元分析求解齿轮箱的动态响应,将响应结果作为边界条件,由边界元方法对齿轮箱结构噪声进行预测,同时对齿轮箱辐射噪声进行了声强测试,并与预测结果进行比较。结果表明,该方法能够有效预测齿轮箱结构噪声的声学特性,为齿轮箱的噪声控制与结构优化提供了可靠的依据。     

压缩机吸气消声器气动噪声辐射特性研究

以某变频压缩机吸气消声器为研究对象,在不同压缩机转速下,研究消声器内流场气动噪声辐射特性。通过仿真分析消声器内部流场和声场,采用FW-H声学模型计算其声场参数,获得噪声源数据,计算气动噪声辐射特性,并与整机测试结果进行对比分析。结果表明,吸气消声器噪声源强度从入口至出口沿气流方向逐渐增大,主要噪声源位于出口附近;随转速增加,噪声源强度逐渐增大;出口和入口的声压级都随转速上升而增大,且声压级的最大值所在频段随转速上升逐渐向高频移动;相同转速下,出口处的声压级高于入口处;消声器气动噪声表现为一种宽频噪声,主要集中于400 Hz至6 000 Hz频段内,吸气消声器气动噪声对压缩机整机噪声影响较大。     

Prediction of Parkinson’s Disease Using Improved Radial Basis Function Neural Network

Parkinson’s disease is a neurogenerative disorder and it is difficult to diagnose as no therapies may slow down its progression. This paper contributes a novel analytic system for Parkinson’s Disease Prediction mechanism using Improved Radial Basis Function Neural Network (IRBFNN). Particle swarm optimization (PSO) with K-means is used to find the hidden neuron’s centers to improve the accuracy of IRBFNN. The performance of RBFNN is seriously affected by the centers of hidden neurons. Conventionally K-means was used to find the centers of hidden neurons. The problem of sensitiveness to the random initial centroid in K-means degrades the performance of RBFNN. Thus, a metaheuristic algorithm called PSO integrated with K-means alleviates initial random centroid and computes optimal centers for hidden neurons in IRBFNN. The IRBFNN uses Particle swarm optimization K-means to find the centers of hidden neurons and the PSO K-means was designed to evaluate the fitness measures such as Intracluster distance and Intercluster distance. Experimentation have been performed on three Parkinson’s datasets obtained from the UCI repository. The proposed IRBFNN is compared with other variations of RBFNN, conventional machine learning algorithms and other Parkinson’s Disease prediction algorithms. The proposed IRBFNN achieves an accuracy of 98.73%, 98.47% and 99.03% for three Parkinson’s datasets taken for experimentation. The experimental results show that IRBFNN maximizes the accuracy in predicting Parkinson’s disease with minimum root mean square error.     

A Novel Prediction Method for Hardness Using Auto-regressive Spectrum of Barkhausen Noise

In this study, a novel method for predicting hardness of ferromagnetic alloy based on the magnetic Barkhausen noise (MBN) is proposed. A set of new frequency features of MBN and a new hardness prediction method are proposed. The new features are derived from the first and second derivative of the auto-regressive spectrum of MBN signal. The new automatic hardness prediction method include Bag-of-Words, principal component analysis and back propagate neural network optimized by ensemble learning. The experimental results of the hardness classification show that the new features are superior to the previous features—the misclassification rate using the new features is less than 0.67%, while the misclassification rate using the previous features is about 2%. The efficiency of the new method is also proved by hardness classification experiment. Compared with the traditional time-domain method and the previous frequency domain method, the misclassification rate of the new method decreased significantly from 25% to less than 1%. In addition, the new method is highly automatic, so it is more versatile than manual algorithms. The above characteristics make the proposed new method suitable for predicting the hardness of ferromagnetic alloys in practice.     

基于CFD方法的调节阀流动噪声预测

阀门的噪声是阀门的重要性能指标之一。流体噪声是阀门噪声中重要的源之一,特别是阀门流速较高时,流体噪声的影响更加突出。使用计算流体力学（CFD）和声学计算方法,对某一种调节阀门的管路流体噪声使用瞬态方法和准稳态方法进行分析,并同试验的结果进行对比。对两种方法的优劣进行比较。     

高架轻轨噪声预报模型及实验对比

城市高架轻轨在缓解交通压力的同时也给其周边的环境带来了噪声问题。因此,其噪声预报开始逐渐受到技术人员的广泛关注。在前人研究的基础上提出一个轨道交通噪声沿水平方向传播的计算模型,把通过的列车看作一有限长线声源,将声场分为声影区和声照区。该模型不仅考虑了直达声的影响,还附加考虑声照区内的地面反射声、声影区内桥面与地面间的混响声以及地面振动引起的二次辐射声的贡献。为了验证理论模型的有效性,对上海市某高架轻轨运行段进行实测,测试与计算结果的趋势保持一致。通过不同模型计算结果与实测值的比较可见：在近场区增加混响声、地面反射声和地面辐射声,修正后的预报结果误差明显减小;在远场区,三种修正的影响随距离的增大而减小,因为声场趋于自由场。因此,所提出的预报模型可以作为高架轻轨声学设计参考。     

涡声理论在汽车A柱气动噪声优化中的应用

涡声理论表明气流流动产生的噪声主要取决于声源项涡量与速度叉乘项的散度的强弱。基于涡声方程,通过分析汽车A柱附近流场中速度、涡矢量以及两者间夹角正弦值等物理量与气动噪声之间的关系,找到了影响A柱气动噪声的主要气动参数。研究表明,A柱区域气动噪声声压级与流场中速度和涡矢量的叉乘变化规律一致,进一步分析涡量、速度以及两者夹角正弦值等三个流场气动参量发现,三者中绕A柱轴向的涡量对噪声的贡献量最大。据此,通过在A柱上沿涡量方向加装扰流条可以有效控制A柱区域气动噪声;其中,增加16个扰流条的措施,可使前侧窗表面噪声最大降低4.2 dBA,对测点声压级的频谱分析表明该方法在较宽的频段内均有降噪效果。