飞越适航噪声时域信号预测方法研究

以往对发动机有效感觉噪声级的预测研究是通过1/3倍频程谱进行计算,从而得到发动机地面预测有效感觉噪声级,而使用时域噪声数据进行发动机有效感觉噪声级预测的研究相对较少。研究了飞机起飞飞越过程中的噪声传播特性的计算方法,使用该方法来模拟计算飞机一台发动机在起飞飞越过程中地面飞越噪声测量点接收到的时域噪声信号数据。根据ANP数据库数据计算飞机起飞飞越航迹,使用声线法计算使用某时刻噪声声压信号传递的路程和时间,根据飞机速度方向与飞越地面噪声测量点的角度来确定该时刻噪声信号的最大声压值,最后得出飞机发动机在起飞飞越过程中部分时间内地面噪声测量点接受的时域信号数据,对飞机噪声适航审定提供一定的理论依据。     

涡扇发动机风扇静态噪声预测

发动机风扇是涡扇发动机最主要的噪声源之一,其产生的机理是气体在高速旋转的叶片之间流动,引起强烈的宽频噪声和单音噪声。利用Matlab软件编程实现Heidmann大风扇修正噪声模型,对某型大涵道比涡扇发动机风扇静态噪声进行预测。建立该发动机风扇噪声数据库,通过基于1/3倍频程频谱的声压级和感觉噪声级来分析噪声预测结果。     

民用飞机噪声航迹计算程序设计

民用飞机噪声航迹的计算是飞机噪声合格审定的一个重要环节,计算飞机的起飞噪声航迹及进场噪声航迹,作为声学专业进行起飞横测基准噪声、飞越基准噪声以及进场基准噪声计算的输入数据,以及噪声试飞的基准航迹。本文通过对适航条例的研究分析,建立了符合适航规章规定的民用客机噪声航迹的计算程序,可用于民用飞机噪声航迹的计算,供适航合格取证使用。     

航空涡扇发动机喷气噪声分离技术

涡扇发动机尾喷是飞机的主要噪声源之一,其噪声大小不仅影响飞机的适航取证,更是评价发动机性能的重要指标之一。为了实现发动机的降噪设计,需要将发动机的整机噪声分解到各部件,从而针对部件进行降噪设计。基于三个远场麦克风数据的喷气噪声分离算法,使用MATLAB进行编程,以GE公司的某型发动机噪声静态测试的数据作为输入数据,从发动机整机噪声中分离出喷气噪声,得到喷气噪声声压的自相关谱。根据喷气噪声声压的自相关谱,计算喷气噪声的声压级。分离得到的喷气噪声数据对发动机尾喷的降噪设计有重要意义。     

涡扇发动机边线噪声预测研究

随着飞机适航审定关于噪声要求的逐年提高,预测部件飞行噪声声压级可以为飞机的适航审定工作提供依据,也可以为发动机的减噪设计提供参考。通过对发动机部件噪声进行预测,可以有效确定发动机的部件特性。以核心机噪声为突破口,通过对发动机核心机的静态噪声进行预测,然后经过从静态到飞行状态相关映射因素声源移动效应、声衰减等的修正,最后得到飞机在边线时的噪声值。同时可以用文中的方法预测其他部件的噪声值,整合预测出整机的噪声,可作为适航审定的依据,从而大量减少适航审定过程的投入成本。     

等效飞行航迹在民用飞机噪声适航审定中的运用

民用飞机的噪声适航审定需要多次重复的飞行试验,飞机每次的起降都会消耗大量的燃油、产生巨大的噪声。为了降低适航审定成本,减少噪声对机场周围环境的影响,基于中国民航局航空器型号和适航合格审定噪声规定,对某型飞机的起飞和进近噪声数据和起飞降落程序进行分析,得到适航规定接受的等效飞行程序和等效飞行航迹。等效飞行航迹的得出和使用,既降低了国产大飞机在适航审定过程中的适航成本和噪声污染,又为工程技术人员在新型飞机的噪声适航审定过程中提供了一种可参考的办法。     

民用航空涡扇发动机静态喷气噪声预测

喷气噪声是发动机主要噪声源之一,其大小直接影响到飞机的适航取证。由发动机静态噪声数据可以预测飞机飞行噪声级,提前了解飞机噪声的适航性,从而避免进行试验测量,达到节省时间和成本的目的。通过研究STONE喷气预测模型,提出民用航空涡扇发动机喷气噪声预测方法,并开发相应的Matlab预测程序。利用该程序预测C919客机主发的竞争发动机——CFM56-7B的喷气噪声,分析其噪声指向性以及频率特性,并与实验数据对比,验证此预测方法的准确性。     

航空发动机风扇噪声经验预测方法分析

随着飞机广泛使用的涡轮风扇发动机涵道比的不断提高,风扇噪声在飞机总噪声中占有越来越突出的地位.因此介绍用于预测风扇噪声水平的三种经验模型:Heidmaan模型,Konto-Janardan-Gliebe模型及Hough-Weir模型.编写风扇噪声经验预测方法程序并计算飞机降落过程中某航空发动机风扇的远场噪声水平.三种模型计算结果对比表明,Heidmann模型预测值普遍较大,Hough-Weir模型与上述两种模型趋势稍有不同.     

利用ANP数据预测飞机边线噪声方法研究

不同于飞机进场和起飞时噪声的测量点位置基本固定,在实际噪声测量过程中,边线噪声测量点的位置无法固定,使得边线噪声级难以准确测量。而利用美国汽车工程师学会(Society of Automotive Engineers,SAE)提供的飞机噪声与性能数据库(Aircraft Noise and Performance,ANP),可以计算出不同飞机起飞过程中的边线噪声有效感觉噪声级。其中包括计算起飞剖面航迹,利用噪声-功率距离(Noise-Power-Distance,NPD)数据插值计算,确定噪声级修正参数等内容。通过得出的不同机型在标准状态下的边线噪声数据,可以进一步判定边线噪声测量点的摆放位置,从而使得在实际测量过程中可以得到更准确的噪声数据。这不仅对同类型飞机的边线噪声预测起到一定的帮助作用,还可以缩短新飞机噪声的合格审定周期。     

机翼屏蔽对航空发动机噪声预测的影响分析

随着对飞机适航噪声的要求更加严格,利用机翼屏蔽效应对航空发动机进行噪声控制已成为一项有效策略与研究方向.基于惠更斯-菲涅尔原理,利用飞机噪声性能(Aircraft Noise and Performance,ANP)数据库计算飞机起飞航迹并在其上建立噪声源,声源位置作为噪声屏蔽计算坐标输入屏蔽效应算法,应用Matlab...     

基于小波包特征提取和模糊熵特征选择的柴油机故障分析

船舶动力设备因故障监测信号样本少、变化缓慢、数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。尤其是柴油机振动信号的故障诊断,由于柴油机振动信号噪声多,诊断信号难以进行特征选择的问题,提出了基于小波包能量谱特征提取和模糊熵特征择的柴油机故障诊断方法。利用模糊熵对小波包能量谱提取出的特征集进行特征选择,将选择后的特征参数输入LS-SVM进行故障模式识别。试验结果表明,该方法可以提高故障识别准确率。在该试验中,故障识别准确率达到了99.36%,相比于未进行特征选择的特征集,识别准确率提高了0.72%。     

利用航空发动机静态远场噪声数据预测飞行噪声级

装备改进型航空发动机的飞机投入运行前,需对该飞机进行噪声适航再审定。通过发动机静态测试数据预测飞机飞行噪声级,将减少再审定成本。通过“以机代台”试验方法,获得某型航空发动机静态远场噪声数据,将静态测试数据修正到飞行状态,从而预测装配该型航空发动机飞机的飞行噪声级,通过与实际飞行测量结果比较,验证利用静态测试数据预测飞行噪声级的可行性。     

基于NABEMD的飞行参数噪声能量估计与消除

飞参系统(Flight Data Recorder,简称FDR)记录的飞行参数采样率低、噪声与野值混杂且呈非线性非平稳性的特点使得传统噪声处理方法难以适用,因而提出一种基于噪声辅助复数据经验模态分解(Noise Assisted Bivariate Empirical Mode Decomposition,简称NABEMD)的噪声能量估计与消除方法,用于飞行参数的降噪问题。该方法首先利用飞行参数和高斯白噪声构造复数据并进行BEMD分解,然后根据虚部各层内禀模态函数(Intrinsic Mode Function,简称IMF)的能量来估计实部IMF包含的噪声能量,最后根据噪声能量估计值对IMF进行分层处理得到降噪后的信号。仿真结果表明,本文方法相对于现有方法具有一定优势,可以进一步提高飞行参数的降噪精度。     

空调离心叶轮尾流噪声的数值预估

由于现有的计算技术限制,风机气动噪声的数值预估是非常困难的。对于单个离心叶轮,已知其最主要的气动噪声源是叶片尾缘涡脱落导致的叶片表面压力脉动。基于Lee(1993)的轴流风机尾流噪声模型,提出一种可适用于离心叶轮尾流噪声数值预估方法。它包括三项主要工作:首先利用商用CFD软件Fluent对叶轮内的三维流场进行了数值模拟,并对所得气动性能进行实验验证;然后对叶片尾缘附近的速度剖面进行分析,提取出吸力面和压力面两侧的边界层厚度;最后,根据改进的噪声预估模型对叶轮的总声压级进行数值预估,在设计工况附近所得结果与实验值相比误差小于3dB。     

航空发动机转静子碰摩故障信号用小波分析的方法检测和分析

针对试飞中发动机转静子碰摩故障信号,首先应用小波阈值方法对原始信号进行降噪处理,由此滤除高频噪声干扰,同时可保留含有重要故障特征的突变信息;对降噪后信号进行连续小波变换,时频分析结果具有很好的实时跟踪转速频率能力,且频带清晰,故障特征明显,为今后真实飞行载荷下的实时故障监测提供一种有效途径。     

基于振动噪声信号的齿轮传动系统声压级预测

文中提出一种新的齿轮箱噪声预测方法,它与传统的仅用声压计测量方法不同：该方法采用多个加速度和噪声传感器对齿轮箱进行监测并获取振动和噪声信号;先通过成熟的“以振代噪”技术,计算振动信号的噪声评估向量;然后根据组合预测方法,采用应用线性神经网络算法预测出齿轮箱的声压级,并且通过实验验证其准确性有效性。     

虚拟传声器的有源噪声控制

研究虚拟传声器的有源噪声控制问题。该技术适用于控制区域不适合放置误差传声器的场合。将误差传声器置于控制区域之外,得到测量误差。采用前向差分预测算法预测控制区域内的残余误差信号,然后利用自适应LMS算法,得到最优的噪声控制滤波器。为了尽量消除预测中存在的误差,采用自适应变权值预测算法。仿真结果表明该方法能有效地抑制噪声,使控制区域内的噪声信号得到明显衰减。