论文部分内容阅读
随着风力发电行业的高速发展,风力机运行产生的噪声问题日益凸显,噪声问题除了会引起严重的环境污染,还会造成结构的疲劳和损坏。噪声控制工程的关键之一就是噪声源位置的识别,基于声阵列的波束形成算法近年来被广泛运用于声源定位研究。运行中的风轮产生的噪声主要为气动噪声,而实际运行时的条件极为复杂,常规波束形成技术分辨率低而且没有考虑声源的运动。本文基于传声器阵列测试技术展开了适用于旋转风轮声源识别的高分辨率方法研究,结合旋转声源运动特征与DAMAS2算法理论,推导得到适用于风轮声源识别的DAMAS2修正算法。通过数值模拟与旋转声源模拟实验对比分析了常规波束形成算法与DAMAS2修正算法的识别效果,并将该修正算法成功应用于风轮声源追踪识别。对传声器阵列接收模型与波束形成算法理论进行了深入研究,通过分析几种拓扑结构的传声器阵列的性能,明确了声阵列不同的空间排布对阵列性能带来的不同影响。针对影响B&K的60通道的轮辐阵列测试性能的主要参数进行了模拟分析,为合理选择阵列的测试参数提供了依据。基于DAMAS2算法理论推导了适用于旋转声源识别的DAMAS2修正算法,该方法在原本的静止框架中加入转速,得到修正的指向矢量与波束形成修正结果,随后结合波束形成修正结果建立了阵列点传播函数与真实声源位置之间的卷积关系,并且引入阵列传播函数空间平移不变性的假设进行了简化,最终通过迭代求解获得真实声源位置。基于常规波束形成算法理论与DAMAS2修正算法理论进行了数值模拟分析,结果显示DAMAS2修正算法的空间分辨率与声压识别精度都随着迭代计算次数的增加逐渐提高,DAMAS2修正算法可以更精确的识别旋转声源,并且对于低频与高频声源均表现出高于常规波束形成算法的空间分辨率。接着结合激光测速原理及波束形成测试理论进行了旋转声源模拟实验研究,实验结果验证了数值模拟结果的正确性,进一步表明该算法可以应用于旋转风轮的声源追踪实验研究。在风洞开口实验段进行了风轮声源识别实验研究,DAMAS2修正算法可以有效抑制虚假声源,并且得到了更精确的声源位置,旋转风轮的机舱噪声主要出现在674Hz附近,1kHz~6.4 kHz频段内的噪声主要为宽频气动噪声,气动噪声随着频率或尖速比的增加逐渐向叶尖靠拢。本文基于旋转声源运动方式与DAMAS2算法理论,推导得到DAMAS2修正算法,该算法通过重构加入转速后的位置向量,得到修正的指向矢量与波束形成修正结果,有效消除了旋转运动造成的识别误差。在波束形成修正结果的基础上基于DAMAS2算法理论进行反卷积计算,进一步提高了识别结果的分辨率。通过数值模拟与旋转声源模拟实验验证了DAMAS2修正算法对旋转声源的识别效果要好于常规波束形成算法,应用DAMAS2修正算法在风洞中进行了风轮声源的追踪识别研究,得到了精度更高的声源位置,为风力机的降噪优化积累了经验。