飞机噪声预测模型及其应用

飞行器气动噪声的测量与分析在现代航空航天领域，飞行器的气动噪声问题日益受到关注。

随着飞行器速度的不断提高以及人们对乘坐舒适性要求的提升，降低气动噪声已经成为飞行器设计中的一个重要环节。

为了有效地控制和降低气动噪声，首先需要对其进行准确的测量和深入的分析。

飞行器气动噪声的产生源于复杂的空气动力学现象。

当飞行器在空气中高速运动时，气流与飞行器表面相互作用，产生各种不稳定的流动结构，如湍流、边界层分离和漩涡等。

这些流动结构会导致压力的波动，从而产生声波，形成气动噪声。

要对飞行器气动噪声进行测量，需要采用一系列先进的技术和设备。

常见的测量方法包括麦克风阵列测量、激光多普勒测速（LDV）以及粒子图像测速（PIV）等。

麦克风阵列测量是一种广泛应用的方法。

通过在特定位置布置多个麦克风，组成阵列，可以同时测量多个点的声压信号。

这些信号经过处理和分析，可以得到噪声的强度、频率分布以及声源的位置等重要信息。

在实际测量中，麦克风的布置位置和数量需要根据飞行器的形状、尺寸以及噪声的特点进行精心设计，以确保测量结果的准确性和可靠性。

激光多普勒测速（LDV）和粒子图像测速（PIV）则主要用于测量气流的速度场。

通过了解气流的速度分布和流动特性，可以深入研究噪声产生的机制。

例如，LDV 可以精确测量单点的速度，而 PIV 能够获取整个流场的速度分布图像。

在测量过程中，环境因素也会对测量结果产生影响。

例如，背景噪声、风洞的湍流度以及测量设备的振动等都可能引入误差。

为了减少这些影响，通常需要在测量前对环境进行严格的控制和校准，采用先进的信号处理技术来去除噪声和干扰。

对测量得到的数据进行分析是理解飞行器气动噪声的关键步骤。

首先，需要对噪声信号进行频谱分析，以确定噪声的主要频率成分。

通过频谱分析，可以了解噪声在不同频率下的能量分布，从而找出噪声的主要贡献频率。

此外，波束形成算法也是常用的分析手段之一。

该算法可以根据麦克风阵列测量得到的声压信号，计算出声源的位置和方向。

AEDT飞机噪声预测流程AEDT（Aviation Environmental Design Tool）是美国联邦航空管理局（FAA）开发的一套用于预测飞机噪声和排放的工具。

它可以被广泛应用于飞机噪声评估和环境影响评估等领域。

AEDT的飞机噪声预测流程包括以下几个步骤：1.数据收集和准备在进行飞机噪声预测之前，需要收集并准备一系列与该预测相关的数据，包括飞机数据，机场数据，气象数据等。

飞机数据包括飞机类型、发动机类型、起降重量等；机场数据包括跑道配置、飛行程序等；气象数据包括温度、湿度、风速、大气压力等。

2.参数设置在AEDT中，需要设置一些参数来指导噪声预测的过程。

这些参数包括计算几何、噪声计算机模型、计算网格的尺寸、模型输入数据等。

这些参数的设置会根据具体的预测需求和研究目的进行调整。

3.飞行轨迹计算飞行轨迹计算是预测飞机噪声的关键步骤之一、根据飞机的起飞和降落程序、速度-高度配置以及所飞航线等，确定每个时刻飞机的位置和高度。

AEDT可以根据预先收集到的飞行程序和飞行参数计算出准确的飞行轨迹。

4.声源计算在AEDT中，使用声源模型来计算飞机发出的噪声。

声源模型将飞机发动机、机翼和其他部件划分为一系列小面元，根据这些面元的几何特性和气动参数计算出每个面元对噪声的贡献。

根据飞机的具体设计和参数，以及飞机在特定时刻的位置和高度，可以根据声源模型计算出噪声源的位置和强度。

5.传播计算传播计算是指根据声源的位置和强度，计算出噪声在空气中传播的过程。

在AEDT中，通常使用Ray Tracing（光线跟踪）技术来模拟声波在大气中的传播。

该技术将声波分解为一系列光线，并考虑大气介质对声波传播的影响。

通过计算声波在空气中的传播路径和传播损失，可以预测出到达地面各点的声级。

6.噪声映射噪声映射是指将预测得到的声级数据绘制在地图上，以形成噪声分布的空间图像。

AEDT可以在地图上显示不同位置的噪声水平，并计算噪声指标（如LAeq和Lmax）以评估噪声影响。

数学模型在飞行器设计中的应用随着科技的不断发展，人类对于飞行器的需求也越来越高。

而对于现代飞行器的设计来说，数学模型已经成为了不可或缺的一部分。

那么数学模型究竟是如何在飞行器设计中应用的呢？接下来，本文将带您进一步了解。

一、飞行器的数学模型在飞行器设计中，数学模型被用来描述和预测图像、声波、电磁场和其他能量的传播方式。

这些模型可以帮助工程师和科学家预测空气动力学(称为包括空气动力和空气动力噪声)表现，并探索不同的设计方案。

为了建立这些模型，飞行器的某些特性需要被归纳成数学方程。

例如，在飞机设计中，诸如高等级的三维方程式（对道路上可以行驶的汽车不存在的要求）之类的事实要求使用确定的数值解决。

然后可以使用计算机模拟这些方程，从而模拟任何可能的情况。

这些模拟后的数据可以帮助工程师更好地理解各组件之间的相互作用，同时也可以排除可能存在的潜在问题。

二、飞行器噪声的预测噪音也是飞行器设计领域的一个重要问题。

例如，飞机引擎产生的噪声不仅会对驾驶员和乘客带来困扰，同时还会对附近居民造成噪音污染。

因此，在飞机设计中必须考虑到噪声的问题。

数学模型也被用来预测飞行器的噪声水平。

建立噪声模型涉及到各种参数的衡量，包括发动机尾流速度，机翼空气动力噪声，舱内噪声和外部空气动力噪声等。

通过将所有这些参数结合在一起，我们可以获得准确的噪声模型，从而帮助指导飞机的设计以减少噪音。

三、飞行器的稳定性分析飞行器稳定性的分析是飞行器设计中最困难的部分之一。

传统的试验方法往往会耗费很多资源和时间，而且还会有很大的风险。

因此，数学模型在分析飞行器稳定性方面变得越来越重要。

通过数学模型，可以对飞行器的稳定性进行精确的计算，并对这些计算结果进行校准。

这样一来，我们就可以避免在飞行器的设计中出现稳定性问题，从而保证飞行器的安全性。

四、结论可以看出，在飞行器设计领域中，数学模型是不可或缺的一部分。

数学模型通过精确的计算和模拟，帮助飞行器的设计者更好地了解组件之间的相互作用，从而预测实际操作中可能出现的问题。

actran气动声学算例
计算气动声学的一个常见示例是使用 Actran 软件进行飞机外部噪声的预测。

以下是一个基于 Actran 的气动声学算例的简要描述：
1. 几何模型和网格生成：首先，需要建立飞机的几何模型，并使用合适的网格生成工具生成计算网格。

网格的质量和分辨率对于准确的声学计算非常重要。

2. 流动模拟：使用计算流体力学（CFD）软件，如Fluent 或 StarCCM+，对飞机周围的流场进行模拟。

这将提供流场的速度、压力和温度等信息。

3. 声学模拟：将 CFD 得到的流场数据导入 Actran 中，使用气动声学模块进行声学模拟。

Actran 可以根据流场信息计算出声波的产生、传播和反射。

4. 声源建模：在 Actran 中，可以定义各种声源，如飞机表面的脉动压力、喷流噪声等。

这些声源的特性将根据 CFD 结果或实验数据进行设置。

5. 声学传播计算：Actran 会根据声源信息和几何模型，计算声波在空间中的传播。

它可以考虑声的反射、折射和衰减等因素。

6. 结果分析：计算完成后，Actran 可以提供声学结果的可视化和分析工具。

可以查看声压级分布、噪声辐射方向图、频率谱等，以评估飞机的噪声水平。

通过这样的算例，研究人员或工程师可以评估不同设计方案对飞机噪声的影响，优化飞机的外形或其他参数，以降低噪声水平。

需要注意的是，这只是一个简单的示例，实际的 Actran 气动声学计算可能会涉及更复杂的模型、边界条件和声源设置，具体取决于研究的具体问题和要求。

时空神经网络及其在机场噪声预测中的应用王尚北;王建东;陈海燕【摘要】A new space-time neural network is proposed using the function expansion technique and the linear impulse response filtering theory inthis paper. It consists of function expansion and linear delay pulse. Net input space is mapped into a high dimensional space by function expansion. Therefore, nonlinear mode in low dimensional space can be converted to linear mode in high dimensional space. Linear delay pulse is equivalent to the temporal linear impulse response filter, which is responsible for fitting linear model in space-time series. Space-time neural network fast learning algorithm is proposed by using Levenberg-Marquardt optimization method. Simulation results show that space-time neural network has the characteristics of fast convergence and high precision. Compared with Space-time Autoregressive MovingAverage(STARMA) and multilayer perceptron neural network, the prediction accuracy of the space-time neural network is significantly improved.%针对时空序列建模分析问题，利用函数扩展技术，结合线性脉冲响应滤波原理，提出一种新型时空神经网络。

1引言随着中国民航的高速发展，近年来民航机场规模不断扩大、飞机起降架次不断增多，与此同时机场飞机起降所带来的噪声问题也日益突出。

机场噪声问题是一个严重的社会问题，它不仅限制机场本身的发展，而且给机场周围人们的学习、工作和生活带来很大影响。

目前，国外有很多较为成熟的机场噪声预测模型，我国在这方面的研究才刚刚起步，其一般方法是以飞机的NPD曲线（噪声距离曲线）为核心，根据机场特定环境条件使用相应数学模型进行修正，使其符合特定机场环境条件下的机场噪声传播模型。

美国联邦航空管理局（FAA）开发的机场噪声预测模型INM（Integrated Noise Model）[1]是专门用于机场周围噪声计算和预测的噪声预测模型，该模型使用广泛且具有很高的精度。

但是利用INM进行噪声预测需要大量的精确数据作为输入，不仅预测成本高而且部分精确数据很难获取。

由美国国防部（DOD）支持开发的NMap机场噪声预测模型，主要用来预测军用机场周围噪声，内置大量军用飞机及少量民航飞机的相关信息数据一种BP神经网络机场噪声预测模型杜继涛1，张育平1，徐涛1，2，3DU Jitao1,ZHANG Yuping1,XU Tao1，2，31.南京航空航天大学计算机科学与技术学院，南京2100162.中国民航大学计算机科学与技术学院，天津3003003.中国民航信息技术科研基地，天津3003001.College of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing210016,China2.College of Computer Science and Technology,Civil Aviation University of China,Tianjin300300,Chinarmation Technology Research Base of Civil Aviation University of China,Tianjin300300,ChinaDU Jitao,ZHANG Yuping,XU Tao.Airport noise prediction model based on BP neural puter Engineering and Applications,2013,49（9）：236-239.Abstract：Airport noise prediction plays an important role in airport noise controlling,flight planning and airport designing.The airport noise prediction models are usually built based on aircraft noise distance curve（NPD）,and the NPD curves are little by little revised to the noise propagation model under the specific airport environmental conditions by using a variety of mathematical models.In this way,there are shortcomings of the high cost and great prediction error.This paper presents an airport noise pre-diction model for particular airport environmental conditions.The proposed model applies BP neural network and history data of the airport noise monitoring to modifying the NPD curves.Experiment results show that in particular specific airport environ-mental conditions,the accuracy rate of noise prediction is more than91.5%in the case of±0.5dB error.The proposed model has the features of lower cost and high accuracy.Key words：Back Propagation（BP）neural network;airport noise;prediction model;Noise-Power-Distance（NPD）摘要：机场噪声预测对机场噪声控制、航班计划制定和机场规划设计具有十分重要的作用。