基于压缩感知的管道气动噪声模态测试关键理论及技术研究

Duct aeroacoustic test is the main method to analyze, evaluate and monitor the noise of turbomachinery. Advanced phased array algorithm is the key technology to study the high order acoustic spinning mode and analyze the noise generation mechanism of aeroengine fan and compressor. In this proposal, we plan to adopt a sound propagation model which is based on analytical soultions of semi-infinite duct, and then develop a novel compressive sensing based duct spinning mode analysis method. In particular, a random measurement matrix construction method will be proposed for modal space domain to guarantee the sparsity prerequisite of the compressive sensing process, and the related successful probability of the sparsity recovery algorithm will be studied. In addition, the performance of the compressive sensing based method will be carefully verified and optimized by both numerical and experimental methods. The proposed method is expected to have a high modal resolution and dynamic range but with fewer sensors, and is also capable of detecting higher order modes. The proposed method in this project will improve the capability of duct acoustic tests and provide technical support for fan noise generation and status detection, and will contribute significantly for noise control of turbomachinery.

管道气动声学阵列测试技术是叶轮机械噪声分析、评价和状态监测的主要手段。为了测试管道高阶复杂旋转声模态和进一步分析航空发动机风扇和压气机声源的产生机理，需要研究和发展先进的阵列测试算法。本项目拟采用理论分析方法对半无穷长管道的正向声传播过程进行分析建模，然后探索和发展一种基于压缩感知技术的管道稀疏声模态测试新方法，研究在管道声学测试中随机测量矩阵的构建方式以及阵列设计参数对观测模态阶数范围、分辨率和动态范围等性能的影响规律，并进一步通过仿真和实验手段，验证和优化该测试方法的性能和稳定性。该方法预期与传统方法比较可以降低所需传感器数量，提高观测模态阶数，增强模态分辨率和动态范围。项目的实施将有利于增强管道声源测试分析的能力，有助于分析航空发动机声源的产生机理，提供新的状态监测手段，将对满足航空发动机的实际测试需求具有重要的实践意义。

管道气动声学阵列测试技术是叶轮机械噪声分析、评价和状态监测的主要手段。本项目针对航空发动机旋转部件气动噪声模态特点，探索和发展一种基于压缩感知技术的管道稀疏声模态测试新方法。通过采用Wiener-Hopf等理论分析方法，对半无限长圆形管道的正向声传播过程进行分析建模，构建声阵列模态检测反问题，然后通过提出一种1-0随机测量矩阵及对应阵列实现方式，结合压缩感知技术对该反问题进行优化求解，得到模态检测结果。通过仿真手段验证了其成功率和有效性，分析研究了阵列设计参数对观测模态阶数范围、分辨率和动态范围等性能的影响规律，以及在不同信噪比条件下该测试方法的性能和稳定性。针对稀疏模态，该方法与基于Shannon采样定理的传统方法比较，可以大幅降低所需传感器数量，提高可观测模态阶数。在此基础上，进一步发展了基于压缩感知和深度神经网络的管道声模态检测算法，并通过迁移学习技术，增强了算法可靠性，提高其针对实际应用情况的精度。本项目所发展的基于压缩感知的管道旋转声模态检测方法所使用的传感器数量较传统方法更少，降低了旋转声模态试验的经济成本和时间成本，不需要复杂旋转机械结构，可避开主流区域，降低湍流附面层对信噪比的影响。同时，通过调整随机测量矩阵可以较方便的剔除在实验中出现的故障通道，从而降低故障通道引入的误差，提高试验有效率。该技术未来可以应用于航空发动机风扇/增压级或压气机的模型级或部件级的气动噪声测试试验，有利于增强管道声源测试分析的能力，完善航空发动机旋转部件声源在管内-近场-远场声传播过程的测试能力，有助于分析航空发动机旋转部件气动声源的产生机理，有助于发动机噪声机理分析和降噪设计验证，并可以提供新的航空发动机气路状态监测和故障诊断手段。