CN112487730B - 一种基于相角控制的多旋翼飞行器噪声抑制方法 - Google Patents
一种基于相角控制的多旋翼飞行器噪声抑制方法 Download PDFInfo
- Publication number
- CN112487730B CN112487730B CN202011192934.1A CN202011192934A CN112487730B CN 112487730 B CN112487730 B CN 112487730B CN 202011192934 A CN202011192934 A CN 202011192934A CN 112487730 B CN112487730 B CN 112487730B
- Authority
- CN
- China
- Prior art keywords
- noise
- phase angle
- rotor
- target
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 90
- 230000001629 suppression Effects 0.000 title claims abstract description 18
- 230000009467 reduction Effects 0.000 claims abstract description 49
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 24
- 230000002068 genetic effect Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 5
- 101100291267 Drosophila melanogaster Miga gene Proteins 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000013508 migration Methods 0.000 claims description 3
- 230000005012 migration Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 7
- 230000006698 induction Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 239000002245 particle Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000007664 blowing Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C27/00—Rotorcraft; Rotors peculiar thereto
- B64C27/04—Helicopters
- B64C27/08—Helicopters with two or more rotors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D47/00—Equipment not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U10/00—Type of UAV
- B64U10/10—Rotorcrafts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C2220/00—Active noise reduction systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Fluid Mechanics (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Computing Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于相角控制的多旋翼飞行器噪声抑制方法,步骤如下:***获取目标降噪位置的三维坐标,并将该位置信息发送至噪声预测模块;飞控模块将姿态角和速度作为特征参数发送至噪声预测模块;噪声预测模块通过快速噪声预测方法计算旋翼在目标位置产生的噪声信息并发送给相角寻优模块;相角寻优模块基于优化算法得到最优相角组合并发送给相同步控制模块;相同步控制模块根据接收的最优相角组合,结合相角位置信息,调节多个旋翼的相角位置实现目标位置的降噪。本发明能够根据降噪需求,调整优化目标函数,与被动降噪方法相比,该方法能够针对性地控制噪声的成分,对多旋翼低频段噪声有更好的抑制效果。
Description
技术领域
本发明属于旋翼气动噪声领域,具体涉及一种基于相角控制的多旋翼飞行器噪声抑制方法。
背景技术
多旋翼飞行器能够执行垂直起降、空中悬停、低空飞行和原地回转等独特飞行技能,具有飞行稳定、操纵敏捷等优点。目前,多旋翼飞行器已有较为广泛的应用,在军事方面,可用于执行侦查、携弹作战和排爆等任务,民用方面可应用于测绘与影视航拍、线路巡检、植物保护以及野生动物跟踪和管理等。然而,多旋翼飞行器带来的不利影响—噪声逐渐受到关注,这也成为限制多旋翼飞行器发展和应用的关键因素之一。军用多旋翼飞行器的噪声水平影响其可探测性和隐身性能,决定其作战效能和生存能力。民用多旋翼飞行器通常在人口稠密的地区起飞着陆,并且多数是低空慢速飞行,其产生的噪声给社区居民带来严重的困扰。因此,为减少噪声污染和进一步扩大多旋翼飞行器的应用范围,降低多旋翼飞行器噪声水平至关重要。
多旋翼飞行器的降噪方法主要分为被动降噪方法和主动降噪方法。被动降噪方法包括旋翼桨叶优化设计,使用吸声材料和反射材料,以及涵道式旋翼等方式。其中,桨叶优化设计虽有一定降噪效果,但该方法会使得旋翼的输出功率和推力下降,削弱飞行器的气动性能。后三种被动降噪方式通过在噪声的传播途径上设置音障以降低噪声水平,此类方法安全可靠,不需要额外功率的输入,并且可以在保持甚至提升旋翼气动性能的前提下实现旋翼降噪,但会增加机械复杂性,并且不适用于低频段噪声抑制。主动降噪技术通过引入执行器(一般为扬声器)在指定空间产生与原声场同幅反相的二次声波信号,使之与原声场叠加,最终达到消减噪声的目的。该方法能够根据噪声特性,针对性地控制噪声的成分,在低频段也有较好的噪声抑制效果。但多旋翼飞行器辐射的噪声在空间分布较为复杂,主动噪声控制实现的难度大,需要付出较高的成本代价。
考虑到多旋翼的各个旋翼能够产生具有相似的波形、幅值和功率的噪声,当旋翼在保持相同的转速时,若改变各个旋翼间的相角差使得相干声波互相干扰,会影响多旋翼的噪声指向性,即多旋翼在不同方向上辐射不同大小的噪声。因此,提出一种通过控制多旋翼之间的相角差来实现噪声抑制的方法十分必要。
发明内容
本发明克服现有技术的不足,提供一种基于相角控制的多旋翼飞行器噪声抑制方法,通过快速噪声预测方法实现实时预测观测点噪声信息,并通过调节旋翼相角以降低多旋翼飞行器产生的噪声。
一种基于相角控制的多旋翼飞行器噪声抑制方法,包括安装在多旋翼飞行器上的飞控模块、噪声预测模块、相角寻优模块和相同步控制模块;
步骤如下:
步骤1,多旋翼飞行器的旋翼在飞行过程中产生旋转噪声,为抑制该噪声,***将目标噪声位置的三维坐标信息发送至噪声预测模块;飞控模块控制飞行器的飞行姿态和速度,并将姿态角和速度作为特征参数发送至噪声预测模块;
步骤2,噪声预测模块通过快速噪声预测方法计算旋翼在目标降噪位置产生的噪声信息并发送给相角寻优模块;
步骤3,相角寻优模块基于优化算法得到最优相角组合,并生成相角差指令传送至相同步控制模块;
步骤4,相同步控制模块根据接收的相角差指令,结合相角传感器反馈的相角位置信息,调节多个旋翼的相角位置至指定相角组合,实现目标降噪位置的降噪。
作为优选,步骤2中的快速噪声预测方法为:先建立噪声预测模型,再结合二级声辐射球模型方法,在旋翼和观测点之间引入二级声辐射球模型,将噪声预测模型计算出的噪声信息存储于二级声辐射球面上,通过二维插值方法获得二级声辐射点处的噪声信息,最后利用点声源规律传播计算得到远场观测点的噪声信息。
作为优选,建立所述噪声预测模型的步骤为:建立适用于求解多旋翼飞行器旋翼载荷分布的多旋翼气动模型,对其进行求解后获得旋翼载荷分布,然后以旋翼载荷分布为输入参数,通过噪声预测方法计算观测点处的辐射噪声的噪声信息。
作为优选,多旋翼气动模型是基于自由尾迹入流模型和Weissinger-L升力面模型得到的。
作为优选,噪声预测方法为:以旋翼载荷分布为输入参数,采用基于FW-H方程的Farassat 1A公式积分计算观测点处的噪声信息,并将多个旋翼的声压线性叠加,得到多旋翼在观测点处辐射的噪声信息。
作为优选,为快速预测远场噪声信息,步骤2的二级声辐射球模型方法中设有以姿态角和速度为特征参数的离线二级声辐射球特征参数数据库,根据飞控模块实时监测的姿态角和速度,从特征参数数据库中选取相应的二级声辐射球,并根据目标降噪位置的坐标信息确定二级声辐射点及该点处的噪声信息。
作为优选,步骤3中的优化算法为基于多岛遗传算法建立的相角寻优算法,以特定位置的噪声水平为优化目标,以多个旋翼的相角差为变量进行降噪优化迭代计算,以获得使目标降噪位置噪声最小化的最优相角组合。
作为优选,相角寻优算法的具体步骤为:输入优化变量、约束条件及MIGA参数,算法内部模仿生物进化过程中的遗传繁殖机制,对优化问题解空间的个体进行编码,并在多个岛上实行选择、交叉和变异遗传操作,选择迁移子群体中的最优个体,经过多次迭代优化后,最终选择出使目标位置处噪声最小的最优相角组合。
作为优选,该优化问题可以描述为:
S1优化目标:将单个观测目标声压级最小化:
Minimize其中peff为目标声压,pref为参考声压,
然后将多个观测目标形成的区域噪声转化为平均声压级:
Minimize
S2优化变量:选取其中一个旋翼作为参考旋翼,其相角设定为ψr,1=0,则其它旋翼的相角为优化变量;
S3约束条件:多个旋翼的相角取值范围0≤ψr,n<π,其中n为旋翼个数,取值范围n≥2。
有益效果:
(1)本发明根据旋翼的噪声具有指向性这一固有特性,选取对噪声比较敏感的区域作为目标降噪位置,有针对性的进行降噪,具有良好的降噪效果。
(2)本发明能够根据降噪需求,调整优化目标函数,与被动降噪方法相比,该方法能够针对性地控制噪声的成分,对多旋翼低频段噪声有更好的抑制效果。
(3)本发明利用自身已有的波形、幅值和功率相似的声源,即各个旋翼产生的正声压、负声压相互抵消,实现目标降噪位置处噪声水平的降低。与多旋翼主动降噪方法相比,该方法避免引入二次声源,减小了***重量和成本代价。
(4)本发明在噪声预测模块中引入二级声辐射球模型,将旋翼旋转产生的多个旋转噪声转换为二级声辐射球面上单一静态辐射点,提高了计算效率。
(5)本发明在噪声预测模块中利用噪声预测模型提前建立特征参数数据库,在飞行器实际飞行过程中能够根据特征参数快速选取相应的二级声辐射球进行后续计算,提高了计算效率。
(6)本发明的相角寻优模块基于多岛遗传算法建立相角寻优算法,该算法能够保持优化解的多样性、提高包含全局最优解的几率,并且具有并行化特点,可以迅速得到较好的优化结果。
附图说明
图1为本发明的一个实施例的基于相角控制的多旋翼噪声抑制方法示意图;
图2为本发明的一个实施例的快速噪声预测方法示意图;
图3为本发明的一个实施例的二级声辐射模型示意图;
图4为本发明的一个实施例的相角寻优算法流程图;
图5为本发明的一个实施例的仿真结果图;
图6为本发明的一个实施例的与图5相对应的前25阶谐波频谱图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开了一种基于相角控制的多旋翼飞行器噪声抑制方法,该方法利用多旋翼的各个旋翼能够产生具有相似的波形、幅值和功率的噪声特性,使用伺服电机驱动旋翼使其保持相同的转速,并通过改变各个旋翼间的相角差使得相干声波互相干扰,进而影响多旋翼的噪声指向性,以降低目标位置噪声水平。
如图1所示,为本发明基于相角控制的多旋翼噪声抑制方法示意图。本方法包括飞控模块、噪声预测模块、相角寻优模块和相同步控制模块。飞行器旋翼旋转产生旋转噪声(即噪声声源),***将目标噪声位置的三维坐标信息发送至噪声预测模块,其中获取目标噪声位置的三维坐标有多种方法,可通过***提前设定航线,也可以通过在线发送的方式,本实施例采取在线发送的方式,地面控制台通过无线链路将需要进行降噪的目标降噪位置信息发送至噪声预测模块,飞控模块将速度、姿态角等飞行参数反馈至噪声预测模块的特征参数数据库;噪声预测模块根据以上参数通过快速噪声预测方法计算噪声信息,并将该噪声信息发送给相角寻优模块;相角寻优模块通过优化算法得到使目标降噪位置的噪声最小化的最优相角组合,并生成相角差指令同步传送至相同步控制模块。相同步控制模块根据接收的相角差指令,结合相角传感器反馈的相角信息,发送转速调节指令给驱动器,驱动器驱动伺服电机转动,进一步带动旋翼旋转并调节多个旋翼的相角位置,同时相角传感器实时反馈相角信息给相角控制器,形成闭环回路,以实现相角位置的准确控制,从而达到抑制目标位置噪声水平的目的。
本发明一种基于相角控制的多旋翼飞行器噪声抑制方法具体包括以下几个步骤:
步骤1,多旋翼飞行器在执行飞行任务时,伺服电机驱动旋翼旋转产生旋转噪声。由于多旋翼飞行器在飞行中会不可避免地对某些噪声敏感区域带来噪声污染,为降低多旋翼飞行器在噪声敏感区域的噪声水平,***将需要降噪的目标降噪位置的三维坐标信息发送至噪声预测模块。飞控模块控制飞行器的飞行姿态和速度,并将惯性导航***提供的姿态角和空速管提供的速度作为特征参数发送至噪声预测模块。
步骤2,噪声预测模块通过快速噪声预测方法计算旋翼在目标降噪位置产生的噪声信息并发送给相角寻优模块。
进一步,该快速噪声预测方法结合了噪声预测模型与二级声辐射球模型方法。如图2所示为本发明的快速噪声预测方法示意图,该方法具体为:基于自由尾迹入流模型和Weissinger-L升力面模型建立多旋翼气动模型,基于CFD数值吹风方法建立机体气动模型,多旋翼气动模型结合机体气动模型,根据六自由度配平方程建立多旋翼配平模型,对其进行求解后获得旋翼载荷分布。然后,以桨叶物外形为积分表面,进行旋翼噪声预测,在观测点处将多个旋翼的声压进行线性叠加处理,从而得到观测点的噪声信息。为提高噪声预测效率,在旋翼和观测点之间引入二级声辐射模型,并建立特征参数数据库作为多旋翼飞行器飞行过程中实时获得噪声预测结果的基础。
进一步,首先建立适用于求解旋翼载荷分布的多旋翼气动模型,应用较为广泛的气动计算方法有基于欧拉描述的CFD方法,以及基于拉格朗日描述的黏性涡和自由尾迹等方法。其中,CFD方法利用网格绘制软件对旋翼计算域进行网格划分,将其离散为有限个流场变量可视为常量的计算单元,在每个计算单元中求解流体控制方程—Navier-Stokes方程得到流场变量在计算域中的离散分布,该方程根据质量守恒、能量守恒和动量守恒三大基本物理定律所推导而出,具有能够准确描述旋翼流场的理论基础。黏性涡方法将旋翼尾迹离散成若干个涡粒子,通过在拉格朗日描述体系下求解涡量动力学方程,对涡粒子的输运、黏性扩散等运动过程进行计算,该方法可以准确预测旋翼尾迹涡粒子的位置和畸变运动,是一种有效的旋翼气动特性计算方法。
本实施例采用基于拉格朗日描述的自由尾迹方法建立多旋翼气动模型,为准确捕捉尾迹干扰对旋翼辐射噪声的影响,采用松弛迭代类自由尾迹方法计算多旋翼气动载荷分布。旋翼气动模型包括桨叶气动力模型和自由尾迹入流模型,其中桨叶气动力模型采用Weissinger-L升力面模型,将桨叶径向离散为若干个微段,附着涡布置于1/4弦线处,控制点位于3/4弦线处,尾随涡从升力线直接拖出,根据Kutta-Joukowski定理和叶素理论,并考虑每副旋翼远尾迹对控制点的诱导速度影响,得到微段附着环量如式(1)所示,
式中,r为桨叶微段环量;U是来流速度;c和θ0分别是桨叶弦长和安装角;Clα是翼型升力线斜率; 和/>分别表示周向速度,来流轴向速度,附着环量和近尾迹对控制点的轴向诱导速度;/> 和/>表示各个旋翼远尾迹对控制点的轴向诱导速度。
自由尾迹入流模型采用松弛迭代类自由尾迹方法计算。与常规单旋翼不同,多旋翼自由尾迹涡线主控方程右边的诱导速度项需考虑其它旋翼的影响,见下式(2)
式中,表示流场中涡线节点的位置矢量,ψ和ζ分别是桨叶方位角和桨尖涡涡龄角,/>为自由流速度,/>表示各个旋翼对涡线节点的诱导速度贡献。
将自由尾迹涡线主控方程分别在时间域和空间域以步长Δψ和Δζ进行离散,通过强加周期边界条件,利用伪隐式预测-修正算法和五点中心差分格式对尾迹涡线位置在伪时间域进行空间迭代求解,涡线节点的诱导速度由毕奥萨伐尔定律计算,并使用Leishman-Bagai涡核修正模型防止奇点速度出现,经过多次迭代得到收敛的自由尾迹涡线位置及其诱导的入流分布,从而得到多旋翼气动模型。
然后根据CFD数值吹风方法得到机身气动系数与机体姿态角的函数关系,结合多旋翼气动模型,以多个旋翼的桨距为操纵输入变量,机体俯仰角、滚转角为状态变量,根据六自由度配平方程建立多旋翼配平模型,并利用牛顿迭代法计算雅可比矩阵,对其进行求解,获得旋翼载荷分布。
进一步,应用较为广泛的旋翼噪声预测方法有FW-H方法、Kirchhoff方法和K-FWH方法等。其中,Kirchhoff方法将流场或声场划分为近场和远场两个计算域,利用基于流体力学的非线性方程,如欧拉方程、N-S方程来描述近场计算域,利用Kirchhoff方程来描述远场计算域,只要获得近场计算域表面的信息,就可以通过积分计算相应的远场噪声信息。K-FWH方法主要是将FW-H方程推广到针对空间任意的设定曲面(FW-H方程是针对固体表面),然后基于该方程的时域解,进一步利用Kirchhoff方程求得远场观测点的噪声信息。
由于多旋翼飞行器一般尺寸较小,其旋翼桨尖马赫数通常在0.3左右,而该马赫数下旋翼四极子噪声很弱,因此对于多旋翼而言,旋转噪声(载荷噪声和厚度噪声)在气动噪声中占主导地位。考虑到上述原因,本实施例以桨叶物面为积分表面,采用基于FW-H方法的Farassat 1A公式进行气动噪声计算,见下式(3)(4):
式中,P’T(x,t)和P’L(x,t)分别是因桨叶运动引起的厚度噪声和由桨叶载荷产生的载荷噪声;f=0表示桨叶物面边界;ρ0和c0是未扰动介质的密度和音速;r和分别表示声源面到观测点的距离矢量及其在固定坐标系的单位分量;vn和/>为声源面的法向速度矢量和它对时间的导数;Mar,Mai,lr和li分别表示声源面马赫数、载荷在传播方向和坐标方向的投影;/>和/>为声源面马赫数、载荷在坐标方向分量的时间导数。下标“ret”表示该积分是在延迟时间下进行的。
由于旋翼间的互相干扰,各个旋翼所受的气动载荷有所差异,本发明公开了一套能够适用于各个旋翼旋转方向不同、载荷不同的多旋翼噪声预测方法,计算流程具体如下:将每一个旋翼桨叶沿径向、弦向离散成若干声源面单元,对某一观测点和观测时刻,分别计算声源面单元相应的延迟时间,结合由多旋翼气动模型计算所得载荷分布,在延迟时刻利用Farassat 1A公式进行积分,并将多个旋翼的声压进行线性叠加处理,从而得到观测点的噪声信息。
进一步,结合二级声辐射球模型方法,在多旋翼和远场观测点之间引入二级声辐射球。如图3所示,为本发明的二级声辐射模型示意图。该二级声辐射球是以旋翼发出的旋转声源为中心,以25R为半径的下半球面,其表面分布了沿方位角和俯仰角等角度间隔的观测点,通过多旋翼噪声预测模型的计算,将具有指向性的旋转噪声信息存储于二级声辐射球面的观测点上。旋转声源沿旋翼中心至远场观测地面的任意观测点直线传播,与二级声辐射球面的交点为二级声辐射点,该点的噪声信息可以通过在二级声辐射球面上相邻四个观测点利用二维插值方法获得,使得做旋转运动的复杂声源转换为二级声辐射球面上的静态点声源,以提高远场观测点/目标降噪点的计算效率。研究表明,在定常飞行条件下,旋翼噪声与飞行器的姿态角和速度存在一定的函数关系。因此,为快速预测远场噪声信息,首先建立以姿态角和速度为特征参数的离线二级声辐射球的特征参数数据库;然后,在飞行状态下,以实际飞行参数即飞控模块监测所得的姿态角和速度作为特征参数,从特征参数数据库中选取相应的二级声辐射球,并根据地面控制台发送的目标降噪位置信息确定二级声辐射点及其噪声信息。最后,利用点声源规律传播计算得到远场观测点的噪声信息。
步骤3,通过相角寻优算法获得使目标降噪位置噪声最小化的最优相角组合,并生成相角差指令传送至相同步控制模块。
进一步,基于多岛遗传算法建立相角寻优算法,以特定位置的噪声水平为优化目标,以多个旋翼的相角差为变量进行降噪优化迭代计算,以获得使目标降噪位置噪声最小化的最优相角组合。
进一步,优化问题描述。多旋翼的相角组合是决定其噪声分布的关键变量,且使观测点噪声最小化的最优相角组合随飞行状态的变化而变化。因此,在特定飞行状态下,针对不同降噪需求,通过相角寻优算法计算得到最优相角组合,从而实现观测位置处的最大降噪。降噪目标可以为单个观测点,也可以是由若干观测点构成的观测区域。该优化问题描述如下:
S1优化目标:单个观测目标声压级最小化,见下式(5)
式中,pref表示参考声压,通常取值为2×10-5Pa,表示一个旋转周期内的声压有效值,即声压历程的均方值,其表达式如式(6)所示:
式中,T为旋转周期,p(x,t)是一个周期的声压历程,
对于多个观测目标形成的区域噪声优化问题,可利用归一化方法将其转化为目标区域平均声压级进行相角寻优计算。优化目标可见下式(7):
S2优化变量:选取其中一个旋翼作为参考旋翼,其相角设定为ψr,1=0,则其它旋翼的相角为优化变量;
S3约束条件:多个旋翼的相角取值范围0≤ψr,n<π,其中n为旋翼个数,取值范围n≥2。
进一步,针对该优化问题的多变量、多约束和多峰性的特点,本实例基于多岛遗传算法建立步骤3中的相角寻优算法,如图4所示为本发明的相角寻优算法流程图:首先输入优化变量、约束条件及MIGA参数,算法内部模仿生物进化过程中的遗传繁殖机制,MIGA生成相角组合种群,对优化问题解空间个体进行编码,并在多个岛上实行选择、交叉和变异等遗传操作,然后根据目标降噪位置的噪声计算结果选择迁移子群体中的最优个体,以保持优化解的多样性和提高包含全局最优解的几率,判断以上方法得到的目标降噪位置的噪声预测结果是否满足收敛要求,若不满足,则继续进行优化迭代,直至目标降噪位置的噪声预测结果满足收敛要求,获得使目标位置噪声最小化的最优相角组合。
步骤4,相同步控制模块的相角控制器根据接收的相角差指令,结合相角传感器反馈的相角位置信息,通过转速调节多个旋翼的相角位置至指定相角组合,实现目标位置的降噪。
图5给出了本发明的一个实施例的仿真结果,具体参数为前进比为0.1时,飞行器在两组随机相角组合和最优相角组合下,四个旋翼分别在单观测点处产生的声压历程以及总声压历程。其中实线表示总声压历程,由四个旋翼在观测点的声压线性叠加获得。由图5可以看出,不同的相角组合对总声压历程以及声压级有决定性影响,其声压级波动超过20dB。由此可知,最优相角组合利用多个旋翼声压的正压、负压项抵消,避免其在峰值上叠加,大大减小了观测点处的总声压幅值,从而达到噪声减小的目的。
图6为与图5相对应的前25阶谐波频谱图。其中桨叶通过频率为200Hz。从图6中可以看出,在前进比为0.1时,四旋翼飞行器的噪声能量主要集中于前四阶谐波频率(前四阶即200Hz,400Hz,600Hz和800Hz),尤其在桨叶通过频率(200Hz)噪声强度最大,五及五阶(五阶即1000Hz)以上谐波频率的声压级均在30dB以下。相比于其他相角组合,最优相角组合可以同时降低多个谐波频率的噪声值,特别地,在桨叶通过频率上,可将分贝降低33dB左右,这进一步表明相角控制是一种降低多旋翼噪声的有效方法。
表1是通过本发明的基于相角控制的多旋翼降噪仿真结果,可以看出,对于所选取的单观测点,噪声降低了20dB左右,对于所选取的有限区域,噪声降低了6dB左右,这表明使用本发明所述的多旋翼噪声抑制方法具有良好的降噪效果。
相角控制前(dB) | 相角控制后(dB) | |
单观测点 | 65.86 | 44.28 |
有限区域 | 63.96 | 57.57 |
表1
本发明说明书中未作详细描述的内容属本领域内专业技术人员的公知技术。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于相角控制的多旋翼飞行器噪声抑制方法,其特征在于:包括安装在多旋翼飞行器上的飞控模块、噪声预测模块、相角寻优模块和相同步控制模块;
步骤如下:
步骤1,多旋翼飞行器的旋翼在飞行过程中产生旋转噪声,为抑制该噪声,***将目标噪声位置的三维坐标信息发送至噪声预测模块;飞控模块控制飞行器的飞行姿态和速度,并将姿态角和速度作为特征参数发送至噪声预测模块;
步骤2,噪声预测模块通过快速噪声预测方法计算旋翼在目标位置产生的噪声信息并发送给相角寻优模块,具体的,先建立噪声预测模型,再结合二级声辐射球模型方法,在旋翼和观测点之间引入二级声辐射球模型,将噪声预测模型计算出的噪声信息存储于二级声辐射球面上,通过二维插值方法获得二级声辐射点处的噪声信息,最后利用点声源规律传播计算得到远场观测点的噪声信息;
其中,建立所述噪声预测模型的步骤为:先建立适用于求解多旋翼飞行器旋翼载荷分布的多旋翼气动模型,对其进行求解后获得旋翼载荷分布,然后以旋翼载荷分布为输入参数,通过噪声预测方法计算观测点处的噪声信息;
所述噪声预测方法为:以旋翼载荷分布为输入参数,采用基于FW-H方程的Farassat 1A公式积分计算观测点处的噪声信息,并将多个旋翼的声压线性叠加,得到多旋翼在观测点处辐射的噪声信息;
所述二级声辐射球模型方法中设有以姿态角和速度为特征参数的离线二级声辐射球特征参数数据库,根据飞控模块实时监测的姿态角和速度,从特征参数数据库中选取相应的二级声辐射球,并根据目标降噪位置的坐标信息确定二级声辐射点及该点处的噪声信息;
步骤3,相角寻优模块基于优化算法得到最优相角组合,并生成相角差指令发送给相同步控制模块,其中,优化算法为相角寻优算法,以特定位置的噪声水平为优化目标,以多个旋翼的相角差为变量进行降噪优化迭代计算,以获得使目标降噪位置噪声最小化的最优相角组合,具体的,
输入优化变量、约束条件及MIGA参数,算法内部模仿生物进化过程中的遗传繁殖机制,对优化问题解空间的个体进行编码,并在多个岛上实行选择、交叉和变异遗传操作,选择迁移子群体中的最优个体,经过多次迭代优化后,最终选择出使目标位置处噪声最小的最优相角组合;
所述优化问题可以描述为:
S1优化目标:将单个观测目标声压级最小化:
Minimize其中peff为目标声压,pref为参考声压,
然后将多个观测目标形成的区域噪声转化为平均声压级:
Minimize
S2优化变量:选取其中一个旋翼作为参考旋翼,其相角设定为ψr,1=0,则其它旋翼的相角为优化变量;
S3约束条件:多个旋翼的相角取值范围0≤ψr,n<π,其中n为旋翼个数,取值范围n≥2;
步骤4,相同步控制模块根据接收的相角差指令,结合相角传感器反馈的相角位置信息,调节多个旋翼的相角位置至指定的最优相角组合,实现目标位置的降噪。
2.根据权利要求1所述的一种基于相角控制的多旋翼飞行器噪声抑制方法,其特征在于:所述多旋翼气动模型是基于自由尾迹入流模型和Weissinger-L升力面模型得到的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011192934.1A CN112487730B (zh) | 2020-10-30 | 2020-10-30 | 一种基于相角控制的多旋翼飞行器噪声抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011192934.1A CN112487730B (zh) | 2020-10-30 | 2020-10-30 | 一种基于相角控制的多旋翼飞行器噪声抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112487730A CN112487730A (zh) | 2021-03-12 |
CN112487730B true CN112487730B (zh) | 2024-05-28 |
Family
ID=74926420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011192934.1A Active CN112487730B (zh) | 2020-10-30 | 2020-10-30 | 一种基于相角控制的多旋翼飞行器噪声抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112487730B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051666B (zh) * | 2021-03-25 | 2022-05-31 | 南京航空航天大学 | 一种旋翼飞行器噪声数字化分析方法及*** |
CN113742884A (zh) * | 2021-04-20 | 2021-12-03 | 中国直升机设计研究所 | 一种直升机低噪声进场轨迹优化方法 |
CN113221478B (zh) * | 2021-05-07 | 2024-02-02 | 南京航空航天大学 | 一种主动控制旋翼的数值分析方法及*** |
CN113421537B (zh) * | 2021-06-09 | 2022-05-24 | 南京航空航天大学 | 一种旋翼飞行器的全局主动降噪方法 |
CN114201819B (zh) * | 2021-12-06 | 2024-01-12 | 南京航空航天大学 | 一种融合声阵列和在桨控制的直升机主动噪声抑制装置 |
CN114199253B (zh) * | 2021-12-07 | 2024-04-02 | 南京航空航天大学 | 一种基于噪声识别的直升机路径实时规划方法及*** |
CN117031397B (zh) * | 2023-10-07 | 2023-12-12 | 成都流体动力创新中心 | 一种运动物体噪声源定位和评估的快速计算方法 |
CN117932199B (zh) * | 2024-03-25 | 2024-05-28 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种时域声源定位方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09254897A (ja) * | 1996-03-19 | 1997-09-30 | Commuter Herikoputa Senshin Gijutsu Kenkyusho:Kk | ヘリコプタの低騒音着陸装置 |
US6171056B1 (en) * | 1998-12-23 | 2001-01-09 | Sikorsky Aircraft Corporation | Technique for providing a signal for controlling blade vortex interaction noise of a rotorcraft |
CN104843173A (zh) * | 2015-05-27 | 2015-08-19 | 深圳市高巨创新科技开发有限公司 | 一种低噪声飞行器螺旋桨的设计方法 |
CN107444673A (zh) * | 2017-07-12 | 2017-12-08 | 南京航空航天大学 | 基于小型螺旋桨固定翼无人机的相同步控制降噪试验平台 |
CN108827313A (zh) * | 2018-08-10 | 2018-11-16 | 哈尔滨工业大学 | 基于扩展卡尔曼滤波器的多模式旋翼飞行器姿态估计方法 |
CN111046493A (zh) * | 2019-12-04 | 2020-04-21 | 中国直升机设计研究所 | 一种基于集中载荷的旋翼气动噪声计算方法 |
CN111563299A (zh) * | 2020-04-30 | 2020-08-21 | 南京航空航天大学 | 一种旋翼噪声确定方法及*** |
CN211685678U (zh) * | 2019-09-04 | 2020-10-16 | 苏州翼搏特智能科技有限公司 | 一种多旋翼无人机实时尾迹的仿真分析*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10453473B2 (en) * | 2016-12-22 | 2019-10-22 | AIRSHARE, Inc. | Noise-reduction system for UAVs |
JP6645991B2 (ja) * | 2017-01-13 | 2020-02-14 | 株式会社東芝 | 動翼騒音低減装置、飛行体及びプログラム |
US11312478B2 (en) * | 2017-11-27 | 2022-04-26 | United States Of America As Represented By The Administrator Of Nasa | Adaptive phase control architecture for reduction of community noise from distributed propulsion vehicles |
-
2020
- 2020-10-30 CN CN202011192934.1A patent/CN112487730B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09254897A (ja) * | 1996-03-19 | 1997-09-30 | Commuter Herikoputa Senshin Gijutsu Kenkyusho:Kk | ヘリコプタの低騒音着陸装置 |
US6171056B1 (en) * | 1998-12-23 | 2001-01-09 | Sikorsky Aircraft Corporation | Technique for providing a signal for controlling blade vortex interaction noise of a rotorcraft |
CN104843173A (zh) * | 2015-05-27 | 2015-08-19 | 深圳市高巨创新科技开发有限公司 | 一种低噪声飞行器螺旋桨的设计方法 |
CN107444673A (zh) * | 2017-07-12 | 2017-12-08 | 南京航空航天大学 | 基于小型螺旋桨固定翼无人机的相同步控制降噪试验平台 |
CN108827313A (zh) * | 2018-08-10 | 2018-11-16 | 哈尔滨工业大学 | 基于扩展卡尔曼滤波器的多模式旋翼飞行器姿态估计方法 |
CN211685678U (zh) * | 2019-09-04 | 2020-10-16 | 苏州翼搏特智能科技有限公司 | 一种多旋翼无人机实时尾迹的仿真分析*** |
CN111046493A (zh) * | 2019-12-04 | 2020-04-21 | 中国直升机设计研究所 | 一种基于集中载荷的旋翼气动噪声计算方法 |
CN111563299A (zh) * | 2020-04-30 | 2020-08-21 | 南京航空航天大学 | 一种旋翼噪声确定方法及*** |
Non-Patent Citations (5)
Title |
---|
Results of the AMR noise suppression selection phase (3GPP TR 26.978 version 6.0.0 Release 6) R GLOBAL SYSTEM FOR MOBILE COMMUNICATIONS.ETSI TR 126 978.2004,(V6.0.0),全文. * |
RTR/TSGS-0426978v600.Technical Report Digital cellular telecommunications system (Phase 2+) * |
Universal Mobile Telecommunications System (UMTS) * |
基于IBC方法的旋翼BVI噪声主动控制机理;倪同兵;招启军;马砾;;航空学报(07);全文 * |
基于声压相消的旋翼厚度噪声控制机理;贺祥;史勇杰;徐国华;;空气动力学学报(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112487730A (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112487730B (zh) | 一种基于相角控制的多旋翼飞行器噪声抑制方法 | |
Pascioni et al. | Tonal noise prediction of a distributed propulsion unmanned aerial vehicle | |
US11312478B2 (en) | Adaptive phase control architecture for reduction of community noise from distributed propulsion vehicles | |
Casalino et al. | Community noise of urban air transportation vehicles | |
Brentner et al. | Helicopter noise prediction: the current status and future direction | |
Zhang et al. | Numerical simulation of airflow field from a six–rotor plant protection drone using lattice Boltzmann method | |
CN114201819B (zh) | 一种融合声阵列和在桨控制的直升机主动噪声抑制装置 | |
Liu et al. | Three-dimensional mountain complex terrain and heterogeneous multi-UAV cooperative combat mission planning | |
Falck et al. | Multidisciplinary optimization of urban-air-mobility class aircraft trajectories with acoustic constraints | |
CN111924139A (zh) | 基于膨胀预警区的小天体着陆避障常推力控制方法 | |
Hanson et al. | Experimental investigation of propeller noise in ground effect | |
Schmitz | The Challenges and Possibilities of a Truly Quiet Helicopter 29th Alexander A. Nikolsky Honorary Lecture. | |
Iemma et al. | Multi-objective optimization of takeoff and landing procedures: level abatement vs quality improvement of aircraft noise | |
Greenwood et al. | A parameter identification method for helicopter noise source identification and physics-based semiempirical modeling | |
Yu et al. | Comparative analysis of fixed-pitch and variable-pitch control systems for multirotor drones: Acoustic characteristics and rotor phase control | |
CN115828421A (zh) | 一种直升机噪声预警方法 | |
Galles et al. | Reducing the Noise Impact of Small Aircraft through Indirect Trajectory Optimization | |
Amiraux | Numerical simulation and validation of helicopter blade-vortex interaction using coupled CFD/CSD and three levels of aerodynamic modeling | |
Pinto et al. | On Rotor Aeroacoustic Optimization for Urban Air Mobility | |
Saito et al. | Application of an active device for helicopter noise reduction in JAXA | |
Carreno Ruiz et al. | Assessment of Quadrotor Near-Wall behaviour using six-Degrees of Freedom CFD simulations | |
Ahuja et al. | Integrated Computational Aeroacoustics for UAM Design. Part 1. Farassat F1A Formulation | |
Schmitz et al. | Acoustic Phasing, Directionality and Amplification Effects of Helicopter Blade‐Vortex Interactions | |
Gopalan et al. | Helicopter thickness noise reduction possibilities through active on-blade acoustic control | |
Zhong et al. | A Hybrid and Efficient Low-noise assessment Platform for Urban aerial mobility (HELPU) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |