基于相控麦克风阵列的民机主起落架气动噪声源识别技术研究

徐康乐，陈迎春，江 渊，周家检，孙 刚

(1.中国商飞上海飞机设计研究院，上海 201210; 2:中国航天空气动力技术研究院，北京 100074;3:复旦大学，上海 200433)

基于相控麦克风阵列的民机主起落架气动噪声源识别技术研究

徐康乐1，*，陈迎春1，江 渊1，周家检2，孙 刚3

(1.中国商飞上海飞机设计研究院，上海 201210; 2:中国航天空气动力技术研究院，北京 100074;3:复旦大学，上海 200433)

起落架气动噪声是民机机体噪声极为重要的组成部分。由于起落架结构外形复杂，同时各部件之间干扰严重，使得其噪声机制十分复杂。目前，相控麦克风阵列技术已经成为识别民机机体噪声声源位置最为常用和可靠的技术手段。结合闭口声学风洞试验数据，采用经典的Beamforming算法，分析对比了民机主起落架构型在不同频率下声源位置分布情况，获得了不同频率下的最大声源位置;采用CLEAN-PSF算法剔除主起舱门位置处的声源，抑制了最大声源旁瓣对其他声源位置遮盖效应。

主起落架;气动噪声;Beamforming;CLEAN-PSF

0 引言

民机噪声辐射水平是飞机“四性”要求中一项重要的技术指标，国际民航适航条款中对民机噪声水平有着明确的限制。随着新一代高涵道比发动机的发展，发动机噪声逐渐降低，而机体噪声所占的比重日趋增大。起落架气动噪声是机体噪声最重要的组成部分之一。然而起落架的结构外形复杂，暴露在流场中的部件多为非流线钝体，如起落架轮轴、扭矩杆、起落架舱门、舱门侧支杆以及裸露在外的管道电缆等等，同时各部件之间干扰严重，使得其噪声机制十分复杂［1］。由于相控麦克风阵列具有强大的声源识别能力，麦克风阵列测试技术已经成为近年来飞行器气动噪声风洞试验研究中最为常用和可靠的测试技术［2］。随着计算机硬件水平的迅速发展及相关算法的深入研究，相控麦克风阵列已经发展到上千通道，可以为大尺寸及全尺寸模型进行气动声源定位识别研究［3］。本文针对民机主起落架构型，采用相控麦克风阵列技术开展了闭口声学风洞试验及声源识别技术等研究工作。

1 麦克风阵列数据处理方法

1.1 波束成形(Beamforming)算法

波束成形是信号处理的重要方法。所谓“波束成形”，就是对各阵元输出做延时、加权求和处理，使得阵列的输出对某一指定方向入射的信号响应最大。为了使波束最大值对准指定方向，可对各阵元输出信号施加不同的时延，然后加权求和［4］。对于窄带信号，时延可用窄带相移实现。当波束在空间旋转时，若在某一旋转角度阵列输出最大，则认为这个角度方向上存在目标信号源。波束成形系统的功能，一方面是为了获得足够大的信噪比，另一方面也是为了得到高精度的目标分辨力，一般情况下波束成形的首要目的是定向，而在噪声识别领域，不仅关心噪声的来波方向，即声源的位置，同时也关心声源产生噪声的大小，如图1。

图1 波束成形示意图Fig.1 Beamforming map

假设空间中存在包含有M阵元的麦克风阵列，其中第m个麦克风位置为(xm，ym，zm)。空间中存在L个单级子噪声源，其中第l个声源位置为。为了减小噪声、随机测量误差和随机干扰等随机误差，可以利用多次测量获得阵列数据的统计平均值。通常情况下采用麦克风阵列数据分块处理的方法。将每个麦克风在收集时间Tacq内的数据按长度为H分成B块，每块数据重叠量为v。则:

式中［］表示取整运算，fs为数据采样频率。

在时间信号处理中，一般认为带宽小于中心频率十分之一的信号是窄带信号。若入射信号是中心频率为fc的窄带信号，则可以利用窄带信号的解析形式来方便地表示基阵输出。实窄带信号的较小的时间延迟可以近似地用其解析信号的一个相移来表示，即若实信号s(t)的解析信号为珋(t)，则s(t－τ)解析信号为珋(t)e－j2πfcτ。此时，多个入射信号的基阵输出可以表示为如下矩阵形式:

上式中ym(b)为频率空间内第m个麦克风所记录的第b块声压数据，为阵列对应于扫描点l的定向向量。rl，m为扫描点l与麦克风m的空间距离。sl(b)为扫描点l的声源信号。(b)为背景噪声信号，假定其为高斯白噪声。将上式写成更加紧凑的形式为:

上式为波束成形器在对应于第l处扫描点的输出功率，其中ω0为频谱窗函数修正因子，G为麦克风阵列的互谱矩阵，其定义为:

由式子(6)及(7)可知，互谱矩阵是麦克风阵列判定声源位置信息等最重要的步骤，是基于延迟求和的波束成形方法的核心。由于声阻抗现象及麦克风指向性，阵列中每个麦克风不可能无延迟响应所接受到的声压信号。此外，为实现波束成形器的波束图具有良好的空间滤波性，必须对各个阵元采用不同的加权值。

经修正后，基于延迟求和所获得的波束成形方法的阵列响应可表示为如下形式:

1.2 CLEAN-PSF算法

经过多年发展，采用反卷积方法是目前波束成形相控麦克风阵列技术进行声源定位的重要研究领域［9-11］。文献［12］对比分析了目前主要的反卷积方法。CLEAN算法最早起源于天文学，其被用来去除天文望远镜图像中过于明亮的星体［13］。式子(8)又称为点源扩散函数(PSF，point spread function)。基于PSF所获得声源图像由于在波束成形过程中主瓣和旁瓣相干性的影响，使得其往往较为粗糙，通常将其称为“脏图”(dirty map)。同时为消除声图中最大声源点对其他声源的掩盖影响，需对“脏图”采用CLEAN算法进行处理［14-15］，最后所获得的图像称为“干净图”(clean map)。CLEAN算法具体处理过程如下:

第一步，获得基于 PSF的声源图像，也即“脏图”;

第二步，搜索所有声源扫描点，获得最大峰值所在位置;

第三步，在每个声源扫描点，减去所对应的退化的点源扩散函数;

第四步，用干净波束替代原始波束。

上述过程中，第二步至第四步需循环迭代，直至收敛。

将式(8)简写为如下形式:

将式(11)代入式(12)可得

于是，在每个扫描点减去所对应的退化的点源扩散函数可以定义为:

于是可以将式子简写为:

在第四步中，需用干净的波束替代原始的点源扩散函数。在本文中，采用了如下干净波束形式:

如果经过I轮迭代后，满足‖F(i)‖≥‖F(i－1)‖，则认为迭代过程已经收敛。此时，每个扫描点上声源输出为:

2 风洞试验及算法应用

本次噪声试验在中国航天空气动力技术研究院的FD-09风洞进行。该风洞是国内为数不多的具备气动噪声试验能力的闭口回流式风洞设施。试验过程中采用麦克风阵列测量了起落架飞越(Flyover)和横侧(Sideline)两个方向噪声。91个麦克风将呈对数螺旋排列，组成一个直径1.5 m的麦克风阵列。阵列被安装在风洞的上洞壁位置。该阵列由7条旋臂构成，每条旋臂上布置了13个麦克风。通过优化布置麦克风阵列位置，使得阵列旁瓣抑制水平在50 kHz频率仍保持有12 dB，阵列分辨率在10 kHz能达到7.7 cm。图2及图3分别给出了阵列布置以及阵列分辨率随频率的变化曲线。麦克风相阵列测量系统采用的麦克风为PCB 1/4英寸高频响麦克风。数据采集器采用东华测试DH-5927高速并行采集器，单通道最高采集率为200 kHz。每个通道数据采集后进行无重叠分块，每块包含8192个采样点。文中给出的数据处理结果均为窄带信号分析结果。

主起落架模型如图4所示，该模型采用1∶7.6比例，基本保留了迎风面和外露部件细节，可以比较真实地反映主起落架主噪声源分布情况。在全机模型中前起落架和主起落架是通过底座以嵌入方式分别与机身、机翼连接，而在本次试验中起落架将通过转接结构与风洞的支撑装置连接。模型飞越方向及横侧方向声源探测时在风洞中支撑方式如图5所示。

图2 阵列布置Fig.2 Microphone array

图3 分辨率曲线Fig.3 Resolution curve

图4 主起落架模型Fig.4 Landing gear model

图5 模型在风洞安装位置Fig.5 Model positions in wind tunnel

2.1 单麦克风信号频谱

为有效分析风洞背景噪声频谱特征及加装起落架后噪声信号的信噪比，需对阵列中单个麦克风信号进行频谱特性分析。下图6给出了单个麦克风信号在不同风速条件下空风洞的背景噪声以及加装起落架后的噪声频谱特性。从图6可以看出随风速增加，风洞背景噪声增大，信噪比增强。风洞背景噪声主要集中在2000 Hz以下的低频段。40 m/s风速条件下，信噪比较低，可用频率段较窄。原因在于所用起落架模型比例较小，声源区能量较弱，使得其在大部分频段范围内被风洞背景噪声所掩盖。

图6 不同风速下空风洞及起落架噪声单麦克风频谱响应Fig.6 Spectrum curves for background and landing gears noise

此外，从图6可以看到，在50 m/s风速以后起落架噪声比较明显，在2～10 kHz频率范围内大约有5 dB的信噪比。低频下(低于2 kHz)风洞背景噪声较大，信噪比差;而高频下(高于15 kHz)起落架噪声较小，信噪比也较差;在3 500 Hz左右存在一个显著的单音噪声，而且峰值频率与风速无关，在50 m/s和60 m/s风速下还出现了该单音噪声的一个倍频。

结合后续声源分布图发现，在3466 Hz下出现的单音噪声是由起落架散热孔引起。为此，试验过程中重新做了一副新的机轮。较于旧机轮，新机轮没有散热孔，同时优化了机轮和起落架间连接方式和机轮内腔结构。图7给出了60 m/s风速下不同机轮的单麦克风频谱对比，图中Background表示空风洞背景噪声，Old表示旧机轮，New表示新机轮，而Old_taped表示将旧机轮的散热孔堵上后的噪声。从图7中可以看到，旧机轮堵上散热孔之后，3.5 kHz左右的单音噪声及其倍频噪声消失，可见该单音噪声是由散热孔引起的。新机轮与堵上散热孔的旧机轮相似，没有3.5 Hz的单音噪声。新机轮的内腔没有引起明显的噪声。

图7 60 m/s风速下空风洞及不同起落架噪声单麦克风频谱响应Fig.7 Spectrum curves for different wheels noise at 60 m/s

2.2 基于Beamforming的声源“脏图”结果

图8 带新旧机轮起落架2 197 Hz下声源分布Fig.8 Noise source location at 2 197 Hz

图8-图10分别给出了60 m/s风速下起落架加装新、旧机轮后在不同频率下，采用Beamforming算法处理后的声源分布结果。结合图7，在2 197 Hz条件下，起落架加装新、旧机轮后其噪声的单麦克风频谱响应基本重合，反映到该频率下声源分布时，加装不同机轮的起落架声源分布相同，最大声源区集中在起落架小舱门位置附近，如图8所示。在3 466 Hz条件下，旧机轮由于存在散热孔使得单麦克风频谱响应曲线在该频率下存在一个很强的单音噪声。从图9可以看出，该单音噪声强度很高，使得加装新、旧机轮后的起落架最大声源区发生了改变。带旧机轮起落架的最大声源区在机轮位置，如图9(a)，而带新机轮起落架的最大声源区依旧保持在主起小舱门位置附近，如图9(b)。当频率达到4296 Hz时，单麦克风频谱曲线重合，加装不同机轮的起落架主声源分布重新回到舱门附近。此外，从上述结果分析可以得出，在主起落架小舱门附近存在一个很强的声源区，且该噪声为宽频噪声，使得该区域在很宽的频谱范围内成为主起落架的主声源区。为研究起落架其它子声源区分布结果，需消去主声源区对子声源区的覆盖效应。下一节在此声压图分布结果的基础上，采用CLEAN算法，剔除小舱门声源区，研究了不同频率下的声源分布。

图9 带新旧机轮起落架3 466 Hz下声源分布Fig.9 Noise source location at 3 466 Hz

图10 带新旧机轮起落架4 296 Hz下声源分布Fig.10 Noise source location at 4 296 Hz

2.3 最大声源剔除后的声源分布结果

从传统的Beamforming算法处理结果可以看出，在较宽的频谱范围内，主起小舱门是起落架的主要噪声源，原因在于其与起落架主支杆间存在流动缝道，使得前方来流通过该缝道后产生很强的类似喷流噪声，并且该噪声源的强度较于其他声源区要高出5个分贝左右。为辨识其他声源区，可采用CLEAN算法剔除某一主声源区，图 11及图 12显示了采用CLEAN算法将小舱门主声源剔除后的声源分布结果，为上述图中可以看出声压图动态范围缩小了5个分贝，并且显示出其他声源区分布结果。图11及图12避免起落架模型对声源云图的遮盖，模型均往右移了10 cm。

图11 带新机轮起落架声源分布(2 001 Hz)Fig.11 Noise source locations for“dirty”and CLEAN maps(2 001 Hz)

图12 带新机轮起落架声源分布(2 539 Hz)Fig.12 Noise source locations for“dirty”and CLEAN maps(2 539 Hz)

3 结论

本文针对民机主起落架模型，开展了主起落架声学风洞试验。采用传统Beamforming算法及CLEANPSF算法分析对比了不同频率下主起声源位置分布。研究结果表明:

(1)主起落架机轮散热孔在中、低频某一频率上存在很强的单音噪声，使得在该频率上机轮散热孔成为起落架最大声源，且较于其他声源，其声压级至少高出5个分贝;

(2)主起落架小舱门与大舱门、主支杆间形成的缝隙所产生的噪声为一宽频噪声，且在较宽的频域范围内，该噪声源为主起落架主噪声源;

(3)所采用的传统Beamforming算法可以较好分辨出主起落架在不同频率下的声源分布;所采用的CLEAN-PSF算法可以有效剔除最大声源对其他声源区的覆盖效应，能够有效抑制主声源位置波束子瓣的干扰，给出更加细致的声源分布结果。

［1］ Chow L C，Mau K，Remy H.Landing gears and high lift devices airframe noise research［C］//8thAIAA Aeroacoustics conference＆Exhibit，17-19 June 2002，Breckenridge，Colorado.

［2］ Wang Xunnian，Li Zhengchu，Chen Zhengwu，et al.Rearching on aerodynamic noise sources identification technology in anechoic wind tunnel［J］.Acta Aerodynamica Sinica，2012，30(3):284-290.(in Chinese)

王勋年，李征初，陈正武，等.声学风洞内气动噪声源识别定位方法研究［J］.空气动力学学报，2012，30(3):284-290.

［3］ Nathan J Burnside，William C Horne.Array design and performance for a large scale airframe noise study［C］.8thAIAA Aeroacoustics conference＆Exhibit，17-19 June 2002，Breckenridge，Colorado.

［4］ Song LeiMing.Reverse noise identify mechanism and technology based on phased micro-phone array［D］.［PhD Dissertation］.Beijing Jiaotong University，2010.03.(in Chinese)

宋雷鸣.基于相控麦克风阵列的逆向噪声源识别原理与技术研究［D］.［博士学位论文］，北京交通大学，2010年3月.

［5］ Humphreys W M，Brooks T F，Hunter W W，et al.Design and use of microphone directional arrays for aeroacoustic measurements［R］.AIAA 98-0471.36St Aerospace Sciences Meeting＆Exhibit，Reno NV，Jan.12-15，1998.

［6］ Brooks T F，Humphreys W M.Effect of directional array size on the measurement ofairframenoisecomponents［C］//5th AIAA Aeroacoustics Conference l0-12 May 1999.

［7］Tarik Yardibi.Source localization and power estimation in aeroacoustic noise measurements［D］.［PhD Dissertation］，university of Florida，2009.

［8］ Jiang Yanwei.Wideband RELAX and wideband CLEAN for aeroacoustic imaging［C］.9th AIAA/CEAS Aeroacoustics Conference and Exhibit，12-14 May 2003，Hilton Head，South Carolina.

［9］ Brooks T F，Humphreys W M.A deconvolution approach for the mapping of acoustic sources(DAMAS)determined from phased microphone arrays［J］.Journal of Sound and Vibration，2006，294: 856-879.AIAA 2004-2954.

［10］ Brooks T F，Humphreys W M.Three-dimensional application of DAMAS methodology for aeroacoustic noise source definition［R］.AIAA 2005-2960.

［11］Ravetta P，Burdisso R，Ng W.Noise source localization and optimization of phased array results(LORE)［R］.AIAA 2006-2713.

［12］Ehrenfried K，Koop L.A comparison of Iterative deconvolution algorithms for the mapping of acoustic sources［R］.AIAA 2006-2711.

［14］ Pieter Sijtsma.CLEAN based on spatial source coherence［C］// 13th AIAA/CEAS Aeroacoustics Conference (28th AIAA Aeroacoustics Conference)，2007.

［15］Ehrenfried K，Koop L.A comparison of iterative deconvolution algorithms for the mapping of acoustic sources［R］.AIAA 2006-2711.

Aerodynamic noise source detection for main landing gear based on phased microphone array technique

Xu Kangle1，*，Chen Yingchun1，Jiang Yuan1，Zhou Jiajian2，Sun Gang3
(1.Shanghai Aircraft Design Institute of COMAC，Shanghai201210; 2.China Academy of Aerospace Aerodynamics，Beijing 100074;3.Fudan university，Shanghai200433)

Landing gear noise is one of the most important parts of the aircraft’s airframe noise.Due to the geometry complexity of the landing gear devices，as well as the interference effects on the flows surrounding the parts of the landing gear，the noise mechanism of the landing gear is extremely complicated.Currently，the phased microphone array is one of the most popular methods to detect the location of the acoustic source of the airframe noise.After acquiring the noise source data in a closed wind tunnel，the Beamforming are adopted to localize the exact noise source locations at different frequencies.In order to avoid the cover effect of side-lobes of the maximum noise source location，CLEAN-PSF algorithm is employed to cut out the noise source location at the main door.

main landing gear;aerodynamic noise;Beamforming;CLEAN-PSF

V211.3

Adoi:10.7638/kqdlxxb-2013.0112

0258-1825(2015)04-0523-07

2013-12-20;

2014-05-06

徐康乐*(1985-)，男，博士，主要从事气动设计及气动噪声研究.E-mail:xukangle@comac.cc

徐康乐，陈迎春，江渊，等.基于相控麦克风阵列的民机主起落架气动噪声源识别技术研究［J］.空气动力学学报，2015，33(4): 523-529.

10.7638/kqdlxxb-2013.0112 Xu K L，Chen Y C，Jiang Y，et al.Aerodynamic noise source detection for main landing gear based on phased microphone array technique［J］.Acta Aerodynamica Sinica，2015，33(4):523-529.