高速直升机舱内噪声主动控制技术研究

2023-09-27梁宁远陈宝韩松辰陈佳伟王玉琢王普缘

航空科学技术 2023年9期

梁宁远，陈宝，韩松辰，陈佳伟，王玉琢，王普缘

1.中国航空工业空气动力研究院黑龙江省空气动力噪声及其控制重点实验室，黑龙江哈尔滨 150001

2.低速高雷诺数航空科技重点实验室，黑龙江哈尔滨 150001

直升机旋翼流场及噪声特性复杂,按噪声产生机理,旋翼气动噪声分为宽带噪声、厚度噪声、载荷噪声、高速脉冲噪声和桨—涡干扰噪声。旋翼产生的各类气动噪声发声原理不同,传播指向性也存在区别,使得直升机噪声问题突出且降噪难度大。噪声过大是长期以来影响直升机竞争力的重要因素,过高的直升机舱内噪声极大降低了乘坐舒适性。尤其是高速直升机,前飞速度高,流动更加复杂,噪声更强烈,引起的舱内噪声问题尤为突出,因此进行高速直升机舱内降噪设计研究十分必要[1-2]。

目前,对高速直升机舱内噪声控制的研究主要集中在旋翼翼型设计、智能旋翼和振动控制等声源方面[3-6],对从舱内噪声声场角度出发开展主动噪声控制仍少有研究。在航空领域,主动噪声控制技术首次被尝试应用于解决螺旋桨飞机舱内噪声控制问题,相关研究以欧盟框架计划中的飞机主动噪声控制预先研究（Advance Study of Active Noise Control for Aircraft,ASANCA）项目为代表,该项目涉及11 个欧盟国家的22 个飞机制造商、大学和研究机构,由英国南安普顿大学利用BAe748 型号螺旋桨飞机完成首次舱内噪声主动噪声控制飞行试验[7]；项目组各单位后续又分别对包括SAAB340、SAAB2000、Dornier228、ATR42等螺旋桨飞机在内的多种机型进行了主动噪声控制的地面测试和飞行试验。试验结果表明,对于螺旋桨基频噪声,平均降噪量为15～20dB,局部区域的降噪量高达27dB。英国超级电子公司与瑞典萨伯公司合作,在SAAB340飞机上首次将主动噪声控制技术商业化,随后A400M、庞巴迪冲8Q400、美国空军C-130-H3 等机型上均装配了主动噪声控制系统[8]。

由于直升机与螺旋桨飞机舱内噪声特性相近,学者开始尝试通过主动噪声控制技术进行直升机舱内噪声控制。美国Lord 公司在Bell 206L 直升机舱内进行了主动噪声控制试验。C.C.Boucher 等[9]对EH101 直升机进行主动噪声控制研究,使用32 路传感器和16 路扬声器对处在17.5Hz的旋翼桨叶通过二、三阶谐波频率和处在63.38Hz 的尾桨桨叶通过频率进行有效控制,降噪量达到12dB。

国内部分高校与科研院所对飞机舱内噪声主动控制技术也开展了研究,如西北工业大学、南京大学和中科院声学所等。胡涵等[10]使用自主研制的主动噪声控制系统对国产某型直升机机舱开展降噪试验,在噪声突出的两处频率处取得了约6dB降噪量。目前我国还没有实装于国产直升机内的成熟主动噪声控制系统。

目前,大部分针对直升机机舱的主动噪声控制研究均是通过仿真分析或真实环境下的反复试验进行,综合考虑模型真实性、场景还原性和方法高效性的高速直升机舱内噪声主动控制研究基本处于空白[11-12]。

本文在实验室中还原高速直升机真实飞行声场,在直升机地面模拟舱内开展以扬声器为作动器的主动噪声控制相关研究。首先根据数值模拟计算获取的飞行状态机身表面测点时域脉动压力值,通过声压匹配法由声源模拟系统实现旋翼声场地面模拟再现；继而对噪声主动控制算法进行分析,研究算法对低频线谱噪声的降噪性能以及算法关键参数对性能的影响；然后对主动噪声控制系统扬声器与传声器的布置方法进行研究,提出一种以总声压级降噪量为评判依据的试验与仿真结合的优化方法；最终开展高速直升机驾驶舱内噪声主动控制试验,综合验证噪声主动控制算法的适用性和扬声器、传声器布置方案的有效性。

1 舱内噪声地面模拟方法

为实现高速直升机旋翼噪声的地面复现,并为主动噪声控制技术研究提供测试环境,本文设计了由旋翼噪声地面模拟系统、地面模拟舱和主动噪声控制验证系统组成的高速直升机舱内噪声主动控制地面模拟与测试平台（简称模拟平台）,如图1所示。模拟平台布置在半消声室中开展舱内噪声主动控制技术研究。

图1 旋翼噪声地面模拟系统Fig.1 Rotor noise ground simulation system

1.1 基于声压匹配法的旋翼噪声地面模拟

对于直升机舱内噪声主动控制,构建精准的初级声场是一项十分关键的工作,可为控制算法性能验证、主动噪声控制系统的扬声器和传声器布置优化、系统调试和验证测试等工作提供支撑,因此需要地面模拟的初级声场与目标真实初级声场有较高的相似度[13-15]。

本文采用数值模拟方法得到共轴旋翼气动噪声传播到驾驶舱外表面的脉动压力分布,作为目标真实初级声场。数值模拟中采用基于非结构网格的有限体积法离散三维可压缩Navier-Stokes 方程进行共轴旋翼流场求解,对流通量采用二阶Roe格式,无黏通量采用中心差分格式,时间离散采用隐式二阶Euler 向后差分格式,湍流模型为k-ωSST二方程模型；以非定常动量源方法模拟高速直升机共轴旋翼尾迹的作用；得到前进比为0.2、旋翼前倾角为0°、上下旋翼总拉力系数为0.013时驾驶舱前风挡、顶部等强声载荷区域6个剖面的脉动压力动态载荷。

本文采用声压匹配法[16]对高速直升机旋翼噪声声场进行地面模拟,设计了由左侧5 个扬声器、右侧5 个扬声器和顶部6 个扬声器组成的空间扬声器阵列,并配备响应控制采集设备建立旋翼噪声地面模拟系统。空间扬声器阵列对称布置在地面模拟舱周围,顶部扬声器与旋翼系统等高位置均匀布置,再现旋翼噪声传播到模拟舱外表面的初级噪声。

时域声场模拟的步骤如下:首先经过数值模拟计算获得目标声场时域脉动压力值,再对该信号进行时域去卷积网络处理,得到控制扬声器发声的时域序列形式驱动信号,然后将该信号输出到布置好的扬声器阵列,即可在特定的空间区域再现出目标声场。图2为时域声场模拟示意图。

图2 时域声场模拟示意图Fig.2 Schematic diagram of the time-domain acoustic field simulation

时域去卷积网络H(t)的设计是声场模拟时域模型中非常重要的一个环节,求解流程为:首先采用附加随机噪声法求解出声源模拟系统各扬声器至直升机地面模拟舱外各表面传声器的脉冲响应G(t)。图3为附加随机噪声法实现通路自适应建模示意图。

图3 附加随机噪声法实现通路自适应建模示意图Fig.3 Additional random noise method for path adaptive modeling

然后经傅里叶变换得到传递函数G(k),采用奇异值分解法求解频域形式的去卷积网络H(k)

式中,ui与vi是传递函数G进行奇异值分解后的酉矩阵列矢量；而σi是传递函数G进行奇异值分解后的对角矩阵的奇异值元素,滤波矩阵系数fi由式（2）得到

最后,对滤波矩阵里的频域滤波器逐个进行傅里叶逆变换,得到对应时域上的去卷积滤波器,构成时域去卷积网络H(t)。其流程如图4所示。

图4 时域去卷积网络求解流程Fig.4 Time-domain deconvolutional network solution flowchart

图5给出了地面模拟舱表面某监测点处再现声压与目标声压的频谱对比,可以看出绝大部分线谱的频率和声压级均实现较好模拟和再现。图6给出了模拟舱表面各测点再现声压级与目标声压级对比,计算目标声压级与再现声压级之差绝对值的测点均值约为2.5dB,旋翼噪声地面模拟系统较为准确地模拟了高速直升机飞行状态下的声场。

图5 地面模拟舱表面某监测点的声压频谱Fig.5 The sound pressure spectrum of a monitoring point on the surface of the simulation cabin

图6 地面模拟舱表面9个测点的声压级比较Fig.6 Comparison between sound pressure levels at 9 measurement points on the surface of the simulated cabin

1.2 地面模拟舱

直升机地面模拟舱是进行声学降噪试验的重要实物,为了使试验降噪效果接近装机后的真实效果,本文设计了具有高速直升机特征的全尺寸地面模拟舱。地面模拟舱的长×宽×高为3m×2m×2m,风挡玻璃和舱门玻璃使用亚克力板,整体由传力骨架加舱体蒙皮组成。舱体采用骨架加蒙皮铆接的结构形式,骨架为方钢管,蒙皮为厚铝板；舱体两侧布置舱门,舱门可开闭,舱体下平面布置地板用于承载,舱体最下方使用万向轮支撑和行走。

1.3 主动噪声控制验证系统

主动噪声控制验证系统包含1个通道参考传感器、5个通道误差传感器和5 个通道次级声源,采用前馈式滤波-x最小均方算法（FxLMS）和陷波滤波算法。系统由控制器（主要包含电源模块、输入/输出信号调理模块、数模转换/模数转换模块和实时处理模块）、两通道功率放大和前置放大一体机、次级声源及支架、0.5in(12.7mm)传声器、声级校准器等组成。次级声源采用HiVi S5N 型号低中音扬声器。本文设计的直升机舱内噪声主动控制系统实物如图7所示。

图7 直升机舱内噪声主动控制系统实物图Fig.7 Actual diagram of the active noise control system in the helicopter cabin

2 次级声源布置优化

2.1 降噪量计算方法

主动噪声控制系统中控制器根据算法实时修正滤波器参数,调整次级声源输出信号以应对时变的初级声场,达到降噪的目的。系统原理如图8 所示,参考信号传递函数为Hr,初级通道传递函数为Hp,次级通道传递函数为Hs,H′s为预估得到的次级通道传递函数。W为控制器滤波器,p(n)、d(n)和x(n)分别为噪声源发出的噪声信号、期望信号和参考信号,Me为误差传感器灵敏度。

在主动噪声控制系统中,误差传声器位置的期望信号与抵消信号为

式中,s(n)是滤波器输出信号y(n)经过次级通路传到误差传感器处的响应,称为抵消信号。

设滤波器阶数为L,第n时刻ANC 系统控制器滤波器权矢量和参考信号可以表示为

图8 主动噪声控制系统结构图Fig.8 Block diagram of active noise control system

由参考信号和滤波器权系数计算可获得滤波器输出的次级信号为

式中,r(n)为滤波参考信号,它由参考信号矢量与预估次级通路传递函数计算得来。

于是,误差信号为期望信号与抵消信号的叠加形式

针对本文使用的单参考传声器、5 个次级声源、5 个误差传声器的多通道主动噪声控制系统,首先从次级声源发声的录音信号中求出第m个扬声器到第n个误差传声器之间的次级路径Secm,n,使用各次级路径对参考信号滤波得到滤波参考信号xm,n。Rm,q,n为xm,n与xq,n的自相关矩阵,dn为初级噪声发声时各误差传感器处的期望信号,pm,n为滤波参考信号xm,n与期望信号dn之间的互相关矢量。代价函数为N个误差传声器处残差信号的声压平方和的期望,解得维纳滤波器组共有5个滤波器w1,w2,w3,w4,w5

则可以由式（11）计算出维纳滤波器组

初级噪声为旋翼噪声地面模拟系统声环境下的实录噪声,同时对不同布放位置的5 个误差传声器进行录音,录音时长为30s；5个次级声源依次发声,测量次级路径脉冲响应。分别计算滤波参考信号的自相关矩阵和滤波参考信号与期望信号的互相关矩阵,由式（11）计算得到使误差信号最小的滤波器组,由式（10）计算得到误差信号,误差传声器处的期望信号与误差信号声压级差值即为降噪量。

2.2 次级声源布置方案

在半消声室中,由模拟平台的声源模拟系统扬声器阵列共同发声重构直升机运转时实际声场环境,将误差传声器布置在直升机地面模拟舱内前后排乘员头部位置处,并将次级声源一一对应布置在误差传感器附近,通过改变误差传感器与次级声源的间距,实测6 组布放方案的初级通路与次级通路传递函数,计算并对比各组布放方案的理论最大降噪量,以便分析次级声源布置对降噪量的影响规律。试验模型与半消声室如图9所示。

图9 试验模型与半消声室Fig.9 Test model and semi-anechoic chamber

考虑实际直升机舱内安装环境,次级源和误差点初始布放位置如图10所示,其中①～⑤为误差传声器。误差传感器布置在舱内乘员坐姿时人耳位置,距驾驶舱地板高度均为0.95m,误差传声器①和②距前舱壁1.85m,误差传声器③和⑤距后舱壁0.42m。误差传声器④在驾驶舱左右舱壁中心线上,误差传声器③和⑤关于误差传声器④对称布置,误差传声器①和②关于驾驶舱左右舱壁中心线对称布置,通过调整次级声源与误差传声器的距离设置对照试验。其他5组布置方案相对初始布放位置,误差传感器位置固定不变,调节次级声源位置,方案的描述见表1。

通过对比不同布置方案各误差点的降噪效果,考虑目标噪声控制频率上限为1000Hz,下述试验均使用4kHz采样率。

2.3 布置方案降噪效果分析

图10 次级声源和误差传声器初始布放示意图（单位:m）Fig.10 Schematic diagram of the initial deployment of secondary sound sources and error microphones(Unit:m)

表1 主动控制系统不同布放位置描述Table 1 Description of different deployment positions of the active control system

开启直升机地面模拟舱外的声源模拟系统,产生舱内初级噪声,参考传声器放置在声源模拟系统左侧最后靠近模拟舱尾部的音箱前0.10m处。在20～1000Hz范围内不同误差传声器和次级声源扬声器布放位置对应的测点处降噪量见表2。

分析结果显示,在不同的误差点和次级源布放位置下,测点1～5处获得的降噪量不同,在20～1000Hz范围内,取得的最低降噪量为8.2dB,最大降噪量为27.8dB。通过6组数据对比可知:除测点1 和测点3,其他测点处在主动噪声控制试验中调整次级声源位置使其逐渐靠近对应通道误差传感器时,所能取得的降噪效果整体呈下降趋势；而测点1处随着距离减小,降噪效果先减小后增大；测点3处降噪效果随距离减小而呈增大趋势。

表2 不同布放位置对应的误差点处降噪量Table 2 The amount of noise reduction at the error points of different placement positions

处于对称位置的测点1和测点2、测点3和测点5,降噪情况在定性规律上存在差异,而位于前部的测点1和测点2的规律一致性较后部测点3 和测点5 稍好。出现上述现象是因为声源模拟系统左右两侧音箱声信号激励并非完全对称,并因改变次级声源位置导致模拟舱声模态分布改变,且各次级声源发声强度不同,导致舱内声模态不呈现对称特性,而机舱前部的声模态对称性更好。

次级声源与对应通道误差传感器距离过近或过远时,都会导致舱内设置的目标静音区域取得的降噪量不均衡,这是由于当各自通道的次级声源与误差传感器过近时,则本通道的次级声源对本通道误差传感器的贡献量明显增大,相应地对其他通道的误差传感器的作用相对减弱,这会放大各误差点处声场环境差异、次级声源性能稳定性等因素对系统降噪性能分配的影响。次级声源与对应通道误差传感器距离过远时,次级声源发声强度提高,则次级声源发声稳定性会对系统降噪量产生影响,且不利于算法收敛。而模拟试验中间距为0.20m 时,各目标静音区域能取得降噪明显且均衡的静音效果,各误差传声器处均能取得15dB以上的声压级降噪量。

图11 给出了布置方案4 时,测点3 主动噪声控制前后的噪声频谱曲线。

图11 方案4中测点3主动控制前后噪声频谱曲线Fig.11 In scheme 4, the noise spectrum curve before and after active controlling at measurement point 3

由主动控制前后各误差传声器处的噪声频谱曲线可知,能量突出的低频噪声谱线均得到了有效控制,在绝大多数频率处取得了10dB及以上的控制效果,此布放方案可对直升机地面模拟舱内的初级噪声取得较好的控制效果。

3 主动噪声控制算法对比

3.1 FxLMS算法

自适应主动噪声控制系统的核心是自适应控制器和自适应控制算法,FxLMS算法是最常用的基于自适应滤波原理的控制算法,FxLMS算法滤波器权系数矢量迭代公式为

对FxLMS算法进行分析,设置初级通道和次级通道传递函数,采样频率为4kHz,控制滤波器阶数为128。分别设置窄带白噪声和多线谱合成噪声两种初级噪声环境,其中窄带初级噪声源为幅值为2、频率为100～500Hz的窄带白噪声,数据长度为20000,步长设置为0.01；线谱噪声源为幅值为2,频率为200Hz、300Hz、400Hz 的三个线谱噪声的合成噪声,数据长度为20000,算法步长设置为0.00005。

结果如图12和图13所示,由此可知,FxLMS算法对窄带白噪声和线谱噪声均有很好的控制效果。不同步长和不同控制滤波器阶数时的收敛曲线如图14和图15所示,随着滤波器阶数增加,算法的收敛速度增加；随着步长增大,算法的收敛速度也增加。

图12 FxLMS算法窄带噪声降噪效果Fig.12 Narrowband noise reduction effect of FxLMS algorithm

3.2 陷波滤波算法

陷波滤波算法是在FxLMS 算法基础上对控制器中自适应滤波器结构进行一定简化得来的,系统无须采集参考传感器信号,而是根据已知待控制的噪声频率,直接在控制器的存储模块中构造并存储目标频率的参考信号,从而减少了算法的计算量。陷波滤波算法在控制频率处衰减迅速、凹口带宽可调、可根据目标频率自由调整凹口位置等特点,使其对有明显线谱特征的声场有较好的控制作用[17],单通道单频自适应陷波滤波算法框图如图16所示。

图13 FxLMS算法线谱噪声降噪效果Fig.13 Line spectrum noise reduction effect of FxLMS algorithm

图14 不同步长线谱噪声误差收敛曲线Fig.14 Error convergence curves for line spectrum noise of different convergence steps

图15 不同滤波器阶数线谱噪声误差收敛曲线Fig.15 Error convergence curves for line spectrum noise of different filter orders

陷波滤波算法控制器滤波器的迭代公式为

图16 单通道陷波滤波算法框图Fig.16 Block diagram of single-channel notch filtering algorithm

构建幅值为5Hz、100Hz 的单频噪声进行分析,步长为0.5,算法收敛曲线如图17 所示。设置算法步数为224000,前2400步进行次级通道辨识。从图17中可以看出,初级噪声受到初级通道影响后幅值降低；误差信号可以很快收敛。

图17 陷波滤波算法收敛曲线Fig.17 The convergence curve of the notch filtering algorithm

对噪声频率为200Hz、250Hz、350Hz 和400Hz 的多频混叠噪声进行主动噪声控制仿真试验,结果如图18和图19所示,能量最突出的4处离散频率均得到有效控制,且非目标频率的幅值也未产生明显升高。

在主动噪声控制中,初级噪声实时变化,目标噪声特征参数的缓慢变化是易于控制的,而当特征参数发生跳变时,就需要算法有更强的自适应调节追踪能力。因此,在第20000～24000 步处提高初级噪声幅值,仿真结果如图20 所示,算法在经过短暂迭代后逐步收敛,误差信号重新降至极低水平,本次仿真表明,陷波滤波算法鲁棒性很好,对初级噪声信号的突变能较快适应并收敛。

图18 不同步长多频混叠噪声误差收敛曲线Fig.18 Error convergence curves for multi-frequency aliasing noise of different convergence steps

图19 多频混叠噪声降噪频谱图Fig.19 Noise reduction spectrogram for multi-frequency aliasing noise

图20 误差信号收敛时域图Fig.20 Convergence time domain plot of the error signal

3.3 主动噪声控制算法验证

利用模拟平台,采用2.2节中次级声源和误差传声器布置方案4所述布置,进行三组对比试验,试验状态见表3。

表3 试验状态Table 3 Experiment status

3.3.1 总体降噪效果

图21给出了三组试验中主动噪声控制前后误差点1处的噪声频谱。表4给出了第三组试验各误差传感器位置降噪量,可以看出,降噪量均达到10dB以上,平均降噪量为12.7dB。

3.3.2 滤波器阶数对比

第一组试验采用256阶滤波器,第二组试验采用512阶滤波器,其他试验条件如参考传声器位置、采样率和控制算法等均相同。两组试验中误差传感器1位置各频率的降噪量对比如图22所示。

由图21 可知,直升机舱内噪声主要能量集中在0～300Hz,对比图22中300Hz范围内降噪量,大多数线谱的降噪量达到10dB及以上,滤波器为256阶时的降噪量略大于滤波器为512 阶时的降噪量。而在300～1000Hz 范围内,512 阶滤波器的降噪量远大于256 阶滤波器。由这组对比试验可知:滤波器阶数增大时,能增加ANC 系统在中高频段范围内的降噪量,而在关注低频段时,降噪量会比滤波器阶数低时略有下降。

3.3.3 控制算法对比

第一组试验采用FxLMS算法,第三组试验采用陷波滤波算法,针对的目标线谱为图23 中所示的15 处离散频率。这两组试验的其他试验条件（如滤波器阶数、采样率等）均相同。两组试验中误差传感器1位置各频率的降噪量对比如图23所示。

对比图23 中各误差传感器位置目标控制频率的降噪量,可知陷波滤波算法能够取得比FxLMS算法更高的降噪量。在考虑宽频带整体降噪情况时,陷波滤波算法不能对非目标控制频率收到降噪效果,而FxLMS算法对整个频带各频率都能取得一定降噪效果。由这组对比试验可知:当初级噪声声场呈现明显的线谱特征时,优先选用陷波滤波算法,可以对各离散频率收到较好的控制效果；而当初级声场频率分布较广且各频率能量相近时,选用FxLMS算法可以在宽频范围内取得较好的降噪效果。