CFD 軟件如何分析噪音的產(chǎn)生、傳播、衰減？

噪音是液壓系統(tǒng)的痼疾之一,請問CFD軟件可能分析噪音的產(chǎn)生、傳播、衰減等等?

這些問題實際上都是流體發(fā)生問題,包括氣動噪聲、水噪聲等。

歸納起來,目前的流噪聲預測方法主要有:

(1)半經(jīng)驗方法;

(2)直接數(shù)值模擬方法;

(3)CFD和聲類比相結合的混合方法。其中后兩種都是采用數(shù)值計算的方法。

半經(jīng)驗方法是在大量實驗的基礎上結合理論分析總結出的經(jīng)驗性噪聲預測方法。如使用該方法使風機的噪聲與風機的結構尺寸、流量、壓力、甚至流場結構等主要參數(shù)關聯(lián)起來,對同一類型的風機有很好的預測結果。但是由于需要大量的物理模型和實驗測試,耗時耗力。

聲學非齊次波動方程嚴格意義上講是三維可壓縮N-S方程的變形形式,可壓縮形式的N-S方程能夠描述在任何流動情況下聲波的產(chǎn)生和傳播現(xiàn)象。因此,從理論上講,流聲的數(shù)值計算可以通過DNS方法求解。這樣從大尺度到最小的黏性尺度,全部的尺度都被解出,求解結果包括了聲音的產(chǎn)生和傳播。顯然,這樣的計算并不存在湍流模型和聲源模型帶來的模型誤差和近似誤差,而且直接模擬能夠同時得到流場和聲場的結果,有利于更好揭示噪聲機理。然而與流場流動的能量相比,聲波的能量要小幾個數(shù)量級。因此,這種求解方式通常要求高階、低耗散的方法用于精確捕捉和傳播聲波,同時從聲源到噪聲測點劃分的網(wǎng)格也要足夠精細。因此進行直接模擬對系統(tǒng)資源的要求很高,而且計算時間也很長,就工程應用而言,這種方法目前還是不實際的。

CFD和聲類比相結合的方法是迄今為止最流行的噪聲預測方法,此方法也常被稱為混合方法或兩步法。該方法的基本思想是:近場部分采用CFD技術進行數(shù)值模擬,以獲得準確的聲源信息數(shù)據(jù);聲波從近場到遠場部分的傳播采用聲類比方法進行精確的求解。聲類比模型忽略聲場對流場的反饋作用,把噪聲的求解分為兩個步驟,即將噪聲的產(chǎn)生與傳播過程分別進行計算。與直接模擬相比,聲類比方法大大降低對計算資源的要求,使之能應用于現(xiàn)有的計算機上。由于忽略聲場與流場之間的相互作用,不可避免帶來一定的誤差。然而該方法克服了直接數(shù)值模擬方法方法在遠場噪聲計算方面的不足,大大提高了遠場噪聲計算的效率。

Lighthill聲類比方程的求解方法有積分方法,邊界元方法和有限元方法。要考慮聲波的反射、散射和衍射等作用,需要結合邊界元或者有限元方法進行模擬。

a) 積分解法,如Curle方程和FW-H方程,其優(yōu)點是只需要非定常流場結果的輸入,而不需要建立額外的聲學網(wǎng)格,計算速度很快。其中對于外流場問題,如機身噪聲,起落架噪聲,螺旋槳噪聲,汽車外噪聲等,可采用自由空間格林函數(shù)求解;然而對于幾何邊界復雜的內(nèi)流場問題,格林函數(shù)難以得到,只有對于部分很規(guī)則的空間,諸如自由空間、封閉球空間、無限大平板半空間等,才能得到其解析表達式對于內(nèi)流場噪聲問題。

b) 邊界元方法,邊界元方法是一種目前廣泛應用在封閉腔體內(nèi)部或外部的聲輻射和散射場預測的方法,它可以考慮殼體對聲傳播的作用,但很難考慮到全部四極子聲源的作用,也沒辦法考慮聲與結構的相互作用。此外,邊界元方法能求解的網(wǎng)格數(shù)目也有限。

c) 有限元方法,聲學有限元方法是將Lighthill方程轉化為變分形式,采用有限元方法進行求解,這樣可以將聲源進行空間離散以考慮結構和聲的相互作用。計算精度高,適用于任何復雜的幾何結構。其主要的缺點是建模復雜,計算速度慢,計算資源耗費大。

對于流動引起噪聲的聲傳播問題,聲學計算域如圖所示。圖中,代表由CFD獲得的聲源的計算域,為流動區(qū)域外的計算域,其中聲源變?yōu)榱?用于計算輻射的噪聲。定義為聲源的邊界,為聲學計算域的外部邊界。

如果只使用CFD軟件分析噪聲,那么只能采用積分解法,對于液壓系統(tǒng)這種典型的復雜邊界內(nèi)流場是不適用的。

現(xiàn)有的商業(yè)CFD軟件中,fluent是提供簡單的acoustic模塊的,包括寬帶噪聲計算和FW-H聲學計算。其中寬帶噪聲可以基于穩(wěn)態(tài)CFD結果進行分析,只提供一個幅值,沒有頻率特性。FW-H方法基于非穩(wěn)態(tài)CFD結果進行聲學計算,可以用于模擬從非流線型實體到旋轉風機葉片等噪聲源的傳播,可以分析頻率特性。但同樣,一般只應用與自由空間問題。

建議還是采用邊界元或有限元方法分析流噪聲,讓那流動歸于流動,噪聲歸于噪聲吧。目前常用的商業(yè)軟件有Virtual.Lab和Actran,可以找資料學習一下。

來源:知乎網(wǎng)

作者:皮皮

本文版權歸原作者所有,若侵權,請聯(lián)系后臺刪除