基于Lp范数正则化的航空发动机周向声模态测量方法

专利类型 发明公开 法律事件 公开; 实质审查;
专利有效性 实质审查 当前状态 实质审查
申请号 CN202111650443.1 申请日 2021-12-30
公开(公告)号 CN115614309A 公开(公告)日 2023-01-17
申请人 西安交通大学; 中国航发四川燃气涡轮研究院; 申请人类型 学校
发明人 乔百杰; 李泽芃; 文璧; 王亚南; 陈雪峰; 第一发明人 乔百杰
权利人 西安交通大学,中国航发四川燃气涡轮研究院 权利人类型 学校
当前权利人 西安交通大学,中国航发四川燃气涡轮研究院 当前权利人类型 学校
省份 当前专利权人所在省份:陕西省 城市 当前专利权人所在城市:陕西省西安市
具体地址 当前专利权人所在详细地址:陕西省西安市咸宁西路28号 邮编 当前专利权人邮编:710049
主IPC国际分类 F04D27/00 所有IPC国际分类 F04D27/00G06F17/14
专利引用数量 0 专利被引用数量 2
专利权利要求数量 6 专利文献类型 A
专利代理机构 北京中济纬天专利代理有限公司 专利代理人 覃婧婵;
摘要 公开了基于Lp范数正则化的航空 发动机 周向声模态测量方法,方法中,通过航空发动机 风 扇 转子 叶片 数量B与静子叶片数量V计算风扇单音噪声周向主导声模态最高阶次mmax,基于最高阶次mmax确定航空发动机风扇机匣上沿周向布置的奈奎斯特 采样 下所需麦克风数量,在管道入口处随机选取预定安装数量的周向的安装 位置 及 角 度安装麦克风形成麦克风阵列以采集声压 信号 ,对麦克风阵列所测量到的声压信号进行快速傅里叶变换,取叶片通过 频率 下的声压信号复数幅值作为观测向量;基于安装位置及角度和最高阶次mmax构造 正交 傅里叶 感知 矩阵,建立非均匀少测点下的Lp范数非凸正则 压缩感知 模型,采用广义 阈值 收缩 算法 得到航空发动机风扇单音噪声周向声模态幅值。
权利要求

1.一种基于Lp范数正则化的航空发动机周向声模态测量方法,其特征在于,其包括以下步骤:
第一步骤(S1)中,通过航空发动机转子叶片数量B与静子叶片数量V计算风扇单音噪声周向主导声模态最高阶次mmax,基于所述最高阶次mmax确定航空发动机风扇机匣上沿周向布置的奈奎斯特采样下所需麦克风数量,
第二步骤(S2)中,在管道入口处随机选取预定安装数量的周向的安装位置度安装麦克风形成麦克风阵列以采集声压信号,预定安装数量为奈奎斯特采样下所需麦克风数量的预定比例,对麦克风阵列所测量到的声压信号进行快速傅里叶变换,取叶片通过频率下的声压信号复数幅值作为观测向量;
第三步骤(S3)中,基于所述安装位置及角度和所述最高阶次mmax构造正交傅里叶感知矩阵,建立非均匀少测点下的Lp范数非凸正则压缩感知模型,
第四步骤(S4)中,基于所述Lp范数非凸正则压缩感知模型采用广义阈值收缩算法得到航空发动机风扇单音噪声周向声模态幅值。
2.根据权利要求1所述的一种基于Lp范数正则化的航空发动机周向声模态测量方法,其特征在于,优选的,第一步骤(S1)中,所述风扇单音噪声周向主导声模态的模态阶次为m=kB±ζV,k表示由风扇转静干涉造成的非定常气动所引起的压力脉动阶次,ζ表示非负整数;确定可测量数为模态范围为{‑mmax,...,‑1,0,1,...mmax},可测量模态数量M=2mmax+
1,所需麦克风数量K为K=2mmax。
3.根据权利要求2所述的基于Lp范数正则化的航空发动机周向声模态测量方法,其特征在于,第二步骤(S2)中,在机匣壁面按周向方向随机安装传声器数量为N,其中N为所需麦T
克风数量的预定比例,安装角度Θ=[θ1,θ2,...θN] ;对N个非均布麦克风所测量到的声压信号进行快速傅里叶变换:yf=FFT(yt),其中,yt表示所述非均布麦克风阵列测量得到的风T
扇噪声声压时域信号,FFT(·)表示离散傅里叶变换,yf=[y1(ω),y2(ω),...yN(ω)]表示N个非均布麦克风的频域信号;基于所述N个非均布麦克风的频域信号,选取风扇转子叶片T
通过频率fBPF=B×fΩ下的复数幅值构造观测向量y=[y1(fBPF),y2(fBPF),...yN(fBPF)] ,fΩ为转子轴转频。
4.根据权利要求3所述的基于Lp范数正则化的航空发动机周向声模态测量方法,其特征在于,第三步骤(S3)中,构造正交傅里叶感知矩阵 其中θk
为第k个传感器安装角度,mj为第j个周向模态波的模态阶次;基于所述正交傅里叶感知矩阵WN×M和观测向量y建立非均匀少测点下的Lp范数非凸正则压缩感知模型:
其中,λ表示正则化参数,p为稀疏系数,为估计的周向声模态幅值。
5.根据权利要求1所述的基于Lp范数正则化的航空发动机周同声模态测量方法,其特征在于,第四步骤(S4)中,通过广义阈值收缩算法求解Lp范数非凸正则压缩感知模型,其中,
步骤S401、输入正交傅里叶感知矩阵w和观测向量y;设置最大迭代次数,迭代初始值x(0) T ‑2 2
=(xi) =0,迭代步长ε=||W‖ ,正则化参数λ=0.2×||W||,稀疏系数p=0.6;
1/(2‑p) (p‑1)/(2‑p)
步骤S402、设置阈值T=(2λε(1‑p)) +λεp(2λε(1‑p)) ;
T
步骤S403、迭代z=x‑εW(Wx‑y);
T
步骤S404、遍历向量z=(zi)的元素,若 则执行步骤S405跳过步骤S406,否则
执行步骤S406;
p‑1
步骤S405、连续迭代3次xi=sgn(zi)(|zi|‑λεp(xi) );
步骤S406、令xi=0;
步骤S407、检查是否达到最大迭代次数L,达到则输出航空发动机风扇单音噪声周向声模态幅值x,否则返回步骤S403。
6.根据权利要求3所述的基于Lp范数正则化的航空发动机周向声模态测量方法,其特征在于,所述预定比例为50%。

说明书全文

基于Lp范数正则化的航空发动机周向声模态测量方法

技术领域

[0001] 本发明涉及航空发动机噪声测试技术领域,尤其涉及一种基于Lp范数正则化的航空发动机周向声模态测量方法。

背景技术

[0002] 随着大涵道比涡扇航空发动机的广泛应用,扇噪声在航空发动机噪声中逐渐占据主导地位,引起了广泛的社会关注。风扇噪声按照其形成方式分为各阶叶片通过频率
的单音噪声与分布在整个频域的宽频噪声,其中单音噪声强度显著大于其余噪声成分,是
航空发动机风扇噪声的主要组成部分。对航空发动机风扇进行精细化降噪设计需要深刻理
解单音噪声声模态产生和传播方式,而管道的声模态结构的识别与分解对此具有重要的指
导作用。
[0003] 使用环形麦克风阵列分解航空发动机风扇噪声周向声模态是目前航空发动机风扇噪声声模态分解领域最常用的手段。经典均匀布局的传声器阵列具有测试成本高、抗失
效能差等缺点,难以应用于真实的航空发动机管道声模态测量。
[0004] 在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解,因此可能包含不构成本领域普通技术人员公知的现有技术的信息。

发明内容

[0005] 本发明的目的是提供一种基于Lp范数正则化的航空发动机周向声模态测量方法,通过广义阈值收缩算法重构风扇噪声周向声模态,实现周向主导声模态的阶数识别与幅值
重构,解决了传统均匀布置的麦克风阵列测试成本高,抗失效能力差的问题,通过远少于经
典方法所需的传声器阵列就可以完成航空发动机风扇噪声主导声模态的识别。
[0006] 为了实现上述目的,本发明提供如下技术方案:
[0007] 本发明的一种基于Lp范数正则化的航空发动机周向声模态测量方法包括:
[0008] 第一步骤中,通过航空发动机风扇转子叶片数量B与静子叶片数量V计算风扇单音噪声周向主导声模态最高阶次mmax,基于所述最高阶次mmax确定航空发动机风扇机匣上沿周
向布置的奈奎斯特采样下所需麦克风数量,
[0009] 第二步骤中,在管道入口处随机选取预定安装数量的周向的安装位置度安装麦克风形成麦克风阵列以采集声压信号,预定安装数量为奈奎斯特采样下所需麦克风数量
的预定比例,对麦克风阵列所测量到的声压信号进行快速傅里叶变换,取叶片通过频率下
的声压信号复数幅值作为观测向量;
[0010] 第三步骤中,基于所述安装位置及角度和所述最高阶次mmax构造正交傅里叶感知矩阵,建立非均匀少测点下的Lp范数非凸正则压缩感知模型,
[0011] 第四步骤中,基于所述Lp范数非凸正则压缩感知模型采用广义阈值收缩算法得到航空发动机风扇单音噪声周向声模态幅值。
[0012] 所述的一种基于Lp范数正则化的航空发动机周向声模态测量方法中,第一步骤中,所述风扇单音噪声周向主导声模态的模态阶次为m=kB±ζV,k表示由风扇转静干涉造
成的非定常气动力所引起的压力脉动阶次,ζ表示非负整数;确定可测量数为模态范围为{‑
mmax,...,‑1,0,1,...mmax},可测量模态数量M=2mmax+1,所需麦克风数量K为K=2mmax。
[0013] 所述的一种基于Lp范数正则化的航空发动机周向声模态测量方法中,第二步骤中,在机匣壁面按周向方向随机安装传声器数量为N,其中N为所需麦克风数量的预定比例,
T
安装角度Θ=[θ1,θ2,...θN];对N个非均布麦克风所测量到的声压信号进行快速傅里叶变
换:yf=FFT(yt),其中,yt表示所述非均布麦克风阵列测量得到的风扇噪声声压时域信号,
T
FFT(·)表示离散傅里叶变换,yf=[y1(ω),y2(ω),...yN(ω)]表示N个非均布麦克风的频
域信号;基于所述N个非均布麦克风的频域信号,选取风扇转子叶片通过频率fBPF=B×fΩ下
T
的复数幅值构造观测向量y=[y1(fBPF),y2(fBPF),...yN(fBPF)],fΩ为转子轴转频。
[0014] 所述的一种基于Lp范数正则化的航空发动机周向声模态测量方法中,第三步骤中,构造正交傅里叶感知矩阵 其中θk为第k个传感器
装角度,mj为第j个周向模态波的模态阶次;基于所述正交傅里叶感知矩阵WN×M和观测向量y
建立非均匀少测点下的Lp范数非凸正则压缩感知模型:
[0015]
[0016] 其中,λ表示正则化参数,p为稀疏系数,为估计的周向声模态幅值。
[0017] 所述的一种基于Lp范数正则化的航空发动机周向声模态测量方法中,第四步骤中,通过广义阈值收缩算法求解Lp范数非凸正则压缩感知模型,其中,
[0018] 步骤S401、输入正交傅里叶感知矩阵W和观测向量y;设置最大迭代次数,迭代初始(0) T ‑2 2
值x =(xi) =0,迭代步长ε=||W|| ,正则化参数λ=0.2×||W||,稀疏系数p=0.6;
[0019] 步骤S402、设置阈值T=(2λε(1‑p))1/(2‑p)+λεp(2λε(1‑p))(p‑1)/(2‑p);
[0020] 步骤S403、迭代z=x‑εWT(Wx‑y);T
[0021] 步骤S404、遍历向量z=(zi) 的元素,若 则执行步骤S405跳过步骤S406,否则执行步骤S406;
[0022] 步骤S405、连续迭代3次xi=sgn(zi)(|zi|‑λεp(xi)p‑1);
[0023] 步骤S406、令xi=0;
[0024] 步骤S407、检查是否达到最大迭代次数L,达到则输出航空发动机风扇单音噪声周向声模态幅值x,否则返回步骤S403。
[0025] 所述的一种基于Lp范数正则化的航空发动机周向声模态测量方法中,所述预定比例为50%。
[0026] 在上述技术方案中,本发明基于风扇噪声管道声模态在波数域的稀疏特性,建立基于Lp范数非凸正则的压缩感知模型;通过广义阈值收缩算法求解模型,实现单音噪声周
向主导声模态的识别。相比于传统的全麦克风阵列分解风扇噪声周向声模态而言,本发明
提供方法能够实现少测点对管道噪声周向主导声模态阶次的准别识别与幅值的精确重构;
相较于经典L1范数正则压缩感知方法,提升了模态幅值的识别精度,减少了麦克风数量,降
低了测试成本。
附图说明
[0027] 为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一
些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
[0028] 图1为基于Lp范数正则化的航空发动机周向声模态测量方法的一个实施例的流程示意图;
[0029] 图2基于Lp范数正则化的航空发动机周向声模态测量方法的一个实施例的多级航空发动机风扇结构示意图;
[0030] 图3基于Lp范数正则化的航空发动机周向声模态测量方法的一个实施例的本发明方法及经典L1范数方法求解模态幅值结果对比图。

具体实施方式

[0031] 为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图1至图3,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描
述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方
式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属
于本发明保护的范围。
[0032] 因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,本领
域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明
保护的范围。
[0033] 应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
[0034] 在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特
定的方位构造和操作,因此不能理解为对本发明的限制。
[0035] 此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者
隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,
除非另有明确具体的限定。
[0036] 在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是直接相
连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关
系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体
含义。
[0037] 在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它
们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特
征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在
第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示
第一特征水平高度小于第二特征。
[0038] 一种基于Lp范数正则化的航空发动机周向声模态测量方法中,
[0039] 第一步骤S1中,通过航空发动机风扇转子叶片数量B与静子叶片数量V计算风扇单音噪声周向主导声模态最高阶次mmax,基于所述最高阶次mmax确定航空发动机风扇机匣上沿
周向布置的奈奎斯特采样下所需麦克风数量,
[0040] 第二步骤S2中,在管道入口处随机选取预定安装数量的周向的安装位置及角度安装麦克风形成麦克风阵列以采集声压信号,预定安装数量为奈奎斯特采样下所需麦克风数
量的预定比例,对麦克风阵列所测量到的声压信号进行快速傅里叶变换,取叶片通过频率
下的声压信号复数幅值作为观测向量;
[0041] 第三步骤S3中,基于所述安装位置及角度和所述最高阶次mmax构造正交傅里叶感知矩阵,建立非均匀少测点下的Lp范数非凸正则压缩感知模型,
[0042] 第四步骤S4中,基于所述Lp范数非凸正则压缩感知模型采用广义阈值收缩算法得到航空发动机风扇单音噪声周向声模态幅值。
[0043] 本方法针对经典声模态分解方法的问题,基于单音噪声周向声模态在波数域的稀疏先验,构建Lp范数非凸正则压缩感知模型,建立少测点、非均匀传声器布局下的周向声模
态方法,基于基于广义阈值收缩算法算法对航空发动机风扇单音噪声周向声模态幅值求
解,实现少数麦克风对航空发动机风扇噪声主导声模态的阶数识别与幅值精确重构。
[0044] 所述的一种基于Lp范数正则化的航空发动机周向声模态测量方法的优选实施方式中,第一步骤S1中,所述风扇单音噪声周向主导声模态的模态阶次为m=kB±ζV,k表示由
风扇转静干涉造成的非定常气动力所引起的压力脉动阶次,ζ表示非负整数;确定可测量数
为模态范围为{‑mmax,...,‑1,0,1,...mmax},可测量模态数量M=2mmax+1,所需麦克风数量K
为K=2mmax。
[0045] 所述的一种基于Lp范数正则化的航空发动机周向声模态测量方法的优选实施方式中,第二步骤S2中,在机匣壁面按周向方向随机安装传声器数量为N,其中N为所需麦克风
T
数量的预定比例,安装角度Θ=[θ1,θ2,...θN] ;对N个非均布麦克风所测量到的声压信号
进行快速傅里叶变换:yf=FFT(yt),其中,yt表示所述非均布麦克风阵列测量得到的风扇噪
T
声声压时域信号,FFT(·)表示离散傅里叶变换,yf=[y1(ω),y2(ω),...yN(ω)]表示N个
非均布麦克风的频域信号;基于所述N个非均布麦克风的频域信号,选取风扇转子叶片通过
T
频率fBPF=B×fΩ下的复数幅值构造观测向量y=[y1(fBPF),y2(fBPF),...yN(fBPF)] ,fΩ为转
子轴转频。
[0046] 所述的一种基于Lp范数正则化的航空分动机周向声模态测量方法的优选实施方式中,第三步骤S3中,构造正交傅里叶感知矩阵 其中θk为
第k个传感器安装角度,mj为第j个周向模态波的模态阶次;基于所述正交傅里叶感知矩阵
WN×M和观测向量y建立非均匀少测点下的Lp范数非凸正则压缩感知模型:
[0047]
[0048] 其中,λ表示正则化参数,p为稀疏系数,为估计的周向声模态幅值。
[0049] 所述的一种基于Lp范数正则化的航空发动机周向声模态测量方法的优选实施方式中,第四步骤S4中,通过广义阈值收缩算法求解Lp范数非凸正则压缩感知模型,其中,
[0050] 步骤S401、输入正交傅里叶感知矩阵W和观测向量y;设置最大迭代次数,迭代初始(0) T ‑2 2
值x =(xi) =0,迭代步长ε=||W|| ,正则化参数λ=0.2×||W||,稀疏系数p=0.6;
[0051] 步骤S402、设置阈值T=(2λε(1‑p))1/(2‑p)+λεp(2λε(1‑p))(p‑1)/(2‑p);
[0052] 步骤S403、迭代z=x‑εWT(Wx‑y);
[0053] 步骤S404、遍历向量z=(zi)T的元素,若 则执行步骤S405跳过步骤S406,否则执行步骤S406;
[0054] 步骤S405、连续迭代3次xi=sgn(zi)(|zi|‑λεp(xi)p‑1);
[0055] 步骤S406、令xi=0;
[0056] 步骤S407、检查是否达到最大迭代次数L,达到则输出航空发动机风扇单音噪声周向声模态幅值x,否则返回步骤S403。
[0057] 所述的一种基于Lp范数正则化的航空发动机周向声模态测量方法的优选实施方式中,所述预定比例为50%。
[0058] 在一个实施例中,基于Lp范数正则化的航空发动机周向声模态测量方法包括以下步骤:
[0059] 第一步骤中,通过航空发动机风扇转子与静子的叶片数量,计算航空发动机风扇单音噪声周向主导声模态的阶数,以单音噪声周向主导声模态的最高阶数确定航空发动机
风扇机匣上沿周向布置的奈奎斯特采样下所需麦克风数量,即最高阶数的2倍;
[0060] 第二步骤中,在管道入口处随机选取少量周向位置安装麦克风,安装数量约为在第一步骤中所确定的奈奎斯特采样下所需麦克风数量的50%,对麦克风阵列所测量到的声
压信号进行快速傅里叶变换,取叶片通过频率下的声压信号复数幅值作为观测向量;
[0061] 第三步骤中,基于在第二步骤中所确定的麦克风安装位置角度及在第一步骤中所确定的最高测量模态阶次,构造正交傅里叶感知矩阵,建立非均匀少测点下的Lp范数非凸
正则压缩感知模型。
[0062] 第四步骤中,针对在第三步骤中模型,广义阈值收缩算法求解航空发动机风扇单音噪声周向声模态幅值。所述方法中,第一步骤中,按照航空发动机风扇的转子叶片数量B
与静子叶片数量V计算风扇单音噪声周向主导声模态最高阶次mmax;其中,模态阶次m=kB±
ζV,k表示由风扇转静干涉造成的非定常气动力所引起的压力脉动阶次,ζ表示非负整数;确
定可测量数为模态范围为{‑mmax,...,‑1,0,1,...mmax},可测量模态数量M=2mmax+1;确定奈
奎斯特采样下所需理论传感器数量为K=2mmax。
[0063] 所述方法中,第二步骤中,在机匣壁面按周向方向随机安装传声器数量为N,其中NT
约为奈奎斯特采样下理论传感器数量K的50%,安装角度Θ=[θ1,θ2,...θN] ;对所述的N个
非均布麦克风所测量到的声压信号进行快速傅里叶变换:yf=FFT(yt),其中,yt表示所述的
非均布麦克风阵列测量得到的风扇噪声声压时域信号,FFT(·)表示离散傅里叶变换,yf=
T
[y1(ω),y2(ω),...yN(ω)] 表示N个非均布麦克风的频域信号;基于所述的N个非均布麦
克风的频域信号,选取风扇转子叶片通过频率fBPF=B×fΩ下的复数幅值构造观测向量y=
T
[y1(fBPF),y2(fBPF),...yN(fBPF)],fΩ为转子轴转频。
[0064] 所述方法中,第三步骤中,构造正交傅里叶感知矩阵其中θk为第k个传感器安装角度,mj为第j个周向模态波的模态阶次。基于所述的感知矩阵
WN×M和观测向量y,建立非均匀少测点下的Lp范数p=0.6非凸正则压缩感知模型:
[0065]
[0066] 其中,λ表示正则化参数,为估计的正则化参数幅值;
[0067] 所述方法中,第四步骤中,通过广义阈值收缩算法求解该稀疏模型包括以下步骤:
[0068] S401、输入正交傅里叶感知矩阵W和观测向量y;设置最大迭代次数L=10000,迭代(0) T ‑2 2
初始值x =(xi) =0,迭代步长ε=||W|| ,正则化参数λ=0.2×||W||,稀疏系数p=0.6:
[0069] S402、设置阈值T=(2λε(1‑p))1/(2‑p)+λεp(2λε(1‑p))(p‑1)/(2‑p);
[0070] S403、迭代z=x‑εWT(Wx‑y);T
[0071] S404、遍历向量z=(zi) 的元素,若 则执行S405跳过S406,否则执行S406;
[0072] S405、连续迭代3次xi=sgn(zi)(|zi|‑λεp(xi)p‑1);
[0073] S406、令xi=0;
[0074] S407、检查是否达到最大迭代次数L,达到则输出x,否则返回S403。
[0075] 在一个实施例中,如图1所示,方法通过航空发动机的风扇模型,计算风扇单音噪声中的转静干涉模态阶数,根据关注的最大模态阶数确定声模态监测范围、麦克风传感器
数目、轴向安装位置和周向安装角度;由声模态监测范围确定空间周向波数域基向量维数,
构造声模态传递矩阵,建立基于Lp范数正则化的压缩感知优化模型,步骤如下:
[0076] 试验采用的航空发动机风扇结构示意图如图2所示,其中航空发动机风扇的第一级转子叶片数量B=22,导流叶片数量V=17,按照风扇单音噪声声模态阶次计算公式m=kB
±ζV,通常取k=1代表由风扇转静干涉造成的非定常气动力所引起的压力脉动阶次为1,此
时取ζ=‑2关注最高模态阶次mmax=12;确定可测量数为模态范围为{‑12,...,‑1,0,1,
...12},可测量模态数量M=25;确定奈奎斯特采样下所需理论传感器数量为K=24。
[0077] 在管道入口处随机选取少量周向位置安装麦克风,安装数量N约为在第一步骤中所确定的奈奎斯特采样下所需麦克风数量的50%,取N=12,安装角度Θ=[33.75,45,
T
112.5,123.75,146.25,157.5,168.75,180,202.5,247.5,315,348.75] ;进行航空发动机
风扇声学测试,转速约为7900RPM,对12通道麦克风信号进行傅里叶变换,取叶片通过频率
处幅值构造观测向量y。
[0078] 构造压缩感知矩阵 其中θk为第k个传感器安装角度,mj为第j个周向模态波的模态阶次。建立非均匀少测点下的Lp范数p=0.6非凸正则压缩
感知模型:
[0079]
[0080] 通过广义阈值收缩算法求解该稀疏模型,求解流程如图1所示。通过Lp范数正则化方法及经典L1范数求解结果如图3所示,其中,对于模态m=5,通过提出的Lp范数正则化方
法求得模态幅值误差为0.53dB,经典L1范数求解模态幅值误差为3.79dB;对于模态m=5,通
过提出的Lp范数正则化方法求得模态幅值误差为1.42dB,经典L1范数求解模态幅值误差为
14.91dB。显然,所提出的基于Lp范数正则化的航空发动机周向声模态测量方法及系统显著
优于经典L1范数方法。
[0081] 最后应该说明的是:所描述的实施例仅是本申请一部分实施例,而不是全部的实施例,基于本申请中的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的
所有其它实施例,都属于本申请保护的范围。
[0082] 以上只通过说明的方式描述了本发明的某些示范性实施例,毋庸置疑,对于本领域的普通技术人员,在不偏离本发明的精神和范围的情况下,可以用各种不同的方式对所
描述的实施例进行修正。因此,上述附图和描述在本质上是说明性的,不应理解为对本发明
权利要求保护范围的限制。
QQ群二维码
意见反馈