基于符号回归的机翼后缘噪声壁面压力谱经验模型
流体动力学
2025-01-15 v1 人工智能
机器学习
摘要
快速预测机翼后缘噪声的方法对于纳入几项应用的设计优化循环至关重要。在这些声学预测模型中，Amiet理论在准确性和简单性之间提供了最佳平衡。该模型的准确性高度依赖于精确的壁面压力谱预测，而壁面压力谱通常基于带有可调参数的单方程式 formulation。这些参数针对特定机翼和流动条件校准，因而倾向于在应用超出校准范围时失败。本文引入了新的壁面压力谱经验模型，以增强当前最先进预测的鲁棒性和准确性，同时将模型适用范围拓宽到不同的机翼和流动条件。该模型采用基于遗传算法的AI-based符号回归方法开发，应用于NACA 0008和NACA 63018机翼在多个攻角和入流速度下的壁面压力波动数据集，涵盖不利和有利压力梯度的湍流边界层。与实验数据（超出训练数据集）进行验证显示，本模型在已接受认可的半经验模型之上的鲁棒性方面表现出优势。最后，将该模型集成到Amiet理论中，用于预测全尺寸风力机的声学噪声，结果与实验测量值良好一致。
引用
@article{arxiv.2501.08134,
title = {An Empirical Wall-Pressure Spectrum Model for Aeroacoustic Predictions Based on Symbolic Regression},
author = {Laura Botero Bolívar and David Huergo and Fernanda L. dos Santos and Cornelis H. Venner and Leandro D. de Santana and Esteban Ferrer},
journal= {arXiv preprint arXiv:2501.08134},
year = {2025}
}