飞机噪声预测模型及其应用

基于GIS的机场内部飞机噪声预测与规划

中图分类号：Ｖ５３文献标识码：Ａ
ＰｅｉｔｎａｄＬａｏｔｏｒｒｆｉｅｉｎｅｉｒｏｒｅｄＢａｅｎＧＩｒｄｃｉｎｙｕｆＡｉｃａｔＮｏｓｎＩｔｒｏｆＡｉｆｌｓｄｏＳｏｉ
ａｆｌ．Ｔｅｌｏｔｆｉｉｌｉｄｓｎｄａｄａｊｓｄｒｉａｙｂｅｎｆｏｎｉｇａｏｓｒｄｃｏｉｉｄｈｙｕｒｅｄｓｅｉｅｎｄｕｔｔｎｌｙｍａｓｕｄｎｉｐｅｉｉｒｅａｏａｆｇｅａｏｌｏｆｎｅｔｎ
噪声预测模型，制噪声等值线图，利用ＧＳ的空绘再Ｉ
假定白天和夜晚的飞行次数分别为ｍ、飞机的试ｎ，
车次数为ｓ）
声级分别为：
Ｌ。白天）＝１１［（Ｙ。（０ｇｍ，）＋
ＡｒＦｒｅＥｇｎｅｎｎｖｒｉ，Ｘ ’ｎ７０３，ｈｎ）ｉｏｃｎｉｅｒｇＵｉｅｓｙｉａ０８Ｃｉａｉｔ１
Ａｂｓｒｃｔａｔ：Ｉｔｒｏｆａｒｉｌｓｔｅｓｒｏｌｏｌｔｄｄｓｒｃｙａｒｒｆｎｉｅｎｅｉｒｏｉｆｅｄｉｈｅｉｕｓｙｐｌｕｅｉｔｉｔｂｉｃａｔｏｓ．Ｔｈｅｓｎｂｅｐｅｅｒａｏａｌｒ —
ｍｏｅ，ｐｏｒｃｉｇｎｉｅｉｏａｓｄａｒｍｓａｉｇｓａｅａａｙｉｕｔｏｆＧＩｗｈｃｓｖｌｄｔｄｂｄｌｒｔａｔｎｏｓｓｂｒｉｇａｎｄｕｓｎｐｃｎｌｓｓｆｎｃｉｎｏＳ，ｉｈｉａｉａｅｙｔｅｃｍｂｎｔｎｗｉｈｓｒｔｒｎｔｎｅｈｏｉａｉｔｔｕｃｕｅｉｓａｃ．ｏＫｅｒｓ：ａｏｓｉｓ；ａｒｉｌｎｅｉｒ；ａｒｒｆｎｉｅ；ｐｅｃｉｎｍｏｅ；ｉｏａｓｄａｒｍｙｗｏｄｃｕｔｃｉｆｅｄｉｔｒｏｉｃａｔｏｓｒｄｉｔｏｄｌｓｂｒｉｇａ

飞行器气动噪声的测量与分析

飞行器气动噪声的测量与分析在现代航空航天领域，飞行器的气动噪声问题日益受到关注。

随着飞行器速度的不断提高以及人们对乘坐舒适性要求的提升，降低气动噪声已经成为飞行器设计中的一个重要环节。

为了有效地控制和降低气动噪声，首先需要对其进行准确的测量和深入的分析。

飞行器气动噪声的产生源于复杂的空气动力学现象。

当飞行器在空气中高速运动时，气流与飞行器表面相互作用，产生各种不稳定的流动结构，如湍流、边界层分离和漩涡等。

这些流动结构会导致压力的波动，从而产生声波，形成气动噪声。

要对飞行器气动噪声进行测量，需要采用一系列先进的技术和设备。

常见的测量方法包括麦克风阵列测量、激光多普勒测速（LDV）以及粒子图像测速（PIV）等。

麦克风阵列测量是一种广泛应用的方法。

通过在特定位置布置多个麦克风，组成阵列，可以同时测量多个点的声压信号。

这些信号经过处理和分析，可以得到噪声的强度、频率分布以及声源的位置等重要信息。

在实际测量中，麦克风的布置位置和数量需要根据飞行器的形状、尺寸以及噪声的特点进行精心设计，以确保测量结果的准确性和可靠性。

激光多普勒测速（LDV）和粒子图像测速（PIV）则主要用于测量气流的速度场。

通过了解气流的速度分布和流动特性，可以深入研究噪声产生的机制。

例如，LDV 可以精确测量单点的速度，而 PIV 能够获取整个流场的速度分布图像。

在测量过程中，环境因素也会对测量结果产生影响。

例如，背景噪声、风洞的湍流度以及测量设备的振动等都可能引入误差。

为了减少这些影响，通常需要在测量前对环境进行严格的控制和校准，采用先进的信号处理技术来去除噪声和干扰。

对测量得到的数据进行分析是理解飞行器气动噪声的关键步骤。

首先，需要对噪声信号进行频谱分析，以确定噪声的主要频率成分。

通过频谱分析，可以了解噪声在不同频率下的能量分布，从而找出噪声的主要贡献频率。

此外，波束形成算法也是常用的分析手段之一。

该算法可以根据麦克风阵列测量得到的声压信号，计算出声源的位置和方向。

飞机噪声计算通用模型研究

决这些技术问题。且传统的计算方法由于缺乏通用的航线模型和规范的数据管理，建立的飞行航线缺乏所通用性，适用与其他机场，致噪声环境影响评价无法导时的重复工作量较大，费时又费力，由于大量的计既且
速度、率、升率等飞行状态都在不断变化，飞行功爬其轨迹也有弯道和直线交替变化的现象，声计算时如噪
何确定预测点到航线的最短距离，何考虑飞机不同如
些研究大都集中于飞机噪声的基础理论和预测评价量的计算和修正方面，尚没有建立一整套完善的可直接用于实际工程的噪声计算体系。美国ＩＭ（ｎｅｒｔＮＩｔａｄｇｅＮｉｄｌ综合噪声模型）ｏｅＭｏｅ，ｓ软件是一套比较先进的噪
更直观、智能、科学。更更关键词：飞机噪声；算模型；线分解；效感觉噪声级（Ｅ）计航有ＬＰＮ中图分类号：Ｘ２８７文献标识码：Ａ
Ａｅｒｌｍｏｌｆｒａｒｒｆｏｓａｃｌｔｏｇｎｅａｄｅｏｉｃａｔｎｉｅｃｌｕａｉｎ
ｐａｔｃｂｌｔｆｔｅｍｏ１ｒｃｉａｉｉｏｈｄｅ．Ｗｉｈｒｐｓｄｍｏｅ，ｓｍｅｔｃｎｃｌｐｏｌｍｓｉｃｕｌｅｔｍａｉｎｏｉｃａｔｎｉｅｗｅｅｙｔｔｅｐｏｏｅｄｌｏｅｈｉａｒｂｅｎａｔａｓｉｔｏｆａｒｒｆｏｓｒｈｓｌｅｏｖｄ，ｔｅｃｌｕａｉｎｍｅｈｄｗａｔｎｒｚｄａｄｔｅｗｈｏｅａｓｓｉｇｐｏｅｓｂｃｍｅｍｏｅｉｔｉｉｅ，ｉｔｌｇｎｎｈａｃｌｔｔｏｓｓａｄａｄｉｅｎｈｏｌｓｅｓｎｒｃｓｅａｒｎｕｔｖｎｅｌｅｔａｄｉ

AEDT飞机噪声预测流程

AEDT飞机噪声预测流程AEDT（Aviation Environmental Design Tool）是美国联邦航空管理局（FAA）开发的一套用于预测飞机噪声和排放的工具。

它可以被广泛应用于飞机噪声评估和环境影响评估等领域。

AEDT的飞机噪声预测流程包括以下几个步骤：1.数据收集和准备在进行飞机噪声预测之前，需要收集并准备一系列与该预测相关的数据，包括飞机数据，机场数据，气象数据等。

飞机数据包括飞机类型、发动机类型、起降重量等；机场数据包括跑道配置、飛行程序等；气象数据包括温度、湿度、风速、大气压力等。

2.参数设置在AEDT中，需要设置一些参数来指导噪声预测的过程。

这些参数包括计算几何、噪声计算机模型、计算网格的尺寸、模型输入数据等。

这些参数的设置会根据具体的预测需求和研究目的进行调整。

3.飞行轨迹计算飞行轨迹计算是预测飞机噪声的关键步骤之一、根据飞机的起飞和降落程序、速度-高度配置以及所飞航线等，确定每个时刻飞机的位置和高度。

AEDT可以根据预先收集到的飞行程序和飞行参数计算出准确的飞行轨迹。

4.声源计算在AEDT中，使用声源模型来计算飞机发出的噪声。

声源模型将飞机发动机、机翼和其他部件划分为一系列小面元，根据这些面元的几何特性和气动参数计算出每个面元对噪声的贡献。

根据飞机的具体设计和参数，以及飞机在特定时刻的位置和高度，可以根据声源模型计算出噪声源的位置和强度。

5.传播计算传播计算是指根据声源的位置和强度，计算出噪声在空气中传播的过程。

在AEDT中，通常使用Ray Tracing（光线跟踪）技术来模拟声波在大气中的传播。

该技术将声波分解为一系列光线，并考虑大气介质对声波传播的影响。

通过计算声波在空气中的传播路径和传播损失，可以预测出到达地面各点的声级。

6.噪声映射噪声映射是指将预测得到的声级数据绘制在地图上，以形成噪声分布的空间图像。

AEDT可以在地图上显示不同位置的噪声水平，并计算噪声指标（如LAeq和Lmax）以评估噪声影响。

合肥新机场-新桥机场飞机噪声预测及防治

ｖｌｇｓｉｌｎｏｓｒｄｃｉｎａｄａｓｓｍｅｔｒｏｅｂｅｈｄｏｄｌｒｄｃｉｎＳｓｔｎｕｅｉａｅ，ａｒａｅｎｉｅｐｅｉｔｎｓｅｓｎｌｐｏｗｅｅｄｎｙｍｔｏｆｍｏｅｅｉｔＯａｏａｓｒｐｏｎｏｍａｉ，ｓｕｙａｄｗｏｋｏｅｐｅａｃｒｉｇｔｈｅｕｔ，ｓｍｅｐｏｅｔｏａｕｅｈｕｄｂａｒｌｌｅｔｄｎｒｆｐｏｌ．ｃｏｄｎｏｔｅｒｓｌｓｏｒｔｃｉｎｍｅｓｒｓｓｏｌｅｆｔｋｎａｄａｒｏｔｎｉｅｓｏｌｅｄｃｅｓｄａｅｎｉｐｒｏｓｈｕｄｂｅｒａｅ．
林伟张，静
（．通部环境保护中心，京１０１；２北京林业大学，京１０８）１交北００３．北００３
摘
要：合肥市新建的新桥国际机场将对周围的学校及村庄产生一定的影响，为保障周围人群的正常生活、学习和
工作，用模型预测方法对飞机噪声进行预测及评价。根据预测结果对受影响居民采取相应的保护措施，采以减少机场噪声的影响。关键词：场；声；测；治机噪预防
ＬＣＮ表示，ＷＥＰ单位为ｄ。Ｂ
１３评价范围．
根据《民用机场建设工程环境影响评价技术导则》ＨＪ（／Ｔ８２０）将机场跑道两端各８ｋ跑道两侧各外延２ｋ７０２，ｍ、ｍ

基于GM—LSSVR机场噪声时间序列预测模型

随着社会的进步和我国民航事业的不断发展，机场噪声日渐严重。为了更加有效地规划机场布局，合理地构建航班班次，需要对每天的机场噪声数据值进行研究。从时域上看，
并将其用在无线传感器网络节点通信量的时间序列中。本文
利用少量监测数据对模型进行训练，以灰色回归模型预测数据作为最小二乘支持向量机的输人数据，并对下一步未知信息进行预测。该融合方法对非线性、随机性和突发性的数据
ｕｓｅｄｆｏｒａｉｒｐｏｒｔ－ｎｏｉｓｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅ１．Ｔｈｅａｐｐｌｉｃａｔｉｏｎｉｎｔｈｅｍｅａｓｕｒｅｄｄａｔａｏｆａｎａｉｒｐｏｒｔｓｈｏｗｓｔｈａｔｔｈｅａｃｃｕｒａｃｙｏｆｔｈｉｓｍｏｄｅｌｉｓｂｅｔｔｅｒｔｈａｎｏｔｈｅｒｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓ．
（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓａｎｄＡｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ２１００１６，Ｃｈｉｎａ）
ＡｂｓｔｒａｃｔＡｌｏｎｇｗｉｔｈｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｏｕｒｃｏｕｎｔｒｙｃｉｖｉｌａｖｉａｔｉｏｎ，ｔｈｅａｉｒｐｏｒｔｎｏｉｓｅｉｓｍｏｒｅａｎｄｍｏｒｅｓｅｒｉｏｕｓ．Ａｉｍｅｄａｔｔｈｅａｉｒｐｏｒｔ－ｎｏｉｓｅｔｉｍｅｓｅｑｕｅｎｃｅｐｒｅｄｉｃｔｉｏｎｐｒｏｂｌｅｍ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｅｄｔｈｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎＧＭ－ＬＳＳＶＲ，ｗｈｉｃｈｉｓｂａｓｅｄｏｎｔｈｅａｎａｎｌｙｓｅｓｏｆｎｏｉｓｅ ’ ｓｃｈａｒａｃｔｅｒｉｓｔｉｃ．Ｎａｍｅｌｙ，ｔｈｅｍｏｄｅｌｄｅｃｏｍｐｏｓｅｓｔｈｅｎｏｉｓｅｔｉｍｅｓｅｑｕｅｎｃｅｉｎｔｏ

数学模型在飞行器设计中的应用

数学模型在飞行器设计中的应用随着科技的不断发展，人类对于飞行器的需求也越来越高。

而对于现代飞行器的设计来说，数学模型已经成为了不可或缺的一部分。

那么数学模型究竟是如何在飞行器设计中应用的呢？接下来，本文将带您进一步了解。

一、飞行器的数学模型在飞行器设计中，数学模型被用来描述和预测图像、声波、电磁场和其他能量的传播方式。

这些模型可以帮助工程师和科学家预测空气动力学(称为包括空气动力和空气动力噪声)表现，并探索不同的设计方案。

为了建立这些模型，飞行器的某些特性需要被归纳成数学方程。

例如，在飞机设计中，诸如高等级的三维方程式（对道路上可以行驶的汽车不存在的要求）之类的事实要求使用确定的数值解决。

然后可以使用计算机模拟这些方程，从而模拟任何可能的情况。

这些模拟后的数据可以帮助工程师更好地理解各组件之间的相互作用，同时也可以排除可能存在的潜在问题。

二、飞行器噪声的预测噪音也是飞行器设计领域的一个重要问题。

例如，飞机引擎产生的噪声不仅会对驾驶员和乘客带来困扰，同时还会对附近居民造成噪音污染。

因此，在飞机设计中必须考虑到噪声的问题。

数学模型也被用来预测飞行器的噪声水平。

建立噪声模型涉及到各种参数的衡量，包括发动机尾流速度，机翼空气动力噪声，舱内噪声和外部空气动力噪声等。

通过将所有这些参数结合在一起，我们可以获得准确的噪声模型，从而帮助指导飞机的设计以减少噪音。

三、飞行器的稳定性分析飞行器稳定性的分析是飞行器设计中最困难的部分之一。

传统的试验方法往往会耗费很多资源和时间，而且还会有很大的风险。

因此，数学模型在分析飞行器稳定性方面变得越来越重要。

通过数学模型，可以对飞行器的稳定性进行精确的计算，并对这些计算结果进行校准。

这样一来，我们就可以避免在飞行器的设计中出现稳定性问题，从而保证飞行器的安全性。

四、结论可以看出，在飞行器设计领域中，数学模型是不可或缺的一部分。

数学模型通过精确的计算和模拟，帮助飞行器的设计者更好地了解组件之间的相互作用，从而预测实际操作中可能出现的问题。

actran气动声学算例

actran气动声学算例
计算气动声学的一个常见示例是使用 Actran 软件进行飞机外部噪声的预测。

以下是一个基于 Actran 的气动声学算例的简要描述：
1. 几何模型和网格生成：首先，需要建立飞机的几何模型，并使用合适的网格生成工具生成计算网格。

网格的质量和分辨率对于准确的声学计算非常重要。

2. 流动模拟：使用计算流体力学（CFD）软件，如Fluent 或 StarCCM+，对飞机周围的流场进行模拟。

这将提供流场的速度、压力和温度等信息。

3. 声学模拟：将 CFD 得到的流场数据导入 Actran 中，使用气动声学模块进行声学模拟。

Actran 可以根据流场信息计算出声波的产生、传播和反射。

4. 声源建模：在 Actran 中，可以定义各种声源，如飞机表面的脉动压力、喷流噪声等。

这些声源的特性将根据 CFD 结果或实验数据进行设置。

5. 声学传播计算：Actran 会根据声源信息和几何模型，计算声波在空间中的传播。

它可以考虑声的反射、折射和衰减等因素。

6. 结果分析：计算完成后，Actran 可以提供声学结果的可视化和分析工具。

可以查看声压级分布、噪声辐射方向图、频率谱等，以评估飞机的噪声水平。

通过这样的算例，研究人员或工程师可以评估不同设计方案对飞机噪声的影响，优化飞机的外形或其他参数，以降低噪声水平。

需要注意的是，这只是一个简单的示例，实际的 Actran 气动声学计算可能会涉及更复杂的模型、边界条件和声源设置，具体取决于研究的具体问题和要求。

时空神经网络及其在机场噪声预测中的应用

时空神经网络及其在机场噪声预测中的应用王尚北;王建东;陈海燕【摘要】A new space-time neural network is proposed using the function expansion technique and the linear impulse response filtering theory inthis paper. It consists of function expansion and linear delay pulse. Net input space is mapped into a high dimensional space by function expansion. Therefore, nonlinear mode in low dimensional space can be converted to linear mode in high dimensional space. Linear delay pulse is equivalent to the temporal linear impulse response filter, which is responsible for fitting linear model in space-time series. Space-time neural network fast learning algorithm is proposed by using Levenberg-Marquardt optimization method. Simulation results show that space-time neural network has the characteristics of fast convergence and high precision. Compared with Space-time Autoregressive MovingAverage(STARMA) and multilayer perceptron neural network, the prediction accuracy of the space-time neural network is significantly improved.%针对时空序列建模分析问题，利用函数扩展技术，结合线性脉冲响应滤波原理，提出一种新型时空神经网络。

一种BP神经网络机场噪声预测模型

1引言随着中国民航的高速发展，近年来民航机场规模不断扩大、飞机起降架次不断增多，与此同时机场飞机起降所带来的噪声问题也日益突出。

机场噪声问题是一个严重的社会问题，它不仅限制机场本身的发展，而且给机场周围人们的学习、工作和生活带来很大影响。

目前，国外有很多较为成熟的机场噪声预测模型，我国在这方面的研究才刚刚起步，其一般方法是以飞机的NPD曲线（噪声距离曲线）为核心，根据机场特定环境条件使用相应数学模型进行修正，使其符合特定机场环境条件下的机场噪声传播模型。

美国联邦航空管理局（FAA）开发的机场噪声预测模型INM（Integrated Noise Model）[1]是专门用于机场周围噪声计算和预测的噪声预测模型，该模型使用广泛且具有很高的精度。

但是利用INM进行噪声预测需要大量的精确数据作为输入，不仅预测成本高而且部分精确数据很难获取。

由美国国防部（DOD）支持开发的NMap机场噪声预测模型，主要用来预测军用机场周围噪声，内置大量军用飞机及少量民航飞机的相关信息数据一种BP神经网络机场噪声预测模型杜继涛1，张育平1，徐涛1，2，3DU Jitao1,ZHANG Yuping1,XU Tao1，2，31.南京航空航天大学计算机科学与技术学院，南京2100162.中国民航大学计算机科学与技术学院，天津3003003.中国民航信息技术科研基地，天津3003001.College of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing210016,China2.College of Computer Science and Technology,Civil Aviation University of China,Tianjin300300,Chinarmation Technology Research Base of Civil Aviation University of China,Tianjin300300,ChinaDU Jitao,ZHANG Yuping,XU Tao.Airport noise prediction model based on BP neural puter Engineering and Applications,2013,49（9）：236-239.Abstract：Airport noise prediction plays an important role in airport noise controlling,flight planning and airport designing.The airport noise prediction models are usually built based on aircraft noise distance curve（NPD）,and the NPD curves are little by little revised to the noise propagation model under the specific airport environmental conditions by using a variety of mathematical models.In this way,there are shortcomings of the high cost and great prediction error.This paper presents an airport noise pre-diction model for particular airport environmental conditions.The proposed model applies BP neural network and history data of the airport noise monitoring to modifying the NPD curves.Experiment results show that in particular specific airport environ-mental conditions,the accuracy rate of noise prediction is more than91.5%in the case of±0.5dB error.The proposed model has the features of lower cost and high accuracy.Key words：Back Propagation（BP）neural network;airport noise;prediction model;Noise-Power-Distance（NPD）摘要：机场噪声预测对机场噪声控制、航班计划制定和机场规划设计具有十分重要的作用。

机场噪声计算

机场噪声计算
机场噪声的计算涉及许多因素，包括飞机类型、航线、发动机类型、飞机起降模式、跑道布局、气象条件等。

一般来说，机场噪声的计算可以通过以下方式进行：1. 使用噪声模型和软件：
1.噪声模型：常用的噪声模型包括"Integrated Noise Model (INM)"和
"Aircraft Noise Contour (ANC)"等。

这些模型考虑了飞机在起飞、降落和滑行过程中产生的噪声，计算噪声的传播路径和影响范围。

2.数据输入：需要输入飞机的参数（如型号、发动机类型、起降模式）、气
象条件、航线信息以及机场的地理和运行特点等数据。

3.计算输出：噪声模型会输出噪声等级和预测的噪声影响范围图，显示在
机场周围不同区域的预期噪声水平。

2. 测量和实地监测：
1.噪声监测：在机场周围的不同位置设置噪声监测设备，记录实际飞机起
降产生的噪声水平。

2.分析和评估：收集实地监测的数据，进行噪声水平分析和评估，以了解
实际噪声对周围环境的影响。

3. 飞机运营和规划：
1.飞机运营限制：根据噪声模型和监测数据，制定飞机运营的限制和规范，
例如限制特定时段内的飞机起降次数或选择使用特定类型的飞机。

2.规划改进措施：根据噪声计算结果，机场可以采取一些改进措施，如改
变起降程序、更新飞机类型、优化跑道设计或推行隔离带等，以减少噪声影响。

机场噪声计算是复杂的工作，需要考虑多种因素和数据来源，并结合实地测量进行评估。

这些计算和评估对于确保机场运营安全和减少噪声污染是非常重要的。

航空器的气动噪声控制技术

航空器的气动噪声控制技术在现代航空领域，随着航空运输业的迅速发展以及人们对飞行舒适性和环境保护的要求不断提高，航空器的气动噪声问题日益受到关注。

气动噪声不仅会影响乘客的乘坐体验，还可能对周边环境造成噪音污染。

因此，深入研究和应用有效的气动噪声控制技术显得尤为重要。

要理解航空器的气动噪声，首先得明白其产生的原理。

当航空器在空气中高速飞行时，气流与飞机表面、发动机部件等相互作用，产生复杂的流动现象，从而引发噪声。

其中，最主要的噪声源包括飞机的机翼、机身、发动机进气和排气等部位。

对于机翼产生的噪声，主要有两种机制。

一是边界层湍流噪声，这是由于机翼表面的空气流动不稳定，形成湍流，产生压力脉动而发出的噪声。

二是翼尖涡噪声，当机翼在空气中运动时，翼尖处会形成涡旋，这些涡旋的相互作用和不稳定运动会产生强烈的噪声。

为了控制机翼噪声，工程师们采取了多种措施。

比如优化机翼的外形设计，通过采用后掠翼、超临界翼型等，可以改善气流的流动状态，减少湍流和涡旋的产生，从而降低噪声。

另外，在机翼表面使用特殊的材料或涂层，也能够吸收和减弱噪声的传播。

机身产生的噪声主要来自于气流与机身表面的摩擦以及机身表面的凸起和凹陷等不平整部位。

为了降低机身噪声，一方面要使机身的外形更加流线型，减少气流的阻力和分离，从而降低摩擦噪声。

另一方面，可以在机身表面采用吸声材料或者设置消声结构，来吸收和散射噪声。

发动机是航空器噪声的重要来源之一。

在发动机进气部分，高速气流进入进气道时会产生强烈的噪声。

为了控制进气噪声，可以采用进气道的声学设计，如优化进气道的形状和尺寸，安装消声器等。

在发动机排气部分，高温高压的燃气高速喷出，产生巨大的噪声。

目前，常用的排气噪声控制方法包括使用消声器、优化喷管设计以及采用特殊的排气流场控制技术等。

除了对航空器的部件进行单独的噪声控制，还可以从整个航空器的布局和飞行状态方面进行优化。

例如，合理安排发动机的位置和数量，避免噪声的叠加和增强。

飞机舱内中频噪声的FE-SEA混合法预测及验证

２１年８０１月
噪
声
与
振
动
控
制
第４期
文章编号：０６１５（０１０．０００１０ —３５２１）４０６．４
飞机舱内中频噪声的Ｆ —ＥＥＳＡ混合法预测及验证
李冰陈克安潘凯胡莹，，，
（．１西北工业大学航海学院环境工程系，西安７０７；１０２２中国飞机强度研究所，西安７０６．１０５）
ｈｂｄＦ－ＥｔｏａｅｐｏｃｒｃｕａａｅｏｖｎｏａＳａｓｃｌｎｒｙｎｌｓ（Ｅ）ｔｏｙｒＥＳＡｍｅｄｂｓｄａｒａｈｉｍｏｅａｃｔｔｎｔｎｅｔｎｌｔｔａＥｅｇａｙｉＳＡｍｅｄｉｉｈｐｓｒｅｈｈｃｉｔｉｉＡｓｈｎ
摘要：采用ＦＳＡ混合法，Ｅ．Ｅ建立飞机舱室内噪声预测模型，出飞机舱室的子系统划分方法，提并开展４种不同激励条件下舱内噪声中频噪声预测研究。通过仿真和实验结果的对比分析，验证ＦＳＡ混合法在预测舱内中频噪声Ｅ— Ｅ方面的准确性和有效性。分析结果表明：ＥＳＡ混合法能够比ＳＡ方法更有效地预测舱内中频段的噪声。Ｆ．ＥＥ关键词：声学；内噪声；Ｅ．Ｅ舱ＦＳＡ混合法；噪声预测；中频中图分类号：Ｕ１２；Ｂ３Ｔ１．Ｔ５２３文献标识码：ＡＤＯ编码：０３６／ｉｎ１０．３５２１．．１Ｉ１．９．ｓ．６１５．０１４０４９ｊｓ００
ｕｄｒ４ｄｆｅｅｔｘｉｔｎｃｎｉｏｓａｅｓｍｕａｅｎｅｅｆｅｏａｅｔａｕｅｎｅｕｔ．ｔｓｓｏａｅｎｅｉｒｎｃｔｉｏｄｔｎｒｉｌｔｄａｄｔｒａｒｃｍｐｄｗｉｍｅｓｒｍｅｔｓｌＩｉｈｗｎｔｔｅａｏｉｈｔｒｈｒｓｈｔｈ

基于综合噪声模型INM的机场噪声预测方法及其影响因素研究

１０００２９）
Ａｂｓｔｒａｃｔ：Ｔｈｅａｉｒｃｒａｆｔｎｏｉｓｅｐｏｌｌｕｔｉｏｎｈａｓｃｏｍｅａｓｅｒｉｏｕｓｅｎｖｉｒｏｎｍｅｎｔａｌｐｒｏｂｌｅｍａｓｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｃｉｖｉｌａｖｉａｔｉｏｎ，ｔｈｅｉｍｐｒｏｖｅｍｅｎｔ
ｏｆａｉｒｐｏｒｔｃｏｎｓｔｒｕｃｔｉｏｎａｎｄｔｈｅｇｒｏｗｔｈｏｆａｉｐｏｒｒｔｐｒｏｊｅｃｔｓ．Ｃｕｒｒｅｎｔｌｙ，ｔｈｅｍｏｓｔｅｆｆｅｃｔｉｖｅｗａｙｓｏｆｓｏｌｖｉｎｇｔｈｅａｉｒｐｏｔｒｎｏｉｓｅｐｏｌｌｕｔｉｏｎａｒｅｔｏｐｒｏｔｅｃｔ
ｃｉｒｔｅｉｒａａｎｄｄｅｓｃｉｒｂｅｄｔｈｅａｉｐｏｒｔｒｎｏｉｓｅａｓｓｅｓｓｍｅｎｔｍｅｔｈｏｄ．Ｍｅａｎｗｈｉｌｅ，ｗｅｕｓｅｄＩＮＭ（ＩｎｔｅｇｒａｔｅｄＮｏｉｓｅＭｏｄｅ１）ｗｈｉｃｈｗａｓｄｅｖｅｌｏｐｅｄｂｙＦＡＡ（ＦｅｄｅｒａｌＡｖｉａｔｉｏｎＡｄｍｉｎｉｓｔｒａｔｉｏｎＪｔｏａｎａｌｙｓｅｖａｉｒｏｕｓｉｎｌｆｕｅｎｃｅｆａｃｔｏｒｓ．Ｔｈｅｓｅｆａｃｔｏｒｓｉｎｃｌｕｄｅａｉｒｃｒａｆｔｌｆｅｅｔ，ｕｎｒｗａｙｕｓｅ、ｌｆｉｇｈｔｔｉｍｅ、ｔｅｒ —

多驾直升机相继飞行噪声预测与计算

多驾直升机相继飞行噪声预测与计算发表时间：2018-01-03T15:23:39.900Z 来源：《知识－力量》2017年9月下作者：李伟[导读] 为人民营造舒适的生活和工作环境，是当下亟待关注和解决的问题。

通过软件预测得出的直升机场噪声等值线图，可以为机场的环境影响评价、规划和噪声控制措施提供依据。

李伟（四川大学建筑与环境学院环境科学与工程系，成都，610065）摘要随着社会进步和国家民航事业发展，空中交通逐渐成为国家和人民选择的交通方式，尤其是陆上直升机，军用和民用方面使用直升机的越来越多，多驾直升机相继飞行的情况也逐渐增多，其噪声影响较大，机场周围噪声污染日益严重，产生的纠纷、矛盾也逐渐增多，因此对直升机场进行预测和计算，为人民营造舒适的生活和工作环境，是当下亟待关注和解决的问题。

通过软件预测得出的直升机场噪声等值线图，可以为机场的环境影响评价、规划和噪声控制措施提供依据。

关键词直升机机场噪声计算预测.随着国家低空飞行的开放、地面交通拥堵的实际情况和直升机在军用和民用方面的使用特点，直升机成为了普遍使用一种交通方式。

多驾直升机相继飞行的情况也逐渐增多，但是由于当前其相对喷气式飞机而言，直升机噪声较高，因此多驾直升机相继飞行时噪声的研究意义较大。

1预测模式采用《机场周围飞机噪声环境标准》（GB 9660-88）中的计权等效连续感觉噪声级LWECPN作为机场周围飞机噪声的评价量。

测点的最短斜线距离也不同，即由飞机噪声距离特性曲线查得的LEPNij值不同。

飞机噪声距离特性曲线（N-P-D）与直升机机型、飞行状况（起飞或降落）、飞行轨迹、斜距和飞行时的推力、速度、空气温度湿度等有关，同时由于飞机噪声具一定的方向性，预测点的方位也有影响。

因此如果飞行时的推力、速度、空气温湿度与N-P-D曲线的条件不同，就要求进行推力修正、速度修正、温湿度修正等，如果预测点位于飞机水平飞行的正下方和飞机侧向（垂直于飞行航线），要考虑侧向衰减修正，如果飞机飞行时不能完全按规定的航迹飞行，还要考虑水平发散修正[3]。

起飞状态下发动机风扇噪声变化趋势的预测

《装备制造技术＞2020年第04期起飞状态下发动机风扇噪声变化趋势的预测闫国华，何耀华（中国民航大学航空工程院,天津300300）摘要：飞机的起飞过程中，整机噪声几乎由发动机贡献，而风扇部件产生的气动噪声则是发动机总噪声的重要组成部分。

分析了风扇噪声的组成，采用Heidmann风扇噪声模型，应用matlab软件进行编程实现起飞状态下的风扇噪声值预测，并对实际环境因素影响进行修正，以某型飞机的配装发动机CFM56-7B为算例，计算多个点的噪声数据并研究其噪声变化趋势，通过噪声值计算数据表明，地面预测点所得的风扇有效感觉噪声级EPNL随着水平距离的增加而产生变化。

结果表明:Heidmann风扇噪声模型算法用于实际民航飞机的发动机风扇噪声预测时，具有较高的准确性，并可作为飞机噪声适航取证阶段的噪声预测参考方法。

关键词：起飞；风扇噪声;Heidmann噪声模型；噪声预测中图分类号:V217文献标识码:A 0引言我国自1988年发布的《机场周围飞机噪声环境标准》和《机场周围飞机噪声测量方法》至今已实行31年，以限制飞机噪声对周边环境带来的影响。

飞机发动机噪声主要由风扇部件和喷流贡献，波音公司在上个世纪率先进行了风扇噪声的研究，并提岀了Heidmann噪声预测算法。

普遍认为，对于风扇部件，气流在高速转动的转子叶片及动的子叶片的叶流动，的音噪声和宽频噪声011，是发动机重要的气动噪声来源。

针对风扇的噪声预测，Heidmann是个半经验算法，是波音公司基于实的测并进行对提岀。

Allied SignakNASA对进行进，了音噪声及频噪声的频，对于飞机和飞机的噪声预测的，并对的算法进行的实。

来，气公司基于的Heidmann算法，并实要进行的，算法对的风扇进行噪声预测，预测准了进提升，并于CF6-80C2发动机的噪声预测。

综国及研对风扇噪声的研究，Haidmann风扇噪声的高，预测及实。

文章编号：1672-545X（2020）04-0055-04国气动噪声的及，国于方的研究，t风扇噪声的011，的气动及转子叶片转而造的音噪声、随机的气体动造的频噪声，预测发动机的风扇部件的噪声。

6、飞机噪声和周围环境相容性分析

飞行航向名称
航向比例 %
英德
39.96
P269
3.72
二塘
47.77
VIBOS
8.56
英德
8.70 46.01 10.14 13.04 1.45 13.04 7.61
表 6.1-4
2035 年各航向起飞降落比例
起降方向由南向北
方向比例 %
24.07
跑道编号 01R(现有西跑道)
飞行状态
起飞
比例%
34.30
02L(中)
起飞 34.45
02R(第三跑道)
降落
01L(拟建第四跑道)
降落
34.85 33.90
广州白云国际机场控制性详细规划环境影响篇章
6、飞机噪声和周围环境相容性分析
6.1 广州白云机场飞机噪声预测模式
依据我国《机场环境影响评价技术导则》和 MH/T5105/2007《民用机场周围飞机噪声计算和预测》，广州白云机场飞机噪声预测程序如下：
图 6.1-1 飞机噪声预测程序图上述预测程序中，起关键作用的是： (1) 单架飞机噪声距离特性曲线或噪声 -距离 - 功率数据：本评价利用 INM7.0d 中的数据，结合机场实际监测结果和飞机飞行的第一目的地的距离，得到了比较符合机场实际的主要机型单架飞机的 EPNL 曲线，经实际监测数据验证，误差在 2～3dB 以内，结果是比较理想的；
图 6.1-4
角度和侧向距离示意图
6、飞机起跑点后面的预测点声级的修正
由于飞机噪声具有一定的指向性，因此飞机起跑点后面的预测点声级应作指
向性修正，其修正公式如下：
a.对于 90° ≤ θ ≤ 148.4°

模型预测控制算法在飞行控制中的应用

模型预测控制算法在飞行控制中的应用一、引言飞行控制是航空工程中不可或缺的一部分，它是指对飞机进行各种调节和控制，以满足飞机在运行时所需求的飞行状态，完成飞行任务。

模型预测控制算法（Model Predictive Control，MPC）是一种基于模型、一种基于预测的控制算法，具有优秀的性能、鲁棒性和适应性，是智能飞行控制领域中的研究热点之一。

本文将探讨MPC算法在飞行控制中的应用。

二、MPC算法的原理MPC算法是基于模型的控制方法，它将控制过程看作是对模型未来的预测。

该算法通过预测模型的输出来计算控制输入，从而使得控制系统的响应更加准确、鲁棒性更好。

MPC算法的核心在于建立模型，该模型通常由系统的状态、时间、控制输入、扰动等多个因素组成。

具体而言，MPC算法可以将待控制的系统抽象为一个由状态方程和输出方程构成的模型：其中，x(k)是系统的状态向量，u(k)是系统的控制输入向量，y(k)是系统的输出向量，f(·)和h(·)分别是状态方程和输出方程（通常是非线性的），也称为系统的动态模型。

在每次迭代中，MPC算法都会使用当前状态x(k)和历史N个状态向量x(k-1),…,x(k-N)，以及当前和未来M个控制输入u(k),u(k+1),…,u(k+M-1)，来计算输出y(k),y(k+1),…,y(k+M-1)，从而预测控制过程在未来M个时间步骤中的行为。

然后，在最优化的意义下，选择控制输入u(k)来最小化预测的输出和目标输入之间的误差J(u(k))。

这个过程可以通过Lagrange乘数法和求解一组非线性优化问题来完成。

通过调整这组优化参数，可以使控制系统对于系统非线性行为和扰动的抵抗力更强，从而实现优秀的控制性能。

三、MPC算法在飞行控制中的应用在实际应用中，MPC算法可以用于飞行控制的多个方面。

例如，它可以用于实现下面几个控制目标：1. 姿态控制MPC算法可以通过维护飞机的稳定，使得其在一定的时间范围内保持规定的姿态。

航空发动机风扇噪声经验预测方法分析

航空发动机风扇噪声经验预测方法分析
武兆伟;乔渭阳
【期刊名称】《噪声与振动控制》
【年(卷),期】2008(028)004
【摘要】随着飞机广泛使用的涡轮风扇发动机涵道比的不断提高,风扇噪声在飞机总噪声中占有越来越突出的地位.因此介绍用于预测风扇噪声水平的三种经验模型:Heidmaan模型,Konto-Janardan-Gliebe模型及Hough-Weir模型.编写风扇噪声经验预测方法程序并计算飞机降落过程中某航空发动机风扇的远场噪声水平.三种模型计算结果对比表明,Heidmann模型预测值普遍较大,Hough-Weir模型与上述两种模型趋势稍有不同.
【总页数】3页(P112-114)
【作者】武兆伟;乔渭阳
【作者单位】西北工业大学,动力与能源学院,西安,710072;西北工业大学,动力与能源学院,西安,710072
【正文语种】中文
【中图分类】V216.5
【相关文献】
1.航空发动机齿轮减速器振动噪声机理及其辐射噪声预测方法 [J], 丁文强;吴玉萍;魏巍;谢俊岭
2.利用航空发动机静态远场噪声数据预测飞行噪声级 [J], 刘锦虎;闫国华;谢福
3.基于经验模型的对转风扇噪声预测分析 [J], 孙长林;王掩刚
4.基于波音算法的航空发动机风扇噪声预测 [J], YAN Guo-hua;TAN Xiao-na;LÜ Feng
5.发动机冷却风扇气动噪声数值仿真预测与分析 [J], 黄毅;龙书成;李智;常文瑞;王伟江
因版权原因，仅展示原文概要，查看原文内容请购买。