Investigando o Barulho de Aerofólios: Causas e Soluções
Um olhar sobre o barulho de asas e seu impacto na aviação.
― 6 min ler
Índice
- O que causa o barulho de aerofólio?
- A importância de estudar o barulho de aerofólio
- Ferramentas para analisar o barulho de aerofólio
- Como as fontes de barulho são identificadas
- O desafio do ruído numérico
- Outras fontes de barulho competidoras
- Usando métodos wavelet para análise de barulho
- O processo de pesquisa
- Resultados das Simulações
- O papel das técnicas de desruído
- Conclusão e Trabalho Futuro
- Fonte original
O barulho de aerofólio é um som produzido pela interação do ar com as superfícies de dispositivos como asas de aviões ou hélices. Entender e controlar esse barulho é importante para várias aplicações, especialmente para deixar as máquinas voadoras mais silenciosas.
O que causa o barulho de aerofólio?
Quando o ar passa por um aerofólio, ele gera diferentes sons por causa de mudanças na pressão e no fluxo do ar. Uma das principais coisas que contribui para esse barulho é uma camada de contorno turbulenta. Essa camada é onde o fluxo de ar suave se torna caótico e produz flutuações de pressão. Quando o ar passa por uma borda afiada da asa, essas flutuações podem gerar barulho.
A importância de estudar o barulho de aerofólio
O barulho de aerofólio é importante por várias razões. Primeiro, ele afeta o conforto dos passageiros e das pessoas que moram perto dos aeroportos. Segundo, com o aumento dos veículos de mobilidade aérea urbana, como táxis voadores elétricos, a necessidade de reduzir o barulho ficou ainda mais crítica. Essas novas máquinas têm muitas lâminas e funcionam em velocidades mais baixas, tornando o barulho mais perceptível.
Ferramentas para analisar o barulho de aerofólio
Os pesquisadores usam técnicas avançadas para estudar o barulho de aerofólio, como simulação de grandes redemoinhos (LES) e Transformadas Wavelet.
Simulação de Grandes Redemoinhos (LES)
A LES ajuda a criar modelos detalhados de como o ar se movimenta ao redor de um aerofólio. Ela divide os padrões complexos do fluxo de ar em partes gerenciáveis, facilitando a previsão de onde o barulho pode vir.
Transformadas Wavelet
As transformadas wavelet são ferramentas matemáticas que analisam dados em diferentes frequências. Elas ajudam os pesquisadores a identificar tipos específicos de barulho nos dados coletados durante as simulações.
Como as fontes de barulho são identificadas
Quando o aerofólio opera em ângulos mais altos, vários fenômenos ocorrem, o que pode levar à geração de barulho. A liberação de vórtices acontece, onde o ar rotacionado (vórtices) se separa da superfície do aerofólio. Isso pode criar áreas de turbulência, resultando em mais barulho.
Um fenômeno conhecido como bolha de separação laminar (LSB) também se forma, fazendo o fluxo de ar mudar repentinamente. Usando LES e transformadas wavelet, os pesquisadores podem distinguir entre barulho coerente (organizado) e incoerente (de fundo). Isso ajuda a entender melhor as principais fontes de som.
O desafio do ruído numérico
Durante as simulações, um problema significativo é o ruído numérico. Esse é um barulho que surge das limitações dos métodos computacionais ao invés dos fluxos de ar reais. É crucial separar esse ruído indesejado dos sinais verdadeiros para identificar com precisão as reais fontes de som.
Outras fontes de barulho competidoras
Além do barulho de borda de fuga, outros tipos de barulho podem acontecer, incluindo:
- Ruído de Liberação de Vórtices: Isso cria sons tonais em frequências mais baixas.
- Ruído de Instabilidade LSB: Isso produz barulho tonal e amplo em frequências mais altas.
- Ruído de Ponta: Isso surge das pontas das lâminas ou da asa.
- Ruído de Estol: Isso ocorre quando o fluxo de ar sobre a asa é interrompido.
- Ruído de Perturbação: Isso acontece quando o fluxo de ar é deliberadamente perturbado para transitar de suave para turbulento.
Cada um desses sons depende de vários fatores, incluindo a forma do aerofólio, o ângulo de ataque e outras condições de fluxo.
Usando métodos wavelet para análise de barulho
As transformadas wavelet podem decompor efetivamente os campos de pressão resultantes de fluxos turbulentos. Elas permitem que os pesquisadores separem os sinais com base em suas características. Por exemplo, um método chamado limiar wavelet ajuda a filtrar o ruído numérico, garantindo que apenas os sinais de barulho verdadeiros permaneçam.
O processo de pesquisa
Na pesquisa sobre o barulho de aerofólio, várias configurações de aerofólio são empregadas em simulações para examinar como o barulho se comporta sob diferentes condições. O aerofólio NACA 0012 é comumente estudado por causa de sua forma simples, facilitando a análise.
Configuração da Simulação
As simulações usam uma mistura de transição forçada (onde o fluxo de ar é perturbado para criar turbulência) e transição natural (onde a turbulência se desenvolve sozinha). O aerofólio é examinado em diferentes ângulos para ver como isso afeta a geração de barulho.
Domínio Computacional e Grade
O domínio da simulação é configurado para garantir que tanto os campos próximos quanto os distantes sejam adequadamente capturados. Uma estrutura de grade específica é criada para reunir o máximo de detalhes possível sobre o fluxo de ar ao redor do aerofólio. Essa configuração é essencial para obter resultados de alta qualidade.
Resultados das Simulações
As simulações revelam diferentes características de barulho com base nas condições definidas para o aerofólio.
Descobertas em Diferentes Ângulos
Quando o aerofólio está em um ângulo de ataque alto, fontes claras de barulho são identificadas. Existem frequências distintas onde o barulho é mais significativo, com a liberação de vórtices ocorrendo em torno de 560 Hz e o ruído de instabilidade LSB atingindo o pico em torno de 3 kHz.
Visualizando a Propagação do Barulho
Usando transformadas wavelet, os pesquisadores podem visualizar como o barulho viaja pelo ar. Essa visualização mostra como diferentes fontes de barulho interagem e se propagam pelo ambiente.
O papel das técnicas de desruído
Para garantir que os resultados sejam precisos, as técnicas de desruído são cruciais. Aplicando limiar baseado em wavelet, os pesquisadores podem filtrar o barulho que não está relacionado ao fluxo de ar, deixando apenas os sinais verdadeiros.
Análise do Campo de Pressão
Analisando os campos de pressão, os pesquisadores podem ver onde o barulho é gerado. Fica mais fácil distinguir o ruído numérico do ruído físico, levando a uma melhor compreensão e controle do som produzido pelos aerofólios.
Conclusão e Trabalho Futuro
Em resumo, o estudo do barulho de aerofólio usando LES e transformadas wavelet oferece insights valiosos sobre como os sons são gerados e como podem ser gerenciados. A capacidade de separar o barulho em diferentes fontes ajuda a melhorar o design de aeronaves mais silenciosas.
Conforme a tecnologia avança, o desenvolvimento dessas técnicas levará a previsões melhores e pode abrir caminho para veículos voadores mais silenciosos e eficientes. O futuro da aviação provavelmente verá um foco maior na redução dos níveis de barulho, tornando isso uma área-chave de pesquisa daqui pra frente.
Título: Airfoil trailing-edge noise source identification using large-eddy simulation and wavelet transform
Resumo: Airfoil noise is predicted and analyzed using wall-resolved large-eddy simulations and wavelet transforms for a NACA 0012 airfoil at a Mach number of 0.06 and a Reynolds number of 400,000 using a stair-strip forced transition and a natural transition. At a high angle of attack, vortex shedding and a laminar separation bubble (LSB) occur on the suction side. The LSB triggers the flow transition for both the forced and natural transition cases. The wavelet thresholding and denoising algorithm is used to decompose the pressure fields into the coherent or denoised pressure and the incoherent or background noise pressure. This denoising technique provides a clear picture of true noise generation and propagation. It also reveals the dominant noise source at specific frequencies when multiple noise sources are present. In another usage, the wavelet thresholding algorithm with down-sampling separates noise on the basis of flow structures. For example, the wavelet method separates noise between low-frequency vortex shedding noise and high-frequency LSB noise as well as trailing-edge noise. Finally, the wavelet transform is used to decompose the hydrodynamic and acoustic pressure components near the surface using the coherence between near-field pressure and far-field pressure. Overall, the wavelet-based decomposition is a valuable tool to study and reveal the mechanisms of airfoil noise generation.
Autores: Seongkyu Lee, Donghun Kang, Davy Joao Etienne Brouzet, Sanjiva K. Lele
Última atualização: 2023-02-11 00:00:00
Idioma: English
Fonte URL: https://arxiv.org/abs/2302.05809
Fonte PDF: https://arxiv.org/pdf/2302.05809
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.