Maschinelles Lernen unterstützte Niedrigordnungsprognosen von Breitbandinteraktionsgeräuschen der Ventilatorstufe

Ein schnelles Verfahren zur Vorhersage von Breitbandinteraktionsgeräuschen der Turbojet-Ventilatorstufe wird entwickelt. Die nachstromabwärts propagierende akustische Leistung im Umgehungskanal aufgrund der Reaktion des Ventilatoraustrittsführungsflügels (FEGV) auf die Turbulenz des Ventilatorwechsels wird auf der Grundlage von zweidimensionalen Parallelplatten-Kaskadenanalysen und Greens Methode berechnet. Diese Studie konzentrierte sich auf die Verwendung von maschinellem Lernen, um die Ventilatorturbulenzeparameter zu definieren, die als Eingaben für die FEGV-Reaktion und die Geräuschberechnung verwendet werden. Maschinelle Lernalgorithmen werden mithilfe von Ergebnissen der computergestützten Fluiddynamik trainiert. Diese Arbeit beschreibt die Genauigkeit des maschinellen Lernens angesichts der verfügbaren Daten des Rotorwechsels. Darüber hinaus wurde der Einfluss von Fehlern in den gelernten Eingabedaten auf die akustische Vorhersage untersucht. Basierend auf dieser Studie zeigt die Methode großes Potenzial.