仲唯貴

(中國直升機設(shè)計研究所，江西 景德鎮(zhèn) 333001)

0 引言

民用直升機用途廣泛，執(zhí)行任務(wù)時往往要在人口稠密的城市中心地帶起降和飛行，以完成緊急醫(yī)療服務(wù)、城市消防、治安維護等任務(wù)。直升機較高的外部噪聲水平直接影響城區(qū)居民的生活環(huán)境，城市中往往會采取限制直升機在城區(qū)運輸?shù)娘w行路線和飛行時間的措施，以保證城區(qū)良好的生活環(huán)境，這成為阻礙直升機在城區(qū)服務(wù)和商業(yè)應(yīng)用中發(fā)展的重要環(huán)節(jié)。因此國內(nèi)外的民用航空適航規(guī)定中，都對直升機的噪聲水平進行了嚴格的限定[1]。

在民用直升機的設(shè)計中，直升機的適航噪聲水平分析是重要的設(shè)計流程。為進行直升機外部噪聲的分析，研究人員建立了基于CFD技術(shù)和FW-H聲學方程的直升機氣動噪聲計算方法，并開發(fā)了眾多的分析程序[2-4]。但是利用這些方法進行直升機適航噪聲計算需要大量詳細的數(shù)據(jù)，需要考慮旋轉(zhuǎn)噪聲、脈沖噪聲和寬帶噪聲等噪聲成分，同時要進行適航狀態(tài)的飛行模擬給出配平結(jié)果，需要復(fù)雜的分析模型和較長計算周期。因此，建立高效的直升機適航噪聲分析方法對民用直升機的設(shè)計具有重要意義。

本文考慮直升機外部噪聲的主要影響因素，基于神經(jīng)網(wǎng)絡(luò)模型建立了簡單有效的直升機適航噪聲分析方法，用于直升機適航噪聲的快速分析。

1 直升機適航狀態(tài)噪聲分析問題描述

民用直升機的研發(fā)必須滿足噪聲適航規(guī)范(CCAR-36)的要求。直升機噪聲水平在CCAR36部中有明確規(guī)定，包含了三種飛行狀態(tài)：起飛狀態(tài)、飛越狀態(tài)和進場狀態(tài)[5]。適航規(guī)范對直升機三種飛行狀態(tài)的飛行高度、速度、過程以及噪聲數(shù)據(jù)的處理進行了嚴格規(guī)定，并以重量為函數(shù)給出了相應(yīng)的噪聲水平限定要求(圖1)。

圖1 直升機適航噪聲要求

在民用直升機的研發(fā)過程中，適航噪聲水平分析是基本的設(shè)計流程(圖2)。根據(jù)直升機的設(shè)計參數(shù)，建立三種適航狀態(tài)的計算分析模型，實現(xiàn)直升機噪聲水平計算。進行精確的直升機適航噪聲分析，要完成飛行狀態(tài)的配平計算、載荷計算以及聲學計算等流程，需要的計算參數(shù)多，計算周期長。本文在提煉直升機噪聲的主要影響參數(shù)基礎(chǔ)上，利用神經(jīng)網(wǎng)絡(luò)適用于非線性預(yù)估的特點，采用美國聯(lián)邦航空局(FAA)的資訊通報發(fā)布的直升機適航噪聲飛行試驗數(shù)據(jù)[6]，進行神經(jīng)網(wǎng)絡(luò)的設(shè)計和訓練，建立基于神經(jīng)網(wǎng)絡(luò)的直升機適航噪聲分析方法。方法可用于概念設(shè)計和方案設(shè)計階段的直升機適航噪聲分析以及總體參數(shù)的優(yōu)化，并且隨著大量的試驗和試飛數(shù)據(jù)的積累，可進一步完善神經(jīng)網(wǎng)絡(luò)模型，實現(xiàn)直升機噪聲的準確預(yù)估。

圖2 直升機適航噪聲預(yù)估流程

2 神經(jīng)網(wǎng)絡(luò)模型及模型訓練

基于神經(jīng)網(wǎng)絡(luò)模型進行直升機適航噪聲水平分析是應(yīng)用神經(jīng)網(wǎng)絡(luò)模型的非線性函數(shù)近似功能，獲得給定參數(shù)的直升機適航噪聲水平。應(yīng)用神經(jīng)網(wǎng)絡(luò)模型進行函數(shù)近似的主要優(yōu)點是通過訓練數(shù)據(jù)能夠獲得網(wǎng)絡(luò)輸入和輸出的高度非線性關(guān)系，設(shè)計的網(wǎng)絡(luò)能夠適用于新的數(shù)據(jù)，并且保證誤差在有限的范圍內(nèi)，同時網(wǎng)絡(luò)輸入和設(shè)計參數(shù)的合理選擇能夠保證神經(jīng)網(wǎng)絡(luò)模型的魯棒性[7]。

2.1 神經(jīng)網(wǎng)絡(luò)模型

本文建立了五層結(jié)構(gòu)的反向傳播(BP)神經(jīng)網(wǎng)絡(luò)模型，中間層為3層，輸出為3項，其中為xi為神經(jīng)網(wǎng)絡(luò)輸入，yi為神經(jīng)網(wǎng)絡(luò)實際輸出(見圖3)。

圖3 神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)的數(shù)學模型表示如下。隱蔽層第j個神經(jīng)元的輸入為：

netj=∑iωjiOi

(1)

其中：ωji為第j個神經(jīng)元的權(quán)值，Oi為輸入層第i個神經(jīng)元輸出。

第j個神經(jīng)元的輸出為：

Oj=f(netj)

(2)

其中：f()為激勵函數(shù)，采用雙曲正切函數(shù)，表示為：

(3)

神經(jīng)網(wǎng)絡(luò)訓練涉及迭代優(yōu)化神經(jīng)元權(quán)重和偏差，提升網(wǎng)絡(luò)的性能，通過測量訓練網(wǎng)絡(luò)的輸出與期望輸出的誤差評估網(wǎng)絡(luò)性能。本文采用神經(jīng)網(wǎng)絡(luò)容差的均方值作為網(wǎng)絡(luò)性能的度量。

(4)

其中：tk是目標輸出，Ok是神經(jīng)網(wǎng)絡(luò)輸出。

2.2 神經(jīng)網(wǎng)絡(luò)的訓練

為保證神經(jīng)網(wǎng)絡(luò)具有較好的通用性，能夠有效模擬不在訓練序列中的輸入數(shù)據(jù)，訓練網(wǎng)絡(luò)時采用了提前停止法。有效數(shù)據(jù)的一部分用于訓練網(wǎng)絡(luò)，另一部分用于驗證網(wǎng)絡(luò)的訓練結(jié)果。在訓練迭代的每一步，神經(jīng)網(wǎng)絡(luò)模擬驗證序列中的輸入數(shù)據(jù)并計算MSE，驗證序列的容差會隨著訓練序列的容差下降，但是隨著神經(jīng)網(wǎng)絡(luò)的訓練達到過擬合，驗證序列的容差開始增加，此時訓練停止并且認為神經(jīng)網(wǎng)絡(luò)訓練達到了較優(yōu)的性能。

訓練和驗證序列中的數(shù)據(jù)數(shù)量和構(gòu)成對神經(jīng)網(wǎng)絡(luò)的訓練有重要影響。在研究中，所有數(shù)據(jù)的近80%用于訓練，20%用于驗證。為避免訓練序列和驗證序列中數(shù)據(jù)的傾向性，進行序列構(gòu)建時進行數(shù)據(jù)隨機分配構(gòu)建多組方案的序列，訓練多組神經(jīng)網(wǎng)絡(luò)，用于神經(jīng)網(wǎng)絡(luò)性能的橫向?qū)Ρ取Ｓ捎谟柧氶_始前神經(jīng)元的初始權(quán)重和誤差是隨機給出的，對神經(jīng)網(wǎng)絡(luò)的每次訓練都會對最終性能產(chǎn)生一點差別，所以采用多組神經(jīng)網(wǎng)絡(luò)訓練可以更好地評估訓練的神經(jīng)網(wǎng)絡(luò)的性能。每組神經(jīng)網(wǎng)絡(luò)訓練10次直到提前停止發(fā)生，通過MSE的平均值進行判定。

3 直升機適航噪聲分析設(shè)計參數(shù)影響分析

直升機適航噪聲水平受到起飛重量、旋翼和尾槳參數(shù)的影響，考慮到神經(jīng)網(wǎng)絡(luò)的性能受到輸入?yún)?shù)的影響較大，合理選擇輸入?yún)?shù)會使神經(jīng)網(wǎng)絡(luò)產(chǎn)生較好的性能和對新數(shù)據(jù)的適應(yīng)性。為了分析神經(jīng)網(wǎng)絡(luò)性能隨輸入?yún)?shù)的變化，進行了參數(shù)化的影響研究。用于直升機適航噪聲預(yù)估的神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)選擇范圍在表1中給出，完整的全局輸入共含10個參數(shù)。

表1 計算輸入?yún)?shù)選擇

根據(jù)輸入?yún)?shù)，制定了四組輸入?yún)?shù)序列：

(1)序列1：W、Dm、Vtm、σm、Nm

(2)序列2：W、Dm、Vtm、σm、Nm、P

(3)序列3：W、Dm、Vtm、σm、Nm、Dt、Vtt、σt、Nt

(4)序列4：W、Dm、Vtm、σm、Nm、Dt、Vtt、σt、Nt、P

第一組輸入?yún)?shù)序列包含了5個參數(shù)，主要針對起飛重量和旋翼參數(shù)；第二組輸入?yún)?shù)序列在第一組的基礎(chǔ)上增加了起飛功率；第三組輸入?yún)?shù)序列包含了9個參數(shù)，主要針對起飛重量、旋翼和尾槳參數(shù)；第四組輸入?yún)?shù)序列包含了所有的10個參數(shù)。

以四組不同的設(shè)計輸入對神經(jīng)網(wǎng)絡(luò)進行訓練和確認，每組訓練10次，并取10次訓練網(wǎng)絡(luò)性能的平均值，通過對比研究不同輸入?yún)?shù)對直升機適航噪聲預(yù)估神經(jīng)網(wǎng)絡(luò)的性能的影響，結(jié)果在圖4中給出。

圖4 采用不同輸入?yún)?shù)的神經(jīng)網(wǎng)絡(luò)性能

從圖中可以看出，采用四組輸入?yún)?shù)進行神經(jīng)網(wǎng)絡(luò)訓練，都能獲得性能較好的神經(jīng)網(wǎng)絡(luò),但是采用全部輸入?yún)?shù)訓練的神經(jīng)網(wǎng)絡(luò)性能最優(yōu)，說明訓練的神經(jīng)網(wǎng)絡(luò)能夠反映直升機總體參數(shù)對適航噪聲的影響。

4 直升機適航噪聲預(yù)估模型訓練結(jié)果

以10個參數(shù)為輸入，利用訓練的性能較優(yōu)的神經(jīng)網(wǎng)絡(luò)，對飛越狀態(tài)、起飛狀態(tài)和進場狀態(tài)三個適航狀態(tài)的直升機噪聲水平進行了對比，評估神經(jīng)網(wǎng)絡(luò)的直升機適航噪聲預(yù)測水平，結(jié)果見圖5至圖7。圖中包含了用于訓練和試驗的所有數(shù)據(jù)，試驗數(shù)據(jù)從所有數(shù)據(jù)中隨機選擇，不低于總數(shù)據(jù)的20%。圖5給出了飛越狀態(tài)直升機噪聲的預(yù)測值與測試值的對比，可以看出神經(jīng)網(wǎng)絡(luò)的預(yù)測值與測試值具有較好的一致性，線性相關(guān)系數(shù)R=0.965；從預(yù)測結(jié)果的誤差帶來看，低于2EPNdB。圖6給出了起飛狀態(tài)直升機噪聲的預(yù)測值與測試值的對比，可以看出神經(jīng)網(wǎng)絡(luò)的預(yù)測值與測試值一致性較好，線性相關(guān)系數(shù)R=0.947；從誤差帶來看，僅有一個點的噪聲預(yù)測值與測試值偏差較大，接近2.5EPNdB。圖7給出了進場狀態(tài)直升機噪聲的預(yù)測值與測試值的對比，可以看出神經(jīng)網(wǎng)絡(luò)的預(yù)測值與測試值一致性較好，線性相關(guān)系數(shù)R=0.929；從誤差帶來看，僅有一個點的噪聲預(yù)測值與測試值偏差較大，超出了2EPNdB。從三種狀態(tài)的線性相關(guān)系數(shù)變化來看，飛越狀態(tài)的直升機噪聲預(yù)測結(jié)果最好，起飛和進場狀態(tài)的預(yù)測結(jié)果偏差較大，主要是由于起飛和進場狀態(tài)的直升機噪聲成分更復(fù)雜，其準確分析需要更詳細的輸入?yún)?shù)，并建立更復(fù)雜的神經(jīng)網(wǎng)絡(luò)。

圖5 直升機飛越噪聲預(yù)估結(jié)果

圖6 直升機起飛噪聲預(yù)估結(jié)果

圖7 直升機進場噪聲預(yù)估結(jié)果

5 結(jié)論

本文以直升機適航噪聲的預(yù)估方法為研究對象，進行了基于神經(jīng)網(wǎng)絡(luò)的直升機適航噪聲預(yù)估方法研究，建立直升機適航噪聲預(yù)測神經(jīng)網(wǎng)絡(luò)模型，并進行了神經(jīng)網(wǎng)絡(luò)的測試和評估，主要結(jié)論如下：

1)基于神經(jīng)網(wǎng)絡(luò)模型，利用直升機適航噪聲的飛行試驗數(shù)據(jù)，采用合理的訓練方法，能夠訓練出有效預(yù)估直升機適航噪聲的神經(jīng)網(wǎng)絡(luò)模型；

2)以直升機起飛重量、旋翼和尾槳的主要參數(shù)為輸入，通過訓練的神經(jīng)網(wǎng)絡(luò)模型，能夠進行直升機適航噪聲的有效預(yù)估；

3)對直升機適航噪聲預(yù)估結(jié)果的分析表明，通過對神經(jīng)網(wǎng)絡(luò)的有效訓練，能夠使直升機適航噪聲的預(yù)估結(jié)果誤差小于2.5EPNdB。