Numerical Simulation of Edge Noise Using a Method Based on Synthetic Turbulence

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

An approach to the numerical modeling of broadband noise excited by turbulent fluid pulsations in the presence of an elastic body using a method based on synthetic turbulence is presented. The most common methods aimed at solving this problem involve determining noise emission as a result of solving the Helmholtz equation with sources in the form of the Lighthill tensor, previously determined in the hydrodynamic part of the problem using eddy-resolving turbulence models. These methods require a large amount of computation, which in the case of real technical applications leads to almost impossible requirements for computing resources. A reduction in the amount of calculations can be achieved for the class of problems in which continuous flow is implemented. In this case, hydrodynamic fields determined using a relatively simple Reynolds averaging of the Navier–Stokes equations can be used as initial data instead of directly determining velocity fluctuations in the computational domain using eddy-resolving methods.

In the presented method, velocity pulsations are generated based on information about averaged hydrodynamic fields, by spatial filtering of white noise with given correlation characteristics. As a result, an express assessment of the noise flow around a body is reduced to finding the radiation power density of elementary streams of current near the inhomogeneity of the streamlined surface, using data on the velocity vectors obtained as a result of solving a hydrodynamic problem, in the approximation of an incompressible fluid, as well as the transfer coefficient “source of volumetric acceleration – pressure”, which is determined by the reciprocity method. The transmission coefficient characterizes the geometry of the streamlined body, its mechanical properties and the properties of the medium in which acoustic radiation propagates. The method allows you to localize areas with the most intense noise emission, as well as interpret the results obtained by analyzing the features of the hydrodynamic flow and the properties of the elastic structure. A verification of the method is presented using the example of the problem of noise emission from a fragment of a real technical structure flowing around a fluid flow.

Full Text

Restricted Access

About the authors

N. V. Balakireva

Gaponov-Grekhov Institute of Applied Physics of the RAS

Author for correspondence.
Email: balakireva@ipfran.ru
Russian Federation, Nizhny Novgorod

References

  1. Madsen H.A. Low frequency noise from wind turbines mechanisms of generation and its modeling // J. Low Freq. Noise Vibr. Active Control, 2010, vol. 29, pp. 239–251.
  2. Lighthill M. On sound generated aerodynamically. I. General theory // Proc. R. Soc. Lond. Ser. A. Math. Phys. Sci., 1952, vol. 211, pp. 564–587.
  3. Curle N. The influence of solid boundaries upon aerodynamic sound // Proc. R. Soc. Lond. A, 1955, vol. 231, pp. 505–514.
  4. Howe M.S. Trailing edge noise at low mach numbers // J. of Sound&Vibr., 1999, vol. 225(2), pp. 211–238.
  5. Ffowcs Williams J.E., Hall L.H. Aerodynamic sound generation by turbulent flow in the vicinity of a scattering half plane // J. of Fluid Mech., 1970, vol. 40(4), pp. 657–670.
  6. Seol H., Suh J.C., Lee S. Prediction of non-cavitating underwater propeller noise // J. Sound Vibr., 2002, vol. 257, pp. 131–156.
  7. Kopev V.F., Titarev V.A., Belyaev I.V. Development of a methodology for calculating screw noise using supercomputers // TsAGI Sci. J., 2014, vol. 45(2), pp. 78–106. (in Russian)
  8. Kopev V.F., Maslov A.A., Chernyshev S.A. Prop-fan sound field shielding by the fuselage boundary laуеr // DGLR/AIAA Paper 92-02-068, 1992, p.5.
  9. Salvatore F., Ianniello S. Preliminary results on acoustic modelling of cavitating propellers // Comput. Mech., 2003, vol. 32, pp. 291–300.
  10. Cianferra M., Armenio V., Ianniello S. Hydroacoustic noise from different geometries // Int. J. Heat Fluid Flow, 2018, vol. 70, pp. 348–362.
  11. Cianferra M., Ianniello S., Armenio V. Assessment of methodologies for the solution of the Fowcs Williams and Hawkings equation using large-eddy simulations of incompressible single-phase flow around a finite-size square cylinder // J. Sound Vibr., 2019, vol. 453, pp. 1–24.
  12. Mohsen G., Hassan G., Jalal M. Calculation of sound pressure level of marine propeller in low frequency // J. of Low Freq. Noise, Vibr.&Active Control 2018, vol. 37(1), pp. 60–73.
  13. Danio J., Vijayakumar R. Numerical study of acoustic characteristics of a marine propeller in non-uniform flow // IEEE, 2020.
  14. Mathey F., Cokljat D., Bertoglio J.P., Sergent E. Specification of LES inlet boundary condition using vortex method // 4th Int. Symp. on Turbulence, Heat&Mass Transfer, Antalya. 2003.
  15. Menter F.R., Garbaruk A., Smirnov P. Scale adaptive simulation with artificial forcing // in: Proc. 3rd Symp. on Hybrid RANS-LES Methods, 2009.
  16. Garbaruk A.V., Strelec M.H., Travin A.K, Shur M.L. Modern Approaches to Turbulence Modeling. St. Petersburg: Polytechnic Univ., 2016. (in Russian)
  17. Suvorov A.S., Korotin P.I., Sokov E.M. Finite element method for simulating noise emission generated by inhomogeneities of bodies moving in a turbulent fluid flow // Acoust. Phys., 2018, vol. 64, no. 6, pp. 756–757.
  18. Kainova A.V., Korotin P.I., Sokov E.M., Suvorov A.S. Validation of the method for finite-element modelling of acoustic reduction of bodies flowed by a turbulent fluid flow // JAMM, 2019, vol. 83, no. 3, pp. 384–392. (in Russian)
  19. Suvorov A.S., Sokov E.M., Virovlyansky A.L., Eremeev V.O., Balakireva N.V. Finite element modeling of hydrodynamic noise arising in a flow around elastic bodies // Acoust. Phys., 2023, vol. 69, no. 6, pp. 713–721.
  20. Kajishima T., Taira K. Computational Fluid Dynamics: Incompressible Turbulent Flows. Cham: Springer, 2017.
  21. Sagaut P., Deck S., Terracol M. Multiscale and Multiresolution Approaches in Turbulence. LES, DES and Hybrid RANS/LES Methods: Applications and Guidelines. London: Imperial College Press, 2013.
  22. Kraichnan R. Diffusion by a random velocity field // Phys. of Fluids, 1970, vol. 13(1), pp. 22–31.
  23. Karweit M., Blanc-Benon P., Juvé D., Comte-Bellot G. Simulation of the propagation of an acoustic wave through a turbulent velocity field: a study of phase variance // J. Acoust. Soc. Am., 1991, vol. 89, pp. 52–61.
  24. Béchara W., Bailly C., Candel S.,Lafon P. Stochastic approach to noise modeling for free turbulent flows // AIAA J., 1994, vol. 32(3), pp. 455–463. https://doi.org/10.2514/ 3.12008
  25. Bailly C., Lafon P., Candel S. Computation of noise generation and propagation for free and confined turbulent flows // Aeroacoustics Conf. Amer. Inst. of Aeronautics and Astronautics, 1996.
  26. Bailly C., Juvé D. A stochastic approach to compute subsonic noise using linearized Euler’s equations // 5th AIAA/CEAS Aeroacoustics Conf.&Exhibit. 1999.
  27. Bailly C., Juvé D. Numerical solution of acoustic propagation problems using linearized Euler equations // AIAA J., 2000, vol. 38, pp. 22–29.
  28. Billson M., Eriksson L.-E., Davidson L. Jet noise prediction using stochastic turbulence modeling // 9th AIAA/CEAS Aeroacoustics Conf.&Exhibit., 2003.
  29. Billson M., Eriksson L.-E., Davidson L. Jet noise modeling using synthetic anisotropic turbulence // 10th AIAA/CEAS Aeroacoustics Conf., 2004, vol. 3.
  30. Careta A., Sagués F., Sanch J., Stochastic generation of homogeneous isotropic turbulence with well-defined spectra // Phys. Rev. E, 1993, vol. 48(3), pp. 2279–2287.
  31. Ewert R. RPM – the fast Random Particle-Mesh method to realize unsteady turbulent sound sources and velocity fields for CAA applications // 13th AIAA/CEAS 28th AIAA Aeroacoustics Conf., 2007.
  32. Ewert R., Emunds R. CAA slat noise studies applying stochastic sound sources based on solenoidal digital filters // 11th AIAA/CEAS 26th AIAA Aeroacoustics Conf., May 23–25, 2005.
  33. Ewert R. Slat noise trend predictions using CAA with stochastic sound sources from a random particle mesh method (RPM) // 12th AIAA/CEAS 27th AIAA Aeroacoustics Conf., May 8–10, 2006.
  34. Ewert R., Dierke J., Neifeld A., Appel C., Siefert M., Kornow O. CAA broadband noise prediction for aeroacoustic design // IUTAM Symp. on Comput. Aero-Acoustics for Aircraft Noise Prediction Conf. Paper, 2011. https://doi.org/10.1016/j.jsv.2011.04.014
  35. Ewert R., Kornow O., Tester B.J., Powles C.J., Delfs J.W., Rose M. Spectral broadening of jet engine turbine tones // AIAA Pap. 2008-2940, 2008.
  36. Ewert R. Broadband slat noise prediction based on CAA and stochastic sound sources from a Random-Particle Mesh (RPM) method // Computers&Fluids. 2008, vol. 37, vol. 369–387.
  37. Flying Qualities of Piloted Aircraft. Vol. MIL-STD-1797A. United States Department of Defense. 1990.
  38. de Kármán Th., Leslie H. On the statistical theory of isotropic turbulence // Proc. of the Royal Soc. of London. Ser. A. Math.&Phys. Sci., 1938, vol. 164(917), pp. 192–215.
  39. von Kármán T., Lin C.C. On the statistical theory of isotropic turbulence // in: Advances in Applied Mechanics / ed. by von Mises R., von Kármán T. Acad. Press, 1951. pp. 1–19.
  40. Menter F.R. Two-equation eddy-viscosity turbulence models for engineering applications // AIAA J., 1994, vol. 32(8), pp. 1598–1605.
  41. Menter F.R., Sechner R. Best Practice: RANS Turbulence Modeling in Ansys CFD. Ansys Germany GmbH A. Matyushenko, NTS, St. Petersburg, Russia.
  42. Suvorov A.S., Sokov E.M., Artel’nyi P.V. Numerical simulation of acoustic emission using acoustic contact elements. // Acoust. Phys., 2014, vol. 60, no. 6, pp. 694–703.
  43. Suvorov A.S., Artel’nyi V.V., Artel’nyi P.V., V’yushkina I.A., Korotin P.I., Shlemov Y.F. Verification of the numerical model in the problem of studying directional characteristics of sound radiation from inhomogeneous shells // Acoust. Phys., 2018, vol. 64, no. 2, pp. 260–265.
  44. Menter F.R. Best Practice: Scale-Resolving Simulations in ANSYS CFD. ANSYS Germany GmbH A. Matyushenko, NTS, St. Petersburg, Russia.
  45. Suvorov A.S., Vyushkina I.A., Smirnov S.A., Korotin P.I., Balakireva N.V., Maizel A.B., Slutskii R.N., Pyalov K.N. Implementation and verification of numerical simulation of noise emission of the propulsion system // Trans. of the Krylov State Res. Centre, 2024, no. 410.1с, vol. 1, pp. 70–80. (in Russian)

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Problem statement

Download (11KB)
Indexing metadata
3. Fig. 2. The DG computational domain of the problem on the flow of a fragment of the blade trailing edge

Download (10KB)
Indexing metadata
4. Fig. 3. Averaged field of the curl modulus (a), turbulence kinetic energy (b) and velocity modulus (c) in a cross section along the flow path

Download (10KB)
Indexing metadata
5. Fig. 4. Finite element model for determining the transmission coefficient

Download (50KB)
Indexing metadata
6. Fig. 5. Real part of the transmission coefficient at frequency δ0.95f / W∞ = 0.4

Download (17KB)
Indexing metadata
7. Fig. 6. Correlation radius in the direction along the blade radius (a) and correlation radius normal to the blade surface (b) at different frequencies

Download (27KB)
Indexing metadata
8. Fig. 7. Dependence of the CS estimate on the model description of the averaged correlation radius in the direction along the blade radius

Download (22KB)
Indexing metadata
9. Fig. 8. Study of convergence of the method from the parameters ‘number of points along the current line’ and ‘step along the current line’

Download (29KB)
Indexing metadata
10. Fig. 9. Study of convergence of the method from the parameter ‘progression along the normal to the surface’

Download (17KB)
Indexing metadata
11. Fig. 10. Study of convergence of the method from the parameter ‘number of points along the normal to the surface’ and ‘step along the initial line’

Download (24KB)
Indexing metadata
12. Fig. 11. Contribution of hydrodynamic noise sources along the normal to the blade surface

Download (15KB)
Indexing metadata
13. Fig. 12. Sound pressure at a point at the reference distance from the blade surface

Download (29KB)
Indexing metadata

Copyright (c) 2024 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».