Modelling the noise of protective grills of axial fans using artifical neural networks

Kurzfassung

Für eine Kundenanwendung werden Axialventilatoren mit Schutzgittern ausgestattet, um das potenzielle Verletzungsrisiko durch Berührung der rotierenden Schaufeln zu minimieren. Das Schutzgitter verursacht zusätzlichen Druckverlust und führt zu einer erhöhten Schallemission der Ventilatoreinheit, da das Gitter nahe am Ventilator im Nachlauf der Ventilatorschaufeln angebracht ist. Ein Schutzgitter besteht im Wesentlichen aus engen Ringen, die mit einer Tragstruktur und zusätzlichen Streben mit dem Ventilator verbunden sind. Der Hauptmechanismus der Schallerzeugung ist die periodische Ablösung von Wirbeln (von Karman-Wirbelstraße) an den Ringen. Bei engen Ringen treten starke Wechselwirkungen auf, die zu einer erhöhten Lärmemission im Vergleich zu einzelnen Zylindern oder Ringen führen. In einer früheren Arbeit wurden Schallemissionen von zwei quer angeströmte Zylinder gemessen. Die variierten Parameter waren der Abstand der Zylinder, der Winkel, die Geschwindigkeit und die Turbulenz des Einströmens. Basierend auf diesen Messungen wurde ein Modell für das Schalldruckspektrum entwickelt, das auf einem neuronalen Netzwerk basiert. In dieser Arbeit soll das bestehende Netzwerk und die Auswertungsmethode verbessert werden. Für die Vorhersage der Lärmemission des Schutzgitters sind die Position der Schutzringe und die Strömungseigenschaften aus einer CFD-Simulation des Ventilators als Eingabeparameter erforderlich. Das Lärmvorhersagemodell wird an verschiedenen Konfigurationen des Schutzgitters getestet. Die CFD-Ergebnisse stehen im Mittelpunkt dieser Arbeit, da frühere Ergebnisse gezeigt haben, dass die Daten den trainierten Datenbereich verlassen. Derzeit wird dieses Problem durch Begrenzung der CFD-Daten behandelt, ein anderer Ansatz besteht darin, zusätzliche Trainingsdaten mit erweitertem Parameterbereich bereitzustellen. Dies wird durch CAA-Simulationen von quer angeströmten Tandemzylindern erreicht. Darüber hinaus muss der Effekt des gewählten Turbulenzmodells auf die Lärmvorhersage analysiert werden. Unterschiedliche Turbulenzmodelle erzeugen unterschiedliche Turbulenzfelder, insbesondere hinsichtlich der turbulenten Längenskala. Die Abhängigkeit der Modellergebnisse von der CFD-Konfiguration muss weiter untersucht werden. Schlüsselwörter: Strömungssimulation, Aeroakustiksimulation, Axialventilatoren, Schutzgitter, neuronales Netzwerk, Tandemzylinder, Turbulenzmodelle.