基于EEMD的泵式涡轮机中流动诱导噪声的相关特性研究

《Applied Acoustics》：Correlation characteristics investigation of Flow-Induced noise in Pump-Turbines based on EEMD

本文通过实验与数值模拟，结合声学类比和EEMD方法，揭示了泵涡轮内部流动特性与噪声的耦合机制。研究发现，主导噪声频率随流量变化：低流量时以叶片通过频率（BPF）为主，高流量时转为3倍BPF，这与涡流分离及转子-定子相互作用增强相关。声压级峰值位于涡壳，偶极子源为主要噪声源，且关键部件压力脉动系数与声压级呈强正相关，为优化泵涡轮设计提供了新方法。

　　

李晓军|孙大伟|魏志聪|邵海江|王坤

浙江科技学院多流与流体机械重点实验室，中国杭州310018

摘要

泵式涡轮机是抽水蓄能（PHES）系统中的关键部件；然而，内部流动特性与流动诱导噪声产生之间的关系尚未完全明了，尤其是在泵模式运行期间。本研究旨在阐明流动特性对泵式涡轮机中流动诱导噪声的影响机制。实验测量和数值模拟被用来研究这一现象，并应用了Ffowcs Williams–Hawkings（FW-H）声学类比方法进行噪声预测。集合经验模态分解（EEMD）方法被用来对从噪声信号中提取的固有模态函数（IMFs）进行多尺度分解和能量分布分析。结果表明，主导噪声频率随流速的变化而变化：在低流速下，叶片通过频率（BPF）占主导地位；而在高流速下，3×BPF变得更为显著。这种变化与流道内的流动分离强度和转子-定子相互作用（RSI）直接相关。最高声压级出现在流道中，偶极源是主要的噪声来源。各组件的压力脉动系数与声压级之间存在强烈的正相关关系。这些发现为泵式涡轮机中的流固声学机制提供了新的见解。

引言

抽水蓄能（PHES）是一种大规模储能技术，具有高容量、快速响应和高综合效率的特点。它为电网提供削峰、频率调节、相位调制和紧急备用等关键功能[1]，[2]。然而，作为PHES系统的核心部件，泵式涡轮机具有复杂的流道设计，这会产生高度不对称的内部流场和多尺度湍流结构。这些现象会引起振动和噪声，并通过压力脉动传播[3]，[4]。因此，研究不同运行条件下流动场与声场之间的耦合机制对于优化泵式涡轮机设计、抑制噪声和提高运行效率具有重要的工程价值。

已经对泵式涡轮机的流动诱导噪声和流场特性进行了大量研究。泵系统中的噪声主要由流体-结构相互作用（FSI）引起的辐射噪声和流体内部的流体动力相互作用产生的噪声组成[5]。Mao等人[6]发现，流速的变化显著改变了流场的能量分布和涡度动态，从而影响了噪声的频谱和能量特性。这表明流场演变与噪声的频率特性密切相关。Yang等人[7]证明，在低流速条件下，混流泵的内部流动更为复杂，导致声压级和声功率级高于高流速条件，涡流结构的分布直接影响流体动力噪声。同样，Xu等人[8]发现，当对流泵的流速偏离最佳运行点（特别是在低流速条件下）时，会发生回流和流动分离，产生在高流道中分布更广的高能量涡流，从而加剧流动诱导噪声。总体而言，这些研究表明，非稳态流结构是流动诱导噪声加剧的主要原因。此外，Wang等人[9]、Cheng等人[4]和Yang等人[10]进一步证实，离心泵的流体动力噪声与压力波动密切相关，主要声能集中在BPF及其谐波分量。在理解泵的内部流动特性方面取得了显著进展[11]，[12]，[13]，并且泵噪声预测的方法也变得越来越多样化。一些研究[14]，[15]，[16]使用高分辨率网格的瞬态数值模拟有效预测了离心泵的噪声特性。然而，泵式涡轮机在泵模式下的流动特性相当复杂。它们非稳态、多尺度流场与声场之间的耦合机制尚未完全阐明，从离心泵得出的研究结论不能直接应用于泵式涡轮机[17]，[18]，[19]。特别是，不同流速下主导噪声频率的动态演变尚未得到充分探索。此外，它们与关键流动特征（如瞬态涡流结构和压力波动）的定量关系缺乏深入的机制研究。

在噪声信号处理领域，迄今为止已经开发了多种有效技术。其中，EEMD作为一种自适应信号处理方法，可以将复杂的噪声信号分解为多个IMFs，同时有效保留信号的时间-频率局部特性。因此，它为揭示流场与噪声之间的耦合机制提供了一种有前景的技术方法[20]。目前，将EEMD与其他信号处理技术结合的混合方法已广泛应用于液压机械的故障诊断、噪声源识别和声学特性分析。例如，Li等人[21]使用结合样本熵的完整集合EEMD（CEEMDAN）提取离心泵的空化特征；Wang等人[22]提出了一种基于EEMD和信息熵的液压涡轮机管道压力脉动评估方法；Wang等人[23]进一步开发了一种用于旋转机械故障特征提取的加权完整集合EEMD方法；Lu等人[24]对液压泵压力信号进行了EEMD处理，选择有用的IMFs并将其与其他算法结合以提取新的故障特征。此外，由于EEMD在处理非平稳和非线性信号方面的优势，它也被广泛用于抑制旋转机械的振动和声学信号中的复杂背景噪声，成为声学信号预处理的重要手段[25]，[26]，[27]。值得注意的是，尽管EEMD在液压机械的信号处理中得到了广泛应用，但大多数现有研究都集中在基于EEMD的算法优化或声学信号特征提取上。缺乏关于声学信号中包含的物理信息与潜在流场现象之间定量相关性的系统研究，导致噪声信号与流动机制之间的映射关系不明确。在这种背景下，本研究通过EEMD方法将声场分析与流场分析深入结合，系统地阐明了泵式涡轮机在泵模式下的内在流动-声音耦合机制。它进一步揭示并验证了不同流速下噪声频率动态演变的核心机制，从而为分析液压机械中流场与声场之间的相关特性提供了新的见解和方法。

在本研究中，采用数值模拟来模拟泵式涡轮机在泵模式下的流动诱导噪声，并通过实验测量验证了模拟结果。随后，采用EEMD方法对噪声信号进行多尺度自适应分解。通过结合相关性和能量贡献标准，筛选出主要的IMF组分，并对这些组分进行频域特性分析，系统地揭示了不同流速条件下噪声频率的演变规律。此外，对关键流道区域中的压力脉动与声学信号之间的耦合分析揭示了泵式涡轮机的流体动力噪声与压力脉动之间的强相关性。流道被确定为主要的噪声源。最后，结合对流场结构的深入分析，阐明了流动诱导噪声的产生机制，并系统地揭示了不同流速条件下主导噪声频率动态演变的内在物理机制。

计算流体动力学设置

泵式涡轮机内部的流动是一种具有复杂特性的三维不可压缩粘性湍流。对于这类流体动力学挑战，通常采用雷诺平均纳维-斯托克斯（RANS）方程作为控制方程。为了解决其固有的闭合问题，选择了剪切应力传输（SST k-ω）湍流模型进行数值模拟[28]，[29]。该模型结合了k-ε模型和Wilcox k-ω模型的优点。

物理模型

本研究中采用的泵式涡轮机模型如图1所示，其流道入口直径为300毫米，出口直径为250毫米，配备了一个带有六个叶片的叶轮。在泵模式运行期间，水通过进水管进入，流经吸水室和叶轮，然后通过流道排出。泵式涡轮机在泵模式下的关键运行参数详细列在表1中。所有后续对流速（Q_d）的引用均基于此表。

声学信号分析

特征提取是流动状态识别的关键步骤，其性能直接决定了识别的准确性。在本研究中，通过EEMD方法处理的噪声信号与流场分析深度结合，建立了IMF组分与流动机制之间的定量映射关系。这使得能够深入研究泵式涡轮机的内部流固耦合机制，最终提供了一种新的噪声源识别方法。

结论

本研究通过实验测量和数值模拟系统地研究了不同流速下泵式涡轮机的流动诱导噪声耦合机制。主要发现总结如下：

1. 通过分析噪声信号的IMF组分，阐明了泵式涡轮机主导噪声频率的动态迁移行为。在低流速条件下，由BPF主导的IMF3组分控制了噪声信号，其PCC（峰值中心）...

作者贡献声明

李晓军：软件、资源、调查、资金获取、正式分析。孙大伟：撰写 – 审稿与编辑、撰写 – 原始草稿、软件、方法论、概念化。魏志聪：可视化、资源、方法论、资金获取。邵海江：监督、软件、方法论。王坤：验证、软件。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

致谢

本工作得到了浙江省自然科学基金（资助编号LQN25E060003）、国家自然科学基金（资助编号U24A20139）以及浙江省流体传输技术重点实验室（资助编号2024E10006）的支持。