一种基于轴向分段和最优频率选择的高效APU进气消声器设计方法 薛东文、 严群、 郑勇、 杨家峰、 陈永辉

《Aerospace》：An Efficient High-Frequency Design Methodology for APU Inlet Mufflers Based on Axial Segmentation and Optimal Frequency Selection Dongwen Xue, Qun Yan, Yong Zheng, Jiafeng Yang and Yonghui Chen

　　摘要 国际民用航空组织（ICAO）对飞机停机坪噪音设定了严格的限制，其中辅助动力装置（APU）进气口噪音是主要的噪音来源之一。本文提出了一种系统化且计算效率高的APU进气口消声器设计方法。高频噪音要求验证一个单自由度线性阻抗模型，其频率范围可达10,000赫兹。该创新的核心在于通过从声源频谱中优化选择衰减中心频率，并采用轴向分段设计，克服了全路径仿真的高昂成本（需要数天时间）。这种方法能够实现高效、有针对性的优化（每次优化仅需几分钟），并利用段间界面处的声模散射来增强整体衰减效果。设计通过高保真度的全流道仿真进行了验证。在各种运行条件下的实验验证显示，与预测结果吻合良好，整体A加权声功率级（OASPL）降低了约9分贝，且性能稳定。这些结果证明了所提出的快速、精确且高效的设计框架的可行性和有效性。

1. 引言
国际民用航空组织（ICAO）为飞机在地面操作期间的噪音制定了严格的限制，以解决社区噪音问题。特别是停机坪噪音一直是一个关注焦点，法规规定维护区域的噪音水平不得超过85分贝，飞机20米范围内的噪音水平不得超过90分贝。辅助动力装置（APU）是造成这种噪音的主要因素之一，它是一种在主发动机关闭时提供电力和气压的燃气涡轮系统。APU的主要噪音源包括压缩机（产生进气口噪音）和燃烧室/涡轮（产生排气噪音）。因此，有效的噪音 reduction 需要采取双重措施：通过涡轮机械设计最小化声源噪音，并使用进气口和排气口消声器来衰减传播路径中的噪音。尽管关于主发动机噪音的研究很多，但针对APU噪音和消声器设计的文献相对较少。现有研究主要集中在APU噪音源的特性分析[1,2,3]或排气口消声器的设计与测试[4,5]上。对于进气口消声器，虽然有一些简短的案例研究[6,7]，但尚未建立起一种针对APU进气口独特挑战的系统化、高效的设计方法。APU进气口消声器的设计面临一个显著的计算挑战：所需的噪音 reduction 频率范围很广（从20赫兹到超过10,000赫兹），且主要频率通常位于高频段（例如，第一个叶片通过频率接近9000赫兹）。使用传统方法（如有限元方法）对整个频率范围进行高保真度声传播仿真会带来巨大的计算成本。正如本研究所示，单频率计算可能需要数百GB的内存和数小时的时间。而覆盖叶片通过频率和冲击噪音频率的全频段分析可能需要数天的时间，这使得基于仿真的消声器复杂结构的迭代优化变得不切实际。

为了克服这一障碍，本文提出了一种新颖且高效的APU进气口消声器设计方法。其核心创新在于通过最优噪音 reduction 频率选择策略与进气道轴向分段相结合，分解了计算上难以处理的整体优化问题。这种方法具有双重优势：它大幅减少了每个子问题的计算域，从而实现了高效优化，并充分利用了段间界面处的声模散射来增强整体衰减效果。本工作的核心假设是，这种最优频率选择和轴向分段策略能够设计出一种进气口消声器，其整体噪音 reduction 效果可与全路径、宽带优化相媲美，但计算成本和时间仅为后者的一小部分。此外，假设段间界面的阻抗不连续性能够 constructive 地散射声能，从而提供额外的衰减效果，超出单独考虑各段时的预测效果。

本文的可行性和上述假设基于两个并行的基础步骤：（1）对APU进气口噪音源频谱的详细实验表征；（2）验证一个单自由度线性阻抗模型在10,000赫兹范围内的可靠性，确保其适用于高频设计。本文的其余部分安排如下：第2节详细介绍了APU进气口噪音源的实验表征，并验证了声传播预测方法和高频阻抗模型。第3节介绍了所提出的高效设计方法，包括最优频率选择和轴向分段过程，并报告了优化设计结果。第4节描述了优化消声器性能的实验验证，以验证核心假设。最后，第5节对本文进行了总结。

2. 实验表征和方法验证
2.1 噪音源测量与分析
本研究关注的是辅助动力装置（APU）的进气口消声器。在该APU中，核心压缩机和负载压缩机安装在进气蜗壳的相对两侧，两者均具有11个叶片，额定转速为49,300转/分钟。为了表征进气口噪音，在矩形进气截面布置了六个麦克风：两个沿长边等距放置，一个沿短边放置。所有麦克风均垂直于截面方向，朝向APU。APU的引气和排气被引导到测试室外，以防止其噪音干扰进气口噪音测量。测试在两种运行条件下进行：“仅提供电力”和“最大ECS”模式。“仅提供电力”模式指APU仅提供电力，不提供引气；而“最大ECS”模式则要求APU同时提供电力和引气。六个麦克风采集的频谱进行了线性平均，结果频谱如图1所示。进气口噪音具有明显的纯音特征，在9038赫兹、18,062赫兹和27,130赫兹处有显著峰值，这些频率分别对应压缩机的第一个、第二个和第三个叶片通过频率（BPF）。虽然第二个（18,062赫兹）和第三个（27,130赫兹）谐波超过了18,000赫兹，在消声器内和空气中都经历了显著衰减，但第一个叶片通过频率（9038赫兹）的峰值非常突出——它比其他纯音高出19分贝，且在15,000赫兹以下的宽带噪音中也更为明显。除了前三个叶片通过频率的峰值外，大多数剩余的频谱峰值是由压缩机叶片的超音速尖端速度产生的冲击噪音造成的。

2.2 APU进气口声传播预测与验证
线性化的欧拉方程被广泛认为是预测动力装置进气道内声传播的合适方法[8]。在本研究中，这些方程作为APU进气口内声传播数值预测的控制方程。三维计算域涵盖了整个进气流道，从测量平面（如2.1节所定义的声源位置）延伸到向外辐射噪音的表面。几何形状如图2所示，总长度约为1.4米，高度约为1.0米，形状不规则，从一个小矩形进气口逐渐过渡到一个较大的、逐渐扩大的截面。数值网格由大约470万个六面体单元组成。最大单元尺寸受到限制，以确保在最高关注频率（10,000赫兹）下每个声波波长至少有10个单元，从而保证声传播的足够分辨率。使用RANS计算的背景流信息被加入到线性化欧拉方程的平均流项中。

2.3 消声器声学效应的表征与模型验证
消声器衬里的声学效应通过声阻抗边界条件来表征。对于局部反应衬里，相应的边界条件表达式由Ingard[9]给出。消声器的最优设计需要提供适合工程图纸的结构参数。声阻抗模型在这些结构参数和声学性能之间建立了必要的联系。本研究采用了Goodrich[10]公开发布的单自由度（SDOF）线性阻抗模型，该模型与声传播预测方法结合使用，构成了优化方法的基础。与大多数经验模型类似，它将总声阻抗（Z）分解为几个组成部分：
(1) ...（此处省略具体公式，因原文未提供完整公式）
其中...代表粘性阻力、粘性电抗和厚度的综合效应；...表示高声压水平下的声阻抗项；...表示由于擦流产生的声阻抗；...考虑了高声压水平对声电抗的影响。通常，声学衬里阻抗模型被验证适用于3000赫兹以下的频率范围。然而，对于APU进气口，主要噪音频率可达9000赫兹，因此将在第3.3节验证该阻抗模型在此高频范围内的适用性。

关于声源建模，需要合理表示噪音源。这是通过激发所有开启的传播声模来实现，这些声模的振幅相等。开启声模的数量由管道几何形状和空气属性决定。对于噪音辐射表面，应用了非反射边界条件。Pratt & Whitney公司开发的JT15D系列涡轮风扇发动机被用于验证。20世纪70年代，NASA刘易斯和兰利研究中心对JT15D进行了系列实验，以研究风扇噪音传播特性[11]。他们的实验结果为当前数值模拟提供了可靠的数据。在这些实验中，风扇转速为6750转/分钟，对应的第一个叶片通过频率（BPF）为3150赫兹。在此条件下，主要的传播模式是模式（?13, 0）。对硬壁配置和三种不同穿孔率的衬里进行了远场声定向测量。

图3显示了数值预测和实验测量得到的远场定向的比较。仿真较好地再现了声压分布的整体趋势。尽管在衬里边界条件下的预测水平略低于测量数据（在3分贝以内），但考虑到几何复杂性和建模假设，这种差异是可以接受的。一致性表明，此处采用的计算方法适用于具有阻抗边界的进气口噪音传播，也证明了其在更高BPF下的适用性。预计在9000赫兹处不确定性会有所增加，这是由于波长较短和模态内容更复杂所致。

2.4 声阻抗推导与模型验证
早期用于推导衬里声阻抗的方法受到流道内为平面波的要求限制，通常将上限频率限制在3000赫兹左右[12,13]。因此，之前对更高频率下衬里阻抗模型的验证不够充分。由于APU进气口噪音源的主要峰值频率约为9000赫兹，有必要评估Goodrich模型在整个感兴趣的频率范围内的适用性。因此进行了相关的实验验证。声阻抗测试平台与传统的声学流道[14]大体相似，但衬里安装的核心部分有所不同，如图4所示。这种宽带声阻抗推导方法已在最近发表的文章[15]中介绍。在测试管道对面的墙上安装了一组麦克风，这些麦克风排列成3列16行，如图4所示。这种三维直接测量方法被用来测定管道的声学阻抗。该方法克服了传统直接测量方法中平面波入射的限制，从而提高了流道中阻抗测试的上限频率，并且无需进行模态控制。对于一个横截面尺寸为50毫米×50毫米的方形管道，当入射声波的频率低于横向模式m=3的截止频率（f(3,0) = 10,100赫兹，马赫数Ma = 0.14）时，麦克风阵列在管道上壁测得的声压可以表示为：(2) 其中M是横向模式的数量；r表示麦克风的列索引；s表示麦克风的行索引；Lx和Ly分别是管道横截面的横向和纵向长度；xr是麦克风的横向坐标。这三列麦克风最多可以分解出3个横向模式（m = 0, 1, 2）和8个轴向模式，每个模式都包含向前和向后的传播分量。Bms表示在轴向位置s处每个横向模式的分量：(3) 其中N是纵向模式的数量；pms是第m个横向模式在位置s处的声压；kz,m,n是轴向波数，可以表示为：(4) 其中k是波数；m和n是两个横截面方向上的模态索引；kxy,m,n是该模式的横截面波数，即(5) 在麦克风点测得的声压可以表示为矩阵形式：(6) 其中B是由Bms组成的矩阵；p是所有麦克风测得的复声压矩阵；T表示固定位置麦克风阵列测得的声压与横向模态波之间的映射关系，表示为：(7) 其中x0、x1和x2是三列麦克风的横向坐标位置。将它们代入方程可以得到复矩阵B。B的每一列包含了每个截止横向模式在16个轴向测量位置的振幅和相位信息：(8) Chen等人[16]建议使用主导横向模式（m = md）的复声压进行Prony分解，以获得由阻抗边界散射的最多8个轴向模式kz,md,n。然后选择振幅最大的轴向散射模式kz,md,nd。管道段内的纵向波数ky,md,nd根据色散关系计算得出：(9) 接着，使用Myers–Ingard边界条件[17]来获得管道的声学阻抗：(10) 然而，在实际应用中，管道内管道的阻抗与入射声学模式无关。每个截止的横向模式都会被管道散射。因此，矩阵中每一列的每个横向模式的复声压分量都可以被分解为其相应的轴向散射模式，从而可以用来确定声学阻抗值。测试样品是一个单自由度（SDOF）管道，其穿孔板厚度为0.25毫米，孔径为1.2毫米，孔隙率为7.6%，蜂窝芯深度为32毫米。这里仅展示了流速为0.17马赫时的测试结果，因为在其他流速下也观察到了类似的结论。根据前面描述的多模态提取方法，入射声学模式的分布不会影响声学阻抗测试；因此，没有必要控制入射声学模式的分布。这些内容已经在文章中解释过了。图5显示了管道样品的测量声学阻抗结果。在400赫兹到10,000赫兹的频率范围内，阻抗模型能够准确预测管道的声学阻抗，证明了其在高频区域的适用性。从全频率的角度来看，声学阻力随频率逐渐变化，而声学电抗则表现出明显的反余切关系。在5800赫兹附近，从所有横向模式中得到的声学阻力出现了振荡。这是Myers–Ingard边界条件在反共振频率下从管道壁上的声压信息计算阻抗时的固有局限性。图5. 高频下阻抗模型的验证。

3. 提出的方法及其应用
APU消声器通常需要在20赫兹到10,000赫兹的频率范围内提供噪声衰减。在这个范围内，进气噪声谱（图1）在第一个叶片通过频率（9038赫兹）处有一个明显的峰值，以及在转子轴频率（821.7赫兹）及其谐波处有冲击噪声。使用有限元方法进行大规模、高频率的声学传播模拟对计算内存的需求非常高。即使对于单个频率，这项研究的完整声学分析也需要数百吉字节的内存和数小时的计算时间。对于覆盖20赫兹到10,000赫兹全频率范围的模拟，包括叶片通过频率和冲击噪声频率，计算时间将延长到大约五天，使得后续的优化设计变得不切实际。

3.1 基于最优频率选择和轴向分段的高效设计方法
为了解决全流动路径优化的高计算成本问题，本文提出了一种基于最优降噪频率选择和轴向分段的高效设计流程。图6展示了APU进气消声器的系统设计方法，包括以下步骤：首先，根据进气源谱选择几个关键的降噪中心频率，并为每个频率范围定义所需的最大插入损耗及其带宽。然后，根据这些中心频率和带宽，将进气管道轴向划分为多个部分，并分别优化每个部分中的消声器结构参数。最后，进行全路径模拟以评估整体声功率水平的降低情况。该过程包含一个反馈循环；如果全路径模拟表明设计目标未达到，则调整频率选择的参数。图6. 进气消声器的整体设计流程。通过这种方法，每个部分只负责一个目标降噪频率。此外，由于计算域的减少以及某些部分专门用于低频噪声控制（允许使用更粗的网格），总体网格数量显著减少。因此，单个模拟案例只需要大约十分钟的计算时间和数十吉字节的内存，从而大大提高了优化效率。此外，利用各部分之间的声学阻抗差异来诱导进气管道内的模态散射，从而增强了整体的降噪性能。

3.2 优化设计
如前所述，本研究采用了单自由度（SDOF）管道结构。其在频率谱中的降噪性能主要遵循高斯分布曲线。假设的功能形式如下：(11) 其中b是中心频率，a是峰值降噪量，c定义了带宽。为了减少计算时间和内存使用，计算域被划分为七个部分。这个数字是在设计细度和计算效率之间的实际折中选择。初步研究表明，超过七个部分的数量增加会导致优化灵活性下降，而预优化中心频率搜索维度的线性增加。每个部分的轴向长度（大约在0.15米到0.25米之间）最初是根据其目标中心频率的声波波长（λ = c/f，其中c是声速）设定的，以确保足够的轴向长度以实现有效的衰减，然后在结构参数优化过程中稍作调整以适应物理几何形状。每个部分的降噪谱由高斯曲线描述，进气消声器的整体谱是通过叠加这七条曲线得到的。然后根据源谱和叠加的高斯曲线计算总降噪量。以总降噪量为目标，应用遗传算法（GA）来搜索七个最优降噪中心频率。GA的种群大小设置为210，交叉概率为0.8，变异概率为0.1。优化运行了400代，当连续20代中最佳适应度值（总OASPL降低）的变化小于0.01分贝时，认为收敛。需要注意的是，这种选择方法没有考虑部分之间阻抗差异引起的声学模态散射和反射。然而，由于这种散射通常会增强降噪效果，因此当前分析可以被视为对整体性能的略微保守估计。根据经验数据，每个部分的带宽设置为500赫兹，峰值降噪量为5分贝至8分贝。高斯带宽和峰值衰减范围是基于对SDOF管道典型衰减特性的初步分析和类似应用的实验数据选择的。为了评估优化结果对这些假设参数的鲁棒性，进行了有限的敏感性研究。中心频率优化使用了400赫兹和600赫兹的带宽进行了重复。结果最优中心频率的变化小于3%，预测的整体OASPL降低变化小于0.2分贝，表明设计结果对假设的高斯参数的选择并不敏感。

消声器的结构参数——即孔径、面板厚度、穿孔板孔隙率和蜂窝腔深度——作为设计变量。在一个部分内，每个壁上的管道被视为一个独立结构，具有自己的一组这四个变量，因此每个部分共有16个设计变量。由于遗传算法（GA）在处理非线性、多模态问题时具有鲁棒性，因此采用了这种全局搜索方法。根据可制造性施加了约束：d ∈ [0.8, 1.5]毫米，t ∈ [0.2, 0.5]毫米，σ ∈ [5%, 15%]，D ∈ [20, 50]毫米。GA的种群大小设置为160，交叉概率为0.8，变异概率为0.1。优化运行了400代，当连续20代中最佳适应度值（总OASPL降低）的变化小于0.01分贝时，认为收敛。这些设置与之前文本中提到的降噪中心频率选择设置不同。

3.3 设计结果与分析
首先，优化了降噪中心频率。图7展示了叠加的高斯降噪谱与源谱。优化的中心频率分别为8947赫兹、9002赫兹、9315赫兹、9050赫兹、8404赫兹、763赫兹和1318赫兹。这些频率并不完全与第一个叶片通过频率或冲击噪声频率重合。主要原因是优化目标是最大化整体声功率水平的降低。其中，五个频率位于压缩机的第一个叶片通过频率附近。它们对应的高斯函数之和确保了在该特定频率处的音调峰值被衰减，同时也有效降低了周围的频谱凸起。剩余的两个降噪频率集中在低频范围内。源谱在1000赫兹左右有一个频谱凸起；降低该区域的声压水平有助于整体降噪。图7. 叠加的高斯降噪谱与源谱。接下来，针对每个部分优化了声学管道的结构参数，目标是在其分配的目标频率处最大化降噪效果。如图8所示，消声器沿着流动方向被划分为对应于这七个目标频率的区域。负责衰减高频噪声的区域位于消声器的直线部分，而负责衰减低频噪声的区域则位于弯曲部分。对于不包含任何类似声学泡沫材料的吸音结构来说，高频噪声的降低是一个挑战。在这种情况下，高频吸音部分被放置在声音传播路径的下游，目的是利用传播路径上的所有弯曲部分来诱导高频声模式的散射。这种散射将低阶声模式转化为高阶声模式，从而降低高频噪声。图8显示了每个消声器部分对应的降噪频率划分。最后，对整个流道APU入口的总体降噪性能进行了评估。将优化的结构参数应用到入口内的相应区域。使用测试的声源谱作为输入，计算了每个频率下消声器的辐射声功率，并与在相同操作条件下的刚性壁假体进行了比较。结果得到的降噪谱如图9所示。在第一个叶片通过频率处观察到一个明显的降噪峰值，在低频范围内也实现了显著的衰减。优越的低频降噪效果可能归因于入口弯曲引起的声波反射和模态散射，这有利于低频衰减。该设计使总声功率水平降低了9 dB。图9还显示了从频率优化中获得的叠加高斯降噪曲线，以及每个单独优化部分的降噪峰值。图9所示的降噪谱表明，单个部分在其目标频率下的降噪效果低于整个流道评估所得到的总体衰减效果。这一观察结果证实了之前的预测，即相邻部分之间的阻抗差异引起的声模态散射和反射增强了整体的降噪性能。此外，与频率优化过程中假设的每个频段的降噪效果相比，整个流道的结果在低频范围（约1000 Hz）显示出显著改善，但在高频范围（约9000 Hz）则有所下降。这种差异可以归因于两个主要因素：首先是对每个单独部分在其指定频率下的衰减性能预测不准确；其次是没有考虑沿流道负责不同频率的各部分的具体空间布局。因此，实际声场与分段衬里结构之间的相互作用产生的净效应不同于各个孤立部分性能的简单叠加。这一发现强调了在所提出的设计工作流程中进行最终全流道验证的重要性。我们在这里提出了声模态散射的假设，但没有对入口内的声模态分布和变化进行定量分析。这应在未来的研究中加以解决。

4. 实验验证
通过将消声器入口处测量的辐射声功率与使用刚性壁假体元件时的辐射声功率进行比较，评估了消声器的降噪性能。测试装置如图10a所示，包括一个吸气式Roots鼓风机、一个声源部分、一个过渡部分、测试消声器（或其假体对应物）以及一个声功率测量部分。声功率测量在一个半消声室中进行，而吸气式Roots鼓风机则放置在一个单独的房间中以隔离其噪声。测量遵循ISO 3741半自由场方法，使用20个麦克风布置在一个半径为1米的半球形测量表面上[18]。如图10b所示，在地板的关键区域放置了吸音材料以最小化地板反射的影响。图10展示了用于评估APU入口消声器降噪性能的测试装置。(a) 测试装置配置和布局。(b) 实际装置的照片。声源由多个扬声器和信号发生器组成，这些设备位于空气供应附近。入口管道中的声音通过一个将流道截面从圆形转换为矩形的过渡段后进入消声器。由于高达10,000 Hz的噪声会激发超过100个开启的声模态，因此在测试中仅控制了输入噪声的频率和幅度。因此，扬声器产生的声场并不能精确复制第2.1节中测量的实际APU源的复杂多模态组成。该测试主要验证了消声器对于代表性高幅度入射场的插入损失。预测值与实验结果对于主导的BPF音调的一致性表明，该设计方法对于目标音调噪声是有效的，但对于完全代表性的模态分布的性能还需要进一步研究。

入口处的辐射声功率通过频率扫描依次进行测量，分别测量了带有消声器的情况和带有假体元件的情况。由于吸气式Roots鼓风机本身会产生一定水平的背景噪声，因此声源的信噪比（SNR）必须足够高。图11显示了安装了消声器后的测试装置的频率分辨SNR谱。显然，即使在“Max ECS”条件下，整个频率范围内的SNR也超过了3 dB，确认了声源满足了测试要求。图11展示了安装了消声器后的测试装置的频率分辨SNR谱。图12展示了在不同流速下入口消声器的实验测量降噪谱。所有条件下的谱趋势相似。在大约1600 Hz处出现了一个主要的降噪峰值，约为35 dB。在第一个叶片通过频率（约9000 Hz）附近出现了第二个明显的峰值，提供了约15 dB的衰减。在无流动条件下，消声器在高频下的降噪效果更明显。“仅轴”条件下的低频降噪峰值更为显著。“Max ECS”条件下的低频衰减带更宽，在2000–3000 Hz范围内表现出更好的性能。通过将这些结果与声源谱结合起来，计算了总声功率水平的降低量。不同流速下的结果总结在表1中。尽管降噪谱随流速变化，但总体声功率水平的降低值在各种条件下相似。图12还比较了最佳设计预测的降噪谱与实验测量曲线。预测和测量得到的降噪中心频率非常吻合。对于第一个叶片通过频率的降噪预测是准确的，而围绕1600 Hz的降噪峰值则被高估了。预测的降噪在1600 Hz处的峰值约为60 dB，这明显高估了该频率下的降噪效果。主要原因可能是预测中对声源的假设与实验条件不符。预测假设开启范围内的所有声模态强度相同，而实际声源可能主要由低阶声模态主导。低阶声模态相比高阶声模态更难以吸收。当然，这一解释是假设性的，需要通过测试声模态来确认原因。关于总体声功率水平的降低，预测值与测量数据仅相差0.1 dB。

5. 结论
本文提出了一种系统且高效的设计方法，用于飞机辅助动力单元（APU）的入口消声器，解决了与高频全流道声学优化相关的重大计算挑战。传统设计的主要障碍是计算成本过高。在整个目标频率范围（20–10,000 Hz）内进行的全流道高保真声学模拟大约需要五天时间，使得迭代优化不切实际。为了克服这一问题，所提出的方法的核心是通过最优频率选择和轴向分割来分解问题。首先，从测量的声源谱中选择几个关键的降噪中心频率，这些频率主要由第一个叶片通过频率（约9038 Hz）和冲击噪声成分主导。然后，将入口管道沿轴向划分为相应的部分。这种策略具有双重优势：(1) 它大大减少了每个子问题的计算域，将单次模拟时间缩短到大约十分钟；(2) 它主动利用了各部分之间阻抗差异引起的声模态散射来增强整体衰减，将一个实际约束转化为性能优势。这种方法的有效性基于两项并行进行的基础验证。首先，单自由度（SDOF）衬里阻抗模型（Goodrich模型）在10,000 Hz以下得到了实验验证，证实了其在传统平面波限制之外的适用性，并建立了结构参数与声学性能之间的可靠联系。其次，分段设计过程得到了严格验证。优化成功识别出七个中心频率（例如约8947、9002、763、1318 Hz），这些频率最大化了总体声功率水平的降低，而不仅仅是针对音调峰值。最终设计通过全流道模拟进行了评估，预测的总声功率水平降低了9 dB。在各种流动条件（“仅轴”、“Max ECS”和无流动）下的实验验证证实了该设计的有效性。测量的降噪谱与预测结果吻合良好，特别是在第一个叶片通过频率处（约15 dB）显示出明显的衰减峰值，以及显著的低频降低。总体加权声功率水平（OASPL）在各种条件下的降低量约为9 dB，与数值预测非常接近（相差在0.1 dB以内）。这种模拟与实验之间的紧密一致性突显了集成设计和分析工作流程的可靠性。总之，这项工作展示了一种快速而精确的APU入口消声器设计框架。通过将计算上难以处理的全尺寸优化转化为一系列可管理的、有针对性的分段设计，并智能利用波散射效应，该方法实现了显著的噪声降低，并具有高计算效率。成功的实验验证证实了所提出方法的可行性和稳健性。未来的工作可能会侧重于在声源的详细声模态信息变得可靠可测量后，基于这些信息进行设计，并分析声模态沿入口的传播分布。