计算航空声学

玻尔百科

核心要点

Lighthill 声学比拟通过重构流体动力学方程，将声传播与其湍流源分离开来，为计算航空声学（CAA）提供了理论基础。
混合 CAA 方法是一个两步过程：首先，通过流体动力学模拟捕捉噪声源；其次，通过声学模型将声音传播到远场。
流动的性质决定了主导声源的类型，从自由湍流中效率低下的四极子，到燃烧等过程中效率极高的单极子。
CAA 是一种重要的诊断工具，可帮助工程师识别噪声“热点”，理解如射流尖啸等反馈回路，并指导降噪策略。
该领域具有深度跨学科性，推动了高性能计算、数值方法和不确定性量化等领域的进步，以解决航空航天和推进领域的复杂问题。

引言

预测流体流动产生的声音——从喷气发动机的轰鸣到风力涡轮机的嗡嗡声——是现代工程中最复杂的挑战之一。其根本困难在于，如何从湍流流体运动的混乱、高能大漩涡中，分离出作为微小压力脉动的微弱声波。我们如何在计算上“于飓风中聆听细语”？本文通过探索计算航空声学（CAA）这一建立在优雅物理学和复杂数值技术之上的学科来回答这个问题。首先，在“原理与机制”部分，我们将深入探讨 Lighthill 声学比拟这一奠基性的突破，它为识别流动中的声源提供了框架。我们将学习如何对这些声源进行分类，并理解用于模拟其产生和传播的主要计算策略。随后，“应用与跨学科联系”部分将展示这些原理如何应用于解决实际问题，从诊断噪声机制到推动超级计算的边界，揭示将复杂方程转化为可闻现实的艺术与科学。

原理与机制

我们如何预测湍急河流的声音、喷气发动机的轰鸣，或是风拂过飞机机翼的低语？在这些场景中，空气是混乱涡流和旋涡的狂流，是流体动力学的复杂舞蹈。而声音，则是一种微妙的压力波，是在空气中传播的微小涟漪。计算航空声学的挑战，正是在雷鸣般的流体动力学运动中找到这微弱的声学信号。解决这个问题的历程，是物理直觉与数学优雅之美的绝佳体现。

声学比拟：天才之举

现代航空声学的故事始于 20 世纪 50 年代，当时英国物理学家 James Lighthill 爵士的任务是理解新开发的喷气发动机的噪声。Lighthill 并没有试图求解极其复杂、完全耦合的流体运动和声产生方程，而是在一个深刻的洞察时刻，决定玩一个数学游戏。

他从支配流体流动的精确、无可否认的物理定律——质量守恒和动量守恒——出发。然后，他巧妙地重新排列了这些方程。在他新方程的一边，他放置了简单的线性波动算子 $(\frac{1}{c_0^2}\frac{\partial^2}{\partial t^2} - \nabla^2)$ ，它描述了纯净声波如何在完全静止、均匀的介质中传播。在另一边，他把其他所有东西——所有复杂、非线性和混乱的流体动力学部分——都归拢在一起。

结果是这样一个方程：

\left(\frac{1}{c_0^2}\frac{\partial^2}{\partial t^2} - \nabla^2\right) \rho' = \frac{\partial^2 T_{ij}}{\partial x_i \partial x_j}

这就是 Lighthill 声学比拟。这是一个具有非凡力量和美感的表述。它表明，我们可以想象复杂的湍流根本没有发生。相反，我们可以认为声音是由一组“等效”声源产生的，由右侧的项表示，这些声源向平静、静止的大气中辐射。 $T_{ij}$ 项，即所谓的 Lighthill 应力张量，充当声源。它包含了湍流动量通量 ( $\rho u_i u_j$ )、与声学密度变化无关的压力变化以及粘性应力的物理内涵。通过这种巧妙的分离，Lighthill 将一个纠缠不清的产生与传播问题，转化为了两个更易于处理的部分：首先，找出声源；其次，弄清楚它们的声音如何传播。

声源的大千世界

Lighthill 方程右侧声源项的结构告诉我们正在产生何种声音。声学家根据声源的几何辐射模式对其进行分类，很像天线。三种基本类型是单极子、偶极子和四极子。

四极子：自由湍流之声

Lighthill 的声源项 $\frac{\partial^2 T_{ij}}{\partial x_i \partial x_j}$ 具有一种被称为四极子的结构。想象两对扬声器，略有偏移，异相搏动。这种布置不会产生净体积变化，也没有净作用力，但它有效地“拉伸”和“挤压”周围的介质。这正是在自由射流中湍流所做的事情。涡流旋转和变形，在流体中产生脉动的应力，而没有任何固体物体可供推抵。

这种四极子性质带来了一个深远的结果。四极子在产生声音方面效率极低。一个简单的标度分析表明，对于速度为 $U_j$ 的射流，这些湍流四极子辐射的声功率与射流马赫数 $M_j = U_j/c_0$ 的八次方成正比。

P_{\text{quadrupole}} \propto M_j^8

这就是著名的 Lighthill 八次方律。它解释了为什么早期的低速喷气机相对安静，但随着速度的增加，噪声变成了一个巨大的问题——将射流速度加倍，噪声功率会增加 $2^8 = 256$ 倍！

偶极子：力之声

如果湍流遇到固体物体，比如喷气发动机的挂架或飞机的起落架，会发生什么？此时，非定常流动在表面上施加了一个脉动力。这个非定常力反作用于流体，就像一个振动的活塞。这是一种效率高得多的声产生方式。在声学比拟的语言中，这是一个偶极子源。Curle 对 Lighthill 理论的扩展表明，固体边界会引入这些偶极子项，它们与表面上的非定常压力和剪切力有关。

偶极子的声功率与马赫数的六次方成正比：

P_{\text{dipole}} \propto M_j^6

对于低马赫数 ( $M_j \ll 1$ )， $M_j^6$ 远大于 $M_j^8$ 。这告诉我们一个关键信息：对于低速流动，流动与固体表面相互作用产生的声音几乎总是主导于尾流中自由湍流产生的声音。

单极子：位移之声

还有一种效率更高的声源：单极子。单极子简单来说就是一个周期性地向某点增加或移除质量的源，就像一个被充气和放气的小气球。这会导致净体积变化。在航空声学中，这可能通过非定常燃烧发生，其中热释放引起快速热膨胀；或者通过螺旋桨叶尖涡的脉动排气发生。

单极子是声学效率之王，其功率与马赫数的四次方成正比：

P_{\text{monopole}} \propto M_j^4

在像大涡模拟（LES）这样的模拟环境中，流动被分离为解析的大尺度和模拟的小尺度，每种声源类型都既有来自解析的湍流运动的贡献，也有来自模拟的亚格子尺度湍流的贡献。在任何航空声学分析中，理解哪种声源类型占主导地位都是第一步。

混合策略：从比拟到计算

Lighthill 的比拟提供了理论框架，但我们如何用它来获得数值和预测？这就是 CAA 中“计算”部分的作用所在，通常通过混合方法实现。这是一个两步过程：

流动模拟：首先，使用标准的计算流体动力学（CFD）方法（如 LES 或 RANS）求解完整、复杂的流体动力学方程。该模拟专注于精确捕捉流体动力学流场——湍流、边界层、力。我们在这里不试图解析微小的声波。这一步的输出是流场的详细时间历程，它将作为我们的“源数据”。
声传播：其次，使用来自 CFD 模拟的源数据来计算辐射到远场的声。对于这第二步，有两条主要路径，每条都有其自身的理念。

路径 1：用 FW-H 积分从远处聆听

第一条路径是 Lighthill 比拟的直接应用，其强大的形式被称为 Ffowcs Williams-Hawkings (FW-H) 方程。想象一下，你想知道远处单个麦克风处的声音。FW-H 方法提供了一种更直接的方式，而不是模拟声波在整个空间中的传播。

我们可以画一个数学表面，它可以是物理物体的表面，也可以是流动中包围所有重要噪声源的更大可穿透表面。然后，FW-H 积分解就像一个神奇的聆听设备。它说：“只要告诉我这个表面上每一时刻的压力和速度脉动，我就能准确地告诉你麦克风处的声音会是什么样。”

为此，积分使用一个称为自由空间格林函数的特殊数学工具。这个函数是简单波动方程的基本解；它代表一个从时空中单一点发出的完美的、球形的压力脉冲。积分的魔力在于，它将你控制表面上所有微小源元的贡献相加，但有一个关键的转折：它不是在你听到声音的时刻评估每个源，而是在延迟时间。这是发射时间 $t_r$ ，计算方法是观察者时间 $t$ 减去声音从声源传播到观察者所需的时间 $R/c_0$ ： $t_r = t - R/c_0$ 。这是对因果律的一个优美而简单的表达——你只能在闪电之后才能听到雷声。

对于运动声源，如直升机桨叶，这个计算变得更加复杂。距离 $R$ 不断变化，声源的运动引入了多普勒频移。巧妙的数学重排，例如 Farassat 的 1A 和 1B 公式，使得这些复杂的计算变得可行和稳健，让工程师能够准确预测旋翼独特的“呼-呼”声。

然而，这种优雅的方法有一个显著的致命弱点。标准的自由空间格林函数假设声音在静止介质中以恒定速度沿直线传播。但如果声音必须穿过喷气机热的、旋转的尾流呢？平均流会携带声音（对流），温度梯度会使声波弯曲（折射），就像透镜弯曲光线一样。基于自由空间格林函数的标准 FW-H 计算对这些效应是盲目的。它假设声音从控制面传播到观察者，就好像它必须穿过的复杂流场根本不存在一样。

路径 2：用扰动方程在复杂介质中导航

当对流和折射很重要时，我们需要一种能理解声音如何穿过复杂介质传播的方法。这就引出了第二条路径：求解一组声学扰动方程（APE）或线性化欧拉方程（LEE）。

这里的理念不同。我们同样从使用 CFD 计算一个定常平均流开始。但现在，我们不是用那个流来定义抽象的声源，而是用它作为声波传播的背景介质。我们围绕这个复杂的、非均匀的平均流将完整的流体动力学方程线性化。这产生了一组新的方程，它们支配着小的声学扰动（ $p'$ , $\mathbf{u}'$ ）如何演化和传播。这些方程中的算子内在地包含了平均流速度 $\mathbf{U}(\mathbf{x})$ 和变化的声速 $c(\mathbf{x})$ 。

当我们在网格上数值求解这些方程时，我们直接模拟了对流和折射的过程。我们可以“看到”声波被流动携带和弯曲。这为复杂流动区域内部和附近的声场提供了更物理上准确的图像，这对于预测喷气发动机核心产生的声如何被射流本身屏蔽等问题至关重要。

数值模拟的艺术

这两条路径最终都得到一组必须在计算机上求解的方程，而这最后一步引入了其自身一系列航空声学特有的迷人挑战。

首先，是尺度的挑战。在典型的空气动力学流动中，流速 $U$ 可能为 $50 \text{ m/s}$ ，而声速 $c$ 约为 $340 \text{ m/s}$ 。显式数值格式的稳定性由 Courant-Friedrichs-Lewy (CFL) 条件决定，该条件指出信息在每个时间步内不能传播超过一个网格单元。在 CAA 模拟中，最快的信息是随流传播的声波，速度为 $U+c$ 。这个速度远快于支配纯空气动力学模拟的流速 $U$ 。因此，CAA 模拟被迫采用极小的时间步长，使其计算成本远高于其空气动力学对应物。

其次，波本身必须被精确地表示。当我们将一个连续的波放到一个离散的点网格上时，我们会引入误差。一个差的数值格式可能会人为地衰减波，像一张失焦的照片一样将其抹糊；这被称为数值耗散。或者，它可能使不同频率以略微不同的速度传播，导致一个最初尖锐的脉冲散开成一串涟漪；这被称为数值色散。由于声波本身就是微小的扰动，即使是少量的数值耗散也可能在远场噪声预测所需的长传播距离上完全摧毁信号。因此，CAA 依赖于专门的高阶、低耗散格式，这些格式旨在保持波在网格上传播时的完整性。

最后，计算机模拟是有限的，而世界是无限的。我们需要创建无反射边界条件，让声波能够干净地传出计算域，而不会产生污染解的虚假反射。这些方法中最优雅的基于一个深刻的物理思想：特征分析。通过将流动方程分解为其基本波分量（黎曼不变量），我们可以准确地识别哪些波正在离开域，哪些正在进入。在边界处，我们便可以指定入射波的属性，同时允许出射波不受阻碍地通过，从而有效地创建一个完全透明、无反射的边界。

从 Lighthill 的比拟到数值稳定性和边界条件的复杂舞蹈，计算航空声学是一个建立在层层物理洞察之上的领域。它证明了我们有能力剖析一个复杂的自然现象，将其重塑为可计算的形式，并一丝不苟地克服模拟的挑战，以预测像声音这样短暂而普遍存在的东西。

应用与跨学科联系

现在我们已经探索了运动如何产生声音的基本原理，我们可能会觉得我们的旅程已经完成。我们有了优美、紧凑的方程，比如 Lighthill 声学比拟，它们似乎掌握着喷气发动机的轰鸣、风的低语或火箭的咆哮的秘密。但正如任何物理学家所知，方程不是领土，而是地图。真正的冒险，对我们理解的真正考验，始于我们尝试使用这张地图来导航复杂、混乱且充满奇妙错综细节的真实世界。

这就是计算航空声学（CAA）真正焕发生机的地方。它是将这些优雅的物理原理转化为具体的数值预测的艺术与科学。这是一个充满迷人挑战并与其他科学和工程分支有着深刻联系的领域。让我们踏上这段应用的旅程，看看我们如何用超级计算机聆听宇宙。

模拟的艺术：从理论到实践

想象一下，你的任务是预测湍流射流的噪声。你从一个详细的模拟中获得了完整的、非定常的流场——一个流体微团的旋转、混乱的舞蹈。你的第一个挑战是应用 Lighthill 的比拟。理论告诉我们声源是 Lighthill 张量 $T_{ij}$ ，一个涉及流体动量和压力脉动的量。但你如何从你的模拟数据中实际计算它呢？你必须计算一个湍流场的空间导数，这是一个充满数值风险的过程。你得到的答案关键取决于你使用的“尺子”。一把简单、粗糙的尺子（如低阶数值格式）可能会漏掉精细的细节并给你错误的答案，而一把高精度的谱方法“尺子”则会给出更准确的结果。此外，许多模拟如大涡模拟（LES）有意地滤掉了最小尺度的湍流。这种滤波虽然对流体动力学模拟是必要的，但会显著改变计算出的声源。因此，一个 CAA 的实践者必须是一个谨慎的数值工匠，不断地质疑计算工具如何影响他们寻求的物理结果。

接下来，你面临另一个或许更深层次的问题。你想计算远处的声场，但你的计算机内存和速度有限。你不可能模拟一个延伸到无穷大的域。你必须在你的源区周围画一个盒子并宣布：“此线之外，我的模拟结束。”但在这个人为的边界上会发生什么？一个出射的声波必须穿过它并消失，永不再见。如果边界设计得不完美，波会反射回你的域中，就像一个小房间里的回声，污染你的整个解。

设计这些“无反射”或“消声”边界条件是一个优美的波物理问题。对于静止空气中的简单声波，解决方案相对直接。但如果声音正在穿过一股移动的气流传播，就像离开喷气发动机时那样呢？波被流携带，它的群速度 $\mathbf{V}_g = \mathbf{U}_\infty + c_\infty \mathbf{n}$ 是流速 $\mathbf{U}_\infty$ 和波传播方向 $\mathbf{n}$ 上的声速 $c_\infty$ 的和。边界必须被设计成能吸收那些因平均流而改变了到达角度和速度的波。这通常涉及创建一个“海绵层”，即计算域中逐渐施加人工阻尼以在波撞击硬外壁之前轻轻耗散其能量的区域。

在更复杂的流中，问题变得更加微妙和迷人。考虑涡轮机内部的旋转流。在这里，我们必须记住，并非流体中的所有脉动都是声音。流体还可以携带涡量扰动（涡旋）和熵扰动（热点或冷点）。一个设计良好的边界条件必须足够智能，能够区分这些不同类型的波。它必须让声波干净地传出，同时对可能穿过边界的涡量扰动保持透明。一个“天真”的声学边界条件可能会看到与一个经过的涡相关联的速度脉动，将其误解为声音，并产生一个完全虚假的声反射。要构建一个更好的边界条件，必须首先使用控制方程来理解涡如何在旋转流中创建其自身的速度特征，然后在判断什么是声音之前从总信号中减去这个特征。这需要深刻的物理洞察力来设计一个更智能的数值工具，一个能够分离流体不同物理模式的工具。

揭露声源：CAA 作为一种诊断工具

除了简单地预测总噪声外，CAA 还是一个无与伦比的诊断工具，用于理解流动为何嘈杂。声音究竟来自哪里？哪些物理机制是罪魁祸首？

通过分析整个流场中的 Lighthill 声源项 $T_{ij}$ ，我们可以创建声产生“热点”的图谱。但这些热点是什么？它们通常不是随机的。使用像本征正交分解（POD）这样的数学技术，我们可以从湍流中提取出能量最强的、“相干”的结构——想象一下在剪切层中卷起的大型、有组织的涡。CAA 允许我们提问：声源热点是否与这些大尺度涡在空间上相关？答案通常是肯定的。通过计算声源的质心和空间范围，我们可以将我们方程中抽象的声源项与我们可以直观看到和理解的流体切实的、旋转的运动直接联系起来。

这种诊断能力对于解决特定的航空声学现象至关重要，其中最著名的之一是“射流尖啸”。在某些条件下，超声速射流不会产生平滑的宽带轰鸣声，而是产生刺耳的、离散的音调。这是一个反馈回路的结果。射流剪切层中的一个大尺度不稳定性向下游传播，在与射流的激波串结构相互作用时产生强大的声爆。这个声音随后在射流外部向上游传播，回到喷管唇口。在那里，它“触发”了流动，播下一个与第一个完全同相的新不稳定性。回路闭合，系统变成一个强大的声学谐振器。CAA 允许我们对整个回路进行建模，将其分解为其组成部分：不稳定性的下游对流、声波的上游传播，以及与声产生和喷管处可接受性相关的相位滞后。通过确保环路周围的总相位建设性地闭合，即等于 $2\pi$ 的整数倍，我们可以推导出射流尖啸频率的预测公式。

这种区分不同声源和机制的能力在选择正确的建模策略时也至关重要。Lighthill 的原始理论描述了分布在整个湍流体积中的声源。然而，一个数学上等效的公式，即 Ffowcs Williams–Hawkings (FW–H) 比拟，将这些源重塑为表面积分和体积积分的组合。对于许多应用，人们很想通过只保留表面积分来简化问题，这代表了由固体上的非定常压力（载荷）产生的噪声。但这种简化总是有效的吗？考虑一下流过深腔开口（就像对着瓶口吹气）产生的噪声。主要的声产生机制是跨越腔口的剪切层的振荡。在这种情况下，最重要的声源是湍流剪切层内的体积四极子，而不是固体腔壁上的脉动压力。忽略这些体积源的模拟将无法捕捉到产生的响亮、纯音。一个明智的航空声学家必须运用他们的物理直觉来决定一个简化的基于表面的模型是否足够，或者是否必须保留声源的完整体积性质。

构筑跨学科桥梁

计算航空声学的影响范围远远超出了传统的流体动力学，与许多其他科学学科形成了至关重要的联系。

燃烧与推进： CAA 最具戏剧性和关键性的应用之一是在热声学研究中——即声与热的相互作用，特别是在火箭发动机和燃气轮机等燃烧系统内。在这些环境中，火焰的非定常热释放可以作为强大的声源。这些声波随后可以在燃烧室中传播并与火焰相互作用，导致其燃烧得更剧烈或更不剧烈。如果热释放脉动与压力振荡锁相，可能会发生灾难性的反馈回路，导致剧烈的不稳定性，从而摧毁发动机。预测这种不稳定性的关键在于瑞利准则，该准则指出，如果平均而言，热量在高压时加入，在低压时移除，则系统会获得能量。准确预测这一点需要非凡的数值保真度。即使是一个微小的数值误差，如果改变了压力波和热释放之间的相位，也可能将预测从一个稳定的发动机变为一个不稳定的发动机。因此，对数值格式的分析，确保其耗散（振幅）和色散（相位）误差都被最小化，不仅仅是一个学术练习，而是关乎工程生死存亡的问题。

高性能计算： CAA 模拟是科学领域计算要求最高的任务之一。解析从最小的湍流涡到最长的声波长的巨大尺度范围，可能需要数十亿个点的网格，并在世界上最大的超级计算机上花费数月的时间。这推动了计算机科学和计算工程的边界。通常会采用“多速率”或“多物理场”方法，即在源区运行计算成本高昂的流体动力学模拟，并与用于声传播的更高效的 CAA 模拟耦合。这两个求解器可能具有截然不同的特性和最优的时间步长。这就产生了一个有趣的负载均衡问题：如果你有一台拥有 $P_{\text{tot}}$ 个处理器的超级计算机，你如何将它们在流体动力学任务 ( $P_f$ ) 和声学任务 ( $P_a$ ) 之间进行分配，以便在最短的时间内得到答案？答案取决于每个求解器的内在成本，它们随处理器数量增加的扩展性如何（由阿姆达尔定律决定），以及它们需要同步的频率。解决这个问题是一个纯粹的优化问题，将物理学与计算机科学融合，使棘手的问题变得可行。

先进数值方法： CAA 的巨大成本也刺激了数值算法的创新。一个强大的策略是使用混合方法与自适应网格加密（AMR）相结合。其思想是为正确的工作使用正确的工具。在“近场”，湍流源很复杂，我们使用像 LES 这样的高保真模型。在“远场”，声音只是简单传播，我们可以切换到更廉价的模型，如线性化欧拉方程（LEE）。为了使之可行，必须极其小心地处理两个域之间的接口，使用基于特征的条件，允许信息从 LES 域流出并进入 LEE 域，而不会产生虚假反射。此外，在声学域内，AMR 充当“计算显微镜”，自动在波形复杂的区域放置更精细的网格，在波形简单的区域放置更粗糙的网格。这需要复杂的算法在网格级别之间传递信息，这些算法能够守恒质量和动量等基本量，并且旨在保持波的相速度以避免网格接口本身引起的人为散射。

前沿：在不确定的世界中寻求确定性

我们已经建造了这些宏伟的计算大厦，这些错综复杂的现实模型。但我们必须保持作为科学家的谦逊，并追问：我们应该在多大程度上信任我们的预测？这个问题将 CAA 推向了其最后的疆域：不确定性量化（UQ）领域。

CAA 预测中的不确定性来自两个不同的来源。首先是偶然不确定性，这是世界固有的随机性。喷气发动机的流入条件永远不会完全稳定；湍流强度和长度尺度时时刻刻都在波动。这是我们只能用统计方法描述的不可约减的随机性。其次是认知不确定性，这是我们自身知识的缺乏。我们的湍流模型是不完美的；我们的声源比拟是近似的。这是模型本身的不确定性，我们有可能通过将我们的预测与实验数据进行比较来减少它。

一个现代的 CAA UQ 框架旨在解决这两个问题。使用贝叶斯统计的工具，我们可以构建代表我们在模型参数中不确定性的层次模型。然后，我们可以使用例如声压级（ $SPL$ ）的实验测量来了解这些参数并减少我们的认知不确定性。最终的预测不是一个单一的数字，而是一个概率分布。使用全方差定律，我们便可以将我们预测的总方差分解为来自世界偶然随机性的部分和来自我们模型中剩余认知不确定性的部分。此外，通过进行全局灵敏度分析，我们可以确定哪些不确定输入——无论是流入湍流、模型参数，还是它们的相互作用——对我们最终答案的不确定性贡献最大。这是最终的目标：不仅提供一个预测，而且对我们对该预测的信心进行诚实的评估。

从数值微分的实际操作到量化不确定性的宏大挑战，计算航空声学的应用构成了一幅丰富多彩的织锦画。这是一个要求对物理和计算有双重掌握的领域，作为回报，它为我们提供了一个独特的窗口，让我们窥见我们周围充满活力的、有声的世界。