GPU加速高阶谱差分方法在风扇噪声中的应用

doi:10.7527/S1000-6893.2023.28941

流体力学与飞行力学

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

GPU加速高阶谱差分方法在风扇噪声中的应用

张东飞, 高军辉()

北京航空航天大学能源与动力工程学院，北京 100191

收稿日期:2023-04-28 修回日期:2023-05-17 接受日期:2023-06-16 出版日期:2024-04-25 发布日期:2023-06-27
通讯作者: 高军辉 E-mail:gaojhui@buaa.edu.cn
基金资助:
国家重点研发计划(2018YFA0703300);国家科技重大专项(J2019-II-0006-0026);国家自然科学基金(NSFC-51876003)

Application of GPU⁃accelerated high⁃order spectral difference method in fan noise

Dongfei ZHANG, Junhui GAO()

School of Energy and Power Engineering，Beihang University，Beijing 100191，China

Received:2023-04-28 Revised:2023-05-17 Accepted:2023-06-16 Online:2024-04-25 Published:2023-06-27
Contact: Junhui GAO E-mail:gaojhui@buaa.edu.cn
Supported by:
National Key Research and Development Project(2018YFA0703300);National Science and Technology Major Project(J2019-II-0006-0026);National Natural Science Foundation of China(NSFC-51876003)

摘要/Abstract

摘要：

风扇是大涵道比涡扇发动机的主要噪声源之一，准确预测风扇噪声对声学设计、噪声机制分析具有重要意义。高精度计算气动声学方法是风扇噪声计算的一个重要途径，但是由于巨大的计算资源需求，限制了其在风扇噪声计算上的应用。将图形处理器（GPU）加速计算方法应用到高阶谱差分计算气动声学求解器中，对不同的GPU和中央处理器（CPU）异构计算模式进行了测试和优化，并分析了影响异构计算效率的瓶颈。在A100 GPU卡上测试的结果表明，相比于28核的CPU计算节点，采用静止网格、运动网格的GPU计算加速比分别为20.4、14.0。将GPU加速的计算气动声学求解器应用到低速风扇噪声数值模拟中，准确预测了管道内前两阶叶片通过频率（BPF）的主导模态，与实验测量结果相比，模态声功率级误差在5 dB以内。

关键词: GPU, 异构计算, 风扇噪声, 谱差分方法, 叶轮机械

Abstract:

The fan is one of the main noise sources of the large bypass turbofan engine， and accurate prediction of fan noise is of great significance for acoustic design and noise mechanism analysis. High-precision computational aeroacoustic methods are an important approach to fan noise calculation， where， however， their application is limited due to the enormous computational resource requirements. This paper applies GPU-accelerated computing methods to a high-order spectral difference computational aeroacoustic solver， tests and optimizes different GPU/CPU heterogeneous computing modes， and analyzes the bottlenecks affecting heterogeneous computing efficiency. Test results on a single A100 GPU card show that the GPU computational speed-up ratios are 20.4 and 14.0 for stationary and rotating grids， respectively， compared with a dual-CPU 28-core computing node. Finally， this paper applies the GPU-accelerated computational aeroacoustic solver to the numerical simulation of low-speed fan noise， accurately predicting the dominant modes of the first two orders of Blade Passage Frequency （BPF） in the duct. Compared with the experimental results， the error in the modal sound power level is within 5 dB.

Key words: GPU, heterogeneous computing, fan noise, spectral difference method, turbomachinery

中图分类号:

V211.3

张东飞, 高军辉. GPU加速高阶谱差分方法在风扇噪声中的应用[J]. 航空学报, 2024, 45(8): 128941-128941.

Dongfei ZHANG, Junhui GAO. Application of GPU⁃accelerated high⁃order spectral difference method in fan noise[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(8): 128941-128941.

图/表 27

图 1

图 2

图 3

图 4

表 1

图 5

图 6

图 7

图 8

表 2

图 9

图 10

图 11

图 12

图 13

图 14

图 15

表 3

图 16

图 17

图 18

图 19

图 20

图 21

图 22

图 23

图 24

参考文献 28

1	ENVIA E. Fan noise reduction： an overview［J］. International Journal of Aeroacoustics， 2002， 1（1）： 43-64.
2	ENVIA E， WILSON A G， HUFF D L. Fan noise： A challenge to CAA［J］. International Journal of Computational Fluid Dynamics， 2004， 18（6）： 471-480.
3	TAM C K W. Computational aeroacoustics： an overview of computational challenges and applications［J］. International Journal of Computational Fluid Dynamics， 2004， 18（6）： 547-567.
4	NVIDA CUDA c programming guide［EB/OL］. ［2020-10-31］. .
5	NVIDIA A 100 tensor core GPU［EB/OL］. ［2020-10-31］. .
6	Intel Xeon Platinum 8376HL Processor［EB/OL］. ［2020-10-31］. .
7	NVIDIA H 100 tensor core GPU［EB/OL］. ［2022-10-31］. .
8	鞠鹏飞，宁方飞. GPU平台上的叶轮机械CFD加速计算［J］. 航空动力学报， 2014， 29（5）： 1154-1162.
	JU P F， NING F F. Accelerated CFD computing of turbomachinery on GPU platform［J］. Journal of Aerospace Power， 2014， 29（5）： 1154-1162 （in Chinese）.
9	张翔，黄秀全. 基于图形处理器加速的叶轮机流场数值模拟研究［J］. 科学技术与工程， 2013， 13（11）： 3195-3199.
	ZHANG X， HUANG X Q. An accelerated numerical simulation research on flows in turbomachines based on graphics hardware［J］. Science Technology and Engineering， 2013， 13（11）： 3195-3199 （in Chinese）.
10	曹文斌，李桦，谢文佳，等. 应用多GPU的可压缩湍流并行计算［J］. 国防科技大学学报， 2015， 37（3）： 78-83.
	CAO W B， LI H， XIE W J， et al. Parallel computation of compressible turbulence using multi-GPU clusters［J］. Journal of National University of Defense Technology， 2015， 37（3）： 78-83 （in Chinese）.
11	吴建松，许声弟，胡啸峰. 基于光滑粒子流体动力学方法与GPU并行计算的阶梯流数值模拟［J］. 科学技术与工程， 2016， 16（23）： 59-63.
	WU J S， XU S D， HU X F. Numerical modeling of flooding over underground staircases using GPU-based SPH method［J］. Science Technology and Engineering， 2016， 16（23）： 59-63 （in Chinese）.
12	ZIMMERMAN B J， WANG Z J， VISBAL M R. High-order spectral difference： Verification and acceleration using GPU computing［C］∥ Proceedings of the 21st AIAA Computational Fluid Dynamics Conference. Reston： AIAA， 2013.
13	MIAO S M， ZHANG X， PARCHMENT O G， et al. A fast GPU based bidiagonal solver for computational aeroacoustics［J］. Computer Methods in Applied Mechanics and Engineering， 2015， 286： 22-39.
14	VERMEIRE B C， WITHERDEN F D， VINCENT P E. On the utility of GPU accelerated high-order methods for unsteady flow simulations： A comparison with industry-standard tools［J］. Journal of Computational Physics， 2017， 334： 497-521.
15	VANDENHOECK R， LANI A. Implicit high-order flux reconstruction solver for high-speed compressible flows［J］. Computer Physics Communications， 2019， 242： 1-24.
16	LIU Y， VINOKUR M， WANG Z J. Spectral difference method for unstructured grids I： Basic formulation［J］. Journal of Computational Physics， 2006， 216（2）： 780-801.
17	WANG Z J， LIU Y， MAY G， et al. Spectral difference method for unstructured grids II： Extension to the Euler equations［J］. Journal of Scientific Computing， 2007， 32（1）： 45-71.
18	SUN Y Z， WANG Z J， LIU Y. High-order multidomain spectral difference method for the navier-stokes equations［C］∥ Proceedings of the 44th AIAA Aerospace Sciences Meeting and Exhibit. Reston： AIAA， 2006： AIAA2006-301.
19	GAO J H. A sliding-mesh interface method for three dimensional high order spectral difference solver［J］. Journal of Computational Physics， 2022， 454： 110988.
20	STANESCU D， HABASHI W G. 2N-storage low dissipation and dispersion runge-kutta schemes for computational acoustics［J］. Journal of Computational Physics， 1998， 143（2）： 674-681.
21	HERGT A， MEYER R， LIESNER K， et al. A new approach for compressor endwall contouring［C］∥Proceedings of ASME 2011 Turbo Expo： Turbine Technical Conference and Exposition. New York： ASME， 2011： 177-186.
22	DUAN Z W， JIA F L， WANG Z J. Sliding mesh and arbitrary periodic interface approaches for the high order FR/CPR method［C］∥ Proceedings of the AIAA Scitech 2020 Forum. Reston： AIAA， 2020.
23	SUTLIFF D L. A 20 year retrospective of the advanced noise control fan–contributions to turbofan noise research［C］∥ Proceedings of the AIAA Propulsion and Energy 2019 Forum. Reston： AIAA， 2019.
24	HU F. On the construction of PML absorbing boundary condition for the non-linear Euler equations［C］∥Proceedings of the 44th AIAA Aerospace Sciences Meeting and Exhibit. Reston： AIAA， 2006.
25	BU H X， HUANG X， ZHANG X. A compressive-sensing-based method for radial mode analysis of aeroengine fan noise［J］. Journal of Sound and Vibration， 2020， 464： 114930.
26	MANN A， PEROT F， KIM M S， et al. Advanced noise control fan direct aeroacoustics predictions using a lattice-boltzmann method［C］∥ Proceedings of the 18th AIAA/CEAS Aeroacoustics Conference （33rd AIAA Aeroacoustics Conference）. Reston： AIAA， 2012.
27	MCALLISTER J， LOEW R， LAUER J， et al. The advanced noise control fan baseline measurements［C］∥ Proceedings of the 47th AIAA Aerospace Sciences Meeting including The New Horizons Forum and Aerospace Exposition. Reston： AIAA， 2009.
28	DAROUKH M， LE GARREC T， POLACSEK C. Low-speed turbofan aerodynamic and acoustic prediction with an isothermal lattice boltzmann method［J］. AIAA Journal， 2022， 60（2）： 1152-1170.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

参数	参数值
进口马赫数	0.67
进气角/（°）	132
安装角/（°）	112.5
弦长/mm	40
叶高/mm	40
节距/mm	22

GPU数量	1	2	3	4
A100加速比	20.4	39.5	58.0	75.5
并行效率/%		96.8	94.8	92.5

变量	数值
机匣直径/m	1.219 2
转子数	16
静子数	14
转子间隙/m	0.000 76
转速/（r·min^-1）	1 800

[1]	张健, 李瑞田, 邓亮, 代喆, 刘杰, 徐传福. 面向多核CPU/众核GPU架构的非结构CFD共享内存并行计算技术[J]. 航空学报, 2024, 45(7): 128888-128888.
[2]	刘汉儒, 陈南树, 刘宇, 胡之颉. 多孔介质流动控制及气动降噪研究进展[J]. 航空学报, 2023, 44(16): 27923-027923.
[3]	刘晓恒, 周成华, 宋满祥, 金东海, 桂幸民. 基于通流方法的某涡喷发动机整机数值仿真[J]. 航空学报, 2020, 41(1): 123199-123199.
[4]	邱滋华, 徐敏, 张斌, 梁春雷. 适用于涡激振荡问题研究的并行高精度方法[J]. 航空学报, 2019, 40(3): 122483-122483.
[5]	赖剑奇, 李桦, 张冉, 常青. 多GPU并行可压缩流求解器及其性能分析[J]. 航空学报, 2018, 39(9): 121944-121953.
[6]	杨金广, 王春雪, 王大磊, 邵伏永, 杨晨, 吴虎. 基于时间推进的通流计算方法:现状及展望[J]. 航空学报, 2017, 38(9): 520996-520996.
[7]	张伟光, 王晓宇, 孙晓峰. 叶片弯掠组合设计对风扇气动噪声的被动控制[J]. 航空学报, 2017, 38(2): 120265-120273.
[8]	许坤波, 乔渭阳, 常心悦, 银涛, 霍施宇. 基于组合传声器阵列方法的风扇宽频噪声[J]. 航空学报, 2017, 38(12): 121324-121324.
[9]	许坤波, 乔渭阳, 霍施宇, 程颢颐, 仝帆. 基于旋转轴向阵列的风扇宽频噪声实验[J]. 航空学报, 2017, 38(11): 121132-121132.
[10]	许坤波, 乔渭阳, 王良峰, 仝帆. 轴流风扇宽频噪声声功率实验研究[J]. 航空学报, 2015, 36(9): 2939-2946.
[11]	胡国暾, 杜林, 孙晓峰. 基于浸入式边界法的叶栅颤振数值模拟[J]. 航空学报, 2015, 36(7): 2269-2278.
[12]	王良锋, 乔渭阳, 纪良, 仝帆. 基于流场/声场混合模型的叶轮机械单音噪声研究[J]. 航空学报, 2014, 35(9): 2481-2490.
[13]	胡国暾, 杜林, 孙晓峰. 基于浸入式边界法的振荡转子叶片数值模拟[J]. 航空学报, 2014, 35(8): 2112-2125.
[14]	杨金广, 吴虎. 双方程k-ω SST湍流模型的显式耦合求解及其在叶轮机械中的应用[J]. 航空学报, 2014, 35(1): 116-124.
[15]	邹正平;徐力平. 叶轮机三维非定常流动数值模拟的研究[J]. 航空学报, 2001, 22(1): 10-14.

GPU加速高阶谱差分方法在风扇噪声中的应用

Application of GPU⁃accelerated high⁃order spectral difference method in fan noise

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 27

参考文献 28

相关文章 15

编辑推荐

Metrics

本文评价