轴流风扇是在工业上被广泛应用的设备,随着人们对噪声问题的逐渐关注,轴流风扇工作时所产生的气动噪声问题越来越多地被重视,而传统的计算气动噪声的实验测量手段或是数值模拟方法均需要消耗大量的人力物力以及计算资源。在此种背景下,本文提出了一种利用人工神经网络技术预测轴流风扇气动噪声的方法。通过将神经网络技术与数值模拟方法相结合,利用数值仿真得到的数据集对神经网络进行训练,该方法在测试集上的loss仅为2.55×10^-3,体现了良好的预测能力,同时可以大大缩短计算时间,在工业上具有良好的应用前景。本文包括以下内容:第一章为引言,介绍了目前得到轴流风扇气动噪声场的主流方法,包括实验测量手段和数值模拟方法,以及这些方法存在的一些问题,阐述了神经网络技术在这方面的良好应用前景和一些初步的研究应用。第二章研究了轴流风扇的噪声产生机理以及噪声源特点,推导了适用于不同情况下的气动声学方程,并对这些方程进行了分析。第三章首先介绍了数值计算方法,然后选用ANSYS Flunet仿真软件对轴流风扇进行仿真,得到了不同工况下的气动噪声声压级频谱图,并将其与实验结果对比,验证了仿真方法的有效性。第四章基于目前利用实验手段和数值模拟方法对于气动噪声求解困难的背景,提出了一种利用人工神经网络对轴流风扇气动噪声进行预估的方法。首先将流体力学理论与气动声学理论相对比,探讨神经网络特征输入量与输出量的选择,确定特征量之后,建立BP神经网络模型,在仿真数据中提取相应数据集代入神经网络进行训练,训练完成的神经网络在测试集上误差仅为2.55×10^-3,证明了该方法的可行性,该方法可以大大缩小计算量,节省计算资源与时间。第五章对本文工作做了总结,并提出了对后续工作的展望。