高速舰船如何"又快又安静"？CFD+响应面+LES，让推进器效率与低噪声兼得
推进系统是舰船实现高速航行的“心脏”，其推进效率、振动水平和水下噪声性能直接影响舰船的航速、经济性以及隐身能力。随着高速舰船不断向更高航速、更低噪声方向发展，传统螺旋桨推进器在高速工况下面临空化严重、效率下降以及非定常激励增强等问题，新型浸没式喷射推进器、泵喷推进器等高性能推进形式逐渐成为研究热点。然而，推进器设计并不是简单调整叶片形状即可完成。推进器内部存在高速旋转流动、叶尖泄漏涡、复杂压力脉动以及空化等多种复杂流体现象，这些因素共同决定了推进性能和噪声水平。
近年来，随着计算流体力学（CFD）、优化算法以及高精度实验技术的发展，研究人员开始通过多目标优化设计与非定常流场预测方法，实现推进器效率提升与低噪声控制的协同优化。接下来我们围绕推进器优化设计与低频宽带力噪声预测技术，介绍高速舰船推进系统面临的关键问题，以及CFD数值模拟、响应面优化方法、大涡模拟（LES）等先进技术如何帮助推进器实现“更快、更稳、更安静”的发展目标。
一、为什么高速舰船需要新型推进器？
对于高速舰船而言，推进系统不仅决定“能不能跑得快”，还决定“能不能安静地运行”。传统螺旋桨推进技术经过长期发展，具有结构成熟、可靠性高等优势，但随着舰船航速不断提高，其局限性逐渐显现。当航速超过一定范围后，螺旋桨叶片高速旋转会导致局部压力降低，诱发空化现象。空化不仅会降低推进效率，还会产生强烈的水动力脉动和水下噪声，影响舰船声学隐身性能。
相比传统螺旋桨，浸没式喷射推进器采用水下进流和喷射形式，能够改善推进器入口流场，使流动更加均匀，同时缩短轴系长度，降低轴系振动。此外，其封闭式导管结构能够有效抑制部分噪声传播，因此在高速舰船领域具有重要应用潜力。相关研究指出，浸没式喷射推进技术在40节以下宽航速范围内具有较好的综合性能优势，并具备较强抗空化能力和较低水下声辐射特性。
二、从“经验设计”走向“智能设计”的推进器优化
过去推进器设计主要依靠经验公式和试验修正。例如，设计人员根据船舶速度、功率需求以及已有推进器数据库确定叶片参数，再通过模型试验不断调整。
但是，现代高速舰船对推进器提出了更高要求：①更高效率；②更强抗空化能力；③更低振动噪声；④更宽工作范围。
传统设计方法难以同时满足多个目标，因此需要引入现代优化设计方法。目前，研究人员通常采用：计算流体力学（CFD）+参数优化算法+实验验证的技术路线。以浸没式喷射推进器优化设计为例，研究人员首先基于轴流泵理论建立初始推进器模型，然后选取影响性能的重要几何参数，例如：转子叶尖前缘角；转子叶尖尾缘角；定子叶片角度；导管结构参数。
随后利用中心复合设计（CCD）和响应面方法（RSM）建立参数与推进效率之间的数学关系，从大量可能方案中寻找最佳组合。相关研究通过这种方法实现推进器敞水效率提升，并进一步结合CFD计算和空泡水筒实验验证优化结果。这种方法改变了传统“设计—试验—修改”的循环模式，使推进器设计逐渐由经验驱动转向数据和机理共同驱动。
图3-推进器设计软件界面
三、推进器低频宽带力预测难在哪里？
很多人认为，舰船噪声主要来自发动机和机械设备。但实际上，推进器产生的水动力激励也是重要来源。当推进器旋转时，叶片不断受到周期变化的压力作用，会产生：周期性推力波动；扭矩变化；宽频压力脉动；结构振动激励。
其中，低频宽带力尤其值得关注。低频激励虽然频率较低，但能够通过轴系、船体结构传播，引起较大的振动响应。因此，准确预测推进器低频宽带力，是实现舰船减振降噪的重要基础。
然而，这一问题非常复杂。首先，推进器工作在船体伴流环境中。船体尾部产生的不均匀流场会周期性作用于推进器，使叶片受力不断变化。其次，推进器内部存在复杂涡结构。例如泵喷推进器中，叶尖间隙会产生叶尖泄漏涡（Tip Leakage Vortex，TLV），该涡结构与导管内壁诱导涡相互作用，会改变压力分布和尾流稳定性。
图6 推进器噪声
然而，这一问题非常复杂。首先，推进器工作在船体伴流环境中。船体尾部产生的不均匀流场会周期性作用于推进器，使叶片受力不断变化。其次，推进器内部存在复杂涡结构。例如泵喷推进器中，叶尖间隙会产生叶尖泄漏涡（Tip Leakage Vortex，TLV），该涡结构与导管内壁诱导涡相互作用，会改变压力分布和尾流稳定性。
四、LES与CFD：让计算机预测推进器“声音”
为了研究推进器低频宽带力，科研人员开始采用更加先进的非定常数值方法。
其中，大涡模拟（Large Eddy Simulation，LES）是一种能够捕捉大尺度涡结构演化的方法，特别适合分析推进器非定常流动。
在高速舰船浸没式喷射推进器研究中，通过建立船体—推进器耦合模型，可以模拟真实航行状态下推进器受到的伴流影响，并分析：不同航速下推力变化；不同尺度模型之间的差异；涡结构演化规律；宽频激励源特征。研究发现，推进器尺度变化会影响叶尖泄漏涡发展以及尾流结构，同时进一步改变非定常力频谱特征。
此外，通过LES方法预测得到的低频宽带力频谱能够较好地与实验结果吻合。例如相关研究中，LES计算的一阶叶频幅值与实验结果误差满足工程要求，说明高精度CFD方法能够有效支撑推进器噪声预测。
五、从“高性能”到“安静航行”的未来
未来推进器的发展方向，不仅是提高推力，更重要的是实现效率、可靠性和低噪声的综合优化。随着人工智能、数字孪生以及智能优化技术的发展，推进器设计正在进入新的阶段。
未来可以通过：AI快速预测流场；机器学习优化叶片参数；物理约束神经网络加速CFD计算；智能算法预测噪声源；实现推进器从设计、制造到运行维护全过程优化。
例如，通过建立“几何参数—流场—水动力性能—噪声响应”的智能模型，设计人员可以快速评估不同推进方案，而无需大量重复计算。同时，结合实验数据和高保真数值模拟，可以进一步发展舰船推进系统数字孪生技术，实现运行状态实时监测和性能预测。
六、AI让推进器流场预测进入“实时智能时代”
随着人工智能技术的发展，推进器流场预测正在从传统高成本数值模拟逐步迈向快速、智能化预测阶段。传统计算流体力学方法虽然能够准确捕捉推进器周围复杂的速度场、压力场以及涡结构演化过程，但在面对多工况、多参数优化设计时，需要反复开展大量非定常计算，计算周期长、资源消耗大，难以满足现代舰船快速设计与智能优化需求。
近年来，人工智能与流体力学深度融合，通过构建融合物理规律的流场代理模型，为推进器性能快速评估提供了新的技术路径。例如，在门舵—螺旋桨等复杂耦合推进系统中，通过引入多参考系信息、区域特征编码以及物理约束机制，智能模型能够有效识别旋转区域、静止区域和近壁区域之间的流动差异，实现对螺旋桨尾流、舵面干扰以及压力分布等关键流动特征的快速重构。
针对推进器旋转过程中存在的周期性非定常流动问题，研究人员进一步结合长短期记忆网络（LSTM）与物理信息神经网络（PINN），使模型不仅能够学习历史流场演化规律，还能够遵循连续性方程和动量守恒等基本流体力学规律，从而实现不同工况下压力场、速度场以及涡结构的高精度快速预测。 在此基础上，物理约束可微代理模型进一步推动推进器设计由“正向分析”向“智能反向设计”转变，通过将叶片参数、攻角等设计变量融入可优化模型，利用梯度信息快速寻找高性能方案，实现推进器效率提升与流动控制的协同优化。
同时，推进器产生的非定常水动力载荷会通过轴系和船体结构传播，引起振动和水下噪声，因此未来智能推进系统不仅需要预测推进性能，还需要实现对动态载荷和噪声源的精准识别。基于物理信息双流网络等智能方法，可以从复杂振动响应中提取有效特征，反演推进系统内部动态载荷，为减振降噪、状态监测以及数字孪生技术的发展提供支撑。
可以预见，未来舰船推进系统将逐渐形成“高保真CFD模拟—人工智能快速预测—智能优化设计—状态感知与主动运维”的完整技术体系，使推进器设计从依赖经验和大量试验验证的传统模式，迈向数据、物理规律与人工智能共同驱动的新阶段，为高速舰船实现更高效率、更低噪声和更强智能化提供重要技术支撑。
陈东阳 教授 博士生导师 西北工业大学 张新盛 博士 西北工业大学
