Autor: Marius Lehmann

Eine häufige Anwendung von Axialventilatoren ist, Luft durch Wärmeübertrager zu saugen. Die daraus resultierende Einbausituation kann die Zuströmung zum Ventilator und in Folge dessen die aeroakustische Schallentstehung, insbesondere im tieffrequenten Bereich, beeinflussen. Das Ziel der vorliegenden Arbeit ist es, ein Beamformingverfahren auf Basis von Mikrofonarraydaten zur Schallquellenlokalisation in solch einer Einbausituation zu entwickeln. Dieses soll reale Schallausbreitungsbedingungen in Form von beliebigen, maßgeschneiderten Greenschen Funktionen berücksichtigen können. Aus dem Stand der Technik ergibt sich, dass es zwei Klassen von Verfahren zur rotierenden Schallquellenlokalisation gibt. In der ersten Klasse wird das Fokusgitter mitrotiert und die Schallausbreitung zwischen den Fokuspunkten und den Mikrofonen wird zeitabhängig modelliert. Bei Verfahren der zweiten Klasse werden die Mikrofone virtuell in Rotation versetzt. Es gibt jedoch kein rotierendes Beamformingverfahren, dass beliebige, maßgeschneiderte Greensche Funktionen berücksichtigen kann. Deshalb wird ein neues Beamformingverfahren, das RoBeaT (Rotating Beamforming using Tailored Green's functions) Verfahren, entwickelt, welches zeitabhängig maßgeschneiderte Greensche Funktionen in den Beamformingprozess einbeziehen kann. Zur Bewertung des RoBeaT Verfahrens wird es mit zwei rotierenden Beamformingverfahren aus der Literatur, dem ROSI und dem VRA Verfahren, verglichen. Diese beiden Verfahren werden zunächst in Bezug auf ihre Anforderungen an die zeitliche und räumliche Abtastung des Schallfelds im Vergleich zu stationärem Beamforming untersucht. Im nächsten Schritt wird das neu entwickelte RoBeaT Verfahren sowohl anhand von synthetisch erzeugten als auch von experimentell im Prüfstand gemessenen Mikrofondaten validiert. Die maßgeschneiderten Greenschen Funktionen werden numerisch per Randelementeverfahren simuliert. Aus der Validierung mit synthetisch erzeugten Mikrofonsignalen ergibt sich, dass die Point Spread Funktionen auf Basis von maßgeschneiderten Greenschen Funktionen von jenen auf Basis von Freifeld Greenschen Funktionen abweichen. Weiterhin hängen die Ergebnisse deutlich von der gewählten Steering Vektor Formulierung ab. Diese Beobachtungen werden dadurch begründet, dass in den maßgeschneiderten Greenschen Funktionen zusätzliche Informationen gegenüber den Freifeld Greenschen Funktionen vorhanden sind. Eine weitere Beobachtung ist, dass der eigentliche Rotationsalgorithmus des RoBeaT Verfahrens die tatsächlichen Quellpegel, insbesondere bei hohen Frequenzen, mit geringeren Abweichungen als das ROSI und das VRA Verfahren rekonstruiert. Im letzten Schritt werden im Prüfstand gemessene Mikrofonarraydaten mit dem RoBeaT Verfahren ausgewertet. Bei der Auswertung von Messdaten eines einzelnen Lautsprechers wird zum einen der Quellpegel mit geringeren Abweichungen rekonstruiert, wenn maßgeschneiderte Greensche Funktionen anstelle von Freifeld Greenschen Funktionen genutzt werden. Zum anderen zeigen die Beamforming Maps bei diesem Testfall geringe Abweichungen zu den aus synthetischen Daten erzeugten Point Spread Funktionen. Darüber hinaus wird die Hauptkeulenbreite verringert. Dadurch können bei der Auswertung von Messdaten eines Ventilators die Schallquellen bei tiefen Frequenzen besser lokalisiert werden als mit den beiden Freifeld Beamforming Verfahren aus der Literatur.