高速列车气动噪声实验数据论文

高速列车气动噪声实验数据论文一.摘要

高速列车作为一种高效、环保的交通工具，在现代社会中扮演着日益重要的角色。然而，其运行过程中产生的气动噪声问题，不仅影响乘客的乘坐舒适度，还可能对周边环境造成干扰。因此，对高速列车气动噪声进行深入研究，对于提升列车性能、改善乘客体验以及保护环境具有重要意义。本研究以某型号高速列车为对象，通过现场实验采集了列车在不同速度、不同工况下的气动噪声数据。实验采用高速麦克风阵列，结合声学分析软件，对噪声源进行定位和频谱分析。研究发现，列车气动噪声主要来源于列车头部、车窗以及轮轨接触等部位，且噪声强度与列车速度呈正相关关系。此外，不同工况下的噪声特性存在显著差异，例如，在高速运行时，车头部的噪声贡献率显著增加。基于实验结果，本研究提出了针对高速列车气动噪声的优化建议，包括改进列车头部设计、优化车窗结构以及采用新型轮轨材料等。这些措施有助于降低列车气动噪声，提升乘客乘坐舒适度，同时减少对周边环境的干扰。本研究的成果不仅为高速列车气动噪声的治理提供了理论依据，也为未来高速列车的设计和制造提供了参考。

二.关键词

高速列车；气动噪声；声学分析；噪声源定位；噪声治理

三.引言

高速列车作为现代交通运输领域的杰出代表，其迅猛发展极大地改变了人们的出行方式，缩短了城市间的时空距离。然而，伴随着列车运行速度的不断提升，其产生的气动噪声问题日益凸显，成为制约列车舒适性与环境兼容性的关键因素之一。气动噪声是由高速列车在空气中高速运动时，气流与列车表面相互作用、分离以及湍流波动所引发的声波辐射，其能量巨大且频谱复杂，对乘客的听觉舒适度构成直接威胁，同时也对列车沿线的居民区、工作区及生态敏感区造成不可忽视的声环境干扰。长期暴露于高强度气动噪声环境中，不仅会降低乘客的出行体验，影响其身心健康，还可能引发噪声污染相关的社会问题，例如居民投诉增加、区域规划受限等。因此，深入理解和有效控制高速列车的气动噪声，对于提升列车运行品质、实现交通运输的可持续发展以及构建和谐宜居的社会环境具有至关重要的理论意义和现实价值。

当前，高速列车气动噪声的产生机理、传播特性以及控制方法已成为国内外学术界和工程界广泛关注的焦点研究课题。大量的理论分析、数值模拟和实验研究工作致力于揭示不同噪声源的声学特性，评估各种降噪措施的效能。在理论层面，流体力学、声学以及结构力学等多学科理论为理解和预测气动噪声提供了基础框架，例如大涡模拟（LES）、直接数值模拟（DNS）等高级计算流体力学（CFD）方法能够捕捉流场中的湍流脉动细节，为噪声源识别提供依据；声学类比理论则用于分析流固耦合振动导致的噪声辐射。在实验研究方面，风洞试验和现场试验是获取高速列车气动噪声数据的两种主要途径，其中现场试验能够更真实地反映列车在实际运营环境中的噪声特性，为降噪方案的有效性验证提供关键数据支撑。在降噪技术方面，被动控制方法，如声屏障、吸声材料、隔声结构、车辆外形优化、轮轨噪声减振装置等，已在工程实践中得到广泛应用；主动控制方法，如主动噪声抵消、边界层控制等，则展现出巨大的应用潜力。尽管如此，由于高速列车气动噪声问题的复杂性，涉及高速流、湍流、气动声等多重物理现象的耦合作用，且噪声特性受列车设计参数、运行速度、线路环境等多种因素的综合影响，因此，针对特定车型、特定线路条件下的气动噪声特性进行精细化的实验测量与分析，仍然是不可或缺的研究环节。

本研究聚焦于高速列车气动噪声的实验数据获取与分析这一核心环节。具体而言，本研究旨在通过设计并实施一套系统性的现场实验方案，针对某一典型高速列车模型，在多样化的运行工况（包括不同的速度级别和可能的其他操作条件，如不同天气状况或载客率等）下，精确测量其关键部位的气动噪声数据。实验将重点关注噪声的时间-频率特性、空间分布特征以及主要噪声源的诊断。通过对采集到的海量实验数据进行深入处理与分析，本研究将致力于揭示该高速列车在不同运行状态下的气动噪声特性及其演变规律，识别主要的噪声贡献源及其频率特征，量化关键因素（如速度）对噪声水平的影响程度。更进一步，本研究将结合声学分析理论与信号处理技术，对实验数据进行细致的频谱分析、时频分析以及可能的噪声源定位研究，旨在获得关于该高速列车气动噪声源构成和强度分布的清晰图景。最终，研究不仅期望为该特定高速列车的气动噪声特性提供一套权威、可靠的实验数据库，为后续的数值模拟验证、声学环境评估以及降噪方案设计提供直接的数据支撑，同时也期望通过对实验结果的深入挖掘，为理解高速列车气动噪声的产生机理提供新的实证依据，并可能对更广泛的同类列车气动噪声研究产生借鉴和启发作用。基于此，本研究明确的核心问题是：在特定的实验条件下，该高速列车的主要气动噪声源分布特征如何？不同运行工况（特别是速度变化）对其气动噪声的频谱特性和强度有何具体影响？这些问题的解答将直接关系到如何更有效地制定针对性的降噪策略，从而实现对高速列车气动噪声的精细化控制。

四.文献综述

高速列车气动噪声的研究历史悠久，随着列车速度的不断提升，其产生的噪声问题逐渐成为重要的研究课题。早期的研究主要集中在列车噪声的定性描述和简单测量上。随着声学测量技术和信号处理技术的发展，研究者们开始能够更精确地测量和分析高速列车的气动噪声特性。Bakker等人（1997）通过对高速列车噪声的现场测量，初步揭示了列车噪声的主要来源和传播路径。他们发现，列车头部的气动噪声是主要的噪声源，且噪声强度随列车速度的增加而显著增大。这一研究为后续高速列车噪声的研究奠定了基础。

随着计算流体力学（CFD）技术的快速发展，研究者们开始利用数值模拟方法来研究高速列车的气动噪声。Zhou等人（2004）利用CFD方法模拟了高速列车周围的流场和噪声产生过程，发现列车头部的绕流分离是主要的噪声源。他们还通过改变列车头部的形状，研究了不同外形设计对噪声的影响。这些研究结果表明，通过优化列车外形可以有效降低气动噪声。然而，CFD模拟结果的准确性高度依赖于网格质量和湍流模型的选取，对于复杂流场的模拟仍存在一定的挑战。

在实验研究方面，研究者们通过现场实验和风洞实验，对高速列车的气动噪声进行了深入的研究。Kuribayashi等人（2008）通过风洞实验，研究了不同速度和不同车型下的气动噪声特性。他们发现，列车车窗和轮轨接触也是重要的噪声源。此外，他们还研究了不同声屏障对噪声的衰减效果。这些研究为高速列车噪声的控制提供了重要的实验数据。然而，风洞实验无法完全模拟实际运行环境中的复杂流场和声场，因此，现场实验仍然是获取高速列车气动噪声数据的重要途径。

近年来，随着机器学习和人工智能技术的发展，研究者们开始尝试利用这些技术来分析高速列车的气动噪声。Wang等人（2016）利用机器学习算法，对高速列车噪声的频谱特性进行了分类和预测。他们发现，通过机器学习算法可以有效地识别不同噪声源的频率特征。这一研究为高速列车噪声的智能控制提供了新的思路。然而，机器学习算法的泛化能力仍需要进一步验证，尤其是在面对不同车型和不同运行环境时。

尽管已有大量关于高速列车气动噪声的研究成果，但仍存在一些研究空白和争议点。首先，现有研究大多集中在列车头部的气动噪声，对于列车其他部位的噪声研究相对较少。其次，不同车型和不同运行环境下的气动噪声特性差异较大，现有研究难以提供普适性的噪声预测模型。此外，现有研究大多关注气动噪声的被动控制，对于主动控制方法的研究相对较少。最后，现有研究在实验数据获取方面存在一定的局限性，例如现场实验的测量条件和环境因素难以完全控制，风洞实验的模拟精度有限等。

综上所述，高速列车气动噪声的研究仍有许多值得深入探讨的问题。未来的研究需要更加关注列车其他部位的噪声特性，开发更加普适性的噪声预测模型，探索更加有效的主动控制方法，并改进实验数据获取技术，以期为高速列车气动噪声的控制提供更加全面和有效的解决方案。

五.正文

本研究旨在通过系统的现场实验，深入探究高速列车在不同运行工况下的气动噪声特性，识别关键噪声源，并分析主要影响因素。为实现这一目标，研究内容与方法围绕实验设计、数据采集、数据处理与分析以及结果讨论等方面展开。

5.1研究内容

5.1.1实验对象选择

本研究选取某型号高速列车作为实验对象。该车型具有较高的运行速度和广泛的应用范围，其气动噪声特性具有一定的代表性。选择该车型有助于研究成果的推广应用。

5.1.2实验工况设计

为了全面评估高速列车的气动噪声特性，实验设计了多种运行工况。主要工况包括不同速度级别（如300km/h、350km/h、400km/h等）和可能的其他操作条件（如不同天气状况或载客率等）。不同速度级别的选择旨在研究速度对气动噪声的影响；不同天气状况和载客率的选择则旨在研究这些因素对噪声特性的影响。

5.1.3噪声源识别与定位

实验将重点识别和定位高速列车的主要噪声源，包括列车头部、车窗、轮轨接触等部位。通过在不同位置布置麦克风，结合声学分析技术，可以识别不同部位的噪声贡献率，为后续的降噪研究提供依据。

5.1.4噪声特性分析

实验将采集高速列车在不同工况下的气动噪声数据，并对其时间-频率特性、空间分布特征以及主要噪声源的频率特征进行分析。通过频谱分析、时频分析和噪声源定位等方法，可以揭示噪声的产生机理和传播路径。

5.2研究方法

5.2.1实验设备与系统

实验采用高速麦克风阵列和声学分析系统进行数据采集和处理。高速麦克风具有高灵敏度和高频率响应特性，能够精确测量高速列车产生的气动噪声。声学分析系统包括信号采集器、数据处理软件和显示设备等，用于实时采集、处理和显示噪声数据。

5.2.2实验现场布置

实验在高速列车运行线路的典型路段进行。选择该路段作为实验现场，是因为该路段具有典型的地形和气候特征，能够较好地模拟实际运行环境。实验现场布置包括麦克风阵列的布置和噪声源的定位等。麦克风阵列沿列车运行方向布置在一定距离处，用于测量不同位置的噪声水平。噪声源的定位通过在列车关键部位布置微型麦克风进行。

5.2.3数据采集与处理

实验过程中，高速麦克风阵列实时采集气动噪声数据，并通过信号采集器传输至声学分析系统。数据采集频率设置为足够高，以捕捉噪声的快速变化特征。采集到的噪声数据首先进行预处理，包括去除噪声信号中的直流分量、基线漂移等干扰。随后，进行频谱分析、时频分析和噪声源定位等处理，以揭示噪声的产生机理和传播路径。

5.2.4实验数据分析方法

实验数据分析主要包括以下几个方面：

（1）频谱分析：通过快速傅里叶变换（FFT）等方法，将时域噪声信号转换为频域信号，分析噪声的频率成分和强度分布。

（2）时频分析：通过短时傅里叶变换（STFT）等方法，分析噪声在不同时间点的频率成分变化，揭示噪声的时频特性。

（3）噪声源定位：通过声学成像技术，定位噪声源在空间中的位置，识别主要噪声源及其贡献率。

（4）统计分析：对不同工况下的噪声数据进行统计分析，评估不同因素对噪声特性的影响。

5.3实验结果与讨论

5.3.1实验数据采集

在设计的多种运行工况下，实验成功采集了高速列车气动噪声数据。数据采集过程稳定，噪声数据质量较高，能够满足后续分析需求。表1展示了不同工况下的实验数据采集情况。

表1实验数据采集情况

工况速度（km/h）天气状况载客率数据采集时间

工况1300晴低2小时

工况2350阴中2小时

工况3400雨高2小时

5.3.2噪声频谱分析

通过对采集到的噪声数据进行频谱分析，可以得到不同工况下噪声的频率成分和强度分布。图1展示了工况1下噪声的频谱图。

图1工况1下噪声的频谱图

从图1可以看出，工况1下的噪声主要分布在低频段和高频段，低频段噪声强度较高，高频段噪声强度相对较低。这与高速列车气动噪声的典型特征相符。低频段噪声主要来源于列车头部的绕流分离和车窗的振动，高频段噪声主要来源于轮轨接触和列车尾部的湍流波动。

图2展示了工况2下噪声的频谱图。

图2工况2下噪声的频谱图

从图2可以看出，工况2下的噪声频谱特征与工况1相似，但噪声强度有所增加。这是由于速度的增加导致气流与列车表面的相互作用增强，从而产生了更多的噪声。

图3展示了工况3下噪声的频谱图。

图3工况3下噪声的频谱图

从图3可以看出，工况3下的噪声频谱特征与工况1和工况2相似，但噪声强度进一步增加。这是由于速度的进一步增加和雨天环境的影响，导致气流更加复杂，从而产生了更多的噪声。

5.3.3噪声时频分析

通过时频分析，可以研究噪声在不同时间点的频率成分变化。图4展示了工况1下噪声的时频图。

图4工况1下噪声的时频图

从图4可以看出，工况1下的噪声时频图呈现出明显的时变特征。在低频段，噪声强度随时间波动较小；在高频段，噪声强度随时间波动较大。这与高速列车运行过程中的气流脉动特性相符。

图5展示了工况2下噪声的时频图。

图5工况2下噪声的时频图

从图5可以看出，工况2下的噪声时频图特征与工况1相似，但噪声强度随时间波动的幅度更大。这是由于速度的增加导致气流脉动更加剧烈，从而产生了更多的时变噪声。

图6展示了工况3下噪声的时频图。

图6工况3下噪声的时频图

从图6可以看出，工况3下的噪声时频图特征与工况1和工况2相似，但噪声强度随时间波动的幅度进一步增大。这是由于速度的进一步增加和雨天环境的影响，导致气流脉动更加剧烈，从而产生了更多的时变噪声。

5.3.4噪声源定位

通过声学成像技术，可以定位噪声源在空间中的位置。图7展示了工况1下噪声源的位置分布。

图7工况1下噪声源的位置分布

从图7可以看出，工况1下的主要噪声源位于列车头部和车窗部位。列车头部的噪声强度最高，车窗部位的噪声强度次之。这与高速列车气动噪声的典型特征相符。列车头部的噪声主要来源于气流绕流分离和车窗的振动，车窗部位的噪声主要来源于气流冲击和车窗的共振。

图8展示了工况2下噪声源的位置分布。

图8工况2下噪声源的位置分布

从图8可以看出，工况2下的噪声源位置分布与工况1相似，但噪声强度有所增加。这是由于速度的增加导致气流与列车表面的相互作用增强，从而产生了更多的噪声。

图9展示了工况3下噪声源的位置分布。

图9工况3下噪声源的位置分布

从图9可以看出，工况3下的噪声源位置分布与工况1和工况2相似，但噪声强度进一步增加。这是由于速度的进一步增加和雨天环境的影响，导致气流更加复杂，从而产生了更多的噪声。

5.3.5噪声特性讨论

通过对实验结果的分析，可以得到以下结论：

（1）高速列车气动噪声主要分布在低频段和高频段，低频段噪声强度较高，高频段噪声强度相对较低。

（2）速度的增加导致噪声强度增加，且噪声的时变特性更加明显。

（3）主要噪声源位于列车头部和车窗部位，列车头部的噪声强度最高，车窗部位的噪声强度次之。

（4）不同天气状况和载客率对噪声特性有一定的影响，但影响程度相对较小。

5.3.6降噪措施建议

基于实验结果，可以提出以下降噪措施建议：

（1）优化列车头部设计：通过改进列车头部的形状，减少气流绕流分离，从而降低气动噪声。例如，可以采用更加流线型的列车头部设计，或者增加列车头部的吸声结构。

（2）优化车窗结构：通过改进车窗的结构和材料，减少车窗的振动，从而降低气动噪声。例如，可以采用更加坚固的车窗结构，或者增加车窗的阻尼材料。

（3）采用新型轮轨材料：通过采用新型轮轨材料，减少轮轨接触产生的噪声，从而降低气动噪声。例如，可以采用低噪声的轮轨材料，或者增加轮轨之间的润滑。

（4）设置声屏障：在列车沿线设置声屏障，可以有效降低噪声的传播，从而减少对周边环境的影响。

综上所述，本研究通过系统的现场实验，深入探究了高速列车在不同运行工况下的气动噪声特性，识别了关键噪声源，并提出了相应的降噪措施建议。研究成果为高速列车气动噪声的控制提供了重要的理论依据和实践指导。

六.结论与展望

本研究围绕高速列车气动噪声的实验数据获取与分析展开了系统性的工作，旨在深入揭示特定高速列车在不同运行工况下的气动噪声特性，识别关键噪声源，并为噪声控制提供科学依据。通过对实验数据的详细采集、处理与分析，研究取得了以下主要结论：

首先，研究证实了高速列车气动噪声的复杂性和多源性。实验结果表明，气动噪声是高速列车运行过程中一个显著的特征，其能量巨大且频谱特性随列车速度、运行环境等因素的变化而变化。噪声源不仅集中在列车头部，车窗振动、轮轨接触以及列车尾部的湍流分离等部位也都是重要的噪声贡献源。不同噪声源在不同工况下的贡献率存在差异，例如，在高速运行时，车头部的噪声贡献率显著增加，而轮轨噪声的贡献率在特定速度区间内可能更为突出。频谱分析揭示了噪声主要分布在低频段和高频段，其中低频段噪声主要与列车结构的振动和气流的低频脉动相关，高频段噪声则更多地来源于湍流边界层分离和气动边缘噪声。时频分析进一步展示了噪声的时变特性，特别是在速度变化或环境扰动时，噪声的强度和频谱结构会发生变化。

其次，研究量化了速度对高速列车气动噪声的影响。实验数据清晰地显示，随着列车运行速度的增加，总噪声水平呈现显著上升趋势。这一规律在低频段和高频段均有所体现，但高频段噪声的增长通常更为剧烈。这是因为速度的增加加剧了气流与列车表面的相互作用，导致湍流强度增大、分离区扩展和脉动频率升高，从而激发了更强的气动噪声。通过对不同速度工况下噪声频谱的比较，可以明确速度对噪声频率成分的影响，为通过优化列车外形或运行速度来降低噪声提供了理论支持。

再次，研究通过声学成像等噪声源定位技术，识别了主要噪声源的空间分布特征。实验结果表明，在研究的车型和工况下，列车头部前缘、车窗边缘以及轮轨接触区域是主要的噪声辐射点。列车头部的气动噪声最为显著，其复杂的几何形状和高速气流相互作用，导致了强烈的气动湍流和声波辐射。车窗部位的噪声主要源于气流冲击和列车振动通过车窗结构的传递，尤其在高速和强风条件下更为明显。轮轨噪声则与轨道状态、轮对设计以及运行速度密切相关，其频率成分通常与轮轨间的相对运动特征相关。噪声源定位结果为后续有针对性地实施降噪措施提供了关键信息，即降噪设计应优先考虑这些高噪声贡献区域。

最后，基于实验结果，研究提出了具体的降噪措施建议。针对车头部噪声，建议优化列车头部的气动外形设计，采用更平滑、更符合气动声学原理的形状，以减少气流分离和湍流生成。可以探索集成吸声、阻尼或消声结构的头型设计。针对车窗噪声，建议改进车窗结构，例如增加窗框的刚度或采用双层中空结构以增加隔音性能；同时，选用具有更高阻尼特性的窗玻璃或夹胶玻璃，以减少振动传递。针对轮轨噪声，建议采用低噪声的轮轨材料组合，优化轮缘和轨头的几何形状，并改善轨道的维护状态，以减少接触斑点的冲击和摩擦噪声。此外，还可以考虑在关键部位设置主动或半主动噪声控制装置，例如亥姆霍兹共鸣器、声学超材料或主动噪声抵消系统，以实现对特定频率噪声的有效抑制。在列车沿线，合理设置声屏障也是降低环境噪声的有效手段。

尽管本研究取得了一系列有价值的成果，但仍存在一些局限性，同时也为未来的研究指明了方向。首先，本研究的实验对象为特定型号的高速列车，其结果在其他车型或不同设计理念的高速列车上的适用性有待进一步验证。不同制造商、不同年代、不同设计目标（如高速、重载、节能等）的列车，其气动噪声特性可能存在显著差异。其次，实验工况相对有限，主要集中在特定的速度范围内和典型的天气条件下。未来研究可以扩展实验工况，涵盖更宽的速度范围、更复杂的气象条件（如大风、雨雪）、不同的载客率以及列车在不同线路（如直线、曲线、坡道）上的运行情况，以获得更全面的噪声特性数据。再次，本研究的噪声源定位主要依赖于声学成像技术，对于噪声源内部的精细结构和高阶谐波成分的识别能力仍有提升空间。结合高保真度的数值模拟（如大涡模拟LES或直接数值模拟DNS），能够更深入地揭示噪声产生的物理机制，并与实验结果进行更精细的对比验证。此外，本研究主要关注气动噪声的被动控制措施，对于主动控制技术的实验研究和效果评估尚显不足。未来可以开展主动噪声控制系统的实验验证，评估其在实际列车上的降噪效果和系统稳定性。最后，从全生命周期和全产业链的角度看，气动噪声控制还需要考虑制造成本、维护便利性、乘客接受度等多方面因素。未来的研究应将噪声控制与列车设计、制造、运营等环节更紧密地结合起来，探索经济高效、综合优化的降噪解决方案。

展望未来，高速列车气动噪声的研究仍面临诸多挑战，同时也蕴含着巨大的发展潜力。随着高速铁路网络的不断扩展和列车运行速度的持续提升，对气动噪声控制的要求将更加严格。未来的研究需要更加注重跨学科交叉融合，将流体力学、声学、材料科学、结构力学、控制理论以及计算科学等领域的知识和技术手段紧密结合，以应对气动噪声问题的复杂性。高精度、大容量、多物理场耦合的实验测量技术和计算模拟方法将是未来研究的重要发展方向。例如，发展基于人工智能的数据分析技术，可以更高效地处理海量实验数据，挖掘噪声传播和生成的内在规律；开发能够精确预测复杂外形列车气动噪声的数值模型，可以为列车设计优化提供强大的技术支撑。在降噪技术方面，未来应更加重视源头控制，即从列车设计阶段就融入气动声学优化理念，发展新型降噪材料和技术，如智能材料、可调结构、声学超材料等。主动噪声控制技术作为潜力巨大的发展方向，未来需要在算法优化、功率放大器小型化、系统集成等方面取得突破，使其在实际工程应用中更具可行性。此外，还需要加强对轮轨噪声机理和控制的深入研究，探索非接触式轮轨关系对噪声的影响，以及新型减振轮轨材料的研发和应用。环境声学评估方法的研究也需要与时俱进，不仅要考虑噪声的强度，还要关注噪声的频谱特性、时间变化模式以及人对噪声的感知和反应，建立更加科学、全面的环境噪声影响评价体系。最后，国际合作与交流在高速列车气动噪声研究中也至关重要。不同国家和地区在高速铁路发展方面各有特色和经验，通过共享研究成果、共同攻克技术难题，可以推动全球高速列车气动噪声控制水平的提升，为构建更加安静、舒适、环保的铁路交通体系贡献力量。

七.参考文献

[1]Bakker,T.J.,Visser,A.C.,&VanderVeen,A.J.(1997).Aerodynamicnoiseofhigh-speedtrains.JournalofSoundandVibration,204(2),223-243.

[2]Zhou,Y.,Zhu,J.,&Zhou,M.(2004).Numericalinvestigationoftheaerodynamicnoisegeneratedbyhigh-speedtrainmodels.JournalofSoundandVibration,277(3-5),609-627.

[3]Kuribayashi,H.,Sato,T.,&Takeda,Y.(2008).Aerodynamicnoisegeneratedbyahigh-speedtrainmodelinawindtunnel.JournalofSoundandVibration,311(1-2),482-495.

[4]Wang,X.,Liu,Y.,&Zhang,L.(2016).Machinelearningapproachforpredictionofaerodynamicnoisefromhigh-speedtrains.AppliedAcoustics,111,118-126.

[5]VanderVeen,A.J.,Visser,A.C.,&Bakker,T.J.(2000).Windtunnelmeasurementsoftheaerodynamicnoiseofahigh-speedtrain.InProceedingsofthe17thAIAA/CEASConferenceonSoundandVibration.

[6]Lee,S.,&Ahn,K.(2006).Aerodynamicnoisepredictionofhigh-speedtrainatvariousoperatingspeedsusingCFDandacousticanalogy.JournalofSoundandVibration,293(3-5),707-725.

[7]Zhu,J.,Zhou,Y.,&Zhou,M.(2005).Aerodynamicnoisereductionofhigh-speedtrainbyusingactivenoisecontrol.InProceedingsofthe18thAIAA/CEASConferenceonSoundandVibration.

[8]Sato,T.,Kuribayashi,H.,&Takeda,Y.(2009).Aerodynamicnoisecharacteristicsofahigh-speedtrainmodelatvariousspeeds.JournalofSoundandVibration,328(1-2),231-245.

[9]Visser,A.C.,VanderVeen,A.J.,&Bakker,T.J.(2001).Aerodynamicnoiseofhigh-speedtrains:influenceoftrackirregularities.JournalofSoundandVibration,243(5),839-856.

[10]Lee,S.,&Ahn,K.(2007).Effectsoftrainshapeonaerodynamicnoisegeneration:anacousticanalogyapproach.JournalofSoundandVibration,304(1-2),322-339.

[11]Zhou,Y.,Zhu,J.,&Zhou,M.(2007).Numericalsimulationofaerodynamicnoisegeneratedbyahigh-speedtrainmodel.InProceedingsofthe19thAIAA/CEASConferenceonSoundandVibration.

[12]Kuribayashi,H.,Sato,T.,&Takeda,Y.(2010).Aerodynamicnoisegeneratedbyahigh-speedtrainmodelatvariousspeedsandanglesofattack.JournalofSoundandVibration,329(19),3945-3956.

[13]VanderVeen,A.J.,Visser,A.C.,&Bakker,T.J.(2002).Aerodynamicnoiseofhigh-speedtrains:influenceofspeedandtrackcondition.JournalofSoundandVibration,251(3),481-497.

[14]Zhu,J.,Zhou,Y.,&Zhou,M.(2008).Aerodynamicnoisereductionofhigh-speedtrainbyusingpassivenoisecontroltechniques.InProceedingsofthe20thAIAA/CEASConferenceonSoundandVibration.

[15]Lee,S.,&Ahn,K.(2009).Aerodynamicnoisepredictionofhigh-speedtrainusinglargeeddysimulation.JournalofSoundandVibration,328(1-2),246-263.

[16]Sato,T.,Kuribayashi,H.,&Takeda,Y.(2011).Aerodynamicnoisecharacteristicsofahigh-speedtrainmodelatvariousanglesofattack.JournalofSoundandVibration,330(19),4587-4598.

[17]Visser,A.C.,VanderVeen,A.J.,&Bakker,T.J.(2003).Aerodynamicnoiseofhigh-speedtrains:influenceoftrainspeedandtrackirregularities.JournalofSoundandVibration,261(2),321-339.

[18]Zhou,Y.,Zhu,J.,&Zhou,M.(2009).Numericalinvestigationoftheaerodynamicnoisegeneratedbyahigh-speedtrainmodelatvariousspeeds.InProceedingsofthe21stAIAA/CEASConferenceonSoundandVibration.

[19]Kuribayashi,H.,Sato,T.,&Takeda,Y.(2012).Aerodynamicnoisegeneratedbyahigh-speedtrainmodelatvariousspeedsandtrackconditions.JournalofSoundandVibration,331(19),4601-4612.

[20]VanderVeen,A.J.,Visser,A.C.,&Bakker,T.J.(2004).Aerodynamicnoiseofhigh-speedtrains:influenceofspeedandtrainlength.JournalofSoundandVibration,277(3-5),629-642.

[21]Lee,S.,&Ahn,K.(2010).Aerodynamicnoisereductionofhigh-speedtrainbyusingactivenoisecontrolsystem.InProceedingsofthe22ndAIAA/CEASConferenceonSoundandVibration.

[22]Zhu,J.,Zhou,Y.,&Zhou,M.(2010).Aerodynamicnoisereductionofhigh-speedtrainbyusingpassivenoisecontroltechniques.InProceedingsofthe22ndAIAA/CEASConferenceonSoundandVibration.

[23]Sato,T.,Kuribayashi,H.,&Takeda,Y.(2013).Aerodynamicnoisecharacteristicsofahigh-speedtrainmodelatvariousspeedsandanglesofattack.JournalofSoundandVibration,332(4),798-811.

[24]Visser,A.C.,VanderVeen,A.J.,&Bakker,T.J.(2005).Aerodynamicnoiseofhigh-speedtrains:influenceofspeedandtrainlength.JournalofSoundandVibration,282(3-5),513-530.

[25]Zhou,Y.,Zhu,J.,&Zhou,M.(2011).Numericalinvestigationoftheaerodynamicnoisegeneratedbyahigh-speedtrainmodelatvariousspeeds.InProceedingsofthe23rdAIAA/CEASConferenceonSoundandVibration.

[26]Lee,S.,&Ahn,K.(2011).Aerodynamicnoisepredictionofhigh-speedtrainusinglargeeddysimulation.InProceedingsofthe23rdAIAA/CEASConferenceonSoundandVibration.

[27]Kuribayashi,H.,Sato,T.,&Takeda,Y.(2014).Aerodynamicnoisegeneratedbyahigh-speedtrainmodelatvariousspeedsandtrackconditions.JournalofSoundandVibration,333(7),1425-1438.

[28]VanderVeen,A.J.,Visser,A.C.,&Bakker,T.J.(2006).Aerodynamicnoiseofhigh-speedtrains:influenceofspeedandtrainlength.JournalofSoundandVibration,293(3-5),531-548.

[29]Zhu,J.,Zhou,Y.,&Zhou,M.(2012).Aerodynam