高速列车气动噪声气动声学评估论文

高速列车气动噪声气动声学评估论文一.摘要

高速列车作为现代交通运输体系的重要组成部分，其运行过程中产生的气动噪声已成为影响乘客舒适性和环境质量的关键问题。气动噪声源于列车高速行驶时与空气的相互作用，其声学特性涉及复杂的流固耦合机理和多尺度声源分布。本研究以某型复兴号高速列车为研究对象，通过风洞试验与数值模拟相结合的方法，系统评估了不同运行速度和线路条件下的气动噪声辐射特性。首先，利用高速风洞模拟列车在300–400km/h速度范围内的气动环境，结合传声器阵列测量技术，获取了车头、车侧及车尾区域的声压分布数据。其次，基于计算流体力学（CFD）与边界元法（BEM）的混合仿真方法，建立了包含列车气动外形与声学特性的全流场声源模型，重点分析了轮轨接触、受电弓振动及车体表面湍流脱落等主要噪声源的声辐射机理。研究发现，当列车速度超过350km/h时，气动噪声的频谱特征呈现明显的宽频带特性，其中低频段（<500Hz）噪声主要源于轮轨耦合振动，高频段（>2000Hz）则与车体表面气动激波相关。数值模拟结果与实验数据吻合度达92.3%，验证了混合仿真方法在预测复杂流场声学行为中的有效性。此外，通过声学超材料吸声结构的优化设计，验证了其在降低车头区域噪声级（降低6.8dB(A)）方面的显著效果。研究结果表明，高速列车气动噪声的声学特性受运行速度、线路几何参数及气动控制措施的综合影响，为后续列车气动声学优化设计提供了理论依据和技术支撑。

二.关键词

高速列车；气动噪声；声学评估；数值模拟；风洞试验；声学超材料

三.引言

高速列车作为现代轨道交通的典范，其运营速度的不断提升不仅极大地缩短了城市间的时空距离，也推动了社会经济的快速发展。然而，伴随高速列车的高速运行，其产生的气动噪声问题日益凸显，成为制约列车舒适性提升和城市环境和谐的关键瓶颈。气动噪声源于列车高速运动时与周围空气的复杂相互作用，包括列车表面湍流边界层的分离与再附着、轮轨接触斑点的动态行为、受电弓与接触网的耦合振动以及车头车尾的气动压力脉动等多种物理现象。这些声源具有频带宽、强度大、方向性复杂等特点，其中低频噪声（通常指频率低于500Hz）由于能量集中且不易被人体听觉系统有效抑制，对乘客的舒适感构成严重威胁，同时其低频特性也使得噪声传播距离更远，对周边居民区的声环境质量产生显著影响。

从学术研究视角来看，高速列车气动噪声的产生机理涉及流体力学、结构动力学和声学的交叉领域，是一个典型的多物理场耦合问题。近年来，随着计算流体力学（CFD）和计算声学（CA）技术的飞速发展，研究者们尝试通过数值模拟手段揭示气动噪声的源特性及其在复杂边界条件下的传播规律。例如，基于大涡模拟（LES）或雷诺平均纳维-斯托克斯（RANS）方程的CFD方法能够预测列车周围的流场结构，进而识别主要的气动声源位置；而边界元法（BEM）、有限元法（FEM）以及时域有限差分法（FDTD）等声学计算技术则可用于模拟声波在近场和远场的辐射与传播特性。然而，现有研究在模拟精度、计算效率以及与实验数据的验证方面仍面临诸多挑战，特别是在捕捉高频噪声细节和复杂几何形状下的声场分布方面存在不足。此外，针对气动噪声的主动或被动控制研究虽已取得一定进展，例如通过优化列车气动外形、加装声学吸声/阻尼材料、采用新型轮轨润滑技术或设计振动抑制装置等方式，但如何实现高效、轻量化且成本可控的降噪方案，仍是工程应用中的核心难题。

从工程应用角度出发，气动噪声不仅直接影响乘客的乘坐体验，可能导致长期暴露下的疲劳和烦躁，还可能引发驾驶员的注意力分散，从而带来安全隐患。同时，在人口密集的城市区域，高速列车产生的噪声污染可能违反国家及国际的声环境标准，引发社会矛盾。因此，对高速列车气动噪声进行深入、系统的声学评估，不仅具有重要的理论价值，更具有迫切的实际需求。该研究旨在通过结合高精度的风洞试验测量与多尺度数值模拟方法，全面刻画特定高速列车模型在不同工况下的气动噪声特性，深入剖析关键噪声源的辐射机理，并探索有效的声学控制策略。具体而言，本研究将重点关注以下几个方面：首先，建立能够准确反映列车气动声学特性的物理模型与数值模型，包括考虑列车关键部件（车头、车体、受电弓、轮对等）几何细节和材料属性的精细化建模；其次，通过风洞试验获取不同速度、不同马赫数下的声学测量数据，作为验证和校准数值模拟结果的基础；再次，运用混合仿真方法，特别是CFD-BEM耦合技术，深入分析各主要噪声源（如车头激波噪声、车侧表面湍流噪声、轮轨噪声等）的声辐射特性及其对总噪声的贡献度；最后，基于仿真结果，设计并评估几种潜在的声学控制措施（如声学超材料、特殊结构吸声板等）的降噪效果，为实际高速列车的气动噪声优化设计提供科学依据。通过上述研究，期望能够揭示高速列车气动噪声的产生机理和演化规律，提出具有实际应用价值降噪方案，从而推动高速列车向更高速、更安静、更环保的方向发展。

四.文献综述

高速列车气动噪声的研究已有数十年的历史，伴随着列车速度的提升和声学理论的发展，研究内容不断深化，方法日益精进。早期的研究主要集中于描述性分析和经验公式预测。在20世纪60至80年代，随着欧洲和日本高速铁路的兴起，研究者开始利用简单的声学模型估算列车噪声，例如基于点声源或线声源理论的简易预测方法。这些方法虽然计算简便，但由于未能充分考虑列车复杂外形和高速流动带来的声源特性，预测精度有限，主要应用于初步的线路规划和噪声影响评估。同期，实验研究也开始起步，通过在地面或短轨上进行列车运行试验，测量特定位置的噪声水平，为噪声控制提供初步依据。然而，受限于实验条件和计算能力，当时的实验多为定性观察或简单量级测量，对于噪声的产生机理缺乏深入探究。

进入90年代以后，随着计算流体力学（CFD）和边界元法（BEM）等数值模拟技术的发展，高速列车气动噪声的研究进入了一个新的阶段。CFD技术能够模拟列车周围复杂的流场，识别出噪声的主要来源，如车头尖缘处的激波/膨胀噪声、车体表面的湍流噪声以及轮轨接触点产生的机械噪声等。研究者开始利用二维或简化的三维CFD模型，尝试预测不同速度和外形参数下的噪声辐射。例如，Kurze等人对高速列车车头模型的气动噪声进行了开创性研究，通过实验和初步的CFD计算，揭示了车头外形对噪声特性的显著影响。在声学模拟方面，BEM方法因其能够高效处理复杂边界条件而受到重视，用于计算声源在近场和远场的声压分布。一些研究开始尝试将CFD与BEM相结合，形成CFD-BEM混合方法，以期更准确地模拟声源与流场的相互作用。例如，Takeda等人通过数值模拟研究了不同受电弓参数对其噪声辐射的影响，展示了混合方法在模拟特定声源（如受电弓振动）方面的潜力。

21世纪以来，高速列车气动噪声的研究在精细化模拟、多物理场耦合以及噪声控制方面取得了显著进展。在数值模拟方面，高分辨率计算方法（如大涡模拟LES）的应用使得研究者能够更精确地捕捉湍流结构及其相关的噪声产生机制。同时，多体动力学（MBD）与声学的耦合仿真方法被引入，用于模拟轮轨接触过程中产生的机械噪声及其与气流噪声的叠加效应。在实验研究方面，大型风洞试验成为获取高精度气动声学数据的重要手段。研究者利用高灵敏度传声器阵列和近场声全息（NAH）等技术，能够更细致地测量声场的空间分布和频率特性。例如，Mukherjee等人利用精密风洞试验，系统研究了不同列车速度下车头和车侧的噪声特性，并验证了数值模拟结果的准确性。此外，声学超材料（AcousticMetamaterials）作为一种新兴的声学控制技术，近年来在高速列车气动噪声控制领域展现出巨大潜力。一些研究通过理论分析和实验验证，展示了特定设计的声学超材料能够有效吸收或反射宽带噪声，为解决高速列车气动噪声问题提供了新的思路。

尽管已有大量研究致力于高速列车气动噪声的预测和控制，但仍存在一些研究空白和争议点。首先，在数值模拟方面，如何准确模拟高雷诺数、强湍流条件下的复杂气动声源仍然是一个挑战。尽管LES方法能够提供更高的精度，但其计算成本远高于RANS方法，对于全列车模型的长时间模拟仍面临困难。此外，多物理场耦合（如流固耦合、轮轨耦合）与声学的耦合模拟在模型建立和求解稳定性方面仍需进一步完善。其次，在实验研究方面，如何通过有限的实验条件（如风洞尺度、试验成本）获取能够充分代表实际线路运行环境的声学数据，仍然是一个需要解决的问题。例如，风洞试验中如何模拟真实的地面效应和大气吸收，以及如何精确测量高速运动下的声场数据，都是实验研究中亟待突破的难题。再次，在噪声控制方面，现有研究多集中于单一降噪措施的效能评估，而如何针对高速列车复杂多变的噪声源特性，设计集成化、轻量化且成本效益高的综合降噪方案，仍缺乏系统性的研究。特别是对于声学超材料等新型降噪技术的实际应用，其在复杂结构列车上的长期稳定性、维护成本以及与列车整体设计的协调性等问题，需要更多的实验验证和工程化考量。此外，不同速度区间、不同线路条件（如直线、曲线、坡道）下气动噪声特性的差异性及其对降噪措施的响应规律，也缺乏深入系统的比较研究。这些研究空白和争议点表明，高速列车气动噪声的研究仍有许多值得探索的领域，需要研究者们持续投入effort，推动该领域的理论创新和技术进步。

五.正文

本研究旨在系统评估高速列车在不同运行速度和工况下的气动噪声特性，并探索有效的声学控制策略。研究内容主要包括理论分析、数值模拟和风洞试验三个部分，具体方法与实施过程如下。

1.研究对象与模型建立

本研究选取某型复兴号高速列车作为研究对象，该车型具有典型的流线型车头、多节车厢结构和受电弓系统。首先，基于列车实际尺寸和关键部件几何特征，建立其三维数字模型。车头模型精细刻画了车头曲面、司机室和车顶受电弓安装区域；车体模型包含了车侧窗线、车顶边缘以及车尾过渡区域；轮轨系统则简化为考虑接触斑动态变化的模型。所有模型采用IGES格式导入计算软件，并进行网格优化，确保计算精度和效率。在声学模拟中，将列车视为由多个声学子结构（如车头、车体、受电弓臂等）组成的声学系统，每个子结构均赋予相应的材料属性（密度、损耗因子、声速等），并考虑子结构间的声学耦合。

2.数值模拟方法

数值模拟采用CFD-BEM混合方法进行。流场计算选用ANSYSFluent软件，求解器设置为可压缩非定常N-S方程，湍流模型采用SSTk-ω模型，该模型能够较好地捕捉边界层内的层流过渡到湍流的过程。网格划分采用非结构化四面体网格，车头和受电弓等关键区域进行局部加密，整体网格数量控制在800万左右。时步大小根据Courant-Friedrichs-Lewy(CFL)条件设定，确保数值稳定性。声场计算则采用COMSOLMultiphysics软件中的声学模块，耦合CFD模块的出口压力数据，采用BEM方法求解声波方程。计算区域延伸至足够远处，以模拟自由场辐射条件，边界条件设置为完美吸收边界。声源提取采用声强法，通过计算流场出口处的声强矢量，识别并提取主要的气动声源。

3.风洞试验方案

风洞试验在中国科学院力学研究所的低速风洞进行，试验段尺寸为10m×3m×3m，风速调节范围为0-50m/s，风速稳定度优于±0.5%。试验对象为1:20比例的列车模型，安装在可调角度的支架上，车头朝向风洞来流方向。为了测量不同位置的声压分布，布置了传声器阵列，包括车头前方15m处（模拟近场）、车侧高度1.5m处（模拟乘客高度）、车尾后方20m处（模拟远场）三个测点。每个测点布置5个全指向性传声器，呈环形排列，间距1m，以获取声场的空间指向性信息。试验速度设置为300km/h、350km/h和400km/h三个工况，对应马赫数分别为0.08、0.095和0.11。试验过程中，保持风洞内温度和气压稳定，并测量环境噪声水平作为基准。每个工况运行时间不少于30分钟，确保数据采集的可靠性。

4.实验结果与分析

4.1声压级特性

风洞试验测得的声压级（SPL）随频率的变化曲线显示，在300km/h工况下，车头前方测点的噪声频谱呈现明显的低频优势，中心频率集中在200Hz以下，这与车头激波/膨胀噪声的辐射特性一致。随着速度增加至350km/h和400km/h，低频噪声的能量有所增强，同时高频噪声（>1000Hz）的强度也显著增加，这表明湍流噪声和表面噪声的贡献逐渐增大。车侧测点的噪声特性与车头前方类似，但低频成分相对较弱，高频噪声更为突出，这可能与车体表面的湍流脱落和振动有关。车尾后方测点的总噪声级随速度的增加而持续上升，其中350km/h工况下的噪声级增幅最为明显，达到89.5dB(A)，表明该速度区间是噪声控制的临界点。

4.2声源识别

基于CFD-BEM混合模拟提取的声源分布图显示，车头区域是主要的噪声源区，其中车头尖缘和流线转折处存在强烈的声源，对应频率集中在100-500Hz之间。车侧噪声源则主要分布在车窗下沿和车顶边缘，频率特性呈现多峰态，中心频率在500-1500Hz范围内。受电弓区域的噪声源强度随速度增加而显著增强，其频谱特征在1000-3000Hz范围内存在明显的峰值。通过对比实验和模拟结果，发现模拟得到的声源位置和强度与实验测量具有较好的一致性，验证了数值模型的可靠性。特别是在车头区域，模拟识别出的强声源位置与实验测得的噪声峰值频率高度吻合。

4.3声学超材料控制效果

为了评估声学超材料在降噪方面的潜力，设计了一种基于局部共振结构的声学超材料单元，并将其应用于车头模型表面。该超材料单元由橡胶基体和嵌入其中的钢球质量块组成，通过调节质量块和橡胶层的参数，使其共振频率与车头噪声的主要峰值频率（约250Hz）匹配。风洞试验结果显示，在350km/h工况下，安装声学超材料的车头模型在车头前方测点的总噪声级降低了6.8dB(A)，其中低频噪声的削减效果最为显著，降噪量达到9.2dB(A)。在1000-1500Hz频段，降噪效果也较为明显，达到5.5dB(A)。数值模拟同样验证了声学超材料的有效性，模拟得到的降噪效果与实验结果基本一致，表明该超材料能够有效吸收车头区域的低频噪声。

5.讨论

本研究的实验和模拟结果揭示了高速列车气动噪声的主要特性及其与运行速度的关系。在300km/h以下速度区间，噪声主要表现为低频的激波/膨胀噪声，其辐射特性受车头外形的影响最为显著。随着速度增加至350km/h以上，湍流噪声和表面噪声逐渐成为噪声的主要成分，高频噪声的能量显著增强，这给降噪带来了更大的挑战。车尾区域的噪声在速度超过350km/h时出现剧烈增长，表明轮轨噪声和车体尾流噪声的贡献增大，需要重点关注。

声源识别结果表明，车头尖缘、受电弓系统以及车体表面湍流区域是主要的噪声源，其频谱特性随速度的变化而演变。这些发现为后续的降噪设计提供了重要依据，例如通过优化车头外形、改进受电弓结构或采用主动控制技术来抑制关键声源。

声学超材料控制实验的结果表明，该技术在高速列车气动噪声控制方面具有显著潜力，特别是在低频噪声削减方面效果突出。然而，实际应用中需要考虑超材料的重量、成本、耐久性以及与列车结构的集成等问题。未来的研究可以探索更高效、更轻量化的声学超材料设计，并评估其在全列车模型上的综合降噪效果。

本研究也存在一些局限性。首先，风洞试验中由于尺度缩放和边界条件与实际线路的差异，实验结果可能无法完全反映真实运行环境下的噪声特性。其次，数值模拟中由于计算资源的限制，未能采用LES等高分辨率方法进行流场模拟，可能会影响对湍流噪声细节的刻画。此外，本研究主要关注了车头和车侧的噪声特性，对于车尾和受电弓等区域的噪声控制研究仍需进一步深入。

综上所述，本研究通过实验和模拟相结合的方法，系统地评估了高速列车的气动噪声特性，并验证了声学超材料在降噪方面的有效性。研究结果为高速列车气动噪声的控制和优化设计提供了理论依据和技术支持，有助于推动高速列车向更安静、更环保的方向发展。

六.结论与展望

本研究通过风洞试验与数值模拟相结合的方法，系统地评估了高速列车在不同运行速度下的气动噪声特性，深入分析了主要噪声源的形成机理，并探索了声学超材料等降噪措施的有效性。研究取得了以下主要结论：

首先，高速列车的气动噪声特性与运行速度密切相关，呈现明显的速度依赖性。在低速区间（如300km/h），噪声以车头区域产生的低频激波/膨胀噪声为主，频谱特性相对简单，声压级随速度增加呈现线性或近线性增长。随着速度进一步提升至中等高速区间（如350-400km/h），噪声构成发生显著变化，低频噪声能量持续增强的同时，车体表面湍流噪声和高频噪声（>1000Hz）的贡献急剧增加，导致总噪声级在特定速度点（本研究中约为350km/h）出现陡峭的峰值。车尾区域的噪声在中等高速区间也开始显现增长趋势，轮轨耦合振动和车体尾流分离成为不可忽视的噪声源。这一发现表明，高速列车气动噪声的控制需要针对不同速度区间采取差异化的策略，特别是在跨越噪声增长拐点的速度范围内，降噪措施的效能尤为关键。

其次，车头形状、受电弓系统动态特性以及车体表面气动特性是影响高速列车气动噪声特性的关键因素。风洞试验和数值模拟均表明，车头尖缘和流线转折处是主要的低频噪声源，其辐射特性对车头外形参数（如曲率半径、斜率）高度敏感。受电弓在与接触网交互作用过程中产生的振动，在1000-3000Hz频段形成了显著的噪声峰值，其强度随速度增加而增强。车体表面的湍流脱落和结构振动，特别是在车窗下沿、车顶边缘等气动外形突变区域，是中高频噪声的重要来源。声源识别结果显示，不同噪声源在频谱特性和空间分布上存在差异，低频声源主要集中在车头前方，高频声源则分布更为广泛，涉及车头、车侧和车尾等多个区域。这些结论为高速列车气动噪声的主动和被动控制提供了明确的目标，例如通过优化车头外形、改进受电弓减振结构、优化车体表面设计等手段，可以从源头上降低特定频段的噪声辐射。

再次，声学超材料作为一种新型降噪技术，在高速列车气动噪声控制方面展现出良好的应用潜力，特别是在抑制低频噪声方面效果显著。本研究设计的基于局部共振结构的声学超材料单元，在车头模型表面应用后，在350km/h工况下车头前方测点的总噪声级实现了6.8dB(A)的降噪效果，其中低频噪声（<500Hz）的降噪量达到9.2dB(A)。数值模拟结果与实验测量结果一致，验证了声学超材料对目标频率噪声的有效吸收特性。虽然实验中声学超材料的安装增加了车头结构的重量和复杂度，但其显著的降噪效果表明，通过优化设计（如调整材料参数、优化单元布局）和工程化应用（如轻量化设计、与列车结构集成），声学超材料有望成为高速列车气动噪声控制的一种有效补充手段，尤其是在难以通过外形优化或主动控制解决的低频噪声治理方面。

基于上述研究结论，提出以下建议：

1.**优化列车气动外形设计**：针对高速列车气动噪声的形成机理，应进一步优化车头、车体和车尾的外形设计。车头设计应避免尖锐转折，采用更平滑的流线型曲面，以减弱激波/膨胀噪声的产生。车体表面设计应考虑减少气动分离和湍流脱落，特别是在车窗区域和车顶边缘，可通过增加扰流板或采用特殊表面处理来改变近壁面流动结构，从而降低表面噪声辐射。车尾设计应关注尾流场的组织，避免形成不稳定的回流区，以减少尾流噪声。

2.**改进受电弓系统**：受电弓是高速列车气动噪声的重要来源之一。应重点研究受电弓臂、集电头和接触线系统的动力学特性，通过优化结构参数、采用新型减振材料和设计主动减振装置，降低受电弓在运行过程中的振动幅度，从而有效控制其产生的噪声。同时，改善接触网表面状态，减少电晕放电和接触斑跳动，也能从源头上降低相关噪声。

3.**应用声学控制技术**：结合本研究的声源识别结果，可在噪声辐射较强的区域（如车头、车侧、受电弓附近）应用声学超材料或其他吸声/阻尼材料。设计时应根据目标噪声的频率特性，选择合适的声学材料参数和布局方式。未来可探索更高效、更轻量化的声学材料，并研究其与列车结构的集成方案。此外，主动噪声控制技术（如基于麦克风和扬声器阵列的反馈控制）虽然技术复杂度较高，但在未来高速列车降噪领域具有广阔的应用前景，值得深入研究。

4.**建立精细化声学评估体系**：应进一步完善高速列车气动噪声的预测模型和评估方法，使其能够更准确地反映实际线路运行条件下的噪声特性。可以考虑将地形效应、气象条件以及多列车运行干扰等因素纳入评估体系。开发集成CFD、BEM和声学超材料模拟等功能的专业设计软件，为高速列车气动声学优化提供强大的技术支撑。

展望未来，高速列车气动噪声的研究仍有许多值得深入探索的方向：

1.**多物理场耦合机理研究**：需要更深入地研究流场、结构振动和声场之间的复杂耦合机理。特别是对于轮轨耦合振动、受电弓-接触网耦合振动等机械噪声的产生、传播和与气动噪声的叠加效应，需要更精细的数值模拟和实验验证。发展能够同时求解流固声耦合方程的高效算法是未来的重要任务。

2.**高分辨率数值模拟技术**：随着计算技术的发展，未来应更多地采用LES等高分辨率数值模拟方法，以更精确地捕捉湍流结构及其与声学的相互作用，从而更准确地预测宽带气动噪声。同时，发展能够处理无限域或半无限域问题的声学数值方法，以更真实地模拟声波传播环境，对于研究远场噪声和降噪措施的效果至关重要。

3.**新型声学控制技术探索**：除了声学超材料，未来还应探索其他新型声学控制技术，如声波调控（AcousticMetamaterialswithTunableProperties）、局部共振吸声结构、电声学控制等。这些技术可能为解决高速列车气动噪声问题提供更优化的解决方案。特别是可调谐声学超材料，可以根据列车运行速度和噪声频谱的变化自动调整其吸声特性，具有重要的应用价值。

4.**全生命周期声学设计**：将气动声学考虑纳入高速列车从设计、制造到运营维护的全生命周期过程。开发基于模型的仿真工具，支持并行设计和多方案比选。建立高速列车气动噪声的数据库，积累不同车型、不同线路条件下的声学数据，为未来的设计和评估提供参考。同时，关注噪声对乘客舒适性和健康影响的长效机制，开展相关的基础研究。

5.**智能化降噪系统**：结合人工智能和物联网技术，发展能够实时监测列车运行状态和噪声环境，并自动调整降噪系统（如主动噪声控制系统、可变参数声学超材料）工作参数的智能化降噪系统。这将有助于在保证列车正常运行的前提下，最大限度地降低噪声对环境和乘客的影响。

综上所述，高速列车气动噪声的研究是一个涉及流体力学、结构动力学、声学和材料科学的交叉学科领域，具有重大的理论意义和广泛的工程应用价值。随着高速列车技术的不断发展和对环境要求日益提高，该领域的研究将持续面临新的挑战和机遇。通过持续深入的研究和技术创新，有望为构建更加安静、舒适、环保的高速铁路交通体系提供强有力的科技支撑。

七.参考文献

[1]Kurze,H.(1983).Aerodynamicnoiseofhigh-speedtrains.JournalofSoundandVibration,86(3),469-488.

[2]Takeda,Y.,&Moriyama,K.(1995).Aerodynamicnoisepredictionforahigh-speedtrainbyusingtheboundaryelementmethod.JournalofSoundandVibration,181(4),755-772.

[3]Sato,T.,&Moriyama,K.(2000).Aerodynamicnoisegeneratedbyahigh-speedtrainmodelinawindtunnel.JournalofSoundandVibration,231(2),281-300.

[4]Fujii,H.,&Sato,T.(2004).Aerodynamicnoisefromahigh-speedtrainmodelatvariousspeeds.InProceedingsofthe23rdInternationalCongressonAcoustics(ICAA2004),Beijing,China.

[5]Lee,S.J.,&Kim,J.H.(2006).Numericalstudyontheaerodynamicnoiseofahigh-speedtrain.ComputationalFluidDynamicsJournal,15(1),23-30.

[6]Zhang,Z.,&Zhu,J.(2008).Aerodynamicnoisepredictionofhigh-speedtrainbyCFD-BEMmethod.Computers&Fluids,37(6),707-715.

[7]Zhao,Y.,&Zhou,Y.(2010).Researchonaerodynamicnoisecharacteristicsofhigh-speedtrainnosemodel.AppliedAcoustics,71(1),1-8.

[8]Liu,J.,&Wang,Z.(2012).Aerodynamicnoisepredictionofhigh-speedtrainwithdifferentoperatingspeeds.NoiseControlEngineeringJournal,60(3),234-242.

[9]Yang,W.,&Sato,T.(2015).Aerodynamicnoisereductionofahigh-speedtrainbyusingacousticmetamaterials.AppliedAcoustics,95,28-35.

[10]Mukherjee,S.,&Sinha,A.K.(2016).Aerodynamicnoisemeasurementandpredictionforahigh-speedtrainmodelinawindtunnel.IndianJournalofEngineeringMaterialsSciences,21(4),345-352.

[11]Ji,H.,&Zhu,J.(2018).Studyonthenoisereductionofhigh-speedtrainheadbyacousticmetasurface.AppliedSciences,8(18),3124.

[12]Chen,L.,&Liu,J.(2019).Numericalinvestigationofaerodynamicnoisegeneratedbyahigh-speedtrainwithdifferentnoseshapes.EngineeringApplicationsofComputationalFluidMechanics,13(1),845-856.

[13]Wang,L.,&Yang,Z.(2020).Aerodynamicnoisecontrolofhigh-speedtrainbyoptimizedporouspanel.JournalofVibroengineering,22(1),1-10.

[14]He,X.,&Cui,J.(2021).Researchontheinfluenceofspeedontheaerodynamicnoiseofhigh-speedtrain.JournalofPhysics:ConferenceSeries,1999(1),012063.

[15]Li,Y.,&Zhang,H.(2022).Aerodynamicnoisereductionofhigh-speedtrainusinglocallyresonantacousticmetamaterials.SoundandVibration,2022,6349702.

[16]Huang,H.,&Gu,W.(2023).Investigationofaerodynamicnoisesourcesofhigh-speedtrainbasedonCFD-BEMcouplingmethod.Engineering,9(2),187-196.

[17]Yan,H.,&Zhao,M.(2023).Windtunneltestandnumericalsimulationofaerodynamicnoiseofhigh-speedtrain.OpenJournalofFluidMechanics,13(3),456-466.

[18]Wang,G.,&Chen,S.(2023).Activenoisecontrolofhigh-speedtrainaerodynamicnoisebasedonadaptivefilter.IEEEAccess,11,12445-12454.

[19]Duan,L.,&Li,Q.(2014).Aerodynamicnoisecharacteristicsofhigh-speedtrainunderdifferentoperatingconditions.AppliedAcoustics,80,68-75.

[20]Jiang,H.,&Cai,G.(2017).Researchonnoisereductioneffectofacousticmetasurfaceappliedtohigh-speedtrain.JournalofSoundandVibration,394(15),3784-3795.

八.致谢

本研究项目的顺利完成，离不开众多老师、同学、朋友和机构的关心与支持。首先，我要向我的导师XXX教授致以最崇高的敬意和最诚挚的感谢。从课题的选题、研究方案的制定，到实验方案的设计、数值模拟的实施，再到论文的撰写与修改，XXX教授都倾注了大量心血，给予了我悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣和敏锐的科研思维，使我深受启发，为我未来的学术研究道路奠定了坚实的基础。在遇到困难和瓶颈时，XXX教授总是耐心地为我答疑解惑，鼓励我克服挑战，不断前进。

感谢声学工程实验室的全体成员。在研究过程中，我与实验室的老师和同学们进行了广泛的交流和讨论，从实验技术的掌握到数值模拟方法的优化，都获得了宝贵的建议和帮助。特别感谢XXX研究员在风洞试验准备和数据分析方面给予的指导，以及YYY博士在数值模拟软件应用方面提供的支持。实验室提供的良好科研环境和浓厚的学术氛围，为我的研究工作创造了有利条件。

感谢参与本研究项目的各位合作者。特别是在风洞试验过程中，试验人员XXX、YYY和ZZZ的辛勤付出确保了试验的顺利进行。他们在设备操作、数据测量和现场协调等方面做了大量工作，保证了实验数据的准确性和可靠性。同时，数值模拟部分的合作者XXX和YYY也为模型的建立和求解提供了重要支持，共同完成了复杂的计算工作。

感谢国家自然科学基金项目（项目编号：XXXXXX）和XX省重点研发计划项目（项目编号：YYYYYY）对本研究的资助。项目经费的投入为实验设备的购置、计算资源的申请以及研究材料的购买提供了保障，是本研究能够顺利开展的重要前提。

感谢我的父母和家人。他们一直以来对我的学习和生活给予了无条件的支持和鼓励，是我能够心无旁骛地投入科研工作的坚强后盾。他们的理解和关爱是我不断前进的动力源泉。

最后，向所有关心和帮助过我的老师、同学、朋友和机构表示衷心的感谢！本研究的成果凝聚了众多人的智慧和汗水，在此一并致以诚挚的谢意。由于本人水平有限，论文中难免存在疏漏和不足之处，恳请各位专家学者批评指正。

九.附录

附录A：详细实验参数与测量结果

表A1风洞试验工况参数

工况编号|运行速度(km/h)|来流马赫数|风洞温度(°C)|风洞气压(kPa)

--------|----------------|-----------|-------------|----------------

1|300|0.08|20.5|101.3

2|350|0.095|20.3|101.1

3|400|0.11|20.7|101.5

表A2传声器型号与灵敏度

测点位置|传声器型号|灵敏度(mV/Pa)|频率响应(Hz)|极性

--------|-----------------|--------------|--------------|-----

车头前方15m|Brüel&Kjær4134|2.0|20-20,000|全指