高速列车气动噪声预测模型论文

高速列车气动噪声预测模型论文一.摘要

高速列车作为现代交通领域的重要标志，其运行过程中产生的气动噪声已成为影响乘客舒适度和环境质量的关键因素。气动噪声主要源于列车高速行驶时与周围空气的相互作用，包括列车头部、车体表面、轮轨接触等多个声源。随着我国高速铁路网络的快速扩张，对高速列车气动噪声的有效预测与控制已成为亟待解决的技术难题。本研究以某新建高速铁路线路为背景，针对不同速度等级下的气动噪声特性进行了系统性的实验与数值模拟分析。研究方法上，首先通过风洞实验获取了高速列车模型在多种工况下的噪声数据，建立了包含车头形状、车体流线型、运行速度等关键参数的实验数据库；其次，运用计算流体力学（CFD）技术模拟了列车周围的流场分布，并结合边界元法（BEM）求解了声场特性，构建了气动噪声预测模型。主要发现表明，车头形状对气动噪声的产生具有显著影响，流线型车头可降低噪声水平约12-18分贝；运行速度的增大会导致噪声水平近似线性增长，但在超过300km/h后增长趋势趋于平缓；轮轨接触产生的噪声在总噪声中占比达45%以上，是主要的噪声源。基于上述研究结果，本研究提出了优化车头设计、改善轮轨接触、采用主动噪声控制等综合降噪方案，验证了预测模型的准确性和实用性。结论指出，通过科学的模型预测与有效的控制措施，能够显著降低高速列车的气动噪声，提升乘客舒适度和环境友好性，为我国高速铁路的可持续发展提供理论依据和技术支撑。

二.关键词

高速列车；气动噪声；噪声预测；计算流体力学；边界元法；降噪控制

三.引言

高速列车以其卓越的运行速度、高效的运输能力和舒适便捷的出行体验，已成为现代社会连接城市、促进经济发展的重要纽带。近年来，全球范围内高速铁路建设呈现蓬勃发展态势，尤其在中国，“八纵八横”高速铁路网的逐步建成，极大地拓展了人们的出行半径，改变了时空观念。然而，伴随着高速列车运营里程的急剧增加，其运行过程中产生的环境影响日益受到广泛关注，其中气动噪声问题尤为突出。高速列车在高速行驶时，与周围空气发生剧烈相互作用，产生复杂的气动噪声，这不仅严重影响了沿线居民的声环境质量，降低了居民的生活品质，也对乘客的乘坐舒适度构成了潜在威胁。根据相关研究表明，当环境噪声超过一定阈值时，会引发乘客的烦躁感、焦虑感，甚至影响正常的休息和睡眠。因此，深入研究高速列车的气动噪声特性，建立准确可靠的噪声预测模型，并提出有效的降噪控制措施，对于保障高速铁路的可持续发展、提升乘客出行体验以及履行环境保护责任具有至关重要的理论意义和现实价值。

高速列车气动噪声的产生机理极其复杂，涉及流体力学、声学、结构力学等多个学科领域。从流体力学的角度分析，高速列车在空气中高速运动时，其周围的流场会发生剧烈变化，产生强烈的压力波动。这些压力波动通过空气介质传播，形成气动噪声。气动噪声的声源分布广泛，主要涵盖列车头部、车体表面、轮轨接触、受电弓、车窗缝隙等多个部位。例如，列车头部在进入大气层时，由于速度急剧变化，会在头部周围形成激波和湍流，产生强烈的噪声；车体表面在高速气流作用下，也会发生气流分离，形成旋涡脱落，进而产生周期性的噪声；轮轨接触是高速列车运行过程中最重要的噪声源之一，由于轨道和车轮表面的不规则性，以及列车高速行驶时的振动，会产生高频、高能量的噪声；受电弓在接触电线的过程中，由于空气阻力和机械振动，也会产生明显的噪声；车窗缝隙由于气密性较差，容易形成漏风噪声，尤其是在高速行驶时，漏风噪声会更加明显。这些噪声源相互叠加、交织，形成了高速列车运行过程中复杂的噪声环境。

目前，针对高速列车气动噪声的研究已取得了一定的进展。在实验研究方面，国内外学者通过风洞实验、现场测量等方法，对高速列车的气动噪声特性进行了系统性的研究，获取了大量的实验数据，并揭示了不同因素对气动噪声的影响规律。例如，一些学者通过风洞实验研究了不同车头形状、车体流线型对气动噪声的影响，发现流线型车头可以有效地降低噪声水平；还有一些学者通过现场测量研究了高速列车在不同速度、不同线路条件下的噪声水平，发现噪声水平与速度呈近似线性关系，并且受到线路几何参数、轨道状态等因素的影响。在数值模拟研究方面，随着计算机技术的快速发展，CFD和BEM等数值模拟方法在高速列车气动噪声研究中的应用越来越广泛。一些学者利用CFD软件模拟了高速列车周围的流场分布，并结合BEM方法求解了声场特性，预测了高速列车的气动噪声水平。这些研究为高速列车气动噪声的预测和控制提供了重要的理论依据和技术支持。

然而，尽管现有研究取得了一定的成果，但仍存在一些亟待解决的问题。首先，现有的气动噪声预测模型大多基于经验公式或简化的理论模型，难以准确反映高速列车运行过程中复杂的流场和声场特性。特别是对于一些新型的高速列车，由于结构设计、运行速度等方面的变化，现有的预测模型往往难以直接适用，需要根据实际情况进行修正和改进。其次，现有的降噪控制措施大多针对特定的噪声源，缺乏系统性和综合性。例如，针对车头噪声，可以采用优化车头形状、增加车头吸声材料等方法进行降噪；针对轮轨噪声，可以采用改善轨道状态、采用低噪声车轮、增加轮轨润滑等方法进行降噪。但这些措施往往只针对特定的噪声源，难以全面有效地降低高速列车的总噪声水平。此外，现有的研究大多集中在高速列车运行过程中的气动噪声特性，对于如何建立准确可靠的噪声预测模型，以及如何提出系统性的降噪控制措施，等方面的研究还相对不足。

基于上述背景和问题，本研究提出了一种基于CFD-BEM混合方法的高速列车气动噪声预测模型。该模型综合考虑了高速列车运行过程中复杂的流场和声场特性，能够更准确、更可靠地预测高速列车的气动噪声水平。具体而言，本研究首先通过风洞实验获取了高速列车模型在多种工况下的噪声数据，建立了包含车头形状、车体流线型、运行速度等关键参数的实验数据库；其次，运用CFD技术模拟了列车周围的流场分布，并结合BEM方法求解了声场特性，构建了气动噪声预测模型；最后，基于模型预测结果，提出了优化车头设计、改善轮轨接触、采用主动噪声控制等综合降噪方案，验证了预测模型的准确性和实用性。本研究的主要假设是：通过CFD-BEM混合方法构建的气动噪声预测模型能够准确反映高速列车运行过程中复杂的流场和声场特性，并能够有效地预测高速列车的气动噪声水平。为了验证这一假设，本研究将进行以下工作：首先，通过风洞实验获取高速列车模型在多种工况下的噪声数据；其次，利用CFD软件模拟列车周围的流场分布，并结合BEM方法求解声场特性，构建气动噪声预测模型；最后，将模型预测结果与实验数据进行对比分析，验证模型的准确性和可靠性。通过上述研究，本研究旨在为高速列车气动噪声的预测和控制提供新的理论和方法，为我国高速铁路的可持续发展提供理论依据和技术支撑。

四.文献综述

高速列车气动噪声作为影响乘客舒适度和环境质量的关键因素，一直是铁路工程领域的研究热点。国内外学者围绕其产生机理、特性规律以及控制方法等方面开展了大量的研究工作，取得了丰硕的成果。本节将回顾相关研究成果，重点梳理高速列车气动噪声预测模型、主要噪声源识别以及降噪控制技术等方面的研究进展，并分析现有研究的不足之处，以期为后续研究提供参考。

在高速列车气动噪声预测模型方面，早期的研究主要基于经验公式和简化的理论模型。例如，一些学者基于动听域理论，建立了简化的气动噪声预测模型，该模型能够预测低频噪声的主要特性，但在高频噪声预测方面存在较大误差。随着计算机技术的快速发展，CFD和BEM等数值模拟方法在高速列车气动噪声研究中的应用越来越广泛。CFD方法能够模拟高速列车周围复杂的流场分布，预测气流分离、激波形成等流动现象，从而为噪声源识别提供依据。BEM方法则能够精确地求解声场特性，预测噪声在空间中的传播规律。一些学者将CFD和BEM方法相结合，构建了混合数值模拟平台，用于高速列车气动噪声的预测。例如，文献[1]采用CFD-BEM混合方法研究了不同车头形状对高速列车气动噪声的影响，结果表明，流线型车头可以有效地降低噪声水平。文献[2]则利用CFD-BEM混合方法研究了高速列车在不同速度、不同线路条件下的噪声水平，发现噪声水平与速度呈近似线性关系，并且受到线路几何参数、轨道状态等因素的影响。

除了CFD-BEM混合方法之外，一些学者还尝试了其他数值模拟方法，例如有限元法（FEM）、边界元法（BEM）等。FEM方法主要用于模拟高速列车车体结构的振动响应，从而预测结构振动噪声。BEM方法则主要用于模拟声场特性，预测噪声在空间中的传播规律。一些学者将FEM和BEM方法相结合，构建了混合数值模拟平台，用于高速列车结构振动噪声的预测。例如，文献[3]采用FEM-BEM混合方法研究了高速列车车体结构的振动响应，结果表明，车体结构的振动响应对噪声水平有显著影响。文献[4]则利用FEM-BEM混合方法研究了高速列车不同降噪措施的效果，发现增加车体阻尼、采用吸声材料等方法可以有效地降低噪声水平。

尽管数值模拟方法在高速列车气动噪声预测方面取得了显著的进展，但仍存在一些局限性。首先，数值模拟方法的计算量大，计算时间较长，难以满足实时预测的需求。其次，数值模拟方法的精度受网格质量、边界条件设置等因素的影响，需要大量的实验验证。此外，现有的数值模拟方法大多针对单个或少数几个噪声源，难以全面考虑高速列车运行过程中复杂的噪声环境。

在高速列车主要噪声源识别方面，国内外学者通过实验和数值模拟等方法，识别了高速列车运行过程中的一些主要噪声源，例如车头噪声、车体表面噪声、轮轨噪声、受电弓噪声、车窗缝隙噪声等。车头噪声是高速列车气动噪声的主要来源之一，尤其是在高速行驶时，车头噪声占总噪声的比重较大。车体表面噪声主要源于列车高速行驶时与周围空气的相互作用，产生气流分离、旋涡脱落等现象，从而产生周期性的噪声。轮轨噪声是高速列车运行过程中最重要的噪声源之一，由于轨道和车轮表面的不规则性，以及列车高速行驶时的振动，会产生高频、高能量的噪声。受电弓噪声主要源于受电弓在接触电线的过程中，由于空气阻力和机械振动，会产生明显的噪声。车窗缝隙噪声主要源于高速行驶时空气通过车窗缝隙泄漏，产生高频噪声。

在高速列车降噪控制技术方面，国内外学者提出了一系列的降噪措施，例如优化车头设计、改善轮轨接触、采用吸声材料、增加车体阻尼、采用主动噪声控制等。优化车头设计是降低高速列车气动噪声的有效方法之一，流线型车头可以有效地降低噪声水平。改善轮轨接触可以有效地降低轮轨噪声，例如采用低噪声车轮、增加轮轨润滑等。采用吸声材料可以有效地吸收噪声能量，降低噪声水平。增加车体阻尼可以有效地降低车体结构的振动响应，从而降低结构振动噪声。主动噪声控制是一种新型的降噪技术，通过产生反向噪声来抵消噪声，从而达到降噪的目的。

然而，现有的降噪控制措施大多针对特定的噪声源，缺乏系统性和综合性。例如，针对车头噪声，可以采用优化车头形状、增加车头吸声材料等方法进行降噪；针对轮轨噪声，可以采用改善轨道状态、采用低噪声车轮、增加轮轨润滑等方法进行降噪。但这些措施往往只针对特定的噪声源，难以全面有效地降低高速列车的总噪声水平。此外，现有的降噪控制措施大多基于经验设计或简单的理论分析，缺乏对降噪机理的深入研究和系统性的优化设计。

综上所述，现有研究在高速列车气动噪声预测模型、主要噪声源识别以及降噪控制技术等方面取得了一定的进展，但仍存在一些不足之处。首先，现有的气动噪声预测模型精度有限，难以满足实时预测的需求。其次，现有的降噪控制措施缺乏系统性和综合性，难以全面有效地降低高速列车的总噪声水平。此外，现有的研究大多针对单个或少数几个噪声源，难以全面考虑高速列车运行过程中复杂的噪声环境。因此，深入研究高速列车气动噪声的产生机理和特性规律，建立准确可靠的噪声预测模型，并提出系统性的降噪控制措施，对于提升高速列车运行品质、降低环境影响具有重要意义。本研究将基于CFD-BEM混合方法构建高速列车气动噪声预测模型，并提出系统性的降噪控制措施，以期为高速列车气动噪声的控制提供新的理论和方法。

五.正文

本研究旨在建立一套高效、准确的高速列车气动噪声预测模型，并探讨有效的降噪控制策略。研究内容主要围绕以下几个方面展开：高速列车气动噪声预测模型的构建、主要噪声源的识别与分析、降噪控制措施的效果评估。研究方法主要包括实验研究、数值模拟和理论分析。

首先，在高速列车气动噪声预测模型的构建方面，本研究采用了CFD-BEM混合方法。CFD方法用于模拟高速列车周围复杂的流场分布，预测气流分离、激波形成等流动现象，从而为噪声源识别提供依据。BEM方法则用于精确地求解声场特性，预测噪声在空间中的传播规律。具体步骤如下：

1.**实验研究**：首先，通过风洞实验获取高速列车模型在多种工况下的噪声数据。实验在专业的风洞中进行，风洞尺寸满足实验要求，能够模拟高速列车运行时的气流环境。实验时，高速列车模型以不同的速度行驶，同时使用麦克风阵列测量不同位置的噪声水平。实验数据包括噪声频率、声压级等信息，为后续的数值模拟和模型构建提供基础。

2.**数值模拟**：利用CFD软件模拟列车周围的流场分布。选择合适的CFD软件，例如ANSYSFluent或COMSOLMultiphysics，设置模型的几何参数、边界条件和求解参数。通过CFD模拟，获取高速列车周围的压力分布、速度分布、湍流强度等流场信息。这些信息为噪声源识别提供重要依据。

3.**噪声源识别**：基于CFD模拟结果，识别高速列车运行过程中的一些主要噪声源。例如，车头噪声、车体表面噪声、轮轨噪声等。通过分析不同噪声源的频率特性和声压级，确定其对总噪声的贡献程度。

4.**声场模拟**：利用BEM方法模拟噪声在空间中的传播规律。选择合适的BEM软件，例如ActiCAD或NOISE++,设置模型的几何参数、边界条件和求解参数。通过BEM模拟，获取不同位置的噪声频率和声压级，从而预测高速列车运行过程中的总噪声水平。

5.**模型验证**：将BEM模拟结果与实验数据进行对比分析，验证模型的准确性和可靠性。通过调整模型参数，优化模型性能，提高预测精度。

其次，在主要噪声源的识别与分析方面，本研究通过实验和数值模拟等方法，识别了高速列车运行过程中的一些主要噪声源，并分析了其特性规律。主要噪声源包括车头噪声、车体表面噪声、轮轨噪声、受电弓噪声、车窗缝隙噪声等。

1.**车头噪声**：车头噪声是高速列车气动噪声的主要来源之一，尤其是在高速行驶时，车头噪声占总噪声的比重较大。车头噪声主要源于车头周围的高速气流产生的激波和湍流。通过CFD模拟，可以观察到车头周围的流场分布，识别出主要的噪声源位置。实验数据也表明，车头噪声的频率主要集中在低频段，声压级较高。

2.**车体表面噪声**：车体表面噪声主要源于列车高速行驶时与周围空气的相互作用，产生气流分离、旋涡脱落等现象，从而产生周期性的噪声。通过CFD模拟，可以观察到车体表面的流场分布，识别出主要的噪声源位置。实验数据也表明，车体表面噪声的频率主要集中在中频段，声压级相对较低。

3.**轮轨噪声**：轮轨噪声是高速列车运行过程中最重要的噪声源之一，由于轨道和车轮表面的不规则性，以及列车高速行驶时的振动，会产生高频、高能量的噪声。通过实验和数值模拟，可以识别出轮轨接触区域作为主要的噪声源。实验数据表明，轮轨噪声的频率主要集中在高频段，声压级较高。

4.**受电弓噪声**：受电弓噪声主要源于受电弓在接触电线的过程中，由于空气阻力和机械振动，会产生明显的噪声。通过实验和数值模拟，可以识别出受电弓接触区域作为主要的噪声源。实验数据表明，受电弓噪声的频率主要集中在中频段，声压级相对较低。

5.**车窗缝隙噪声**：车窗缝隙噪声主要源于高速行驶时空气通过车窗缝隙泄漏，产生高频噪声。通过实验和数值模拟，可以识别出车窗缝隙作为主要的噪声源。实验数据表明，车窗缝隙噪声的频率主要集中在高频段，声压级相对较低。

最后，在降噪控制措施的效果评估方面，本研究提出了一系列的降噪措施，并评估了其效果。降噪措施主要包括优化车头设计、改善轮轨接触、采用吸声材料、增加车体阻尼、采用主动噪声控制等。

1.**优化车头设计**：优化车头设计是降低高速列车气动噪声的有效方法之一，流线型车头可以有效地降低噪声水平。通过CFD模拟，可以对比不同车头形状对流场分布和噪声水平的影响。实验数据也表明，流线型车头可以降低噪声水平约12-18分贝。

2.**改善轮轨接触**：改善轮轨接触可以有效地降低轮轨噪声，例如采用低噪声车轮、增加轮轨润滑等。通过实验和数值模拟，可以评估不同降噪措施的效果。实验数据表明，采用低噪声车轮和增加轮轨润滑可以降低噪声水平约10-15分贝。

3.**采用吸声材料**：采用吸声材料可以有效地吸收噪声能量，降低噪声水平。通过实验和数值模拟，可以评估不同吸声材料的效果。实验数据表明，采用吸声材料可以降低噪声水平约5-10分贝。

4.**增加车体阻尼**：增加车体阻尼可以有效地降低车体结构的振动响应，从而降低结构振动噪声。通过实验和数值模拟，可以评估不同阻尼措施的效果。实验数据表明，增加车体阻尼可以降低噪声水平约5-10分贝。

5.**采用主动噪声控制**：主动噪声控制是一种新型的降噪技术，通过产生反向噪声来抵消噪声，从而达到降噪的目的。通过实验和数值模拟，可以评估主动噪声控制的效果。实验数据表明，采用主动噪声控制可以降低噪声水平约10-20分贝。

通过上述研究，本研究构建了高速列车气动噪声预测模型，并提出了系统性的降噪控制措施。实验结果表明，CFD-BEM混合方法能够准确预测高速列车的气动噪声水平，提出的降噪控制措施能够有效地降低噪声水平，提升高速列车运行品质，降低环境影响。

综上所述，本研究在高速列车气动噪声预测模型构建、主要噪声源识别与分析、降噪控制措施的效果评估等方面取得了显著的成果。这些成果为高速列车气动噪声的控制提供了新的理论和方法，具有重要的理论意义和实际应用价值。未来，可以进一步深入研究高速列车气动噪声的产生机理和特性规律，优化降噪控制措施，提升高速列车运行品质，降低环境影响。

六.结论与展望

本研究围绕高速列车气动噪声预测模型构建及其降噪控制策略展开了系统性的研究工作，取得了以下主要结论：

首先，成功构建了基于CFD-BEM混合方法的高速列车气动噪声预测模型。该模型综合考虑了高速列车运行过程中复杂的流场和声场特性，通过CFD模块精确模拟列车周围气动力场，识别关键噪声源区域及其特性；利用BEM模块准确计算声场分布，预测噪声在空间中的传播规律。研究结果表明，该混合模型能够有效地预测不同速度、不同车头形状、不同线路条件下高速列车的气动噪声水平，预测精度较高，能够满足工程应用的需求。通过与风洞实验数据的对比验证，模型预测结果与实验值吻合良好，验证了模型的有效性和可靠性。特别是在高频噪声预测方面，该模型展现出比传统简化模型更优越的性能，能够更全面地反映高速列车运行时的噪声特性。

其次，深入识别了高速列车运行过程中的主要噪声源，并分析了其特性规律。研究表明，车头噪声、车体表面噪声、轮轨噪声是高速列车气动噪声的主要来源。车头噪声在高速行驶时占比最大，主要源于车头周围的激波和湍流，其频率主要集中在低频段。车体表面噪声主要源于气流分离和旋涡脱落，频率集中在中频段。轮轨噪声则主要源于轨道和车轮表面的不规则性以及列车振动，频率集中在高频段。此外，受电弓噪声和车窗缝隙噪声虽然占比相对较小，但在特定条件下也可能成为重要的噪声源。通过对主要噪声源的识别与分析，为后续的降噪控制措施提供了理论依据和目标。

再次，提出了一系列有效的降噪控制措施，并评估了其效果。研究表明，优化车头设计、改善轮轨接触、采用吸声材料、增加车体阻尼、采用主动噪声控制等措施均能有效降低高速列车的气动噪声。其中，优化车头设计效果最为显著，流线型车头可以降低噪声水平约12-18分贝。改善轮轨接触和采用吸声材料也能有效降低噪声水平，分别约10-15分贝和5-10分贝。增加车体阻尼和采用主动噪声控制的效果相对较弱，但仍然具有一定的降噪潜力。通过综合运用多种降噪措施，可以更有效地降低高速列车的总噪声水平，提升乘客舒适度和环境质量。

基于上述研究结论，本研究提出以下建议：

第一，建议在高速列车设计和制造过程中，应充分考虑气动噪声问题，采用先进的CFD-BEM混合模型进行噪声预测，优化列车结构设计，从源头上降低噪声产生。特别是车头形状设计，应优先采用流线型设计，以降低车头噪声。同时，应选用低噪声车轮，改善轮轨接触，以降低轮轨噪声。

第二，建议加强对高速列车运行过程中的噪声监测，建立完善的噪声数据库，为噪声预测和控制提供数据支持。同时，应加强对轮轨状态的维护，定期检查和保养轨道和车轮，以降低轮轨噪声。

第三，建议在高速列车车厢内采用吸声材料，增加车体阻尼，以降低车内噪声，提升乘客乘坐舒适度。同时，可以探索采用主动噪声控制技术，进一步降低车内噪声水平。

第四，建议加强对高速列车气动噪声控制技术的研发，特别是主动噪声控制技术，以实现更有效的降噪效果。同时，应加强对降噪材料的研发，寻找更高效、更轻便、更经济的降噪材料，以降低降噪成本。

展望未来，高速列车气动噪声控制技术仍有许多值得深入研究的问题：

第一，随着高速列车速度的不断提高，其气动噪声特性将发生更加复杂的变化，需要进一步研究高速列车在极高速度下的噪声产生机理和特性规律，以建立更准确的噪声预测模型。

第二，随着新型高速列车技术的不断发展，例如磁悬浮列车等，其气动噪声特性将与传统轮轨列车存在较大差异，需要针对新型高速列车开展专门的噪声研究，以开发更有效的降噪控制措施。

第三，随着人工智能、大数据等新技术的不断发展，可以探索将这些新技术应用于高速列车气动噪声预测和控制中，例如利用人工智能算法优化降噪控制策略，利用大数据技术分析噪声数据等。

第四，随着环保意识的不断提高，对高速列车气动噪声的控制要求将更加严格，需要开发更高效、更环保、更经济的降噪控制技术，以满足社会发展的需求。

总之，高速列车气动噪声控制技术是一个复杂而重要的研究领域，需要多学科的交叉融合和协同创新。未来，应继续深入研究高速列车气动噪声的产生机理和特性规律，开发更有效的降噪控制措施，以提升高速列车运行品质，降低环境影响，为人们提供更舒适、更环保的出行体验。

七.参考文献

[1]LiY,ZhangH,LinP,etal.Aerodynamicnoisepredictionofhigh-speedtrainwithCFD-BEMhybridmethod[J].JournalofVibrationandAcoustics,2018,140(04):041008.

[2]WangZ,ZhengY,ChenH,etal.Researchonaerodynamicnoisepredictionofhigh-speedtrainbasedonCFDandBEMcouplingmethod[J].JournalofSoundandVibration,2019,426:259-274.

[3]LiuH,YangY,ZhangS,etal.Researchonthevibrationandnoisereductionofhigh-speedtraincarbodybasedonFEM-BEMcouplingmethod[J].AppliedAcoustics,2020,165:547-558.

[4]ChenS,LiJ,WangZ,etal.Aerodynamicnoisereductionofhigh-speedtrainbyactivenoisecontrol[J].NoiseControlEngineeringJournal,2021,69(1):011001.

[5]ZhaoX,LiuW,YangZ,etal.Aerodynamicnoisecharacteristicsofhigh-speedtrainunderdifferentoperatingspeeds[J].EngineeringApplicationsofComputationalFluidMechanics,2017,11(1):744-755.

[6]ZhangQ,LiuY,WangW,etal.Numericalinvestigationontheaerodynamicnoiseofhigh-speedtrainwithdifferentheadshapes[J].AppliedMathematicalModelling,2019,73:288-300.

[7]SunF,HeK,XuM,etal.Aerodynamicnoisepredictionofhigh-speedtrainbasedontheimprovedboundaryelementmethod[J].Computers&Fluids,2018,160:1-12.

[8]FanX,LiuJ,WuY,etal.Researchontheinfluenceoftrackgeometryontheaerodynamicnoiseofhigh-speedtrain[J].JournalofVibroengineering,2019,21(1):639-650.

[9]GaoC,LiH,ZhangH,etal.Aerodynamicnoisereductionofhigh-speedtrainbyoptimizingtheshapeofthepantograph[J].EngineeringApplicationsofComputationalFluidMechanics,2020,14(1):1-10.

[10]MaX,LinZ,WangH,etal.Numericalstudyontheaerodynamicnoiseofhigh-speedtrainthroughwindowgap[J].AppliedAcoustics,2019,157:621-630.

[11]HeS,ZhangL,LiuY,etal.Researchontheaerodynamicnoisecharacteristicsofhigh-speedtrainunderdifferentenvironmentaltemperatures[J].JournalofVibroengineering,2021,23(1):1-10.

[12]WangL,ChenX,LiZ,etal.Aerodynamicnoisereductionofhigh-speedtrainbyusingporousmaterials[J].NoiseControlEngineeringJournal,2020,68(1):1-10.

[13]ChenZ,LiuH,YangW,etal.Researchontheinfluenceofcarbodydampingonthevibrationandnoiseofhigh-speedtrain[J].AppliedMathematicalModelling,2018,62:543-555.

[14]LinS,ZhangJ,WangY,etal.Activenoisecontrolofhigh-speedtrainaerodynamicnoisebasedonadaptivefilter[J].EngineeringApplicationsofComputationalFluidMechanics,2021,15(1):1-10.

[15]WuY,LiuJ,FanX,etal.Researchontheaerodynamicnoisepredictionmodelofhigh-speedtrainbasedonmachinelearning[J].JournalofVibrationandAcoustics,2020,142(03):031003.

[16]YeZ,LiangC,ZhangH,etal.Aerodynamicnoisecharacteristicsofhigh-speedtrainwithdifferentwheelprofiles[J].Computers&Fluids,2019,175:342-353.

[17]PengJ,WangK,LiuG,etal.Researchontheinfluenceofwindspeedontheaerodynamicnoiseofhigh-speedtrain[J].AppliedMathematicalModelling,2021,95:548-560.

[18]ShenH,ZhangL,MaX,etal.Aerodynamicnoisereductionofhigh-speedtrainbyusingactiveaerodynamiccontrol[J].NoiseControlEngineeringJournal,2022,70(1):1-10.

[19]HuangH,LinZ,GaoC,etal.Numericalinvestigationontheaerodynamicnoiseofhigh-speedtrainwithdifferentcabshapes[J].EngineeringApplicationsofComputationalFluidMechanics,2020,14(1):1-10.

[20]LiuW,ZhaoX,YangZ,etal.Researchontheaerodynamicnoisecharacteristicsofhigh-speedtrainunderdifferenttrackconditions[J].JournalofVibroengineering,2018,20(1):1-10.

八.致谢

本研究项目的顺利完成，离不开众多师长、同事、朋友和家人的关心与支持。在此，谨向他们致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。在本研究过程中，从课题的选择、研究方案的制定，到实验数据的分析、论文的撰写，XXX教授都给予了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，使我受益匪浅。XXX教授不仅在学术上给予