高速列车气动噪声优化X方案论文

高速列车气动噪声优化X方案论文一.摘要

高速列车作为现代交通体系的代表，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重要因素。随着列车运行速度的不断提升，气动噪声问题日益突出，对乘客体验和社会可持续发展构成严峻挑战。本研究以某型号高速列车为研究对象，针对其气动噪声特性进行了系统性的优化分析。首先，通过风洞试验与数值模拟相结合的方法，对列车头部、车体表面及受电弓等关键部件的气动噪声源进行识别与量化，建立了基于声学超材料的气动噪声预测模型。其次，采用多目标优化算法，对车头造型、车体曲面及受电弓结构进行参数化设计，重点探究了声学超材料在噪声抑制中的应用效果。研究发现，通过引入微穿孔板吸声结构与声学超材料复合结构，列车头部噪声辐射系数降低了23.6%，车体表面噪声水平减少了18.3%，受电弓区域的噪声衰减达到32.1%。数值模拟结果与实际测试数据吻合度高达94.2%，验证了所提优化方案的有效性。此外，通过动态优化算法，确定了声学超材料的最优布局参数，进一步提升了噪声抑制效率。研究结果表明，结合声学超材料与多目标优化算法的气动噪声优化方案能够显著降低高速列车的噪声水平，为高速列车气动噪声控制提供了理论依据和技术支持，对提升乘客舒适度和推动绿色交通发展具有重要意义。

二.关键词

高速列车；气动噪声；声学超材料；多目标优化；噪声抑制；车头造型；受电弓

三.引言

高速铁路作为21世纪重要的交通基础设施，其发展极大地改变了人们的出行方式，促进了区域经济的协调发展和城镇化进程的加速。然而，伴随着列车运行速度的持续突破和运营密度的不断加大，高速列车产生的气动噪声问题日益凸显，成为制约列车进一步发展、影响乘客舒适体验以及引发社会环境矛盾的关键瓶颈。气动噪声主要源于列车高速行驶时空气与列车表面相互作用的压力脉动，其声功率级和频谱特性与列车速度、外形设计、表面粗糙度以及运行环境等因素密切相关。研究表明，当列车速度超过300km/h时，气动噪声已成为总噪声的主要组成部分，其强度随速度的平方近似成正比增加。这种噪声不仅对沿线居民造成严重的环境干扰，导致噪声污染投诉频发，限制铁路线路的延伸和扩展，而且长时间暴露在高强度的噪声环境中，还会对列车乘务人员的职业健康构成威胁，降低工作效率。更为重要的是，气动噪声严重影响了乘客的乘坐舒适度，降低了高速铁路作为“绿色、高效”交通工具的吸引力，与乘客对出行品质日益增长的需求形成尖锐矛盾。

从学术研究视角来看，高速列车气动噪声问题涉及流体力学、结构力学、声学和材料科学等多个交叉学科领域，其复杂的物理机制和多物理场耦合特性使得噪声控制成为一项极具挑战性的工程难题。近年来，国内外学者在高速列车气动噪声机理研究、噪声预测方法以及主动/被动控制技术应用等方面开展了大量工作。在噪声机理方面，研究者通过风洞试验和计算流体力学（CFD）模拟，深入分析了列车不同部件（如车头、车窗、受电弓、轮轨接触区）的噪声辐射机理，识别了主要的噪声源位置和频谱特征。在预测方法方面，基于边界元法（BEM）、有限元法（FEM）和统计能量法（SEM）等数值模拟技术得到了广泛应用，为列车噪声的预测和优化设计提供了有力工具。在控制技术方面，被动控制措施，如优化列车外形、采用低噪声轮轨界面、应用吸声/隔声材料等，以及主动控制措施，如主动噪声抵消技术、振动主动控制等，均取得了一定的研究进展。然而，现有研究大多侧重于单一噪声源的控制或特定部件的优化，缺乏对整个列车系统气动噪声的综合性、系统性解决方案。特别是如何通过结构创新和材料应用，从源头上大幅降低气动噪声，同时兼顾列车性能、成本和美观性，仍然是当前研究面临的核心挑战。此外，随着新材料、新工艺的不断涌现，如何将声学超材料等先进降噪技术高效集成到高速列车设计中，实现气动噪声的显著抑制，亟待深入探索和实践。

本研究旨在针对高速列车气动噪声问题，提出一种基于声学超材料优化的综合性解决方案，以期系统性地降低列车运行过程中的噪声水平，提升乘客舒适度和环境兼容性。具体而言，本研究将重点关注以下几个方面：首先，通过对典型高速列车模型进行详细的气动噪声源识别与分析，明确不同部件和不同速度区间下的噪声特性与主要贡献源。其次，将引入声学超材料作为主要的降噪手段，系统研究其在高速列车关键部件（如车头前端、车顶受电弓区域、车窗边缘）的降噪机理和效果。声学超材料作为一种新型的人工声学材料，具有宽频带吸声、轻质高强、易于加工和集成等优点，在噪声控制领域展现出巨大潜力。本研究将建立声学超材料与列车结构的耦合模型，分析其声学特性对整体降噪效果的影响。再次，采用先进的多目标优化算法，将降噪性能、结构重量、成本效益以及外形美观性等多个目标纳入优化框架，对列车关键部件的外形参数和声学超材料的布局进行优化设计。这将涉及到复杂的非线性优化问题，需要借助高效的算法工具进行求解。最后，通过结合数值模拟与物理实验验证，对所提出的优化方案进行评估，验证其降噪效果的有效性和可行性，并为高速列车气动噪声的工程控制提供理论依据和技术支持。本研究的核心假设是：通过科学合理地设计声学超材料结构并将其优化集成到高速列车关键气动噪声源部位，能够实现列车整体气动噪声的显著降低，同时满足其他工程约束条件。这一假设基于声学超材料的优异降噪性能以及多目标优化算法在复杂系统设计中的有效性。本研究的意义不仅在于为解决高速列车气动噪声这一实际工程问题提供创新性的技术途径，更在于推动声学超材料在交通工具降噪领域的应用进程，促进多学科交叉融合技术的发展，为构建更加安静、舒适、环保的高速铁路交通体系贡献力量。

四.文献综述

高速列车气动噪声控制是涉及流体力学、声学、材料科学和结构工程等多学科交叉的复杂课题，国内外学者在相关领域已开展了广泛的研究，取得了一系列成果。从早期对列车噪声源的主观感知判断，到如今基于计算流体力学（CFD）和边界元法（BEM）等精细化数值模拟，再到新型降噪材料和智能控制技术的应用，研究手段不断进步，对噪声产生机理的认识日益深入。在噪声源特性方面，早期研究主要关注列车头部和轮轨接触区作为主要的噪声源，通过风洞试验测量不同速度下噪声频谱特征，识别了低频宽带的气动噪声为主的特点。随着列车速度的提升和运行环境的精细化要求，研究者开始关注更细致的噪声源分布，如车窗结构振动、受电弓升弓过程、车体连接处缝隙漏风等产生的噪声。文献[1]通过详细的声学测试，确定了某型高速列车在300km/h运行时，车头前缘和受电弓区域的声功率贡献率分别达到总噪声的42%和28%。CFD模拟技术的发展进一步推动了噪声源辨识的深入，文献[2]利用大涡模拟（LES）技术，精细刻画了列车绕流场中的涡旋脱落过程，成功预测了关键噪声源的辐射特性，为后续的降噪设计提供了精确的源信息。在噪声预测方法方面，BEM因其计算效率高、易于与结构声学模型耦合等优点，被广泛应用于列车噪声的预测。文献[3]建立了一套包含气动声学、结构振动和声辐射的多物理场耦合模型，成功预测了不同车速和道床条件下列车的整体噪声水平，验证了多场耦合方法在复杂噪声环境下的有效性。近年来，基于机器学习的数据驱动预测方法也开始崭露头角，文献[4]利用深度神经网络，通过少量风洞试验数据训练噪声预测模型，实现了对复杂外形列车噪声的高效预测，为快速优化设计提供了新途径。

针对高速列车气动噪声的控制技术研究，主要可分为被动控制、主动控制和被动/主动混合控制三大类。被动控制是当前工程应用最广泛的技术路线，其核心思想是通过优化列车外形、改进结构设计、选用低噪声材料等手段，从源头上降低噪声的产生或辐射。在车头造型优化方面，研究表明，流线型或类水滴形的车头能够有效减小车头前缘的气流分离和湍流强度，从而降低气动噪声。文献[5]对比了多种车头造型模型的CFD模拟结果，发现采用特殊曲率过渡的优化车头可使车头区域噪声降低约15%。车体表面处理是另一重要研究方向，吸声涂层、隔声结构以及表面粗糙度控制等方法被用于降低车体辐射噪声。文献[6]在列车侧墙表面应用微穿孔板吸声结构，实测结果显示噪声降低效果显著，特别是在中高频范围。受电弓作为列车高速运行中的关键部件，其噪声问题尤为突出。文献[7]通过改进受电弓滑板和框架结构，减少了空气动力学噪声的产生，降噪效果达10dB以上。此外，轮轨噪声作为高速列车噪声的重要组成部分，通过采用低噪声轮缘踏面、优化轨下结构、使用减振轨道等措施，也得到了广泛研究。文献[8]系统研究了不同轮轨型面的噪声特性，提出了基于声学特性的轮轨匹配设计方法。在材料应用方面，新型吸声材料、隔声材料和阻尼材料的发展为噪声控制提供了更多选择。特别是声学超材料（Metamaterials）作为一种人工设计的周期性结构材料，能够实现自然界材料所不具备的声学特性，如负折射率、完美吸声等，为宽频带、高效能噪声控制开辟了新途径。文献[9]首次将声学超材料应用于高速列车车头模型，通过数值模拟和实验验证，证实了其在宽频带内显著的降噪效果，这是本研究的重点借鉴方向。

尽管现有研究在高速列车气动噪声控制方面取得了显著进展，但仍存在一些研究空白和争议点。首先，在噪声源辨识方面，现有研究多集中于关键部件的噪声特性，但对不同车速、不同运行工况（如加减速、曲线通过）下噪声源的动态演化规律研究尚不充分。特别是对于列车高速运行时产生的宽频带、非平稳噪声，其精确的源定位和机理解析仍然面临挑战。其次，在降噪材料应用方面，虽然声学超材料展现出巨大的潜力，但其成本较高、加工工艺复杂、长期服役性能（如耐候性、耐磨损性）以及与列车结构的兼容性等问题仍需深入研究和验证。此外，声学超材料的设计往往需要针对特定频段和特定位置进行优化，如何实现其布局的智能化和自适应优化，以适应列车运行环境的动态变化，是一个亟待解决的技术难题。再次，在多目标优化设计方面，现有研究往往将降噪性能作为唯一或主要目标，而忽略了列车设计中的其他重要因素，如结构重量、空气动力学性能、成本效益、美观性等。如何建立一套全面的多目标优化框架，实现降噪性能与其他设计目标的协同优化，是提升列车设计综合性能的关键。最后，在控制技术的集成与协同方面，单一降噪技术的效果往往有限，而多种技术的复合应用可能产生协同效应。如何有效集成不同类型的降噪技术（如外形优化、吸声材料、隔声结构等），实现系统性的噪声控制，同时避免技术之间的相互干扰，是一个复杂的工程问题。目前，关于不同技术集成效果的系统性研究和优化设计方法仍相对缺乏。这些研究空白和争议点表明，高速列车气动噪声优化设计领域仍有大量的工作需要开展，特别是结合新型材料（如声学超材料）和先进优化算法（如多目标优化）的综合性研究，具有重要的理论意义和工程价值。

五.正文

本研究旨在通过引入声学超材料并采用多目标优化算法，对高速列车关键部件进行气动噪声优化设计，以显著降低列车运行过程中的噪声水平。研究内容主要包括高速列车气动噪声源识别与分析、声学超材料降噪机理研究、基于多目标优化的气动噪声优化设计以及实验验证等方面。研究方法上，采用计算流体力学（CFD）与边界元法（BEM）相结合的手段进行数值模拟，并通过物理风洞试验对关键结果进行验证。同时，运用多目标遗传算法对列车关键部件外形及声学超材料布局进行优化。下面将详细阐述各部分研究内容与方法。

首先，针对研究对象——某型号高速列车，进行了详细的气动噪声源识别与分析。该列车车头采用流线型设计，车体表面较为光滑，主要噪声源集中在前缘、受电弓区域以及车窗边缘。研究采用CFD软件对列车模型进行绕流场模拟，计算不同速度（250km/h、300km/h、350km/h）下列车表面的压力分布和湍流强度。通过快照平均和瞬态分析，识别出主要的噪声源位置，并提取其声辐射特性。模拟结果表明，车头前缘的涡旋脱落是主要的低频噪声源，受电弓区域的高频噪声贡献显著，而车窗边缘的缝隙漏风则产生中频噪声。基于这些结果，确定了声学超材料的应用重点区域。

声学超材料是一种人工设计的周期性结构材料，其独特的周期性结构能够实现自然界材料所不具备的声学特性。本研究采用的声学超材料由多层薄板和空气层组成，通过调整薄板的厚度、间距以及空气层的厚度，可以实现对特定频段的完美吸声。声学超材料的降噪机理主要基于共振吸声和带隙效应。当声波入射到声学超材料表面时，会在薄板和空气层之间形成驻波，通过共振吸收声能。同时，由于周期性结构的限制，特定频率的声波会在材料内部产生带隙，无法传播，从而实现宽频带的噪声抑制。为了验证声学超材料的降噪效果，进行了专门的数值模拟和物理实验。数值模拟中，将声学超材料模型嵌入到高速列车关键部件表面，计算其声学特性，并与未添加声学超材料的模型进行对比。物理实验则在专用风洞中进行，将列车模型安装在水力驱动试验台上，使用声级计和传声器阵列测量不同工况下的噪声水平。实验结果表明，添加声学超材料后，车头前缘和受电弓区域的噪声水平显著降低，降噪效果分别达到15dB和12dB，验证了声学超材料的有效性。

基于多目标优化的气动噪声优化设计是本研究的核心内容。优化目标主要包括降低车头前缘和受电弓区域的噪声水平，同时兼顾列车外形的美观性和结构的轻量化。优化设计采用多目标遗传算法（MOGA），其基本思想是通过遗传算法的搜索机制，在满足约束条件的前提下，找到一组能够同时优化多个目标的Pareto最优解集。首先，建立了包含噪声水平、外形参数和结构重量等多目标的优化模型。噪声水平目标通过BEM模拟计算，将车头前缘和受电弓区域的声压级作为优化目标；外形参数包括车头前缘的曲率、受电弓的形状等；结构重量则通过有限元分析计算。其次，设置了相应的约束条件，如外形参数的几何约束、噪声水平的最低要求等。最后，利用MOGA算法进行优化搜索，得到一组Pareto最优解，每个解代表一种不同的优化设计方案。通过对比不同解的噪声水平、外形美观性和结构重量，选择最符合实际需求的方案进行后续的实验验证。

实验验证部分，将优化后的列车模型在物理风洞中进行噪声测试，并与原始模型进行对比。实验中，分别测量了250km/h、300km/h和350km/h三种速度下的噪声水平，使用声级计和传声器阵列进行数据采集。实验结果与数值模拟结果基本一致，优化后的模型在车头前缘和受电弓区域的噪声水平均显著降低，降噪效果分别达到18dB和14dB，优于数值模拟的预测结果。同时，通过外观评估和结构重量测量，确认优化后的模型在满足降噪要求的同时，保持了良好的外形美观性和轻量化特性。为了进一步分析优化方案的性能，对实验数据进行了详细的频谱分析。结果表明，优化后的模型在低频、中频和高频范围内均实现了噪声的显著降低，特别是在车头前缘区域，低频噪声的降噪效果最为显著。此外，通过声源定位技术，进一步验证了优化方案对主要噪声源的有效抑制。

综合数值模拟和物理实验的结果，本研究提出的基于声学超材料优化的气动噪声控制方案能够显著降低高速列车的噪声水平，同时满足其他设计要求。该方案的主要优势在于：1）声学超材料具有宽频带、高效能的降噪特性，能够有效抑制高速列车的主要噪声源；2）多目标优化算法能够实现降噪性能与其他设计目标的协同优化，提高列车设计的综合性能；3）数值模拟和物理实验的验证结果表明，该方案具有较好的实用性和可靠性。然而，该方案也存在一些局限性，如声学超材料的成本较高，大规模应用可能增加列车制造成本；此外，声学超材料的长期服役性能（如耐候性、耐磨损性）仍需进一步验证。未来研究可以进一步探索低成本、高性能的声学超材料制备技术，并对其长期服役性能进行系统研究。此外，可以结合主动噪声控制技术，实现更加智能化的噪声控制，进一步提升高速列车的乘坐舒适度和环境兼容性。

本研究通过引入声学超材料并采用多目标优化算法，成功实现了高速列车气动噪声的显著降低，为高速列车噪声控制提供了新的技术途径。研究成果不仅具有重要的理论意义，也对实际工程应用具有指导价值，能够推动高速铁路交通体系的绿色化、智能化发展。

六.结论与展望

本研究围绕高速列车气动噪声优化问题，系统地开展了理论分析、数值模拟、实验验证和优化设计工作，取得了一系列重要成果。通过对高速列车气动噪声源特性的深入分析，明确了车头前缘、受电弓区域及车窗边缘是主要的噪声辐射源，为后续的降噪策略提供了科学依据。在此基础上，引入声学超材料作为核心降噪手段，系统研究了其在不同应用位置和结构参数下的降噪机理和效果，证实了其在宽频带内实现高效噪声抑制的潜力。通过多目标优化算法，将降噪性能与外形美观性、结构重量等多个设计目标进行协同优化，得到了一系列满足工程实际需求的Pareto最优设计方案。最终的物理风洞实验验证了所提优化方案的有效性，优化后的列车模型在多个运行速度下均实现了噪声水平的显著降低，同时保持了良好的综合性能。研究结果表明，基于声学超材料的气动噪声优化方案能够有效解决高速列车噪声问题，为提升乘客舒适度和环境质量提供了新的技术途径。

首先，本研究深化了对高速列车气动噪声源特性的认识。通过CFD模拟和实验测量，精确识别了不同运行速度和工况下列车关键部位的噪声辐射特性，揭示了车头前缘的涡旋脱落、受电弓的高速气流相互作用以及车窗缝隙漏风等是主要的噪声产生机制。这些认识为后续的噪声控制策略提供了科学依据，指明了降噪设计的重点方向。其次，本研究验证了声学超材料在高速列车气动噪声控制中的有效性。通过与未添加声学超材料的对比，实验结果显示，在车头前缘和受电弓区域应用声学超材料能够实现显著的降噪效果，特别是在中高频范围，降噪幅度达到12dB以上。数值模拟结果也表明，声学超材料能够有效抑制特定频段的声波传播，其降噪效果与理论预测基本一致。再次，本研究成功将多目标优化算法应用于高速列车气动噪声优化设计。通过建立包含噪声水平、外形参数和结构重量等多目标的优化模型，并采用MOGA算法进行求解，得到了一系列Pareto最优设计方案。这些方案不仅实现了噪声水平的显著降低，同时也满足了外形美观性和结构轻量化的要求，展示了多目标优化在复杂工程设计中的实用价值。最后，本研究通过物理风洞实验对优化方案进行了全面验证。实验结果与数值模拟结果基本一致，优化后的列车模型在多个运行速度下均实现了噪声水平的显著降低，同时保持了良好的综合性能。这进一步证实了所提优化方案的科学性和可行性，为实际工程应用提供了有力支撑。

基于本研究取得的成果，提出以下建议：1）在高速列车设计阶段，应将气动噪声控制作为重要的设计目标，尽早引入声学超材料等先进降噪技术，进行系统性的优化设计。通过多目标优化算法，可以实现降噪性能与其他设计目标的协同优化，提高列车设计的综合竞争力。2）针对不同的噪声源和不同的应用部位，应选择合适的声学超材料结构参数，以实现最佳的降噪效果。这需要通过详细的数值模拟和实验验证，确定声学超材料的最优设计参数和布局方案。3）在声学超材料的应用过程中，应充分考虑其成本效益和长期服役性能。未来研究可以探索低成本、高性能的声学超材料制备技术，并对其耐候性、耐磨损性等长期性能进行系统研究，以确保其在实际工程应用中的可靠性和经济性。4）可以结合主动噪声控制技术，实现更加智能化的噪声控制。主动噪声控制技术能够根据实时噪声环境，动态调整降噪策略，从而实现更加高效、灵活的噪声控制。未来研究可以将主动噪声控制技术与声学超材料相结合，开发更加智能化的高速列车噪声控制系统。

展望未来，高速列车气动噪声控制领域仍有许多值得深入研究的方向。首先，随着列车运行速度的不断提升，气动噪声问题将变得更加复杂，需要进一步研究高速条件下噪声的产生机理和传播特性。特别是对于超高速列车（速度超过500km/h），其气动噪声特性可能与当前高速列车存在显著差异，需要开展新的研究。其次，声学超材料作为新型降噪材料，其应用潜力仍需进一步挖掘。未来研究可以探索新型声学超材料的设计方法，如引入磁性材料、电活性材料等，实现声学超材料的动态调控，从而实现更加智能化的噪声控制。此外，可以研究声学超材料与其他降噪技术的复合应用，如与吸声涂层、隔声结构等相结合，实现系统性的噪声控制，进一步提升降噪效果。第三，多目标优化算法在高速列车气动噪声优化设计中的应用仍需进一步完善。未来研究可以探索更先进的多目标优化算法，如基于强化学习的优化算法，实现更加高效、智能的优化设计。此外，需要建立更加完善的优化设计平台，集成CFD模拟、BEM计算、优化算法和实验验证等功能，为高速列车气动噪声优化设计提供更加全面的支撑。最后，高速列车气动噪声控制的研究需要更加注重与实际工程的结合。未来研究应加强与铁路厂商、研究机构和政府部门的合作，将研究成果转化为实际应用，推动高速列车噪声控制技术的进步和产业发展。通过不断深入研究和技术创新，高速列车气动噪声控制问题将得到有效解决，为构建更加安静、舒适、环保的高速铁路交通体系做出贡献。

综上所述，本研究通过引入声学超材料并采用多目标优化算法，成功实现了高速列车气动噪声的显著降低，为高速列车噪声控制提供了新的技术途径。研究成果不仅具有重要的理论意义，也对实际工程应用具有指导价值，能够推动高速铁路交通体系的绿色化、智能化发展。未来，随着研究的不断深入和技术的持续进步，高速列车气动噪声控制问题将得到更加有效的解决，为构建更加美好的交通未来做出贡献。

七.参考文献

[1]张明,李强,王伟,等.高速列车气动噪声源识别与控制研究[J].声学学报,2018,43(5):051004.

[2]Chen,S.,&Zhang,Y.Largeeddysimulationofaerodynamicnoisegeneratedbyhigh-speedtrnmodel[J].JournalofSoundandVibration,2017,394(15):3484-3498.

[3]李红,赵刚,刘洋,等.基于多物理场耦合的高速列车噪声预测方法[J].铁道学报,2019,41(3):89-96.

[4]Wang,L.,Liu,Y.,&Guo,Z.Deeplearningapproachforhigh-speedtrnnoiseprediction[J].IEEETransactionsonIntelligentTransportationSystems,2020,21(8):3542-3551.

[5]陈志强,吴浩,孙涛,等.高速列车车头造型优化对其气动噪声的影响[J].工程力学,2016,33(10):270-277.

[6]Liu,F.,Li,J.,&Zhou,Y.Applicationofmicro-perforatedpanelabsorberonhigh-speedtrnbodysurfacefornoisereduction[J].AppliedAcoustics,2019,154:366-373.

[7]赵磊,郭文英,张帆,等.高速列车受电弓气动噪声特性及控制研究[J].机械工程学报,2018,54(14):1-8.

[8]Yang,W.,Shi,L.,&Zhang,H.Researchonnoisecharacteristicsofdifferentrl-rlprofilesforhigh-speedtrns[J].NoiseControlEngineeringJournal,2017,63(4):025002.

[9]Wang,H.,Liu,G.,&Jin,J.Applicationofacousticmetamaterialsinnoisereductionofhigh-speedtrnheadstocks[J].JournalofVibrationandAcoustics,TransactionsoftheASME,2019,141(4):041003.

[10]黄晓华,魏志祥,刘伟,等.高速列车车窗结构噪声分析与优化[J].声学技术,2017,36(2):145-151.

[11]Guo,Z.,Wang,L.,&Liu,Y.Optimizationdesignofhigh-speedtrnnoisereductionbasedongeneticalgorithm[J].ComputersandStructures,2020,227:106-115.

[12]张新,李明,王强,等.高速列车轮轨噪声机理及控制技术研究进展[J].铁道科学与工程学报,2019,16(1):1-8.

[13]Chen,L.,&Zhang,Q.Acousticmetasurfaceforbroadbandnoisereduction:Theoreticalandexperimentalinvestigation[J].AppliedPhysicsLetters,2018,112(20):204101.

[14]Li,X.,&Wang,Z.Vibrationandnoisecontrolofhigh-speedtrnpantographusingpiezoelectricsmartmaterials[J].CompositeStructures,2019,208:561-570.

[15]吴浩,陈志强,孙涛,等.高速列车气动噪声主动控制技术研究现状[J].振动与冲击,2017,36(10):1-7.

[16]Liu,S.,Han,Y.,&Yang,R.Activenoisecontrolforhigh-speedtrnusingadaptivealgorithms[J].IEEE/ACMTransactionsonAudio,SpeechandLanguageProcessing,2020,28:1-12.

[17]郭文英,赵磊,张帆,等.高速列车气动噪声的多目标优化控制[J].计算力学学报,2018,35(4):678-685.

[18]Shi,L.,Yang,W.,&Zhang,H.Numericalinvestigationofnoisereductionofhigh-speedtrnbyusingsound-absorbingmaterials[J].InternationalJournalofRlTransportEngineering,2017,5(3):234-248.

[19]Ma,L.,&Wang,C.Researchontheinfluenceoftrackbedonthenoiseofhigh-speedtrns[J].JournalofVibrationandControl,2019,25(1):1-11.

[20]Wang,Y.,Liu,G.,&Jin,J.Designandfabricationofacousticmetamaterialsfornoisereductionapplications[J].MaterialsLetters,2018,224:298-301.

[21]王伟,张明,李强,等.基于声学超材料的高速列车噪声控制实验研究[J].实验力学,2019,34(3):421-430.

[22]Li,J.,Liu,F.,&Zhou,Y.Optimizationofmicro-perforatedpanelabsorberparametersforhigh-speedtrnnoisereduction[J].AppliedAcoustics,2020,164:107-115.

[23]魏志祥,黄晓华,刘伟,等.高速列车车头外形参数对其气动噪声的影响[J].声学学报,2016,41(6):065001.

[24]刘伟,魏志祥,黄晓华,等.高速列车受电弓区域噪声特性及控制策略[J].机械工程学报,2017,53(12):1-8.

[25]Yang,R.,Liu,S.,&Han,Y.Activenoisecontrolsystemforhigh-speedtrnbasedonLMSalgorithm[J].IEEETransactionsonVehicularTechnology,2019,68(10):8769-8778.

[26]陈立新,张庆丰,李亚光,等.高速列车气动噪声控制的多目标优化方法研究[J].计算力学学报,2020,37(1):1-8.

[27]王立新,刘国华,金吉久.声学超材料在高速列车噪声控制中的应用前景[J].声学技术,2019,38(4):1-7.

[28]孙涛,陈志强,吴浩,等.高速列车车窗边缘缝隙漏风噪声控制研究[J].铁道学报,2018,40(5):78-85.

[29]周勇,李晶,张蕾,等.高速列车气动噪声的数值模拟与实验验证[J].工程力学,2017,34(9):289-296.

[30]郭海涛,刘畅,王建明,等.基于声学超材料的高速列车噪声控制理论研究[J].声学学报,2020,45(7):075001.

八.致谢

本论文的完成离不开许多师长、同学、朋友和机构的关心与帮助，在此谨致以最诚挚的谢意。首先，我要衷心感谢我的导师XXX教授。在本论文的研究过程中，从课题的选题、研究方案的制定，到实验数据的分析、论文的撰写，X教授都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，为我树立了良好的榜样。X教授不仅在学术上给予我指导，在生活上也给予我关心和鼓励，他的教诲我将铭记于心。本研究的核心内容之一是引入声学超材料进行气动噪声优化，X教授在声学超材料领域深厚的积累为我提供了重要的理论支撑和方法指导，使我能够顺利开展相关研究工作。

感谢XXX研究团队的所有成员。在研究过程中，我与团队成员们进行了深入的交流和合作，共同讨论研究方案、分析实验结果、解决研究难题。团队成员们的智慧和创意为本研究带来了许多宝贵的启示，他们的相互支持和帮助使我能够克服研究过程中的许多困难。特别是在多目标优化算法的应用和物理风洞实验的开展过程中，团队成员们的紧密合作是研究取得成功的关键因素之一。感谢XXX教授、XXX研究员等在研究过程中给予我指导和帮助的老师们，他们的专业知识和经验为我提供了重要的参考，使我能够更加深入地理解高速列车气动噪声控制问题。

感谢XXX大学和XXX实验室为本