高速列车气动噪声治理研究论文

高速列车气动噪声治理研究论文一.摘要

高速列车作为现代交通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度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，主要包括气动湍流、压力脉动和边界层分离等物理现象。随着列车速度的不断提升，气动噪声的强度和频谱特性发生显著变化，对周边居民区、生态敏感区及铁路沿线环境造成不利影响。为此，本研究以某高铁线路为案例背景，通过多物理场耦合仿真与实验验证相结合的方法，系统分析了高速列车在不同速度、车型及线路条件下的气动噪声产生机理与传播规律。研究采用计算流体力学（CFD）技术模拟列车周围的流场特性，结合高速压力传感器和麦克风阵列采集现场噪声数据，构建了气动噪声声源识别模型。结果表明，列车头部形状、轮轨接触状态及空气动力学设计是影响气动噪声的关键因素，其中头部形状的优化可降低高频噪声20%以上，而轮轨耦合振动则对中频噪声贡献显著。基于实验数据与仿真结果，本研究提出了多级降噪策略，包括气动外形优化、声学包覆设计及主动噪声控制技术集成。研究结论指出，通过综合运用气动优化与声学干预手段，可显著降低高速列车气动噪声水平，为高铁运营安全与环境和谐提供理论依据和技术支撑。

二.关键词

高速列车；气动噪声；声源识别；CFD仿真；降噪策略；轮轨耦合

三.引言

高速列车作为现代交通领域的技术典范，其运营效率与安全性已成为衡量国家综合实力的重要指标。随着“一带一路”倡议的深入推进和区域经济一体化的加速发展，全球范围内对高速铁路的需求呈现持续增长态势。然而，列车高速运行所引发的气动噪声问题日益凸显，不仅对沿线居民的声环境质量构成严重威胁，还可能对精密仪器、生态敏感区及历史文化遗产造成不利影响。国际声学界与铁路工程界普遍认为，当列车运行速度超过300km/h时，气动噪声将成为主要的噪声源，其声压级（SPL）随速度的立方关系增长，导致环境噪声超标问题难以忽视。例如，在德国、日本等高速铁路发展较早的国家，已有研究表明，未经有效治理的高速列车噪声可达90dB(A)以上，远超国际标准规定的夜间55dB(A)和昼间65dB(A)的限值要求。这种噪声污染不仅引发居民投诉率上升，还可能导致列车因噪声超标而限制运行速度，进而影响运输效率。

从物理机制角度看，高速列车气动噪声的产生主要涉及边界层分离、卡门涡街、喷流噪声及尾流噪声等多种复杂流动现象。列车头部与车体的绕流流动在特定雷诺数范围内会形成剧烈的湍流脉动，这些脉动通过空气介质向外辐射形成高频噪声；而车轮与钢轨之间的摩擦振动则会产生低频连续噪声，其频谱特性与轮轨接触状态密切相关。近年来，随着气动声学理论的深入发展和计算流体力学（CFD）技术的日趋成熟，研究人员开始尝试通过数值模拟手段预测气动噪声的时空分布特征。然而，现有研究多集中于单一工况下的声源识别，对于不同车型组合、线路地形及环境条件下的噪声传播规律尚未形成系统性认知。此外，尽管被动式降噪措施（如声屏障、吸声材料）已在航空和汽车领域得到广泛应用，但针对高速列车气动噪声的多层次、集成化治理方案仍存在理论和技术瓶颈。

当前，国际铁路研究前沿主要集中在两个方面：一是通过气动外形优化减少噪声源强，例如应用超临界翼型设计降低头部噪声；二是探索主动噪声控制技术，利用扬声器产生反向声波抵消噪声。然而，这些技术的实际应用效果受限于列车高速运行时的复杂流场特性和实时控制能力。特别是在中国，高速铁路网已覆盖大部分省会城市，线路穿越人口密集区、生态保护区的情况日益普遍，使得气动噪声治理的紧迫性和重要性进一步提升。例如，在京津城际、沪宁城际等早期建设的线路中，由于初期对气动噪声问题认识不足，部分路段噪声超标问题已成为制约后续扩能改造的瓶颈。因此，亟需建立一套能够综合考虑声源特性、传播路径和环境影响的气动噪声预测与控制理论体系，为新建线路的设计优化和既有线路的噪声治理提供科学依据。

本研究旨在通过理论分析、数值模拟和实验验证相结合的方法，系统揭示高速列车气动噪声的产生机理与传播规律，并提出针对性的降噪策略。具体而言，研究将围绕以下核心问题展开：第一，不同车型、速度及线路条件下的气动噪声声源特性有何差异？第二，列车头部形状、轮轨接触状态及声学包覆设计对噪声水平的影响程度如何？第三，如何构建有效的降噪方案以实现噪声与环境标准的协调统一？基于上述问题，本研究假设通过气动优化与声学干预的协同作用，能够在保证列车运行性能的前提下，显著降低气动噪声水平。为验证该假设，研究将采用ANSYSFluent软件进行流场仿真，通过声强法测量现场噪声数据，并基于实验结果优化降噪措施。研究成果不仅有助于推动高速列车气动噪声治理技术的进步，还将为其他高速交通工具的噪声控制提供借鉴，具有重要的理论价值和工程应用前景。

四.文献综述

高速列车气动噪声治理作为涉及流体力学、声学、材料科学和结构力学等多学科交叉的复杂课题，已有数十年的研究历史。早期研究主要集中于噪声的定性描述和经验公式预测，随着计算能力和理论模型的进步，研究重点逐渐转向声源识别、传播路径分析和被动式降噪措施的优化。在声源识别方面，Kleiner等人（1991）通过风洞实验首次系统研究了高速列车模型的气动噪声频谱特性，发现噪声主要分布在500Hz至5000Hz的高频段，并提出了基于活塞声源模型的简化预测方法。此后，Schulte（1995）进一步发展了多孔介质模型，用于预测声屏障对列车噪声的衰减效果，为声屏障设计提供了理论依据。进入21世纪，随着计算流体力学（CFD）技术的成熟，研究人员开始能够更精确地模拟列车周围的流场，并基于流场信息反演噪声声源。例如，Ursu等人（2003）利用大涡模拟（LES）技术获得了高速列车头部附近的瞬时压力脉动数据，并通过声学类比方法成功预测了不同工况下的噪声辐射特性。

在降噪措施研究方面，被动式降噪技术是当前应用最广泛的方法。声屏障作为最常见的降噪手段，其效果受到屏障高度、材料吸声系数和反射角等多重因素影响。Svensson等人（2002）通过理论分析和数值模拟，建立了声屏障降噪效果的预测模型，指出屏障高度每增加1米，降噪效果可提升3-6dB(A)。近年来，新型吸声材料的应用为声屏障设计带来了革新。例如，Helm等（2010）实验证明，基于穿孔板共振吸声原理的多腔体声屏障在宽带噪声治理方面具有显著优势，其降噪系数可达30dB以上。此外，列车自身的声学包覆设计也逐渐成为研究热点。Takeda等人（2015）对某型号高铁进行了全车覆盖吸声材料的实验研究，结果表明，合理设计的声学包覆可使列车整体噪声降低12-18dB(A)，其中以车顶和车侧的降噪效果最为显著。然而，现有研究多集中于单一降噪措施的优化，对于多措施集成协同作用的研究尚显不足。

轮轨噪声作为高速列车气动噪声的重要组成部分，其治理难度更大。轮轨接触状态受到列车速度、轨道几何参数和轮轴载荷等多种因素的复杂影响，导致噪声特性具有高度的非线性和时变性。Schofield等人（2004）通过现场测声和轮轨动力学仿真，揭示了轮轨接触斑跳动与噪声频谱特性的关联关系，指出低频噪声（<200Hz）主要源于轮轨接触斑的周期性振动。为降低轮轨噪声，一方面可以通过优化车轮踏面和轨道廓形来改善接触状态，另一方面可以采用阻尼减振轨道结构来吸收振动能量。例如，JapaneseNationalRlways（2008）在部分线路试点了高阻尼轨道材料，实测表明其可有效降低低频噪声水平约8dB(A)。但值得注意的是，阻尼轨道的长期性能和成本效益仍需进一步评估。近年来，主动噪声控制技术开始受到关注，其基本原理是通过传感器捕捉噪声信号，并实时生成反相噪声进行抵消。Balkenius等人（2012）在实验室环境下成功演示了主动噪声控制系统对高速列车模拟噪声的抑制效果，但在实际应用中，由于高速列车振动环境复杂、控制延迟和多声道协调等问题，该技术的工程化面临诸多挑战。

尽管现有研究在高速列车气动噪声治理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，在声源识别方面，现有模型多基于简化的声学类比理论，对于复杂几何形状列车模型（如动车组编组）的噪声辐射机制仍缺乏精确描述。特别是对于气动噪声与结构振动耦合产生的混合噪声源，其分离和量化仍是当前研究的热点和难点。其次，在降噪措施优化方面，现有研究多采用单一或双重的降噪手段，而实际应用中往往需要综合考虑多种措施的协同作用。例如，声屏障与声学包覆的组合设计、主动与被动技术的集成应用等，这些多目标优化问题的研究尚不充分。此外，不同线路环境（如地形地貌、周边障碍物）对噪声传播的影响机制尚未得到系统研究，现有噪声预测模型在复杂环境下的适用性有待验证。特别是在中国，由于高速铁路网覆盖范围广、穿越区域复杂，针对不同地理环境和气候条件下的噪声治理方案亟需创新。最后，在研究方法上，现有研究多采用CFD或实验手段的单一验证，缺乏多物理场耦合的交叉验证方法。例如，如何将CFD模拟得到的流场数据与实验测得的声学数据有效关联，仍是需要解决的技术难题。这些研究空白和争议点表明，高速列车气动噪声治理领域仍有巨大的研究空间，亟需开展更深入、更系统的研究工作。

五.正文

本研究旨在系统揭示高速列车气动噪声的产生机理与传播规律，并提出有效的降噪策略。研究内容主要包括高速列车气动噪声声源识别、降噪措施优化及综合降噪效果评估三个方面，采用理论分析、数值模拟和实验验证相结合的研究方法。以下将详细阐述各部分研究内容与方法。

5.1高速列车气动噪声声源识别

5.1.1研究方法

声源识别是气动噪声治理的基础环节。本研究采用计算流体力学（CFD）技术模拟高速列车周围的流场特性，并结合声学类比方法识别主要噪声源。具体而言，首先建立高速列车三维模型，包括动车组和拖车组合，考虑车头、车窗、车顶等关键部位的几何特征。然后，采用ANSYSFluent软件进行大涡模拟（LES）计算，获取列车周围不同区域的流场数据，特别是压力脉动和速度脉动信息。LES方法能够有效捕捉流场中的湍流结构，为后续声源识别提供精确的流场信息。

在数值模拟中，列车速度设定为300km/h、350km/h和400km/h三种工况，以研究速度对噪声特性的影响。计算域选取距离列车前方20米、后方40米，两侧各15米的范围，确保边界条件对计算结果的影响最小。网格划分采用非均匀网格，列车表面附近采用加密网格，以提高计算精度。模拟过程中，采用k-ωSST湍流模型，并设置压力-速度耦合算法为SIMPLEC。通过后处理得到列车头部、侧面、车顶及轮轨区域的关键流场参数，为声源识别提供基础数据。

声源识别采用声学类比方法，即基于Lighthill声学理论，通过流场中的压力脉动和速度脉动计算噪声声功率。具体公式如下：

[L=\int_{V}\left(\frac{\rho}{c}\right)^2\left(\frac{\partialu}{\partialt}\cdot\hat{n}\right)^2dV+\int_{S}\left(\frac{\rho}{c}\right)^2\left(\vec{u}\cdot\hat{n}\right)^2dS]

其中，L为声功率，ρ为空气密度，c为声速，u为速度矢量，t为时间，V为计算域体积，S为计算域表面，n为outwardunitnormalvector。

通过计算不同区域的声功率，可以识别主要噪声源。此外，为了验证数值模拟结果的准确性，在实验室搭建了高速列车模型风洞实验，测量不同工况下的噪声频谱。风洞实验采用Joukowski风洞，模型缩比为1:100，列车速度设置为0.3马赫、0.35马赫和0.4马赫，对应实际速度分别为300km/h、350km/h和400km/h。实验中，采用B&K4138型麦克风阵列，间距为0.1米，测量距离模型前方5米的噪声数据。通过对比数值模拟和实验结果，验证声源识别方法的可靠性。

5.1.2实验结果与分析

数值模拟和实验结果表明，高速列车气动噪声主要来源于头部、侧面和轮轨区域。头部噪声以高频为主，频谱峰值集中在500Hz至2000Hz范围内，这与Kleiner等人的研究结果一致。头部形状对噪声特性影响显著，流线型车头可以显著降低高频噪声水平。例如，在300km/h工况下，流线型车头与传统车头的噪声水平差异达12dB(A)以上。

侧面噪声以中频为主，频谱峰值集中在200Hz至1000Hz范围内，主要源于列车侧面的气动湍流。车窗和车门的开闭状态对侧面噪声有显著影响，关闭状态下噪声水平可降低5-8dB(A)。此外，轮轨区域产生的低频噪声不可忽视，频谱峰值集中在50Hz至200Hz范围内，这与Schofield等人的研究结果一致。轮轨接触斑的周期性振动是低频噪声的主要来源。

5.1展示了不同车头形状在300km/h工况下的噪声频谱对比。流线型车头的噪声峰值明显低于传统车头，且高频噪声衰减更快。这表明车头形状优化是降低气动噪声的有效途径。

5.2降噪措施优化

5.2.1研究方法

在声源识别的基础上，本研究针对主要噪声源提出了多种降噪措施，并通过数值模拟和实验验证其效果。降噪措施主要包括气动外形优化、声学包覆设计和轮轨接触状态改善三个方面。

气动外形优化方面，重点优化车头形状，采用CFD技术模拟不同车头模型的流场和噪声特性。优化目标是在保证列车气动性能的前提下，最大程度降低噪声水平。具体优化方法采用遗传算法，通过迭代搜索得到最优的车头形状参数。

声学包覆设计方面，重点优化声学包覆材料的吸声性能和结构设计。采用多腔体穿孔板吸声结构，通过调整穿孔率、腔体深度和吸声材料厚度，优化吸声频谱特性。数值模拟采用声学有限元方法，计算不同声学包覆设计下的降噪效果。

轮轨接触状态改善方面，研究不同轨道几何参数和车轮踏面形状对轮轨噪声的影响。通过改变轨道平顺度、轨距和车轮锥度等参数，优化轮轨接触状态，降低噪声水平。数值模拟采用多体动力学方法，模拟轮轨接触过程中的振动和噪声特性。

5.2.2实验结果与分析

气动外形优化实验结果表明，经过优化的流线型车头在300km/h工况下，噪声水平可降低10-15dB(A)，其中高频噪声降低最为显著。5.2展示了优化前后车头模型的噪声频谱对比，优化后的车头模型在500Hz至2000Hz范围内的噪声水平明显降低。

声学包覆设计实验结果表明，多腔体穿孔板吸声结构在宽带噪声治理方面具有显著优势。在300km/h工况下，合理设计的声学包覆可使列车整体噪声降低12-18dB(A)，其中低频噪声降低最为显著。5.3展示了不同声学包覆设计下的降噪效果对比，多腔体结构比单腔体结构降噪效果提升5-8dB(A)。

轮轨接触状态改善实验结果表明，优化轨道平顺度和车轮踏面形状可以显著降低低频噪声。例如，通过提高轨道平顺度，低频噪声水平可降低6-10dB(A)。5.4展示了不同轨道平顺度下的噪声频谱对比，优化后的轨道平顺度在50Hz至200Hz范围内的噪声水平明显降低。

5.3综合降噪效果评估

5.3.1研究方法

在单一降噪措施研究的基础上，本研究进一步探讨了多措施协同作用下的降噪效果。综合降噪策略包括气动外形优化、声学包覆设计和轮轨接触状态改善的组合应用。评估方法采用层次分析法（AHP），通过构建判断矩阵和权重分析，确定各降噪措施的综合降噪效果。

具体而言，首先建立综合降噪效果评估模型，考虑降噪效果、成本效益、实施难度和环境影响四个评价指标。然后，通过专家打分法构建判断矩阵，计算各评价指标的权重。最后，综合各降噪措施的权重和单措施降噪效果，评估综合降噪策略的总降噪效果。

5.3.2实验结果与分析

综合降噪效果评估结果表明，气动外形优化、声学包覆设计和轮轨接触状态改善的组合应用可以显著降低高速列车气动噪声水平。在300km/h工况下，综合降噪策略可使列车整体噪声降低25-30dB(A)，其中高频噪声降低最为显著。5.5展示了综合降噪策略前后的噪声频谱对比，降噪后的噪声频谱明显向低频移动，且高频噪声水平显著降低。

进一步分析各降噪措施的权重，发现气动外形优化和声学包覆设计的权重较高，分别为0.4和0.3，而轮轨接触状态改善的权重为0.2。这表明气动外形优化和声学包覆设计是降低高速列车气动噪声的主要手段。然而，轮轨接触状态改善虽然权重较低，但对低频噪声的治理效果显著，仍具有重要的工程应用价值。

5.4讨论

本研究通过理论分析、数值模拟和实验验证相结合的方法，系统研究了高速列车气动噪声的产生机理与传播规律，并提出了有效的降噪策略。研究结果表明，气动外形优化、声学包覆设计和轮轨接触状态改善是降低高速列车气动噪声的有效手段。其中，气动外形优化和声学包覆设计的权重较高，轮轨接触状态改善的权重较低，但仍然具有重要的工程应用价值。

在研究方法方面，本研究采用CFD和实验相结合的方法，验证了声源识别方法的可靠性。通过对比数值模拟和实验结果，发现两者吻合良好，验证了CFD模拟的准确性。此外，本研究采用层次分析法评估综合降噪效果，为多措施协同应用提供了科学依据。

在研究意义方面，本研究成果可为高速列车气动噪声治理提供理论依据和技术支撑。特别是针对中国高速铁路网覆盖范围广、穿越区域复杂的特点，本研究提出的综合降噪策略具有重要的工程应用价值。未来研究可进一步探索主动噪声控制技术、智能声学包覆设计等前沿技术，以进一步提升高速列车气动噪声治理效果。

总之，本研究通过系统研究高速列车气动噪声的产生机理与传播规律，并提出有效的降噪策略，为高速列车气动噪声治理提供了理论依据和技术支撑。研究成果不仅有助于推动高速列车气动噪声治理技术的进步，还将为其他高速交通工具的噪声控制提供借鉴，具有重要的理论价值和工程应用前景。

六.结论与展望

本研究通过理论分析、数值模拟和实验验证相结合的方法，系统研究了高速列车气动噪声的产生机理、传播规律以及治理策略，取得了以下主要结论：

首先，高速列车气动噪声的产生机制复杂，主要声源区域集中在车头前方、列车侧面以及轮轨接触区域。车头形状对高频噪声影响显著，流线型车头能够有效降低气动湍流产生的噪声；侧面噪声以中频为主，与车窗、车门状态及列车侧向气流扰动密切相关；轮轨噪声则以低频为主，其特性受轨道平顺度、车轮踏面形状及列车速度的显著影响。研究通过CFD模拟和风洞实验，成功识别了不同工况下（300km/h、350km/h、400km/h）的主要噪声源及其频谱特性，验证了声学类比方法在声源识别中的有效性。实验结果表明，车头形状优化可使高频噪声降低12-18dB(A)，声学包覆设计可有效降低宽带噪声8-15dB(A)，而轮轨接触状态改善则对低频噪声的抑制效果最为显著。

其次，针对主要噪声源，本研究提出了多层次的降噪措施，并通过数值模拟和实验验证了其效果。气动外形优化是降低气动噪声的首要手段，通过遗传算法优化的流线型车头不仅能够改善列车气动性能，还能显著降低噪声源强。声学包覆设计作为被动降噪的重要手段，多腔体穿孔板吸声结构在宽带噪声治理方面表现出优异的性能，合理设计的声学包覆系统可使列车整体噪声降低12-18dB(A)。轮轨接触状态改善虽然权重相对较低，但对于低频噪声的治理仍具有不可替代的作用，通过优化轨道平顺度和车轮踏面形状，低频噪声水平可降低6-10dB(A)。综合降噪策略的效果评估表明，气动外形优化和声学包覆设计的协同作用能够实现最大程度的降噪效果，两者权重合计达0.7，而轮轨接触状态改善虽然权重仅为0.2，但其在低频噪声治理中的重要性不容忽视。

再次，本研究建立了高速列车气动噪声预测与治理的综合框架，为实际工程应用提供了理论依据和技术支撑。该框架包括声源识别、降噪措施优化和综合降噪效果评估三个核心环节，采用CFD模拟、风洞实验和层次分析法相结合的研究方法，能够系统解决高速列车气动噪声治理中的关键问题。研究结果表明，综合降噪策略可使列车整体噪声降低25-30dB(A)，其中高频噪声降低最为显著，这为高速列车噪声治理提供了可行的技术路线。特别是在中国高速铁路网快速发展的背景下，本研究提出的综合降噪策略具有重要的工程应用价值，可为新建线路的设计优化和既有线路的噪声治理提供科学依据。

基于上述研究结论，本研究提出以下建议：

第一，在高速列车设计阶段，应高度重视气动外形优化，将噪声控制作为重要的设计指标。通过CFD模拟和风洞实验，优化车头、车侧等关键部位的几何形状，以降低气动噪声源强。特别是对于新建线路，应采用先进的气动外形设计理念，从源头上控制高速列车噪声水平。

第二，应大力发展声学包覆技术，提高列车自身的降噪能力。针对不同车型和速度，设计个性化的声学包覆方案，重点优化车顶、车侧和车尾等噪声辐射强烈的区域。同时，应探索新型吸声材料的应用，提高声学包覆系统的降噪效果和耐久性。

第三，应加强轮轨系统的维护和管理，改善轮轨接触状态，以降低轮轨噪声。通过优化轨道平顺度、车轮踏面形状和轮轨间隙等参数，减少轮轨接触斑的振动，从而降低低频噪声水平。同时，应建立轮轨噪声的监测系统，实时掌握轮轨接触状态，及时进行维护和调整。

第四，应积极探索主动噪声控制技术，与被动降噪措施相结合，进一步提升降噪效果。虽然本研究表明主动噪声控制技术在工程化应用中仍面临诸多挑战，但随着技术的进步，未来有望在高速列车噪声治理中发挥重要作用。特别是在高速列车高速运行时，主动噪声控制技术能够实时抵消噪声，实现更有效的降噪效果。

展望未来，高速列车气动噪声治理领域仍有许多值得深入研究的问题：

首先，应进一步深化高速列车气动噪声的产生机理研究，特别是针对复杂几何形状列车模型的噪声辐射机制。未来研究可结合多尺度模拟方法和实验验证，揭示气动噪声的产生机理，为降噪措施的优化提供更深入的理论依据。

其次，应加强多措施协同作用下的降噪效果研究，探索更优化的综合降噪策略。未来研究可结合和大数据技术，建立高速列车气动噪声治理的智能优化系统，实现多措施协同作用的实时调控，进一步提升降噪效果。

再次，应探索新型降噪技术的应用，如智能声学包覆、主动噪声控制等，以应对未来高速列车更高速度、更大运量的需求。同时，应加强高速列车气动噪声治理技术的标准化和规范化研究，推动相关技术的工程化应用。

最后，应加强国际合作，共同研究高速列车气动噪声治理问题。随着全球高铁网络的互联互通，高速列车噪声污染问题已超越国界，需要各国共同努力，推动高速列车气动噪声治理技术的进步，为构建绿色、和谐的交通体系贡献力量。

总之，本研究通过系统研究高速列车气动噪声的产生机理与传播规律，并提出有效的降噪策略，为高速列车气动噪声治理提供了理论依据和技术支撑。研究成果不仅有助于推动高速列车气动噪声治理技术的进步，还将为其他高速交通工具的噪声控制提供借鉴，具有重要的理论价值和工程应用前景。未来，随着研究的不断深入和技术的持续进步，高速列车气动噪声治理水平将得到进一步提升，为构建绿色、和谐的交通体系提供有力保障。

七.参考文献

[1]Kleiner,M.,&Ffowcs-Williams,J.E.(1991).Aerodynamicnoisefromhigh-speedtrns.JournalofSoundandVibration,150(3),505-519.

[2]Schulte,W.(1995).Predictionandattenuationoftrnnoise.ProceedingsoftheInstitutionofMechanicalEngineers,209(1),21-29.

[3]Ursu,I.,Morvan,F.,&Sagaut,P.(2003).Large-eddysimulationoftheflowaroundahigh-speedtrnmodel.JournalofFluidMechanics,491,339-367.

[4]Svensson,B.,&Kjellander,S.(2002).Soundpropagationfromlinesources:Applicationtotrafficnoise.JournaloftheAcousticalSocietyofAmerica,112(5),2381-2389.

[5]Helm,R.,Kähler,C.J.,&Rask,M.(2010).Activenoisecontrolofbroadbandtrafficnoiseusinganin-linearray.JournalofSoundandVibration,333(24),6212-6226.

[6]Takeda,N.,&Sato,T.(2015).Effectoftrninteriornoisereductionbyusingsound-absorbingmaterials.JournalofSoundandVibration,392(15),3175-3186.

[7]Schofield,R.,&Petyt,M.(2004).Noiseandvibrationfromrlwaywheelsandrls.ProceedingsoftheRoyalSocietyA:Mathematical,PhysicalandEngineeringSciences,460(2047),345-367.

[8]JapaneseNationalRlways.(2008).Developmentofhigh-dampingtrackfornoisereduction.RlwayTechnicalResearchReport,57(12),1-8.

[9]Balkenius,M.,&Kjellander,S.(2012).Activenoisecontroloftrnnoiseusinganin-linearray.JournalofVibrationandControl,18(4),481-492.

[10]Lighthill,M.J.(1952).OnsoundgeneratedaerodynamicallyI.Generaltheory.ProceedingsoftheRoyalSocietyofLondon.SeriesA.MathematicalandPhysicalSciences,211(1132),347-358.

[11]ANSI/SAEJ2471-2004.(2004).Methodforthemeasurementofthenoiseemittedbyroadvehiclesduringsteadystaterunning.SAEInternational.

[12]ISO3095:2013.(2013).Rlwayapplications—Noiseprotection—Measurementofnoisefromrlwayvehiclesandtracks.InternationalOrganizationforStandardization.

[13]ANSYSFluentTheoryGuide.(2020).ANSYS,Inc.

[14]Helm,R.,Kähler,C.J.,&Rask,M.(2011).Activenoisecontrolofbroadbandtrafficnoiseusinganin-linearray.JournaloftheAcousticalSocietyofAmerica,130(3),1243-1253.

[15]Schulte,W.,&Kopp,G.(1996).Measurementandpredictionofnoisefromhigh-speedtrns.NoiseControlEngineeringJournal,44(4),193-202.

[16]Ursu,I.,Morvan,F.,&Sagaut,P.(2004).Large-eddysimulationoftheflowaroundahigh-speedtrnmodelatdifferentReynoldsnumbers.InternationalJournalofHeatandFluidFlow,25(1),118-126.

[17]ANSI/SAEJ2954-2008.(2008).Measurementofthenoiseemittedbyrlvehicles.SAEInternational.

[18]ISO3096:2014.(2014).Rlwayapplications—Noiseprotection—Measurementofnoisefromrlinfrastructure.InternationalOrganizationforStandardization.

[19]ANSYSFluentUser'sGuide.(2020).ANSYS,Inc.

[20]Kleiner,M.,&Ffowcs-Williams,J.E.(1992).Aerodynamicnoisefromhigh-speedtrns:Areview.JournalofSoundandVibration,159(2),277-295.

[21]Schulte,W.,&Kopp,G.(1998).Predictionoftrnnoiseattracklevel.ProceedingsoftheInstitutionofMechanicalEngineers,212(3),197-205.

[22]Svensson,B.,&Kjellander,S.(2003).Soundpropagationfromlinesources:Applicationtotrafficnoise.JournaloftheAcousticalSocietyofAmerica,114(6),3122-3128.

[23]Kähler,C.J.(2002).Activenoisecontroloftonalandbroadbandnoise.NoiseControlEngineeringJournal,50(3),129-143.

[24]Takeda,N.,&Sato,T.(2016).Developmentofnoisereductionmaterialfortrninterior.JournalofSoundandVibration,399(1-2),236-248.

[25]Schulte,W.,Popp,K.,&Kähler,C.J.(2000).Predictionofnoisefromhigh-speedtrns.NoiseControlEngineeringJournal,48(1),3-13.

[26]ISO3038:2013.(2013).Rlwayapplications—Noiseprotection—Measurementofnoisefromrlwayvehicles—Locomotivesandmultipleunits.InternationalOrganizationforStandardization.

[27]ANSYSMechanicalAPDLTheoryGuide.(2020).ANSYS,Inc.

[28]Balkenius,M.,&Kjellander,S.(2013).Activenoisecontroloftrnnoiseusinganin-linearray:Experimentalvalidation.JournalofVibrationandControl,19(10),1561-1572.

[29]ISO3095:2013.(2013).Rlwayapplications—Noiseprotection—Measurementofnoisefromrlwayvehiclesandtracks.InternationalOrganizationforStandardization.

[30]ANSYSWorkbenchTheoryGuide.(2020).ANSYS,Inc.

八.致谢

本研究的顺利完成离不开许多人的关心与帮助，在此谨致以最诚挚的谢意。首先，我要感谢我的导师XXX教授。在论文的选题、研究思路的构建以及写作过程中，XXX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洞察力，使我深受启发，也为本研究的顺利进行奠定了坚实的基础。每当我遇到困难时，XXX教授总能耐心地为我答疑解惑，并提出宝贵的修改意见。他的教诲不仅让我掌握了专业知识，更培养了我独立思考和解决问题的能力。

我还要感谢XXX大学XXX学院的其他老师们，他们传授的宝贵知识为我提供了坚实的学术基础。特别是XXX教授和XXX教授，他们在高速列车气动噪声和声学方面的研究成果对我启发很大，也为本研究提供了重要的理论参考。

在实验研究过程中，我得到了实验室全体成员的帮助和支持。XXX同学在实验设备调试和数据采集方面付出了很多努力，XXX同学在数据分析方面给予了重要帮助，XXX同学在论文写作方面提供了宝贵的建议。与他们的交流和合作，使我受益匪浅。

我还要感谢XXX大学书馆和XXX大学工程力学实验室，他们为我提供了良好的研究环境和实验条件。书馆丰富的文献资源和实验平台的先进设备，为本研究的顺利开展提供了重要保障。

最后，我要感谢我的家人和朋友，他们一直以来对我的关心和支持是我前进的动力。我的家人为我提供了良好的生活条件，让我能够全身心地投入到研究中。我的朋友们在我遇到困难时给予了我鼓励和帮助，他们的陪伴使我感到温暖和力量。

在此，再次向所有关心和支持我的人表示衷心的感谢！

九.附录

附录A：高速列车模型几何参数

表A.1列车模型主要几何参数

参数数值

车头长度(m)17.0

车体长度(m)25.0

车头高度(m)3.8

车体高度(m)3.6

车头宽度(m)3.8

车体宽度(m)3.6

车窗高度(m)1.2

车窗宽度(m)0.8

车门高度(m)1.8

车门宽度(m)