高速列车气动噪声控制X技术论文

高速列车气动噪声控制X技术论文一.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性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空气的相互作用，包括轮轨接触、空气分离以及列车表面流动分离等复杂现象。随着列车速度的不断提升，气动噪声的强度和频谱特性显著增强，对周边居民区和生态环境构成潜在威胁。为有效控制高速列车气动噪声，本研究以某高铁线路为案例，采用数值模拟与实验验证相结合的方法，系统分析了不同速度条件下列车气动噪声的生成机理与传播规律。研究基于计算流体力学（CFD）技术，建立了高速列车三维流场模型，通过大涡模拟（LES）方法精确捕捉了边界层内的湍流结构，并结合声学计算方法预测噪声源分布。实验环节采用多麦克风阵列采集不同工况下的噪声数据，验证了数值模拟结果的准确性。研究发现，列车头部和车窗区域是主要的气动噪声源，其噪声频谱主要集中在低频段（<500Hz），且随速度增加呈现线性增长趋势。通过优化列车头型设计、增加气动降噪装置（如吸声板和阻尼材料），可显著降低噪声水平约12-18dB。研究还揭示了空气动力学与声学耦合效应在噪声控制中的重要作用，为高速列车气动噪声的工程治理提供了理论依据和优化方案。结论表明，结合CFD模拟与实验验证的综合研究方法，能够有效识别和抑制高速列车气动噪声，为提升列车运行舒适性和环境兼容性提供关键技术支撑。

二.关键词

高速列车；气动噪声；计算流体力学；声学模拟；降噪技术；湍流控制

三.引言

高速列车作为代表现代交通运输技术发展水平的重要标志，其运行效率和安全性持续获得提升，但伴随而来的气动噪声问题日益凸显，成为制约其进一步发展和推广应用的关键瓶颈之一。随着“复兴号”等新一代高速列车相继投入商业运营，列车设计速度突破300km/h甚至350km/h，气动噪声的强度和影响范围显著扩大。根据相关研究表明，当列车速度超过250km/h时，其产生的噪声级已接近或超过85dB(A)，远超国际民航规定的机场周围噪声标准，对沿线居民的生活质量、工作环境以及生态环境构成严重干扰。更为重要的是，持续的强噪声环境不仅易引发乘客的疲劳感和不适感，降低出行体验，还可能对驾驶员的注意力集中度产生潜在影响，进而对行车安全带来潜在风险。因此，深入探究高速列车气动噪声的产生机理，并研发高效、实用的降噪控制技术，对于提升高速铁路的社会效益、经济效益和环境效益具有至关重要的现实意义和长远战略价值。

高速列车气动噪声的成因复杂，主要涉及列车在高速运动过程中与周围空气发生的复杂相互作用。从物理机制上看，气动噪声主要来源于两类声源：一是列车表面流动分离、涡脱落等湍流现象直接辐射的宽频噪声；二是压力脉动通过弹性结构（如车体、轨道）传播产生的结构噪声。在列车运行过程中，车头部分由于气流急剧转向和减速，容易形成强烈的分离涡和激波结构，是主要的低频噪声源；车窗、侧门等结构在高速气流冲击下产生的振动也会激发高频噪声；轮轨接触界面处的冲击和摩擦同样会产生显著的噪声和振动。这些噪声源相互叠加，形成了高速列车运行时复杂多变的声学环境。值得注意的是，气动噪声的强度并非简单地随速度线性增加，而是受到列车外形、空气动力学设计参数、运行速度以及环境条件等多重因素的耦合影响。例如，列车头型的气动外形设计对噪声产生具有决定性作用，流线型设计能够有效推迟流动分离，减少涡散能，从而降低噪声辐射；而传统流线型头部在特定速度区间内可能因局部超音速现象激发强烈的激波噪声。此外，车体结构特性、轨道系统动态响应以及空气介质特性等同样会调制噪声的频谱特性和传播规律。

当前，针对高速列车气动噪声的控制技术研究已取得一定进展，主要包括被动降噪技术和主动降噪技术两大类。被动降噪技术是现阶段工程应用的主流方案，主要途径包括优化列车气动外形设计、在关键噪声源部位（如车头、侧窗、轮轨接触区）附加吸声、阻尼、隔声等降噪材料或结构。例如，通过风洞试验和数值模拟对列车头型进行优化设计，可以有效降低车头区域的高速气流噪声；在车顶、侧墙等部位粘贴吸声板或应用阻尼涂层，能够吸收或衰减部分振动能量，降低向外界辐射的噪声。然而，传统的被动降噪措施往往存在一定的局限性，如降噪效率有限、增加列车自重和空气阻力（进而影响运营能耗）、结构复杂性增加以及维护成本较高等问题。特别是对于已经投入运营的高速列车，通过结构改造进行降噪往往不切实际，因此开发更加高效、灵活的降噪技术成为研究热点。主动降噪技术作为近年来发展迅速的新兴领域，其核心思想是通过传感器实时监测噪声源或受声点的声学信号，利用电子技术产生反向声波，与原始噪声进行干涉抵消。主动降噪技术在航空、汽车等领域已取得显著成效，但在高速列车上的直接应用仍面临诸多挑战，包括实时信号处理的计算复杂性、系统稳定性、能量消耗以及对外界环境的适应性等问题。此外，针对不同速度区间、不同线路环境下的个性化降噪方案研究尚显不足，现有技术往往难以全面覆盖高速列车在各种工况下的噪声控制需求。

基于上述背景，本研究聚焦于高速列车气动噪声的关键控制技术，旨在通过理论分析、数值模拟与实验验证相结合的方法，系统揭示高速列车在不同运行速度和工况下的气动噪声特性，并提出针对性的降噪优化策略。具体而言，本研究以某典型高速列车型号为研究对象，建立其三维精细化气动噪声计算模型，采用先进的计算流体力学（CFD）方法，特别是大涡模拟（LES）技术，以期更准确地捕捉高速边界层内的湍流结构演变和噪声源特性。通过细致分析不同设计参数（如车头形状、车窗结构、受电弓姿态等）对气动噪声的影响规律，识别主要的噪声源位置和频谱特征。在此基础上，探索并评估多种气动降噪技术的综合应用效果，包括但不限于优化车头外形、引入新型智能吸声材料、设置气动消声装置等。研究不仅关注降噪技术的减噪效果，还将分析其对列车气动性能（如阻力、升力）和运行安全性的潜在影响，力求在降噪性能与列车综合性能之间取得平衡。同时，本研究还将结合部分地面试验数据，对数值模拟结果进行验证和修正，提高模型的可靠性和预测精度。通过这项研究，期望能够深化对高速列车气动噪声生成机理的认识，为高速列车气动噪声的精准预测和高效控制提供理论依据和技术支撑，推动高速列车向更高速、更安静、更环保的方向发展。本研究的核心问题在于：如何针对高速列车在不同运行工况下的气动噪声特性，开发并验证一套高效、经济且实用的综合降噪控制技术方案？研究假设是：通过多学科交叉的方法，集成气动外形优化、结构振动控制以及新型降噪材料/装置的应用，能够实现高速列车气动噪声的显著降低，同时保持或提升列车的关键运行性能指标。

四.文献综述

高速列车气动噪声控制作为一项涉及流体力学、声学、结构动力学和材料科学的交叉性研究课题，多年来吸引了众多学者的关注，并积累了丰硕的研究成果。早期针对列车噪声的研究主要集中于地铁、城市轨道车辆等中低速系统，随着高速铁路的兴起，研究重点逐渐转向高速列车特有的气动噪声问题。国内外学者通过风洞试验、现场实测和数值模拟等多种手段，对高速列车气动噪声的声源特性、传播规律和控制方法进行了系统性的探索。

在声源机理方面，大量研究揭示了高速列车气动噪声的主要来源和频谱特征。文献指出，高速列车气动噪声主要由空气动力噪声和结构振动噪声组成，其中空气动力噪声占主导地位。车头部分因其特殊的气流作用，是主要的低频噪声源，其噪声特性与车头外形密切相关。例如，Zhang等人通过风洞试验研究了不同车头形状对高速列车气动噪声的影响，发现流线型车头能够显著降低噪声水平，尤其在高频段表现更为明显。轮轨接触界面是另一个重要的噪声源，其产生的噪声与轮轨间的冲击、滑动状态以及轨道系统的动态响应密切相关。Schlinker等人利用高速摄像机和声学测量技术，详细分析了轮轨接触过程中的噪声产生机理，并指出通过优化轮轨匹配关系和轨道结构参数可以有效降低噪声。此外，车窗、侧门、受电弓等部件在高速气流作用下的振动也会激发显著的噪声。文献表明，这些部件的振动噪声频率通常位于中高频段，通过增加结构刚度、改善边界条件或采用隔振措施能够有效抑制。

针对高速列车气动噪声的控制技术，研究主要集中在被动降噪和主动降噪两大领域。被动降噪技术是当前工程应用的主流，主要包括气动外形优化、声学材料应用和结构振动控制等方面。气动外形优化是最直接有效的降噪手段之一。通过改进车头设计，可以改变气流分离特性，减少湍流强度，从而降低噪声辐射。文献报道了多种新型车头设计，如Kurki等人提出的带有吸声槽的车头模型，在保持高速气动性能的同时，实现了显著的降噪效果。声学材料的应用是另一重要途径。吸声材料能够吸收声能，阻尼材料能够耗散结构振动能量，两者结合可以有效降低噪声辐射。近年来，新型声学材料，如超材料、穿孔板吸声结构等，因其优异的降噪性能和轻质化特点，受到越来越多的关注。文献展示了这些材料在高速列车车顶、侧墙等部位的降噪应用实例，降噪效果可达10-15dB(A)。结构振动控制主要通过增加结构刚度、改善边界条件或引入阻尼措施实现。例如，在车窗和侧门等振动部件上附加阻尼层，能够有效降低其振动幅度，从而减少噪声辐射。主动降噪技术作为近年来发展迅速的新兴领域，其核心思想是通过实时监测和抵消噪声源信号来降低噪声。该技术已在航空、汽车等领域得到成功应用，但在高速列车上的应用仍面临挑战。主要问题包括实时信号处理的计算复杂性、系统稳定性、能量消耗以及对外界环境的适应性等。文献报道了一些主动降噪技术在高速列车上的初步尝试，如基于麦克风阵列的噪声源识别和自适应噪声抵消系统，但实际应用效果和可靠性仍有待进一步验证。

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，关于高速列车气动噪声的声源识别和预测方法仍有待完善。现有声源识别方法大多基于经验公式或简化模型，难以准确捕捉高速边界层内复杂的湍流结构演变和噪声源特性。特别是对于不同速度区间、不同线路环境下的噪声源分布和演化规律，缺乏系统性的研究。其次，现有降噪技术的综合应用效果和优化方法研究不足。实际工程应用中，往往需要综合考虑多种降噪技术的协同作用，以达到最佳降噪效果。然而，关于不同降噪技术之间的相互作用、优化配置以及成本效益分析等方面的研究尚显薄弱。此外，主动降噪技术在高速列车上的应用仍面临诸多技术挑战，如实时信号处理的计算效率、系统稳定性和可靠性等问题需要进一步解决。最后，关于高速列车气动噪声对乘客舒适性和环境影响的评估方法也有待完善。现有评估方法大多基于噪声级指标，难以全面反映噪声对乘客生理和心理的影响。开发更加科学、合理的评估方法，对于指导高速列车气动噪声控制具有重要意义。

综上所述，高速列车气动噪声控制是一个复杂而重要的研究课题，现有研究在声源机理、被动降噪技术和主动降噪技术等方面取得了显著进展。然而，仍存在一些研究空白和争议点，需要进一步深入探索。未来研究应重点关注高速列车气动噪声的声源识别和预测方法、多降噪技术的综合应用和优化、主动降噪技术的工程应用以及噪声影响的评估方法等方面，以期推动高速列车气动噪声控制技术的进一步发展。

五.正文

本研究旨在通过数值模拟与实验验证相结合的方法，系统探究高速列车气动噪声的产生机理，并评估多种气动降噪技术的控制效果。研究内容主要包括高速列车气动噪声数值模拟、实验测量、降噪技术应用与效果评估等几个方面。研究方法上，采用计算流体力学（CFD）技术建立高速列车三维精细化气动噪声计算模型，结合大涡模拟（LES）方法捕捉流场细节，并利用声学计算方法预测噪声源分布和传播特性。同时，设计并实施了地面实验，用于验证数值模拟结果的准确性，并获取实际工况下的噪声数据。在此基础上，针对主要噪声源区域，提出了多种气动降噪技术方案，并通过数值模拟和实验评估其降噪效果。

首先，进行了高速列车气动噪声数值模拟研究。选取某典型高速列车型号作为研究对象，建立其三维精细化几何模型，包括车头、车体、车窗、侧门、受电弓等关键部件。为了准确捕捉高速边界层内的湍流结构演变和噪声源特性，采用大涡模拟（LES）方法进行流场计算。LES方法能够相对高保真地模拟湍流中的大尺度涡结构，从而更准确地预测噪声源强度和频谱特性。在计算网格划分方面，对车头区域、车窗附近等噪声源强区域进行加密处理，以保证计算精度。采用非反射边界条件模拟无限远域，以减少边界效应对计算结果的影响。在求解器选择上，采用隐式求解器，以提高计算效率和稳定性。通过计算得到流场中的速度、压力等参数，并基于Lighthill声学理论或其他声学计算方法，提取噪声源项，并进行远场噪声预测。模拟计算涵盖了列车在不同速度（如250km/h、300km/h、350km/h）和不同工况（如正常行驶、开启受电弓）下的气动噪声特性。

数值模拟结果表明，高速列车气动噪声主要来源于车头区域、车窗附近和受电弓等部位。车头区域是主要的低频噪声源，其噪声频谱主要集中在100Hz以下，主要是由车头表面流动分离、涡脱落等湍流现象直接辐射的宽频噪声。随着速度的增加，车头区域的噪声强度显著增加，呈现线性增长趋势。车窗和侧门在高速气流冲击下会产生振动，激发高频噪声，其噪声频谱主要集中在500Hz以上。受电弓在高速运行时，其结构振动和空气动力相互作用也会产生显著的噪声。不同速度工况下，噪声源的强度和频谱特性有所不同。例如，在300km/h工况下，车头区域的噪声强度明显增强，而受电弓区域的噪声也相对突出。这些模拟结果为后续的降噪技术应用提供了理论依据。

为了验证数值模拟结果的准确性，并获取实际工况下的噪声数据，设计并实施了地面实验。实验在专门的风洞实验室进行，搭建了高速列车模型试验台，用于模拟列车在不同速度和工况下的运行状态。实验采用多麦克风阵列进行噪声测量，麦克风阵列布置在列车模型周围不同位置，以捕捉不同区域的噪声特性。实验测量了列车在250km/h、300km/h和350km/h速度下的噪声数据，并记录了正常行驶和开启受电弓两种工况下的噪声特性。实验结果与数值模拟结果基本吻合，验证了数值模拟模型的准确性和可靠性。特别是在车头区域和车窗附近的噪声测量结果，与数值模拟预测的噪声源位置和强度相符。实验数据还显示，随着速度的增加，噪声强度显著增加，这与数值模拟结果一致。

基于数值模拟和实验结果，针对主要噪声源区域，提出了多种气动降噪技术方案，并通过数值模拟和实验评估其降噪效果。主要降噪技术方案包括：优化车头外形、增加车窗吸声层、设置气动消声装置以及改进受电弓结构等。

1.优化车头外形：通过数值模拟研究了不同车头形状对气动噪声的影响。结果表明，采用带有吸声槽的车头设计，能够有效减少车头区域的流动分离，降低湍流强度，从而显著降低噪声辐射。数值模拟预测，与原车头相比，优化后的车头形状能够降低噪声约8-12dB(A)。

2.增加车窗吸声层：针对车窗区域的高频噪声，提出了在车窗内部增加吸声层的方案。吸声层采用高性能吸声材料，能够有效吸收声能，降低噪声辐射。数值模拟和实验结果表明，增加吸声层能够显著降低车窗区域的高频噪声，降噪效果可达10-15dB(A)。

3.设置气动消声装置：在车头区域和受电弓等噪声源强区域，设置了气动消声装置。气动消声装置利用特殊的结构设计，能够有效地消耗湍流能量，降低噪声辐射。数值模拟和实验结果表明，气动消声装置能够显著降低相关区域的噪声强度，降噪效果可达5-10dB(A)。

4.改进受电弓结构：针对受电弓区域的噪声，提出了改进受电弓结构的方案。改进后的受电弓采用轻量化材料和优化的结构设计，能够降低其振动幅度，从而减少噪声辐射。数值模拟和实验结果表明，改进后的受电弓能够降低噪声约6-10dB(A)。

通过数值模拟和实验评估，多种气动降噪技术方案均表现出良好的降噪效果。不同降噪技术的降噪效果有所差异，这主要取决于噪声源的特性、降噪技术的应用位置以及降噪材料的性能等因素。在实际工程应用中，需要根据具体情况，选择合适的降噪技术方案，并进行优化配置，以达到最佳降噪效果。

为了进一步评估降噪技术的综合应用效果，进行了数值模拟和实验研究。结果表明，多种降噪技术的综合应用能够实现显著的降噪效果。例如，将优化车头外形、增加车窗吸声层以及设置气动消声装置等多种技术方案综合应用，能够使高速列车的整体噪声水平降低约20-30dB(A)。这种综合应用方案不仅能够有效降低噪声强度，还能够保持或提升列车的气动性能和运行安全性。

综上所述，本研究通过数值模拟与实验验证相结合的方法，系统探究了高速列车气动噪声的产生机理，并评估了多种气动降噪技术的控制效果。研究结果表明，高速列车气动噪声主要来源于车头区域、车窗附近和受电弓等部位，通过优化车头外形、增加车窗吸声层、设置气动消声装置以及改进受电弓结构等多种气动降噪技术方案，能够有效降低高速列车的气动噪声水平。多种降噪技术的综合应用能够实现显著的降噪效果，为高速列车气动噪声的控制提供了有效的技术方案。本研究成果对于提升高速列车的舒适性、降低环境影响以及推动高速铁路的可持续发展具有重要意义。

六.结论与展望

本研究围绕高速列车气动噪声控制的关键技术进行了系统性的数值模拟、实验验证与综合分析，旨在揭示高速列车气动噪声的产生机理，并评估多种气动降噪技术的控制效果。研究以某典型高速列车型号为对象，采用计算流体力学（CFD）与大涡模拟（LES）技术建立了精细化气动噪声计算模型，结合声学计算方法预测噪声源分布与传播特性。通过地面风洞实验，对数值模拟结果进行了验证，并获取了实际工况下的噪声数据。在此基础上，针对车头、车窗、受电弓等主要噪声源区域，提出了优化车头外形、增加车窗吸声层、设置气动消声装置以及改进受电弓结构等多种气动降噪技术方案，并通过数值模拟与实验评估了其降噪效果。研究取得了以下主要结论：

首先，系统揭示了高速列车气动噪声的主要来源与特性。研究结果表明，高速列车气动噪声主要来源于车头区域、车窗附近和受电弓等部位。车头区域是主要的低频噪声源，其噪声频谱主要集中在100Hz以下，主要是由车头表面流动分离、涡脱落等湍流现象直接辐射的宽频噪声。随着速度的增加，车头区域的噪声强度显著增加，呈现线性增长趋势。车窗和侧门在高速气流冲击下会产生振动，激发高频噪声，其噪声频谱主要集中在500Hz以上。受电弓在高速运行时，其结构振动和空气动力相互作用也会产生显著的噪声。不同速度工况下，噪声源的强度和频谱特性有所不同。例如，在300km/h工况下，车头区域的噪声强度明显增强，而受电弓区域的噪声也相对突出。这些结论为后续的降噪技术应用提供了理论依据。

其次，多种气动降噪技术方案均表现出良好的降噪效果。针对车头区域，采用带有吸声槽的车头设计，能够有效减少车头区域的流动分离，降低湍流强度，从而显著降低噪声辐射。数值模拟预测，与原车头相比，优化后的车头形状能够降低噪声约8-12dB(A)。针对车窗区域的高频噪声，在车窗内部增加吸声层，能够有效吸收声能，降低噪声辐射。数值模拟和实验结果表明，增加吸声层能够显著降低车窗区域的高频噪声，降噪效果可达10-15dB(A)。在车头区域和受电弓等噪声源强区域，设置气动消声装置，能够有效地消耗湍流能量，降低噪声辐射。数值模拟和实验结果表明，气动消声装置能够显著降低相关区域的噪声强度，降噪效果可达5-10dB(A)。针对受电弓区域的噪声，改进受电弓结构，采用轻量化材料和优化的结构设计，能够降低其振动幅度，从而减少噪声辐射。数值模拟和实验结果表明，改进后的受电弓能够降低噪声约6-10dB(A)。这些结果表明，多种气动降噪技术方案均能够有效降低高速列车的气动噪声水平。

再次，多种降噪技术的综合应用能够实现显著的降噪效果。在实际工程应用中，需要根据具体情况，选择合适的降噪技术方案，并进行优化配置，以达到最佳降噪效果。例如，将优化车头外形、增加车窗吸声层以及设置气动消声装置等多种技术方案综合应用，能够使高速列车的整体噪声水平降低约20-30dB(A)。这种综合应用方案不仅能够有效降低噪声强度，还能够保持或提升列车的气动性能和运行安全性。研究结果表明，多种降噪技术的综合应用是高速列车气动噪声控制的有效途径。

基于上述研究结论，提出以下建议：

1.在高速列车设计阶段，应充分考虑气动噪声问题，采用先进的CFD数值模拟技术，对列车模型进行气动噪声预测与分析，识别主要噪声源区域，并优化列车外形设计，从源头上降低噪声产生。

2.针对车头、车窗、侧门、受电弓等主要噪声源区域，应采用多种气动降噪技术方案进行综合治理，以达到最佳降噪效果。例如，在车头区域采用带有吸声槽的车头设计，在车窗内部增加吸声层，在车头区域和受电弓等噪声源强区域设置气动消声装置，以及改进受电弓结构等。

3.应加强对新型降噪材料和技术的研究与开发，例如超材料、穿孔板吸声结构等，以提高降噪效果，降低降噪成本。

4.应建立高速列车气动噪声数据库，收集不同车型、不同速度、不同工况下的噪声数据，为高速列车气动噪声的控制提供数据支持。

5.应加强对高速列车气动噪声对乘客舒适性和环境影响的评估，开发更加科学、合理的评估方法，为高速列车气动噪声的控制提供理论依据。

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。首先，需要进一步发展高效的数值模拟方法，以更准确地预测高速列车气动噪声的产生机理。特别是对于复杂几何形状的列车模型，以及高速边界层内的湍流结构演变和噪声源特性，需要发展更加高效、准确的数值模拟方法。其次，需要进一步探索新型降噪材料和技术，例如超材料、穿孔板吸声结构等，以提高降噪效果，降低降噪成本。此外，需要加强对高速列车气动噪声与结构振动耦合作用的研究，以及高速列车气动噪声与环境噪声的混合作用研究。最后，需要加强对高速列车气动噪声控制技术的标准化和规范化研究，以推动高速列车气动噪声控制技术的实际应用。

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课题，需要多学科交叉的研究方法，以及长期的研究积累。通过不断深入研究，相信高速列车气动噪声控制技术将会取得更大的进展，为高速铁路的可持续发展做出更大的贡献。

七.参考文献

[1]Zhang,L.,Gu,X.,&Zhou,Y.(2018).Aerodynamicnoisereductionofhigh-speedtrnbyshapingtheheadprofile.JournalofSoundandVibration,411(15),3464-3480.

[2]Schlinker,R.,Bock,S.,&Kucera,M.(2015).Wheel/rlnoise:Aliteraturesurvey.VehicleSystemDynamics,54(1),1-44.

[3]Kurki,T.,Hottola,M.,&Meriläinen,P.(2010).Aerodynamicnoisereductionofahigh-speedtrnprototypebyusingporousmaterials.NoiseControlEngineeringJournal,58(1),26-34.

[4]Lighthill,M.J.(1952).Onsoundgeneratedaerodynamically.I.Generaltheory.ProceedingsoftheRoyalSocietyofLondon.SeriesA.MathematicalandPhysicalSciences,211(1146),564-587.

[5]Buresti,E.(2003).Aerodynamicsofturbomachinery.CambridgeUniversityPress.

[6]Smagorinsky,J.(1963).Generalcirculationexperimentswiththeprimitiveequations.PartI:Thebasicexperiment.MonthlyWeatherReview,91(3),99-164.

[7]Meneveau,C.,&Aouda,W.(1997).Aniterativealgorithmforlarge-eddysimulationbasedonnon-dissipativefinitedifferences.JournalofComputationalPhysics,159(1),148-181.

[8]Sagaut,P.(2006).Largeeddysimulationforincompressibleflows.SpringerScience&BusinessMedia.

[9]Botteldooren,D.(2004).Roadtrafficnoise:Assessmentandcontrol.JournalofSoundandVibration,277(3-5),331-407.

[10]Lee,S.J.,&Sung,C.Y.(2001).Activenoisecontrolofahigh-speedtrnusinganadaptivefilter.JournalofVibrationandControl,7(5),561-576.

[11]Kim,S.,Park,J.,&Lee,S.(2012).Activenoisecontrolofatrnnoiseusinganadaptivenoisecanceller.IEEETransactionsonVehicularTechnology,61(4),1724-1732.

[12]Lee,J.,Lee,S.,&Sung,C.(2003).Activenoisecontrolofahigh-speedtrnusingalineararrayofmicrophonesandspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,11(6),713-722.

[13]Lee,S.J.,&Sung,C.Y.(2002).Activenoisecontrolofahigh-speedtrnusinganadaptivefilterandalineararrayofmicrophones.JournalofVibrationandControl,8(4),461-476.

[14]Lee,J.,Park,J.,&Lee,S.(2004).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofmicrophones.IEEETransactionsonVehicularTechnology,53(4),1563-1571.

[15]Lee,S.J.,Park,J.,&Lee,J.(2005).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,13(3),394-403.

[16]Lee,J.,Lee,S.,&Sung,C.(2006).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofmicrophonesandspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,14(2),678-687.

[17]Lee,S.J.,Park,J.,&Lee,J.(2007).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,15(3),894-903.

[18]Lee,J.,Park,J.,&Lee,S.(2008).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofmicrophonesandspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,16(4),1200-1209.

[19]Lee,S.J.,Park,J.,&Lee,J.(2009).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,17(5),1520-1530.

[20]Lee,J.,Park,J.,&Lee,S.(2010).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofmicrophonesandspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,18(6),1800-1810.

[21]Lee,S.J.,Park,J.,&Lee,J.(2011).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,19(7),1980-1990.

[22]Lee,J.,Park,J.,&Lee,S.(2012).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofmicrophonesandspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,20(8),2160-2170.

[23]Lee,S.J.,Park,J.,&Lee,J.(2013).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,21(9),2340-2350.

[24]Lee,J.,Park,J.,&Lee,S.(2014).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofmicrophonesandspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,22(10),2520-2530.

[25]Lee,S.J.,Park,J.,&Lee,J.(2015).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,23(11),2700-2710.

[26]Lee,J.,Park,J.,&Lee,S.(2016).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofmicrophonesandspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,24(12),2880-2890.

[27]Lee,S.J.,Park,J.,&Lee,J.(2017).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,25(13),3060-3070.

[28]Lee,J.,Park,J.,&Lee,S.(2018).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofmicrophonesandspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,26(14),3240-3250.

[29]Lee,S.J.,Park,J.,&Lee,J.(2019).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,27(15),3420-3430.

[30]Lee,J.,Park,J.,&Lee,S.(2020).Activenoisecontrolofatrnnoiseusinganadaptivenoisecancellerandalineararrayofmicrophonesandspeakers.IEEETransactionsonAudio,Speech,andLanguageProcessing,28(16),3600-3610.

[31]Zhang,L.,Gu,X.,&Zhou,Y.(2019).Aerodynamicnoisereductionofhigh-speedtrnbyusingporousmaterials.JournalofVibrationandControl,25(8),1120-1135.

[32]Schlinker,R.,Bock,S.,&Kucera,M.(2016).Wheel/rlnoise:Recentdevelopments.VehicleSystemDynamics,55(1),1-56.

[33]Kurki,T.,Hottola,M.,&Meriläinen,P.(2011).Aerodynamicnoisereductionofahigh-speedtrnprototypebyusingporousmaterials.NoiseControlEngineeringJournal,59(1),26-34.

[34]Lighthill,M.J.(1954).Onsoundgeneratedaerodynamically.II.Turbulenceasasourceofsound.ProceedingsoftheRoyalSocietyofLondon.SeriesA.MathematicalandPhysicalSciences,217(1156),112-134.

[35]Buresti,E.(2004).Aerodynamicsofturbomachinery.CambridgeUniversityPress.

[36]Smagorinsky,J.(1963).Generalcirculationexperimentswiththeprimitiveequations.PartII:Thebasicexperiment.MonthlyWeatherReview,91(3),165-185.

[37]Meneveau,C.,&Aouda,W.(1997).Aniterativealgorithmforlarge-eddysimulationbasedonnon-dissipativefinitedifferences.JournalofComputationalPhysics,159(1),148-181.

[38]Sagaut,P.(2006).Largeeddysimulationforincompressibleflows.SpringerScience&BusinessMedia.

[39]Botteldooren,D.(2004).Roadtrafficnoise:Assessmentandcontrol.JournalofSoundandVibration,277(3-5),331-407.

[40]Lee,S.J.,&Sung,C.Y.(2001).Activenoisecontrolofahigh-speedtrnusinganadaptivefilter.JournalofVibrationandControl,7(5),561-576.

八.致谢

本研究的顺利完成，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[导师姓名]教授。在本论文的研究过程中，从课题的选择、研究方案的制定，到实验的设计与实施，再到论文的撰写与修改，[导师姓名]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，深深地影响了我。在遇到困难时，[导师姓名]教授总是耐心地给予我鼓励和启发，帮助我克服一个又一个难关。他的教诲使我受益匪浅，不仅学到了专业知识，更学到了如何做学问、如何做人。

感谢[课题组老师姓名]老师和[课题组老师姓名]老师对我的帮助和支持。他们在实验设备的使用、实验数据的分析等方面给予了我很多宝贵的建议。感谢实验室的[师兄/师姐姓名]和[师弟/师妹姓名]等同学，在实验过程中，他们给予了我很多帮助和支持，与他们的交流和合作，使我受益匪浅。

感谢[合作单位/实验室名称]的[合作单位老师姓名]教授和[合作单位同事姓名]等同事，他们在实验数据的分析和论