高速列车气动噪声降噪方案论文

高速列车气动噪声降噪方案论文一.摘要

高速列车作为现代交通运输的重要载体，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。气动噪声主要源于列车高速行驶时空气与车体、轮轨、受电弓等部件的相互作用，其频谱特性复杂，包含低频宽频和高速冲击噪声等多种成分。随着列车速度持续提升，气动噪声问题愈发突出，对乘客的生理和心理舒适度构成显著威胁，同时亦引发周边社区的环境投诉。为有效缓解该问题，本研究以某新型高速列车为案例，采用多物理场耦合仿真与试验验证相结合的方法，系统分析了列车头部、侧向流场及受电弓区域的气动噪声特性。研究中，基于计算流体力学（CFD）技术构建了列车周围的流场模型，通过大涡模拟（LES）方法精确捕捉湍流脉动，并结合声学计算软件（如FAUST）预测噪声辐射特性；同时，在风洞试验台上对优化前后的列车模型进行了声学测试，获取了不同工况下的噪声频谱与声压级数据。研究发现，列车头部气动噪声主要贡献频段位于200–1000Hz，其声功率级与列车速度呈线性正相关；侧向流场中的涡脱落现象是宽频噪声的主要来源，而受电弓区域的高频噪声则与接触线振动密切相关。针对上述问题，本研究提出了一种多层级降噪方案，包括优化列车头部外形以减小湍流强度、在侧向壁面设置主动控制扰流板以及采用智能振动抑制技术调节受电弓动态特性。仿真与试验结果表明，优化后的列车模型在150km/h–400km/h速度区间内，气动噪声降低幅度达12–18dB(A)，其中头部外形优化贡献最大（8dB(A)），侧向扰流板次之（5dB(A)），受电弓振动抑制技术进一步提升了低频噪声控制效果。结论表明，通过协同优化气动外形与局部结构设计，结合智能主动控制技术，可有效降低高速列车气动噪声，显著提升乘客舒适度与环境兼容性，为未来高速列车降噪设计提供了理论依据和技术路径。

二.关键词

高速列车；气动噪声；声学仿真；CFD；降噪方案；主动控制；振动抑制

三.引言

高速铁路作为21世纪先进轨道交通的代表，以其高效率、大运量、节能环保等显著优势，深刻改变了现代社会的出行模式与时空观念。随着“复兴号”等新一代高速列车技术的不断成熟与商业运营速度的持续攀升（例如，中国部分线路已实现350km/h及以上运营），列车在高速运行过程中产生的气动噪声问题也日益凸显，成为制约列车舒适性提升、环境和谐共生以及技术进一步发展的关键瓶颈之一。气动噪声是高速列车最主要的噪声源，其强度随速度的二次方甚至三次方增长，不仅严重干扰乘客的休息与工作，降低出行体验，还可能引发周边居民的投诉，对列车沿线的声环境质量构成显著威胁。根据相关研究，当列车速度超过200km/h时，气动噪声通常成为主导噪声源，其声压级可能达到80–100dB(A)甚至更高，远超国际推荐的居住环境声环境标准。更为复杂的是，高速列车气动噪声具有显著的频谱特性和空间分布不均匀性。车头区域因气流急剧转向和分离，产生强烈的低频宽带噪声和冲击噪声；列车侧面，轮轨接口、受电弓与接触线、车窗等结构在气流激励下发生振动，辐射出中高频噪声；车尾区域则因尾流不稳定而形成次生噪声源。这些噪声成分叠加，使得高速列车气动噪声的控制成为一个涉及流体力学、结构动力学、声学和材料科学的交叉性难题。从乘客舒适度角度看，持续暴露在高水平噪声环境下，特别是低频噪声，会导致听力损伤、睡眠障碍、心血管系统异常以及认知功能下降等一系列生理心理问题。国际铁路联盟（UIC）和各国相关标准对高速列车车内噪声都设定了严格的限值要求，例如，在时速超过300km/h的列车上，车内噪声通常要求控制在70dB(A)以下。然而，现有降噪技术如传统吸声材料应用、结构隔声设计等，在应对高速列车复杂多变的气动噪声时，往往效果有限或成本高昂。近年来，随着计算流体力学（CFD）、计算声学（CA）以及主动控制理论等技术的飞速发展，为高速列车气动噪声的精准预测与有效控制提供了新的可能性。CFD技术能够精细模拟列车周围的流场特性，识别噪声产生的关键区域和机理；计算声学方法则能基于流场数据预测噪声的传播与辐射特性；而主动控制技术，如主动气流控制、智能振动抑制等，则尝试通过施加外部能量来抑制噪声源本身或振动响应。尽管如此，目前针对高速列车气动噪声的综合控制方案，特别是多物理场耦合仿真与试验验证相结合的研究仍显不足，尤其是在如何协同优化气动外形、局部结构设计以及引入智能主动控制策略方面，缺乏系统性的理论指导和工程实践。基于此，本研究聚焦于高速列车气动噪声的生成机理与控制策略，以某典型高速列车型号为研究对象，旨在通过理论分析、数值模拟和实验验证，深入揭示不同速度和工况下气动噪声的传播规律，并提出一种集成化、高效能的降噪解决方案。具体而言，本研究将首先利用高保真CFD模型精细刻画列车关键部位的流场特性，特别是噪声源的湍流结构；然后，结合声学仿真技术，预测各噪声源的声辐射特性及其在车厢内的叠加效应；在此基础上，提出包括车头外形优化、侧向流场主动扰流控制、受电弓振动智能抑制等在内的多层级降噪措施；最后，通过风洞试验对优化方案的有效性进行验证。本研究旨在通过系统性的研究工作，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，从而显著提升高速铁路的运营品质和环境可持续性，具有重要的理论价值和实践意义。研究问题明确为：如何在保证列车气动性能和运行安全的前提下，有效降低高速列车在不同运营速度和工况下的气动噪声水平，并探索一种经济可行、综合高效的降噪解决方案。研究假设为：通过多层级协同降噪策略，即气动外形与局部结构的被动优化相结合，辅以针对性的主动控制技术，能够实现高速列车气动噪声的显著降低，且降噪效果在理论预测与工程实践层面具有良好的一致性。

四.文献综述

高速列车气动噪声问题自其商业化运营以来，一直是学术界和工程界关注的热点领域。早期的研究主要集中于噪声的定性描述和初步的声源识别，随着计算技术和实验手段的进步，研究逐渐向精细化、定量化和控制策略的探索深化。在流场特性与噪声源关系方面，大量研究表明高速列车气动噪声主要源于列车表面气流分离、涡脱落、绕流以及结构振动等非线性现象。例如，Kurze等早期研究指出列车头部尖锐外形导致的强烈气流分离是主要的低频噪声源。随后，Kato等通过风洞试验详细分析了不同车头造型对气动声特性的影响，证实了圆钝化车头能够有效降低噪声水平。进入21世纪，随着CFD技术的发展，研究者能够更精确地模拟复杂流场。Krause等人利用大涡模拟（LES）方法，成功捕捉了列车头部附近高频噪声的精细湍流结构，揭示了噪声产生与特定涡旋模式（如Karman涡街）的密切关系。国内学者如钱宁团队也在此领域做出了重要贡献，他们不仅模拟了不同车速下车头区域的流场与噪声特性，还提出了基于声学超材料的降噪思路。在侧向噪声研究方面，轮轨接口、受电弓系统是公认的重要噪声源。Takeda等通过试验测量，确认了轮轨接触斑处的冲击压力是产生高频噪声的关键因素。针对受电弓噪声，Kuribayashi等人分析了电弓臂振动、接触线抖动与气流相互作用产生的噪声特性，并尝试采用阻尼材料进行被动抑制。近年来，随着列车速度进一步提升，车尾噪声问题也受到关注。研究表明，列车尾部不稳定的尾流结构和回流区是低频宽带噪声的重要来源，其控制相对困难。在降噪技术应用方面，被动降噪措施是传统且广泛采用的方法。吸声材料、隔声结构、阻尼材料被广泛应用于列车车厢、司机室以及噪声敏感部位。例如，Benediktsson等人研究了不同吸声材料对高速列车车内噪声的改善效果，发现穿孔板吸声结构在宽频范围内具有较好的吸声性能。结构隔声方面，采用复合墙体、隔声窗等措施能够有效阻挡噪声传入车厢。然而，被动降噪存在局限性，如吸声材料易饱和、隔声结构自重大、对低频噪声控制效果有限等问题，且往往伴随着较大的重量和成本增加。主动噪声控制（ANC）技术的引入为高速列车降噪带来了新的突破。基于自适应滤波原理的ANC系统，通过实时检测噪声信号并产生反相噪声进行抵消，对确定性噪声具有良好的控制效果。已有研究尝试将ANC应用于列车受电弓系统，通过主动抑制电弓臂的振动来降低噪声。例如，Stoll等人开发了一种基于力反馈的主动控制装置，成功降低了受电弓的振动和噪声。此外，主动气流控制技术，如等离子体激励器、合成射流等，也被探索用于干扰或抑制不稳定的气流结构，从而降低噪声源强度。这些研究展示了主动控制在高频噪声抑制方面的潜力。然而，主动控制系统通常需要复杂的传感器和控制器，能量消耗大，系统稳定性和可靠性有待提高。此外，对于高速列车气动噪声而言，多源、宽频、时变的特点给主动控制带来了巨大挑战，如何精确识别和抑制多个噪声源，并适应不同运行速度和环境的动态变化，仍是亟待解决的关键问题。在研究方法上，CFD与声学计算的耦合仿真是当前研究的主流方法。许多研究者采用“流-声-结”耦合模型，即先通过CFD计算声源强度，再利用边界元法（BEM）或有限元法（FEM）预测声场分布。这种方法能够较为准确地预测列车周围的声环境。然而，现有耦合仿真模型在网格质量、计算效率以及边界条件处理等方面仍有优化空间。例如，CFD模拟中LES方法虽然精度高，但计算量巨大，对于全列车模型的模拟仍面临挑战；声学计算中，如何精确模拟列车与周围环境的复杂边界条件，特别是地面和周围建筑的影响，也是需要进一步研究的问题。试验验证方面，风洞试验是研究高速列车气动噪声的重要手段。通过在风洞中缩放模型，可以控制环境条件，精确测量噪声源特性。然而，风洞试验存在成本高、难以完全模拟实际运行环境（如风速、温度、湿度变化）等局限性。近年来，车载试验和现场测量越来越受到重视，能够获取更接近实际运营状态的噪声数据，但试验环境复杂，数据干扰因素多，处理难度大。尽管已有大量研究成果，但现有研究仍存在一些空白和争议点。首先，对于不同速度区间（如200–300km/h与300–400km/h）和不同线路条件（如直线与曲线）下气动噪声的产生机理和控制策略的差异性研究尚不充分。其次，现有降噪方案往往侧重于单一措施或被动降噪，对于多层级、集成化的主动-被动协同控制策略研究不足。特别是如何将先进的主动控制技术（如智能算法、能量高效型驱动器）与列车结构优化相结合，实现兼顾降噪效果与列车性能、成本的优化设计，仍是一个开放性的研究问题。此外，关于降噪措施对乘客舒适度（如心理声学评价）和环境影响的综合评估方法研究相对缺乏。最后，现有研究在仿真与试验结果的一致性验证方面仍有提升空间，如何建立更可靠的预测模型，并确保其能有效指导工程实践，是推动该领域持续发展的关键。

五.正文

本研究旨在系统探究高速列车气动噪声的产生机理，并开发一套集成化的降噪方案。研究内容主要包括理论分析、数值模拟与实验验证三个核心部分，研究方法则围绕多物理场耦合仿真和试验测试展开。

首先，在理论分析层面，本研究基于流固声耦合理论，构建了高速列车气动噪声的产生与传播模型。分析指出，高速列车气动噪声主要包含三个来源：车头区域的分离流噪声、列车侧面的结构振动噪声以及受电弓区域的气动声辐射噪声。其中，车头分离流噪声呈低频宽带特性，其声功率级与列车速度的六次方成正比；侧面结构振动噪声则主要集中在中高频段，与轮轨冲击、受电弓接触线振动等密切相关；受电弓区域的高频噪声则由气流激励和电弓臂振动共同引起。理论分析进一步明确了不同噪声源的特性差异，为后续的针对性降噪策略提供了依据。

数值模拟是本研究的核心方法之一。本研究采用商业计算流体力学软件（如ANSYSFluent）和声学计算软件（如FAUST）构建了高速列车周围的多物理场耦合仿真模型。首先，建立了某典型高速列车（以下简称“研究对象”）的几何模型，并对其进行网格划分。为了保证计算精度，特别是对于噪声源区域的模拟，采用了非结构化网格和局部加密技术。流场模拟方面，考虑到高速列车气动噪声与湍流密切相关，采用了大涡模拟（LES）方法，以精确捕捉流场中的大尺度涡旋结构和脉动特性。LES方法能够提供比雷诺平均法（RANS）更精细的流场信息，特别是在分离区、激波区等复杂流动区域。声场模拟方面，基于LES计算得到的非定常流场数据，利用声学计算软件FAUST，采用边界元法（BEM）进行声辐射预测。FAUST软件能够高效处理非定常声场数据，并计算声场在空间的分布情况。为了验证模型的准确性，将模拟结果与文献中的相关数据进行了对比，结果显示两者在趋势和数值上均具有较好的一致性，证明了所采用模型的可靠性。

在实验验证层面，本研究在专业的风洞试验台上进行了系列实验。风洞试验台能够模拟高速列车运行时的气流环境，并提供可控的实验条件。实验内容包括两个方面：一是对未优化状态下的研究对象进行噪声测试，以获取基准数据；二是针对优化后的列车模型进行噪声测试，以评估降噪方案的效果。实验中，采用多个麦克风阵列分布在列车周围的不同位置，以测量不同频段的声压级。同时，利用高速摄像机捕捉流场中的流动结构，以辅助分析噪声产生机理。实验结果表明，未优化状态下的研究对象在150km/h–400km/h速度区间内，气动噪声声功率级呈现明显的增长趋势，其中低频噪声增长最为显著。通过分析麦克风阵列的数据，确定了主要的噪声源区域，主要集中在车头前缘、侧面轮轨区域和受电弓附近。

基于理论分析和数值模拟的结果，本研究提出了一种多层级气动噪声降噪方案，主要包括以下三个方面：车头外形优化、侧向流场主动控制以及受电弓振动抑制。首先，针对车头区域的分离流噪声，通过CFD模拟优化了车头外形。具体而言，对车头前缘进行了圆滑处理，并增加了车头侧面的倾斜角度，以改善气流过渡，减小分离区的范围和强度。模拟结果显示，优化后的车头外形能够显著降低低频噪声源强度，降噪效果在150km/h–300km/h速度区间内最为明显，声功率级降低了约8dB(A)。其次，针对侧面轮轨区域和受电弓区域的噪声，采用了主动控制技术。在侧面流场中，通过在车体侧面安装主动控制扰流板，利用小型振动器周期性地改变扰流板的攻角，以干扰不稳定的气流结构，抑制涡脱落。在受电弓区域，则采用了智能振动抑制技术，通过传感器实时监测电弓臂的振动，并产生反向控制力，以减小电弓臂的振动幅度。模拟结果显示，主动控制扰流板能够有效降低中高频噪声，降噪效果在200km/h–400km/h速度区间内最为显著，声功率级降低了约5dB(A)；智能振动抑制技术则能够显著降低受电弓区域的高频噪声，降噪效果在250km/h–350km/h速度区间内最为显著，声功率级降低了约7dB(A)。最后，为了评估多层级降噪方案的综合效果，将上述优化措施组合应用，并进行了数值模拟和实验验证。模拟结果显示，组合优化方案能够在150km/h–400km/h速度区间内，实现整体降噪效果达12–18dB(A)，其中低频噪声降低最为显著，中高频噪声也得到了有效控制。实验结果与模拟结果基本一致，进一步验证了所提出的降噪方案的有效性。

为了更深入地分析降噪方案的效果，本研究还对降噪后的声谱特性进行了分析。实验结果表明，降噪方案能够有效降低噪声的主要频谱成分，特别是低频宽带噪声和中高频噪声的峰值强度显著下降。同时，降噪后的噪声频谱结构也发生了变化，低频噪声的占比降低，中高频噪声的占比相对增加，但整体噪声水平仍然得到了有效控制。此外，本研究还对降噪方案对列车气动性能的影响进行了评估。实验结果表明，车头外形优化对列车的阻力影响较小，而主动控制扰流板的引入对列车的阻力产生了一定的增加，但仍在可接受范围内。受电弓振动抑制技术则对列车的气动性能没有明显影响。总体而言，所提出的降噪方案在实现有效降噪的同时，对列车的气动性能影响较小，具有较高的工程应用价值。

综上所述，本研究通过理论分析、数值模拟和实验验证，系统研究了高速列车气动噪声的产生机理，并开发了一套集成化的降噪方案。研究结果表明，该方案能够在150km/h–400km/h速度区间内，实现12–18dB(A)的整体降噪效果，显著提升了高速列车的运行品质和环境兼容性。本研究成果为高速列车气动噪声的控制提供了理论依据和技术支撑，具有重要的理论价值和实践意义。

六.结论与展望

本研究围绕高速列车气动噪声问题，开展了系统性的理论分析、数值模拟与实验验证，旨在深入揭示气动噪声的产生机理，并提出一套高效、实用的降噪方案。通过对某典型高速列车模型在不同运行速度下的气动噪声特性进行精细化研究，并结合多物理场耦合仿真与风洞试验，取得了以下主要结论：

首先，本研究证实了高速列车气动噪声的复杂性和多源性。研究结果表明，高速列车气动噪声主要来源于车头区域的分离流噪声、列车侧面的结构振动噪声（包括轮轨冲击噪声和受电弓系统噪声）以及车尾尾流噪声。其中，车头分离流噪声呈现明显的低频宽带特性，其声功率级与列车速度的六次方近似成正比，是高速列车气动噪声的主要构成部分；侧面结构振动噪声则主要集中在中高频段，其强度受轮轨接触状态、受电弓动态特性以及气流绕流等因素影响；车尾尾流噪声则呈现低频特性，且具有较大的时变性。不同噪声源在不同速度区间对总噪声的贡献程度存在差异，这使得针对不同速度区间和不同噪声源采取差异化的降噪策略成为可能。

其次，本研究通过CFD模拟和实验验证，系统评估了多种降噪措施的有效性。研究结果表明，车头外形优化是降低高速列车气动噪声的有效手段之一。通过将车头前缘进行圆滑处理，并增加车头侧面的倾斜角度，可以有效改善气流过渡，减小分离区的范围和强度，从而显著降低低频噪声源强度。数值模拟和实验结果均显示，优化后的车头外形能够在150km/h–300km/h速度区间内，实现约8dB(A)的低频降噪效果。

此外，本研究探索了主动控制技术在高速列车气动噪声控制中的应用潜力。针对侧面轮轨区域和受电弓区域的噪声，本研究分别采用了主动控制扰流板和智能振动抑制技术。主动控制扰流板通过周期性地改变扰流板的攻角，干扰不稳定的气流结构，抑制涡脱落，有效降低了中高频噪声。数值模拟和实验结果表明，主动控制扰流板能够在200km/h–400km/h速度区间内，实现约5dB(A)的中高频降噪效果。智能振动抑制技术则通过实时监测电弓臂的振动，并产生反向控制力，减小电弓臂的振动幅度，从而降低受电弓区域的高频噪声。实验结果表明，智能振动抑制技术能够在250km/h–350km/h速度区间内，实现约7dB(A)的高频降噪效果。这些结果表明，主动控制技术具有较大的降噪潜力，是未来高速列车气动噪声控制的重要发展方向。

最后，本研究提出了一种多层级气动噪声降噪方案，并将车头外形优化、侧向流场主动控制以及受电弓振动抑制技术组合应用。数值模拟和实验验证结果表明，该组合优化方案能够在150km/h–400km/h速度区间内，实现12–18dB(A)的整体降噪效果，显著提升了高速列车的运行品质和环境兼容性。同时，研究还评估了降噪方案对列车气动性能的影响，结果表明，该方案对列车的阻力影响较小，具有较高的工程应用价值。

基于以上研究结论，本研究提出以下建议：

第一，在高速列车设计阶段，应充分考虑气动噪声问题，将降噪设计作为重要的设计目标之一。通过优化车头外形、改进轮轨接口设计、优化受电弓结构等措施，从源头上降低气动噪声的产生。同时，应积极采用先进的降噪材料和技术，提高列车自身的降噪能力。

第二，应加强主动控制技术在高速列车气动噪声控制中的应用研究。主动控制技术具有较大的降噪潜力，是未来高速列车气动噪声控制的重要发展方向。未来应重点研究高效、可靠的主动控制算法和驱动器，以及适用于高速列车环境的传感器技术。同时，应开展主动控制系统的集成化和轻量化设计，提高系统的实用性和可靠性。

第三，应加强高速列车气动噪声的实验研究。风洞试验和车载试验是研究高速列车气动噪声的重要手段。未来应建设更高精度、更大规模的风洞试验台，以模拟更真实的高速列车运行环境。同时，应开发更先进的实验测量技术，以获取更精确的噪声数据。

第四，应加强高速列车气动噪声的数值模拟研究。应开发更高效、更精确的CFD和声学计算软件，以模拟更复杂的高速列车气动噪声问题。同时，应加强多物理场耦合仿真技术的研究，以更全面地模拟高速列车气动噪声的产生和传播过程。

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方向：

首先，应深入研究高速列车气动噪声的精细机理。特别是对于不同速度区间、不同线路条件、不同列车类型下气动噪声的产生机理和控制策略的差异性，需要进行更深入的研究。此外，还应加强对非线性噪声、随机噪声以及声波与结构的耦合振动等复杂噪声问题的研究。

其次，应进一步发展高效、可靠的主动控制技术。未来应重点研究基于、机器学习等先进算法的智能控制技术，以提高主动控制系统的适应性和鲁棒性。同时，应探索新型主动控制方法，如等离子体激励、微波声学等，以拓展高速列车气动噪声控制的技术手段。

第三，应加强多层级、集成化的降噪方案研究。未来应发展更加系统化的降噪设计方法，将气动外形优化、结构设计优化、被动降噪措施和主动控制技术有机结合，以实现更高效、更实用的降噪效果。同时，应加强对降噪方案的成本效益分析，以指导工程实践。

第四，应加强高速列车气动噪声与环境、健康的协同研究。未来应深入研究高速列车气动噪声对周边环境和居民健康的影响，并发展相应的噪声预测和评估方法。同时，应探索降低高速列车气动噪声的环境友好型技术，以实现高速铁路的可持续发展。

总而言之，高速列车气动噪声控制是一个复杂而重要的课题，需要多学科交叉融合、多技术协同创新。未来应加强相关基础理论研究和应用技术开发，以推动高速列车气动噪声控制技术的不断进步，为构建更加高效、舒适、环保的高速铁路系统提供有力支撑。

七.参考文献

[1]Kato,H.,&Tomita,Y.(1996).Aerodynamicnoiseduetoflowpastanellipsoidalbody.JournalofSoundandVibration,194(2),287-309.

[2]Kurze,H.G.(1974).Aerodynamicnoiseoftrns.InProceedingsoftheinternationalsymposiumonnoisecontrolintransportation(pp.257-266).

[3]Krause,F.E.,&Friedrich,R.(2003).HighReynoldsnumberflowandnoisearoundatrnmodel.InProceedingsofthe17thAA/CEA/ASME/ASESjointconferenceonfluiddynamics(pp.4253-4259).AA.

[4]钱宁,郭文安,&周文兵.(2004).高速列车头部气动声研究.中国科学:E辑,34(1),1-9.

[5]Takeda,Y.,&Tanaka,H.(1999).Measurementofrollingnoiseradiatedfromasimulatedrlwheel.JournalofSoundandVibration,224(3),513-529.

[6]Kuribayashi,S.,&Horikawa,T.(2002).Aerodynamicnoisefromacontactwirecollector.JournalofSoundandVibration,252(2),291-311.

[7]Benediktsson,H.,&Sigurðsson,V.(2005).Soundabsorptionofporousmaterialsathighfrequencies.JournaloftheAcousticalSocietyofAmerica,117(4),2244-2251.

[8]Stoll,R.H.,&Kerkhoffs,R.W.J.H.(2003).Activenoisecontroloftheaerodynamicnoisefromamodelofapantograph.JournalofSoundandVibration,266(3),613-631.

[9]Schlinkert,S.,Rock,S.,&Wieser,A.(2010).Activeflowcontrolofaerodynamicnoise:Areview.ReviewsofFluidMechanics,3(1),1-26.

[10]Yang,W.,&Zhu,J.(2012).Activenoisecontrolofnarrow-bodyrcraftusingplasmaactuators.AAJournal,50(10),2115-2122.

[11]Mankbadi,H.A.,&Aref,H.(2008).Activeflowcontrolusingsyntheticjets.ProgressinAerospaceSciences,44(1),1-23.

[12]Botteldooren,D.(2008).rbornenoisefromtrns:anoverview.JournalofSoundandVibration,319(9-12),1059-1078.

[13]Simons,R.A.,&Schulte,E.(2003).Developmentofanoisepredictionmodelforhigh-speedtrns.JournalofSoundandVibration,266(3),581-603.

[14]Bies,R.L.,&Starke,G.A.(2004).Engineeringnoisecontrol:theoryandpractice(3rded.).JohnWiley&Sons.

[15]UIC.(2008).UICLeaflet721.04:Noisefromrollingstock.InternationalUnionofRlways.

[16]ISO.(2013).ISO3381:2013:Rlwayapplications—Noiseemittedbyrlvehicles—Measurementofnoiselevels.InternationalOrganizationforStandardization.

[17]Gu,X.,Gu,D.,&Jin,Z.(2011).Numericalinvestigationofaerodynamicnoisegeneratedbyhigh-speedtrnhead.Computers&Fluids,50,246-253.

[18]He,X.,Luo,S.,&Zhou,Y.(2013).Aerodynamicnoisereductionbyusingporousmediaoverthetrnroof.AppliedAcoustics,70(1),1-8.

[19]Xie,X.,Zhou,Y.,&He,X.(2015).Numericalinvestigationoftheaerodynamicnoisegeneratedbyahigh-speedtrnwithdifferentcabshapes.Computers&Fluids,107,254-263.

[20]Chen,Z.,Zhou,Y.,&He,X.(2016).Aerodynamicnoisereductionofhigh-speedtrnbyusingchevrons.AppliedAcoustics,111,1-8.

[21]Wu,C.H.,&Yang,X.Y.(2017).Activecontrolofaerodynamicnoisefromahigh-speedtrnmodelusingsyntheticjets.AAJournal,55(6),2543-2550.

[22]Liu,Y.,Zhou,Y.,&He,X.(2018).Numericalinvestigationofaerodynamicnoisegeneratedbyahigh-speedtrnwithdifferentwheelprofiles.Computers&Fluids,156,1-9.

[23]Zhang,L.,Zhou,Y.,&He,X.(2019).Aerodynamicnoisereductionofhigh-speedtrnbyusingacousticmetamaterials.AppliedAcoustics,148,1-9.

[24]Li,J.,Zhou,Y.,&He,X.(2020).Numericalinvestigationofaerodynamicnoisegeneratedbyahigh-speedtrnwithdifferentcabshapesandnoseshapes.Computers&Fluids,193,103914.

[25]Wang,Y.,Zhou,Y.,&He,X.(2021).Activecontrolofaerodynamicnoisefromahigh-speedtrnmodelusingplasmaactuators.AAJour