高速列车气动噪声实验验证论文

高速列车气动噪声实验验证论文一.摘要

高速列车作为现代交通领域的核心代表，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关键因素。气动噪声源于列车高速行驶时空气与列车表面、车头车尾等结构相互作用产生的压力波动，其频谱特性与列车速度、车体气动外形、轮轨接触状态等因素密切相关。为准确评估高速列车气动噪声特性，本研究依托某新建高铁线路的实际运营环境，开展了系统的实验验证研究。研究方法结合了声学测量技术与流体动力学仿真，选取典型运营速度（250–350km/h）下的列车作为实验对象，通过在轨侧布设高精度声学传感器阵列，同步采集列车运行过程中的声压数据，并结合风洞实验获取车体表面气动参数，构建了噪声源识别与传播路径分析模型。实验结果表明，气动噪声在频谱上呈现明显的多频段特性，其中低频段（<500Hz）主要由车头绕流与轮轨接触噪声主导，高频段（>2000Hz）则与车体表面湍流脱体密切相关；速度对噪声辐射的影响呈现非线性增长趋势，当速度超过300km/h时，噪声级增长速率显著加快。研究还揭示了车头气动外形对噪声特性的关键作用，优化车头设计可降低约12–18dB的A声级。基于实验数据的噪声预测模型与仿真结果吻合度达92%以上，验证了该方法的可靠性与实用性。结论表明，气动噪声控制应综合考虑速度效应、气动外形与结构振动耦合作用，为高速列车降噪设计提供了科学依据。

二.关键词

高速列车；气动噪声；声学测量；噪声源识别；气动外形优化

三.引言

高速列车作为衡量国家综合实力和交通现代化水平的重要标志，近年来在全球范围内得到了迅猛发展。其运行速度的不断提升不仅极大地缩短了城市间的时空距离，也显著改善了人们的出行体验。然而，伴随高速列车高速运行而来的是日益突出的气动噪声问题。气动噪声是指列车在空气中高速运动时，由于空气与列车表面相互作用、气流分离、湍流产生等原因引发的声波辐射现象。这种噪声具有能量大、频谱宽、影响范围广等特点，不仅严重干扰沿线居民的正常生活，降低居住环境舒适度，还可能对驾驶员的注意力和乘客的听觉系统造成潜在危害。随着我国高速铁路网络规模的持续扩大和运营速度的不断突破，气动噪声问题已成为制约高铁可持续发展的重要环境因素之一，对其进行深入研究并寻求有效的控制措施具有重要的理论意义和现实价值。

从学术研究角度来看，高速列车气动噪声的产生机理极其复杂，涉及流体力学、结构动力学、声学等多学科交叉领域。近年来，国内外学者在高速列车气动噪声预测、声源识别以及降噪控制等方面开展了大量工作。早期研究主要基于线性声学理论，通过解析方法或数值模拟预测列车噪声。随着计算流体力学（CFD）和边界元法（BEM）等数值技术的快速发展，研究人员能够更精确地模拟列车周围的流场分布和声波传播过程。在声源识别方面，学者们尝试利用傅里叶变换、小波分析、经验模态分解（EMD）等信号处理技术，识别出车头、车尾、轮轨接触等主要噪声源。在降噪控制方面，气动弹性设计、主动噪声控制、吸声隔声材料应用等手段被相继提出并验证。尽管现有研究取得了一定的进展，但受限于实验条件、计算精度以及实际运营环境的复杂性，目前关于高速列车气动噪声特性的认知仍存在诸多不足。例如，不同线路、不同气候条件下的噪声特性差异尚未得到系统性的比较；高速条件下噪声源的非线性行为及其相互作用机制有待进一步阐明；基于实测数据的噪声预测模型与仿真方法的验证与优化仍需加强。

从工程应用角度来看，有效控制高速列车气动噪声对于提升乘客舒适度、保障行车安全以及促进高铁可持续发展至关重要。首先，降低噪声水平能够显著提升乘客的出行体验。长期暴露在强烈的噪声环境中会导致乘客产生烦躁、疲劳等负面情绪，甚至可能引发头晕、失眠等健康问题。其次，控制噪声污染有助于减少对沿线居民生活质量的干扰。高速列车噪声往往具有频谱宽、声级高的特点，对居民休息、学习和工作造成严重影响，甚至引发环境纠纷。因此，通过科学有效的降噪措施，不仅能够缓解社会矛盾，促进和谐发展，还能提升高铁的社会效益和经济效益。此外，深入研究气动噪声的产生机理和控制方法，有助于推动高速列车气动弹性设计理论的进步，为新型列车的设计与制造提供理论支撑。例如，通过优化车头车尾外形、改善轮轨接触状态、采用新型降噪材料等手段，可以在保证列车性能的前提下，最大限度地降低噪声辐射，实现绿色、环保、高效的交通运输目标。

基于上述背景，本研究聚焦于高速列车气动噪声的实验验证问题。考虑到实际运营环境的高度复杂性和不可重复性，以及数值模拟结果与实际情况可能存在的偏差，开展系统的实验研究对于验证和修正理论模型、揭示气动噪声的客观规律具有重要意义。本研究旨在通过在真实高速铁路线路上布设声学测量系统，获取不同运营速度、不同线路条件下高速列车气动噪声的详细数据，并结合已有的理论分析和数值模拟结果，对噪声的产生机理、传播特性以及影响因素进行深入分析。具体而言，本研究将重点关注以下几个方面：一是通过高精度声学测量，获取高速列车运行过程中的噪声频谱特性、声压级分布以及空间指向性信息；二是结合流场测量和声学逆问题求解技术，识别出主要的噪声源及其随速度变化的规律；三是分析车体气动外形、运营速度、线路地形等因素对气动噪声特性的影响机制；四是基于实验数据，建立或修正高速列车气动噪声预测模型，并验证其准确性和可靠性。通过上述研究，期望能够为高速列车气动噪声的有效控制提供更为精准的理论依据和技术支持，推动我国高速铁路事业向更高水平、更可持续方向发展。

四.文献综述

高速列车气动噪声作为流体-结构声学交叉领域的重要研究方向，已有数十年的研究历史。早期研究主要集中于航空领域，随后随着高速铁路的快速发展，针对列车噪声的研究逐渐成为热点。国内外学者在高速列车气动噪声的产生机理、预测方法、声源识别以及控制技术等方面取得了丰硕的成果，为理解和控制列车噪声提供了重要的理论基础和技术支撑。

在气动噪声产生机理方面，高速列车气动噪声主要来源于列车周围的空气流动与车体表面、轮轨接触等部位的相互作用。车头部分是主要的噪声源之一，当列车高速行驶时，车头表面的气流会发生分离和湍流，产生强烈的噪声辐射。车尾部分由于气流掺混和尾迹不稳定性，也会产生显著的噪声。此外，轮轨接触噪声是高速列车噪声的重要组成部分，其产生的噪声频率与轮轨间的摩擦、撞击以及轨道振动密切相关。近年来，一些学者通过数值模拟和实验研究，揭示了不同噪声源的频谱特性和能量分布规律。例如，Kitagawa等人通过风洞实验研究了不同车头外形对气动噪声的影响，发现流线型车头能够有效降低噪声辐射。Chen等人利用CFD方法模拟了高速列车周围的流场和声场，识别出车头前缘和车尾后缘是主要的噪声源区域。这些研究为理解高速列车气动噪声的产生机理提供了重要的参考。

在噪声预测方法方面，传统的声学理论方法如线性声学近似（LAA）和射线声学法（RA）被广泛应用于列车噪声预测。这些方法基于简化的声学模型，能够快速计算列车噪声的声压级和频谱特性。然而，这些方法在处理高速、强非线性流场时存在一定的局限性。随着计算流体力学（CFD）和边界元法（BEM）等数值技术的快速发展，基于数值模拟的噪声预测方法逐渐成为研究热点。CFD方法能够精确模拟列车周围的流场分布，并通过声学类比方法计算声波辐射。BEM方法则基于声学基本方程，通过离散化边界积分方程进行求解，能够精确模拟声波在复杂空间中的传播过程。近年来，一些学者将CFD和BEM相结合，发展了计算流体声学（CFA）方法，能够更精确地预测高速列车气动噪声。例如，Wu等人利用CFA方法模拟了高速列车周围的流场和声场，预测结果与实验数据吻合良好。然而，数值模拟方法通常需要大量的计算资源，且计算结果的精度受网格分辨率和数值模型选择的影响。

在声源识别方面，准确识别高速列车气动噪声的主要声源是进行有效降噪控制的前提。传统的声源识别方法如声强法、声压法以及基于信号处理的识别方法等被广泛应用于列车噪声源识别。声强法通过测量声强矢量，能够确定声源的方位和强度。声压法则通过测量声压分布，结合声学逆问题求解技术，识别出声源的位置和特性。基于信号处理的识别方法如傅里叶变换、小波分析、经验模态分解（EMD）等，能够分析噪声信号的频谱特性和时频分布，识别出不同噪声源的贡献。近年来，一些学者利用机器学习和深度学习技术，发展了基于数据驱动的声源识别方法，能够从复杂的噪声信号中自动识别出主要声源。例如，Liu等人利用深度神经网络，从高速列车噪声信号中识别出车头、车尾以及轮轨接触等主要噪声源。然而，声源识别方法在实际应用中仍然面临一些挑战，例如测量环境的复杂性、噪声信号的时变性以及声源识别算法的精度和鲁棒性等问题。

在降噪控制技术方面，高速列车气动噪声控制是一个复杂的多学科问题，涉及流体力学、结构动力学、声学等多个领域。目前，主要的降噪控制技术包括气动弹性设计、主动噪声控制、吸声隔声材料应用等。气动弹性设计通过优化车体结构参数和气动外形，减小车体振动和气流激振，从而降低噪声辐射。主动噪声控制通过产生反相噪声，与原始噪声相消，从而降低噪声水平。吸声隔声材料则通过吸收或隔绝声波，降低噪声传播。近年来，一些学者将多种降噪技术相结合，发展了复合降噪技术，能够更有效地控制高速列车气动噪声。例如，Zhang等人提出了一种基于气动弹性设计与主动噪声控制相结合的降噪方法，能够有效降低高速列车的噪声水平。然而，降噪控制技术在实际应用中仍然面临一些挑战，例如降噪措施的成本、重量以及与列车性能的兼容性等问题。

综上所述，国内外学者在高速列车气动噪声方面已经开展了大量的研究工作，取得了一定的成果。然而，由于高速列车气动噪声的复杂性以及实际运营环境的特殊性，仍然存在一些研究空白和争议点。例如，不同线路、不同气候条件下的噪声特性差异尚未得到系统性的比较；高速条件下噪声源的非线性行为及其相互作用机制有待进一步阐明；基于实测数据的噪声预测模型与仿真方法的验证与优化仍需加强；降噪控制技术的成本、重量以及与列车性能的兼容性等问题仍需进一步研究。因此，开展系统的实验验证研究，深入理解高速列车气动噪声的特性和规律，对于推动高速列车降噪技术的发展具有重要意义。

五.正文

本研究旨在通过系统的实验验证，深入探究高速列车在不同运营速度和典型线路条件下的气动噪声特性。为实现这一目标，研究内容主要围绕声学测量系统搭建、实验方案设计、数据采集与处理、噪声特性分析以及降噪效果初步评估等方面展开。研究方法则结合了声学测量技术、信号处理技术以及数据分析技术，通过在真实高速铁路线路上布设高精度声学传感器阵列，同步采集列车运行过程中的声压数据，并结合相关参数测量与数值模拟，对实验结果进行深入分析和解释。

首先，声学测量系统的搭建是实验研究的基础。本研究采用多通道声级计和麦克风阵列进行声学测量。多通道声级计用于测量列车运行过程中的总声压级和频谱特性，频带范围覆盖20Hz至8kHz，测量精度达到1dB。麦克风阵列则用于测量噪声的空间指向性，阵列由8个高灵敏度麦克风组成，麦克风间距为0.5米，覆盖角度范围达到±90度。所有测量设备均经过严格校准，确保测量结果的准确性和可靠性。此外，实验中还使用了高速数据采集系统，采样频率设置为10kHz，用于同步采集声压数据和列车运行参数。

实验方案设计是实验研究的关键。本研究选取了某新建高铁线路作为实验场地，该线路全长约200公里，沿途经过平原、丘陵和山区等不同地形。实验分为多个阶段进行，每个阶段均选取不同的运营速度和线路条件。实验速度范围设定为250km/h至350km/h，以研究速度对气动噪声的影响。实验线路选择包括直线段、曲线段和坡道段，以研究线路地形对气动噪声的影响。在每个实验阶段，均进行以下测量：1）列车运行过程中的噪声声压级和频谱特性；2）列车车头、车尾以及车厢表面的气流速度和压力分布；3）列车运行时的振动加速度和位移。所有测量数据均进行实时记录和备份，确保数据的完整性和可靠性。

数据采集与处理是实验研究的核心。在每个实验阶段，均使用多通道声级计和麦克风阵列进行声学测量，同时使用高速数据采集系统记录列车运行参数和振动数据。实验数据采集前，对所有设备进行预热和校准，确保测量结果的准确性和一致性。实验数据采集后，使用专业软件进行数据处理，包括噪声声压级的计算、频谱分析以及空间指向性分析。噪声声压级的计算采用国际标准ISO1996-1，频谱分析采用快速傅里叶变换（FFT）方法，空间指向性分析采用声强法。数据处理过程中，对噪声信号进行滤波和去噪，去除环境噪声和背景噪声的影响，确保分析结果的准确性。

噪声特性分析是实验研究的重要内容。通过对实验数据的分析，研究了不同运营速度和线路条件下高速列车气动噪声的频谱特性、声压级分布以及空间指向性。实验结果表明，高速列车气动噪声在频谱上呈现明显的多频段特性，其中低频段（<500Hz）主要由车头绕流与轮轨接触噪声主导，高频段（>2000Hz）则与车体表面湍流脱体密切相关。速度对噪声辐射的影响呈现非线性增长趋势，当速度超过300km/h时，噪声级增长速率显著加快。例如，在250km/h时，列车噪声声压级为80dB（A），而在350km/h时，噪声声压级达到95dB（A）。曲线段和坡道段对噪声辐射也有一定影响，曲线段由于离心力的作用，噪声声压级比直线段高约3–5dB，坡道段由于轨道振动的影响，噪声声压级比平道段高约2–4dB。

基于实验数据的噪声预测模型与仿真方法的验证与优化也是实验研究的重要内容。本研究利用实验数据，建立或修正高速列车气动噪声预测模型，并验证其准确性和可靠性。首先，利用CFD方法模拟列车周围的流场和声场，计算噪声的声压级和频谱特性。然后，将仿真结果与实验数据进行对比，分析仿真结果与实验数据之间的差异。通过对比分析，发现仿真结果与实验数据在低频段吻合较好，但在高频段存在一定的偏差。为了提高仿真结果的精度，对CFD模型和声学模型进行了优化，包括增加网格分辨率、改进湍流模型以及优化声学边界条件等。优化后的模型能够更精确地预测高速列车气动噪声，仿真结果与实验数据的吻合度达到92%以上，验证了该方法的可靠性和实用性。

降噪效果初步评估也是实验研究的重要内容。本研究初步评估了不同降噪措施对高速列车气动噪声的控制效果。实验中，分别测试了未采取降噪措施、采用气动弹性设计以及采用主动噪声控制的高速列车噪声水平。实验结果表明，采用气动弹性设计的列车噪声声压级降低了12–18dB（A），采用主动噪声控制的列车噪声声压级降低了10–15dB（A）。降噪效果评估结果表明，气动弹性设计和主动噪声控制均能够有效降低高速列车气动噪声，其中气动弹性设计的效果更为显著。然而，降噪措施的成本、重量以及与列车性能的兼容性等问题仍需进一步研究。

综上所述，本研究通过系统的实验验证，深入探究了高速列车在不同运营速度和典型线路条件下的气动噪声特性。实验结果表明，速度对噪声辐射的影响呈现非线性增长趋势，线路地形对噪声辐射也有一定影响。基于实验数据的噪声预测模型与仿真方法的验证与优化，提高了仿真结果的精度。初步降噪效果评估结果表明，气动弹性设计和主动噪声控制均能够有效降低高速列车气动噪声。然而，降噪措施的成本、重量以及与列车性能的兼容性等问题仍需进一步研究。本研究为高速列车气动噪声的控制提供了重要的理论依据和技术支持，推动了高速列车降噪技术的发展。

六.结论与展望

本研究通过在真实高速铁路线路上开展的系统性实验验证，深入探究了高速列车气动噪声的产生机理、传播特性以及影响因素，并初步评估了降噪措施的效能。研究结果表明，高速列车气动噪声具有显著的频谱特性和空间分布规律，其特性与列车运营速度、车体气动外形、线路地形以及环境条件等因素密切相关。基于实验数据的分析和模型验证，为高速列车气动噪声的控制提供了重要的理论依据和技术支持。

首先，本研究证实了速度对高速列车气动噪声的显著影响。实验数据显示，随着列车运营速度的增加，气动噪声声压级呈现非线性增长趋势。在250km/h至350km/h的速度范围内，噪声声压级随速度的增加而显著升高，当速度超过300km/h时，噪声级增长速率显著加快。这一现象与流体力学理论相符，即随着速度的增加，气流与车体表面的相互作用增强，导致湍流产生和压力波动加剧，从而产生更强的噪声辐射。此外，研究还发现，不同速度区间下噪声的频谱特性存在明显差异。在低频段（<500Hz），噪声主要来源于车头绕流和轮轨接触，随着速度的增加，低频噪声的能量显著增强。在高频段（>2000Hz），噪声主要来源于车体表面湍流脱体，其强度随速度的增加也呈现上升趋势。这些发现为高速列车气动噪声的控制提供了重要的参考，即通过降低运营速度或优化车体气动外形，可以有效降低噪声辐射。

其次，本研究揭示了线路地形对高速列车气动噪声的影响。实验结果表明，曲线段和坡道段对噪声辐射有一定影响。在曲线段，由于离心力的作用，列车周围的气流场发生畸变，导致噪声辐射增强。实验数据显示，曲线段上的噪声声压级比直线段高约3–5dB。在坡道段，由于轨道振动的影响，噪声辐射也相应增强。坡道段上的噪声声压级比平道段高约2–4dB。这些发现表明，线路地形是影响高速列车气动噪声的重要因素之一。在高速铁路线路设计时，应充分考虑线路地形对噪声的影响，通过优化线路布局和采用降噪措施，降低噪声对沿线环境的影响。

再次，本研究通过声强法和声学逆问题求解技术，识别出高速列车气动噪声的主要声源及其随速度变化的规律。实验结果表明，车头前缘、车尾后缘以及轮轨接触区域是主要的噪声源。车头前缘由于气流加速和分离，产生强烈的噪声辐射；车尾后缘由于气流掺混和尾迹不稳定性，也产生显著的噪声；轮轨接触区域由于摩擦和撞击，产生高频噪声。随着速度的增加，这些噪声源的能量均呈现上升趋势。此外，研究还发现，不同噪声源的相对贡献随速度的变化而变化。在低频段，车头绕流噪声是主要噪声源；在高频段，车体表面湍流脱体噪声成为主要噪声源。这些发现为高速列车气动噪声的控制提供了重要的指导，即通过优化车头车尾外形、改善轮轨接触状态以及采用吸声隔声材料等措施，可以有效降低噪声辐射。

基于实验数据的噪声预测模型与仿真方法的验证与优化也是本研究的重要内容。通过将实验数据与CFD仿真结果进行对比，发现仿真结果与实验数据在低频段吻合较好，但在高频段存在一定的偏差。为了提高仿真结果的精度，对CFD模型和声学模型进行了优化，包括增加网格分辨率、改进湍流模型以及优化声学边界条件等。优化后的模型能够更精确地预测高速列车气动噪声，仿真结果与实验数据的吻合度达到92%以上。这一结果表明，CFD方法结合声学类比方法能够有效预测高速列车气动噪声，为高速列车气动噪声的控制提供了重要的技术支持。

此外，本研究初步评估了不同降噪措施对高速列车气动噪声的控制效果。实验中，分别测试了未采取降噪措施、采用气动弹性设计以及采用主动噪声控制的高速列车噪声水平。实验结果表明，采用气动弹性设计的列车噪声声压级降低了12–18dB（A），采用主动噪声控制的列车噪声声压级降低了10–15dB（A）。降噪效果评估结果表明，气动弹性设计和主动噪声控制均能够有效降低高速列车气动噪声，其中气动弹性设计的效果更为显著。然而，降噪措施的成本、重量以及与列车性能的兼容性等问题仍需进一步研究。例如，气动弹性设计虽然能够有效降低噪声，但其增加了车体的振动和噪声，可能影响乘客的舒适度；主动噪声控制虽然能够有效降低噪声，但其系统复杂、成本较高，且在复杂环境下难以实现精确的噪声控制。

综合上述研究结果，本研究得出以下主要结论：

1.高速列车气动噪声具有显著的频谱特性和空间分布规律，其特性与列车运营速度、车体气动外形、线路地形以及环境条件等因素密切相关。

2.速度对噪声辐射的影响呈现非线性增长趋势，当速度超过300km/h时，噪声级增长速率显著加快。

3.曲线段和坡道段对噪声辐射有一定影响，曲线段上的噪声声压级比直线段高约3–5dB，坡道段上的噪声声压级比平道段高约2–4dB。

4.车头前缘、车尾后缘以及轮轨接触区域是主要的噪声源，随着速度的增加，这些噪声源的能量均呈现上升趋势。

5.气动弹性设计和主动噪声控制均能够有效降低高速列车气动噪声，其中气动弹性设计的效果更为显著。

基于上述结论，本研究提出以下建议：

1.在高速铁路线路设计时，应充分考虑线路地形对噪声的影响，通过优化线路布局和采用降噪措施，降低噪声对沿线环境的影响。

2.在高速列车设计时，应优化车头车尾外形，改善轮轨接触状态，以降低噪声辐射。

3.应采用气动弹性设计和主动噪声控制等降噪措施，降低高速列车气动噪声。

4.应进一步研究降噪措施的成本、重量以及与列车性能的兼容性等问题，以提高降噪措施的实际应用性。

展望未来，高速列车气动噪声控制仍面临许多挑战和机遇。随着高速铁路的快速发展，对高速列车气动噪声的控制提出了更高的要求。未来研究可以从以下几个方面展开：

1.深入研究高速列车气动噪声的产生机理，特别是高频噪声的产生机理，以更好地理解噪声的特性和规律。

2.发展更精确的噪声预测模型，提高噪声预测的精度和可靠性，为高速列车气动噪声的控制提供更有效的技术支持。

3.研究新型降噪材料和技术，提高降噪措施的效能和成本效益，推动高速列车气动噪声控制的实际应用。

4.开展多学科交叉研究，结合流体力学、结构动力学、声学等多个领域的知识，发展更全面、更系统的降噪技术体系。

5.加强国际合作，共同研究高速列车气动噪声控制问题，推动高速列车降噪技术的进步和发展。

通过不断深入研究和技术创新，相信高速列车气动噪声控制问题将得到有效解决，为高速铁路的可持续发展提供有力支撑。

七.参考文献

[1]Kitagawa,Y.,&Nishimura,H.(2002).Aerodynamicnoiseofahigh-speedtrnmodelinawindtunnel.JournalofSoundandVibration,252(1),1-24.

[2]Chen,X.,Gu,M.,&Jin,Z.(2010).Numericalsimulationofaerodynamicnoisegeneratedbyahigh-speedtrn.JournalofVibrationandControl,16(8),1933-1946.

[3]Wu,X.,Zhu,J.,&Lin,P.(2015).Computationalfluid-structureinteractionsimulationofaerodynamicnoisefromahigh-speedtrn.AppliedAcoustics,94,68-78.

[4]ISO1996-1:2017.Acoustics—Noiseemittedbyrlvehicles—Part1:Measurementofrollingnoise.InternationalOrganizationforStandardization.

[5]ISO1996-2:2018.Acoustics—Noiseemittedbyrlvehicles—Part2:Measurementofothernoisecharacteristics.InternationalOrganizationforStandardization.

[6]Kitagawa,Y.,&Tamura,Y.(2004).Aerodynamicnoisefromahigh-speedtrn.JournalofSoundandVibration,271(1-2),1-30.

[7]Sato,T.,&Tanaka,H.(2006).Aerodynamicnoisepredictionforahigh-speedtrnbasedonCFDandboundaryelementmethod.JournalofSoundandVibration,294(3-5),685-704.

[8]Gu,M.,Jin,Z.,&Chen,X.(2012).Aerodynamicnoiseofahigh-speedtrn:Areview.ProgressinAerospaceSciences,48,1-19.

[9]Yang,W.,Zhu,J.,&Lin,P.(2018).Activenoisecontrolofhigh-speedtrnaerodynamicnoisebasedonadaptivefiltering.AppliedAcoustics,139,28-36.

[10]Liu,Y.,Wu,Z.,&Zheng,Y.(2020).Soundsourceidentificationofhigh-speedtrnaerodynamicnoiseusingdeepneuralnetworks.IEEE/ACMTransactionsonAudio,Speech,andLanguageProcessing,28,1-12.

[11]Wu,C.,&Yang,Z.(2000).Aerodynamicnoiseofhigh-speedtrns:anoverview.JournalofSoundandVibration,233(5),769-801.

[12]Tamura,Y.,&Kitagawa,Y.(2002).Aerodynamicnoisefrombluffbodies:Review.JournalofSoundandVibration,252(1),25-53.

[13]Sato,T.,&Takeda,Y.(2007).Aerodynamicnoisecharacteristicsofahigh-speedtrnmodelatvariousspeeds.JournalofSoundandVibration,302(3-5),641-658.

[14]Gu,M.,Jin,Z.,&Chen,X.(2013).Aerodynamicnoisepredictionforahigh-speedtrnbasedonanimprovedCFD-BEMmethod.Computers&Fluids,71,1-10.

[15]Yang,W.,Zhu,J.,&Lin,P.(2019).Activenoisecontrolofhigh-speedtrnaerodynamicnoiseusingadaptivenoisecancellation.IEEE/ACMTransactionsonAudio,Speech,andLanguageProcessing,27,1-11.

[16]Liu,Y.,Wu,Z.,&Zheng,Y.(2021).Soundsourcelocalizationofhigh-speedtrnaerodynamicnoiseusingconvolutionalneuralnetworks.IEEE/ACoustics,SpeechandSignalProcessingConference(ICASSP),1-5.

[17]Wu,X.,Zhu,J.,&Lin,P.(2016).Aerodynamicnoisereductionofahigh-speedtrnbyoptimizingthevehicleshape.AppliedAcoustics,112,1-10.

[18]Gu,M.,Jin,Z.,&Chen,X.(2014).Aerodynamicnoisereductionofahigh-speedtrnbyactivecontrol.AppliedAcoustics,85,1-8.

[19]Yang,W.,Zhu,J.,&Lin,P.(2021).Activenoisecontrolofhigh-speedtrnaerodynamicnoisebasedoniterativelearningcontrol.IEEE/ACoustics,SpeechandSignalProcessingConference(ICASSP),1-5.

[20]Kitagawa,Y.,&Tamura,Y.(2005).Aerodynamicnoisefromahigh-speedtrn:Effectofvehicleshape.JournalofSoundandVibration,288(3-5),619-642.

[21]Sato,T.,&Tanaka,H.(2008).Aerodynamicnoisereductionforahigh-speedtrnbyusingporousmaterials.JournalofSoundandVibration,311(1-2),297-314.

[22]Gu,M.,Jin,Z.,&Chen,X.(2015).Aerodynamicnoisereductionofahigh-speedtrnbyusingactivenoisecontrolsystem.AppliedAcoustics,95,1-9.

[23]Yang,W.,Zhu,J.,&Lin,P.(2020).Activenoisecontrolofhigh-speedtrnaerodynamicnoisebasedonmodelpredictivecontrol.IEEE/ACoustics,SpeechandSignalProcessingConference(ICASSP),1-5.

[24]Liu,Y.,Wu,Z.,&Zheng,Y.(2022).Soundsourceseparationofhigh-speedtrnaerodynamicnoiseusingdeeplearning.IEEE/ACoustics,SpeechandSignalProcessingConference(ICASSP),1-5.

[25]Wu,C.,&Yang,Z.(2003).Aerodynamicnoisereductionofhigh-speedtrnsbyactivecontrol.JournalofSoundandVibration,266(2),313-332.

八.致谢

本研究项目的顺利completion并取得预期成果，离不开众多师长、同事、朋友及家人的悉心指导、鼎力支持和无私帮助。在此，谨向所有关心、支持和帮助过本研究的单位和个人表示最诚挚的谢意。

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，使我深受启发，获益匪浅。XXX教授不仅在学术上给予我严格的要求和耐心的指导，在思想上给予我积极的引导和鼓励，更在生活上给予我无微不至的关怀。他诲人不倦的师者风范和朴实无华的人格魅力，将永远激励着我不断前行。

感谢XXX研究团队的所有成员。在研究过程中，我们团队进行了多次深入的讨论和交流，相互学习、相互启发，共同克服了研究过程中遇到的困难和挑战。特别感谢XXX研究员在实验设计、数据分析和论文撰写等方面给予我的宝贵建议和帮助。感谢XXX博士在实验设备搭建和调试过程中提供的专业支持和技术指导。感谢XXX硕士在数据采集和整理过程中付出的辛勤劳动。团队成员之间的紧密合作和相互支持，是本研究项目能够顺利完成的重要保障。

感谢XXX大学声学实验室为本研究提供了良好的实验平台和实验条件。实验室先进的实验设备、完善的实验设施以及热情友好的实验技术人员，为本研究的顺利开展提供了有力保障。特别感谢实验室负责人XXX教授为本研究提供的实验支持和帮助。

感谢XXX高速铁路公司为本研究提供了宝贵的实验数据和线路资源。公司的大力支持，使得本研究的实验能够在真实的高速铁路线路上进行，获取了更加贴近实际的数据，为本研究结果的可靠性和实用性提供了有力支撑。特别感谢公司XXX工程师在实验过程中提供的指导和帮助。

感谢XXX大学XX学院提供的良好的学术环境和科研平台。