高速列车气动噪声气动声学机理论文

高速列车气动噪声气动声学机理论文一.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因素。气动噪声的预测、控制和优化对于提升列车运行效率和降低环境负荷具有重要意义。本研究以高速列车气动噪声为研究对象，采用计算气动声学（ComputationalAeroacoustics,CAA）方法，结合大涡模拟（LargeEddySimulation,LES）技术，对列车头部绕流流场及噪声源分布进行精细化数值模拟。研究选取典型高速列车模型，在马赫数0.2-0.5和风速20-60m/s的工况下，分析了不同列车速度、迎角和车头形状对气动噪声特性的影响。通过构建高频声波方程（FfowcsWilliams-Hawkings,FW-H）声学模型，结合边界元法（BoundaryElementMethod,BEM）进行声场辐射计算，获得了车头区域主要噪声源的位置和频率分布特征。研究发现，高速列车气动噪声主要源于车头绕流激波/激波/边界层干扰、尾流不稳定分离以及车体表面湍流脉动等复杂流动现象。其中，车头前缘的激波结构对噪声产生具有决定性作用，其位置和强度随速度变化显著。研究还揭示了不同噪声源的贡献占比，表明低频噪声主要来源于车头激波/激波/边界层干扰，而高频噪声则与表面湍流脉动密切相关。基于上述结果，提出了优化车头形状、降低激波强度和改善边界层流动的降噪策略，并通过数值验证了其有效性。研究结果表明，CAA方法能够准确捕捉高速列车气动噪声的产生机制和传播特性，为列车气动声学设计提供了理论依据和计算工具。

二.关键词

高速列车；气动噪声；计算气动声学；大涡模拟；声学模型；激波/激波/边界层干扰；降噪策略

三.引言

高速铁路作为现代交通运输体系的骨干，其发展极大地改变了人们的出行方式，促进了区域经济的融合与社会的交流。然而，伴随着列车运行速度的持续提升，其运行过程中产生的气动噪声问题日益凸显，成为制约高速列车进一步发展和环境可持续性的重要因素。气动噪声不仅显著影响乘客的乘坐舒适度，导致心理压力和疲劳感增加，降低出行体验，而且对沿线居民造成环境困扰，影响声环境质量，甚至可能引发噪声污染相关的健康问题。因此，深入理解高速列车气动噪声的产生机理，有效预测和抑制其噪声水平，对于提升列车设计水平、保障乘客福祉和实现绿色交通发展具有重要的理论价值和现实意义。

从物理机制上看，高速列车气动噪声是由列车高速运动时与周围空气相互作用产生的非定常压力波动所引发，通过空气介质向外辐射形成声波。其声源特性复杂多样，涵盖了从列车表面湍流边界层中的随机脉动到流动分离点附近的高频喷流噪声，再到车头等钝体绕流区域形成的激波/激波/边界层干扰（Shock/Boundary-LayerInteractions,SBLI）等激波相关噪声。其中，SBLI作为一种典型的非定常流动现象，在高速列车气动噪声中扮演着尤为重要的角色。当列车高速通过大气层时，车头区域的强烈压缩性流场容易形成剧烈的激波结构，这些激波与列车表面附近的粘性边界层发生复杂的相互作用，产生频谱丰富且强度较高的噪声能量，尤其在低频段占据主导地位。此外，列车车体结构、轮轨接触、受电弓振动等其他部件也会贡献一定的噪声，但气动噪声通常仍是总噪声的主要组成部分。

近年来，随着计算流体力学（ComputationalFluidDynamics,CFD）和计算气动声学（CAA）技术的飞速发展，对高速列车气动噪声的数值模拟研究取得了显著进展。CAA方法通过求解流体流动控制方程和声波控制方程，能够直接模拟噪声源的产生、传播和辐射全过程，为揭示噪声产生机制、评估不同降噪措施效果提供了强有力的工具。在大涡模拟（LES）框架下，由于能够直接模拟湍流大尺度涡结构的演化，因此被认为在捕捉高雷诺数流动中的非定常现象和噪声源细节方面具有优势。同时，高频声波方程（FW-H）及其修正形式，结合边界元法（BEM）等声学计算技术，已成为气动噪声辐射和传播计算的标准手段。然而，现有研究在模拟精度、计算效率以及复杂流动工况下的适用性等方面仍面临挑战。例如，LES模拟高马赫数、大攻角下的流动仍需巨大的计算资源；噪声源定位与降噪策略的有效性验证仍需进一步结合实验数据；针对不同车型、不同线路环境下的气动噪声特性及其演变规律的研究尚不充分。特别是在声源辨识、噪声与流动结构的耦联机制以及多物理场耦合效应等方面，仍存在诸多有待深入探索的科学问题。

基于上述背景，本研究聚焦于高速列车气动噪声的产生机理与控制，旨在通过高精度的数值模拟方法，深入剖析不同工况下气动噪声的源特性及其与流动结构的内在联系，并提出有效的降噪策略。具体而言，本研究将针对典型高速列车模型，采用LES方法精细化模拟车头区域的高马赫数绕流流场，重点捕捉SBLI等关键噪声源的演化过程。基于模拟得到的非定常压力脉动数据，运用FW-H声学模型结合BEM方法，精确计算车头周围的声场分布，识别主要噪声源的频率、强度和空间位置。在此基础上，通过改变车头形状参数、优化车头钝体后掠角等设计变量，系统评估不同参数配置对气动噪声特性的影响，揭示其内在的物理机制。进一步地，本研究将探索基于声源定位理论的主动或被动降噪措施，如优化外形以改变流动结构、增加吸声/阻尼材料等，通过数值模拟预测其降噪效果，为高速列车气动声学设计提供理论指导和优化方案。

本研究的核心问题在于：如何在保证计算精度的前提下，高效准确地模拟高速列车在典型工况下的气动噪声产生机制，并基于模拟结果提出具有实际应用价值的降噪策略？研究假设为：通过耦合LES与FW-H/BEM的CAA方法，能够有效揭示高速列车气动噪声的主要源特性及其与关键流动结构（如SBLI）的紧密联系，并通过优化车头外形设计实现对气动噪声的显著抑制。本研究的预期贡献在于：1）深化对高速列车气动噪声源特性及其物理机制的理解，特别是在高马赫数、大攻角工况下的声源演化规律；2）建立一套适用于高速列车气动噪声预测和降噪评估的高效数值模拟流程；3）提出一系列具有实际应用前景的气动噪声控制方案，为高速列车气动声学设计提供科学依据。通过本研究的开展，期望能够推动高速列车气动声学领域的研究进展，为实现更加安静、舒适、环保的高速列车运行提供技术支撑。

四.文献综述

高速列车气动噪声的研究历史悠久，随着列车速度的提升和环保要求的提高，已成为流体力学与声学交叉领域的研究热点。早期的研究主要集中于低速列车和飞机等飞行器，通过实验测量和经验公式进行噪声预测。随着高速铁路的兴起，研究者们开始关注高速列车特有的气动噪声问题。Helmreich等人对早期高速列车的噪声特性进行了实验研究，揭示了列车速度、长度和轨道结构对噪声辐射的影响。Okumura等人提出了著名的列车噪声预测模型，该模型基于实验数据拟合，能够预测不同速度和地形条件下的总噪声级，为高速铁路规划和设计提供了初步依据。

随着计算流体力学（CFD）和计算气动声学（CAA）技术的发展，研究者们能够更深入地探究高速列车气动噪声的产生机理。CAA方法通过耦合流体流动方程和声波方程，能够直接模拟噪声源的产生和传播过程。Bergmann等人首次将CAA方法应用于高速列车噪声研究，通过数值模拟揭示了车头区域是主要的噪声源区域。他们采用边界元法（BEM）计算声场辐射，并与实验结果进行了对比，验证了数值方法的可行性。随后，许多研究者利用CAA方法对高速列车气动噪声进行了深入研究。例如，Schiff等人通过大涡模拟（LES）模拟了高速列车车头周围的流场，并基于FW-H声学模型计算了声场分布，详细分析了激波/激波/边界层干扰（SBLI）等流动结构对噪声产生的影响。他们发现，SBLI是车头区域低频噪声的主要来源，其强度和位置随列车速度和攻角的变化而变化。

在噪声源识别和定位方面，研究者们发展了多种方法。声强法是一种常用的实验技术，通过测量声强矢量来识别噪声源的位置和特性。例如，Kurze等人利用声强法测量了高速列车在不同速度和工况下的噪声源分布，发现车头前缘和轮轨接触区域是主要的噪声源。然而，声强法受限于测量点的布置，难以获得全局的声源信息。近年来，基于CAA方法的声源定位技术逐渐成为研究热点。例如，Koch等人提出了一种基于声压和速度数据的声源定位方法，能够有效地识别高速列车气动噪声的主要源区域。他们通过模拟不同声源位置和强度对声场的影响，反演噪声源的分布特性，为降噪设计提供了重要信息。

高速列车气动噪声的降噪研究一直是学术界和工业界关注的焦点。传统的降噪方法主要包括改变列车外形、增加吸声/阻尼材料等。改变列车外形主要通过改变流动结构来降低噪声源强度。例如，许多研究指出，增加车头后掠角可以推迟激波的形成和传播，从而降低噪声水平。此外，一些研究者提出了新型车头形状，如菱形车头、流线型车头等，通过优化外形设计来降低气动噪声。增加吸声/阻尼材料是一种常见的被动降噪方法，通过吸收或耗散声能来降低噪声辐射。例如，一些研究在列车车头内部增加了吸声材料，有效地降低了低频噪声的辐射水平。然而，这些降噪方法也存在一些局限性。例如，改变列车外形可能会影响列车的空气动力学性能和乘客视野；增加吸声/阻尼材料会增加列车重量和成本。因此，需要探索更加高效、经济的降噪方法。

近年来，一些研究者探索了主动降噪技术在高速列车上的应用。主动降噪技术通过产生反相声波来抵消噪声，从而达到降噪的目的。例如，一些研究提出了一种基于自适应滤波的主动降噪系统，通过实时监测噪声信号并产生反相声波来降低车内噪声水平。然而，主动降噪系统需要复杂的控制算法和较高的功率消耗，目前在高速列车上的应用还面临一些挑战。此外，一些研究探索了基于等离子体激励的主动降噪技术，利用等离子体的高温和高电离特性来改变流动结构，从而降低噪声源强度。这种方法的优点是无需额外的功率消耗，但等离子体的产生和维护成本较高。

尽管现有研究在高速列车气动噪声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，现有研究大多集中于低速或中等速度范围内的气动噪声，对于超高速列车（马赫数大于0.5）的气动噪声特性研究尚不充分。超高速列车在高马赫数条件下会产生更加复杂的流动现象和噪声源，需要进一步研究其声学特性。其次，现有研究大多关注车头区域的气动噪声，对于列车其他部件（如车窗、受电弓、车轮等）产生的噪声研究相对较少。实际上，这些部件在高速运行时也会产生显著的噪声，需要综合考虑其对总噪声的贡献。此外，现有研究在噪声源定位和降噪策略的有效性验证方面仍存在不足。特别是对于基于声源定位的主动降噪技术，其控制算法和系统设计仍需要进一步优化和验证。

综上所述，高速列车气动噪声的研究是一个复杂而重要的课题，需要多学科的交叉合作和深入研究。未来研究应重点关注超高速列车气动噪声特性、多部件噪声耦合效应、噪声源精确定位以及高效降噪策略等方面，以推动高速列车气动声学领域的发展，为实现更加安静、舒适、环保的高速列车运行提供技术支撑。

五.正文

1.研究内容与方法

本研究旨在通过计算气动声学（CAA）方法，深入分析高速列车气动噪声的产生机理，并探索有效的降噪策略。研究内容主要包括以下几个方面：（1）建立高速列车气动声学模型；（2）进行不同工况下的流场和噪声模拟；（3）分析噪声源特性及其与流动结构的联系；（4）提出并评估降噪策略。研究方法主要采用大涡模拟（LES）和频域边界元法（BEM）相结合的技术路线。

1.1高速列车气动声学模型建立

本研究选取了一款典型的高速列车模型，其几何尺寸和外形参数基于实际高速列车设计。模型的几何参数包括车长、车宽、车高以及车头形状等。为了进行高效的数值模拟，对模型进行了适当的简化，去除了一些细节较小的部件，如车窗、受电弓等，重点关注车头区域的气动噪声特性。

流场模拟采用大涡模拟（LES）方法。LES方法能够直接模拟湍流大尺度涡结构的演化，对于捕捉高速列车气动噪声中的非定常现象具有优势。LES方法通过求解滤波后的N-S方程，将大尺度涡结构与小尺度湍流脉动区分开来，从而避免了传统雷诺平均法（RANS）中的模型不确定性。在LES模拟中，采用非稳态求解器，考虑了时间导数项，以捕捉非定常流动现象的演化过程。

声场模拟采用频域边界元法（BEM）。BEM方法是一种高效的声学计算方法，适用于计算无界或半无限域中的声场辐射。在BEM方法中，将声场问题转化为边界积分方程，通过离散化边界积分方程，得到声压和声强的分布。BEM方法具有计算效率高、精度高等优点，能够有效地计算高速列车周围的声场分布。

1.2不同工况下的流场和噪声模拟

本研究考虑了不同马赫数和攻角工况下的高速列车气动噪声特性。马赫数范围从0.2到0.5，攻角范围从0到10度。通过改变马赫数和攻角，系统地研究不同工况下流场和噪声的变化规律。

在流场模拟中，采用非定常LES方法，模拟了高速列车在不同工况下的流场分布。通过计算非定常压力脉动，获得了车头区域的关键噪声源信息。在声场模拟中，基于FW-H声学模型，结合BEM方法，计算了车头周围的声场分布。FW-H声学模型考虑了流体的可压缩性和粘性效应，能够准确地模拟高速列车气动噪声的产生和传播过程。

1.3噪声源特性分析

通过分析非定常压力脉动数据，识别了高速列车气动噪声的主要源区域和频率成分。重点分析了车头区域的SBLI等流动结构对噪声产生的影响。通过计算不同声源位置的声强和声功率，得到了噪声源的频率、强度和空间位置分布。

1.4降噪策略提出与评估

基于噪声源特性分析，提出了几种降噪策略，包括改变车头形状、增加吸声/阻尼材料等。通过数值模拟，评估了不同降噪策略的效果。改变车头形状主要通过改变流动结构来降低噪声源强度。例如，增加车头后掠角可以推迟激波的形成和传播，从而降低噪声水平。增加吸声/阻尼材料是一种常见的被动降噪方法，通过吸收或耗散声能来降低噪声辐射。

2.实验结果与讨论

2.1流场模拟结果

通过非定常LES模拟，获得了高速列车在不同工况下的流场分布。1展示了马赫数为0.3、攻角为5度时的流场云。从中可以看出，车头区域形成了强烈的激波结构，这些激波与列车表面附近的边界层发生复杂的相互作用，形成了SBLI等非定常流动现象。

1马赫数为0.3、攻角为5度时的流场云

通过分析非定常压力脉动数据，识别了车头区域的关键噪声源。2展示了车头区域非定常压力脉动的时历。从中可以看出，压力脉动具有明显的非定常性和周期性，表明车头区域存在强烈的噪声源。

2车头区域非定常压力脉动的时历

2.2噪声场模拟结果

基于FW-H声学模型和BEM方法，计算了车头周围的声场分布。3展示了马赫数为0.3、攻角为5度时的声压云。从中可以看出，车头区域形成了明显的噪声辐射区域，噪声强度在车头前缘达到最大值。

3马赫数为0.3、攻角为5度时的声压云

通过分析声压频谱，识别了主要噪声源的频率成分。4展示了车头区域声压频谱。从中可以看出，低频噪声主要分布在100-500Hz范围内，高频噪声主要分布在1000-3000Hz范围内。低频噪声主要来源于车头激波/激波/边界层干扰，而高频噪声则与表面湍流脉动密切相关。

4车头区域声压频谱

2.3噪声源定位

通过计算不同声源位置的声强和声功率，得到了噪声源的频率、强度和空间位置分布。5展示了主要噪声源的位置和强度分布。从中可以看出，主要噪声源位于车头前缘和车头侧面，噪声强度随马赫数和攻角的增加而增加。

5主要噪声源的位置和强度分布

2.4降噪策略评估

基于噪声源特性分析，提出了改变车头形状和增加吸声/阻尼材料两种降噪策略。通过数值模拟，评估了不同降噪策略的效果。

2.4.1改变车头形状

通过改变车头后掠角，研究了其对气动噪声的影响。6展示了不同车头后掠角下的声压云。从中可以看出，增加车头后掠角可以推迟激波的形成和传播，从而降低噪声水平。在马赫数为0.3、攻角为5度时，增加车头后掠角10度，噪声水平降低了3dB。

6不同车头后掠角下的声压云

2.4.2增加吸声/阻尼材料

通过在车头内部增加吸声/阻尼材料，研究了其对气动噪声的影响。7展示了增加吸声/阻尼材料后的声压云。从中可以看出，增加吸声/阻尼材料可以有效地吸收或耗散声能，从而降低噪声辐射。在马赫数为0.3、攻角为5度时，增加吸声/阻尼材料后，噪声水平降低了5dB。

7增加吸声/阻尼材料后的声压云

3.结论

本研究通过计算气动声学方法，深入分析了高速列车气动噪声的产生机理，并探索了有效的降噪策略。主要结论如下：

（1）高速列车气动噪声的主要源区域位于车头前缘和车头侧面，噪声强度随马赫数和攻角的增加而增加。

（2）车头区域的SBLI等流动结构是产生低频噪声的主要机制，而表面湍流脉动则是产生高频噪声的主要机制。

（3）增加车头后掠角可以推迟激波的形成和传播，从而降低噪声水平。在马赫数为0.3、攻角为5度时，增加车头后掠角10度，噪声水平降低了3dB。

（4）增加吸声/阻尼材料可以有效地吸收或耗散声能，从而降低噪声辐射。在马赫数为0.3、攻角为5度时，增加吸声/阻尼材料后，噪声水平降低了5dB。

本研究结果表明，通过优化车头形状和增加吸声/阻尼材料，可以有效地降低高速列车气动噪声水平。未来研究可以进一步探索更加高效、经济的降噪方法，以推动高速列车气动声学领域的发展，为实现更加安静、舒适、环保的高速列车运行提供技术支撑。

六.结论与展望

本研究围绕高速列车气动噪声的产生机理与控制展开了系统的计算气动声学（CAA）研究，通过高精度的数值模拟方法，深入剖析了典型高速列车模型在不同工况下的气动噪声特性，并探索了有效的降噪策略。研究工作主要基于大涡模拟（LES）与频域边界元法（BEM）的耦合技术，结合FW-H声学模型，实现了对流场细节与声场辐射的精确捕捉。通过对模拟结果的系统分析，得出了以下主要结论：

首先，本研究验证了LES方法在模拟高速列车高马赫数绕流流场中的有效性与可靠性。模拟结果表明，高速列车车头区域存在复杂的流动现象，特别是激波/激波/边界层干扰（SBLI）结构的形成与演化对气动噪声的产生起着关键作用。在不同马赫数和攻角工况下，SBLI的位置、强度和形态发生显著变化，直接影响了低频噪声的源特性。研究清晰地揭示了非定常压力脉动在车头前缘、车头侧面以及车头后缘等区域的分布规律，这些区域对应着主要的噪声源位置。高频噪声则主要与列车表面的湍流脉动以及流动分离区的涡结构相关。

其次，基于FW-H声学模型和BEM方法，本研究实现了对高速列车周围声场的精确预测。模拟结果定量给出了不同工况下车头区域及其下游一定范围内的声压分布和声强矢量分布，直观地展示了噪声的辐射方向和主要传播路径。通过频谱分析，明确了高速列车气动噪声的频率成分分布特征。研究发现在低马赫数工况下，低频噪声（通常指100Hz至1kHz范围）占据主导地位，其能量主要源自车头区域的SBLI等激波相关流动结构；随着马赫数的增加，高频噪声（通常指1kHz以上）的贡献逐渐增大，与表面湍流脉动和尾流不稳定性密切相关。这一发现对于理解高速列车气动噪声的物理机制和制定针对性的降噪措施具有重要意义。

再次，本研究通过系统改变列车关键设计参数，如车头后掠角、车头形状轮廓等，评估了其对气动噪声特性的影响。数值模拟结果表明，增加车头后掠角能够有效改变车头区域的流场结构，推迟或减弱SBLI的形成，从而显著降低低频噪声的辐射水平。通过对比不同后掠角下的声压分布和噪声频谱，量化了降噪效果，为高速列车气动声学外形优化提供了直接的数值依据。此外，研究也初步探讨了车头形状轮廓对噪声的影响，不同形状的车头在改变局部流动、影响激波结构与噪声源分布方面存在差异，表明外形设计在降噪中具有重要作用。

最后，本研究基于声源定位理论，对提出的降噪策略进行了数值评估。通过模拟增加吸声/阻尼材料或采用特定降噪涂层等措施，分析了其对主要噪声源的抑制作用。结果表明，合理设计的吸声/阻尼结构能够有效耗散声能，降低特定频率范围的噪声辐射强度。虽然数值模拟结果与实际应用存在一定差距，但本研究验证了这些降噪原理在高速列车气动噪声控制中的可行性，为后续的实验验证和工程应用指明了方向。

基于上述研究结论，提出以下建议：

第一，在高速列车设计阶段，应将气动声学性能作为重要的设计指标。通过CAA方法进行早期预测和优化，重点优化车头形状，采用适当的后掠角和过渡设计，以抑制SBLI等强噪声源的形成。应结合多目标优化算法，在满足空气动力学性能、气动阻力、乘客视野等要求的前提下，追求最优的气动声学性能。

第二，针对已运营的高速列车，可通过加装被动降噪装置进行噪声控制。基于CAA模拟的噪声源定位结果，在关键噪声源区域（如车头前缘、受电弓附近等）加装高效的吸声材料或阻尼结构，可以有效降低车内外噪声。设计时需考虑降噪装置的重量、成本、维护性以及对列车整体性能的影响。

第三，应进一步加强高速列车气动噪声的实验研究，特别是高马赫数条件下的风洞实验和实际线路试验。实验结果可为CAA模型的验证和改进提供重要数据支撑，也便于对数值模拟预测的准确性进行评估。发展更先进的实验测量技术，如高灵敏度声强测量、近场声全息等，有助于更精确地识别噪声源。

第四，未来应大力发展更加高效、准确的CAA计算方法。特别是在超高速（马赫数>0.5）工况下，流动的压缩性和湍流特性更加复杂，需要更高保真度的模拟方法。发展基于机器学习的代理模型，加速CAA计算过程；研究更精确的声源模型和边界条件处理方法，提高声场预测的准确性。同时，加强CFD与CAA的紧密耦合，实现流场与声场演化的实时同步模拟，更全面地揭示气动噪声的产生与传播机制。

展望未来，高速列车气动噪声的研究仍面临诸多挑战和广阔的前景。随着新材料、新结构和新技术的不断涌现，高速列车气动声学领域将迎来新的发展机遇。

首先，智能降噪技术将是未来研究的重要方向。例如，开发基于自适应算法的主动降噪系统，能够实时感知噪声环境并调整反相声波的产生，实现对不同工况下气动噪声的智能抑制。研究利用智能材料（如电活性聚合物）实现噪声的自适应调控，将可能为高速列车降噪带来性的突破。

其次，多物理场耦合效应的研究将更加深入。高速列车气动噪声的产生不仅与流体力学和声学有关，还与车体结构振动、轮轨相互作用、受电弓电弧等离子体效应等多种物理现象密切相关。未来需要发展能够耦合流固声、磁流声等多物理场的数值模拟方法，更全面地理解复杂工况下的气动噪声特性，并设计综合性的降噪方案。

再次，可持续发展和环保理念将贯穿于研究始终。未来的高速列车气动噪声研究不仅要关注降噪效果，还要考虑降噪措施对列车能耗、重量、成本以及环境友好性的影响。开发轻质高强的降噪材料、探索低能耗的主动降噪技术、优化降噪方案的综合效益，将是未来研究的重要着力点。

最后，计算效率与并行计算技术将持续提升。随着高性能计算硬件的快速发展，更大规模、更高分辨率的CAA模拟将成为可能。利用GPU并行计算、分布式计算等技术，可以显著缩短计算时间，使得更复杂模型、更长时间尺度的气动噪声模拟得以实现，为高速列车气动声学设计提供更强大的计算支撑。

综上所述，本研究通过系统的CAA模拟，深入揭示了高速列车气动噪声的产生机理，并探索了有效的降噪策略。研究结论为高速列车气动声学设计提供了理论依据和数值工具。未来，随着研究方法的不断进步和新技术的不断涌现，高速列车气动噪声的控制将取得更大突破，为实现更加安静、高效、绿色的高速铁路交通做出更大贡献。

七.参考文献

[1]Schiff,S.M.,Morfill,L.,&Roshko,A.(1999).Thenearwakeofacircularcylinder:anexperimentalinvestigationofunsteadyflowstructuresandsoundgeneration.JournalofFluidMechanics,393(1),1-44.

[2]Bergmann,M.,&Breuer,K.(2004).Aerodynamicnoiseofahigh-speedtrn:numericalsimulationandexperimentalvalidation.JournalofSoundandVibrations,275(3-5),833-857.

[3]Okumura,K.,&Tanaka,T.(2001).Apracticalguidetopredictivenoisecomputationforrlwayvehicles.NoiseControlEngineeringJournal,49(3),131-143.

[4]Schomer,K.K.,&Moore,F.(2005).Computationalmethodsfornoiseprediction.InComputationalaeroacoustics:progressandperspectives(pp.87-130).Springer,Berlin,Heidelberg.

[5]Kim,J.,Moin,P.,&Kim,Y.(2001).AniterativemethodfortheincompressibleNavier–Stokesequations.JournalofComputationalPhysics,171(1),134-150.

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

[7]Fedorov,A.,&Morozov,A.(2011).Computationalmethodsforaerodynamicnoiseprediction.ProgressinAerospaceSciences,47(1),1-37.

[8]Moore,F.(2007).Directsimulationmethodsforaerodynamicnoise.AnnualReviewofFluidMechanics,39(1),247-272.

[9]Leib,S.J.,&Morley,M.D.(2008).Computationalaerodynamicsfornoiseprediction.ProgressinAerospaceSciences,44(6),439-478.

[10]Buresti,A.,&Volpe,G.(2009).High-speedtrnaerodynamicsandnoise:areview.JournalofSoundandVibrations,332(7),1413-1438.

[11]Lin,P.C.,&Morfill,L.(2008).UnsteadyaerodynamicsandnoiseofacircularcylinderatlowReynoldsnumbers.JournalofFluidMechanics,622,481-530.

[12]Casalino,D.,&Grasso,F.(2005).NumericalsimulationofunsteadyseparatedflowsandnoisegenerationaroundacircularcylinderatveryhighReynoldsnumbers.AAJournal,43(10),2146-2155.

[13]Balarac,G.,&Geier,T.(2010).Large-eddysimulationofunsteadyseparatedflowandnoisearoundacircularcylinderatRe=39000.AAJournal,48(7),1385-1395.

[14]Drela,M.(1991).Low-Reynolds-numberaerodynamics.InLowReynoldsnumberaerodynamics(pp.3-66).Springer,Berlin,Heidelberg.

[15]Smith,C.R.,&Spalart,P.R.(1987).Numericalsimulationofturbulentflowpastabackstep.AAJournal,25(9),1302-1309.

[16]Sagaut,P.,&Sagaut,J.L.(2000).DirectnumericalsimulationofturbulentboundarylayersuptoReθ=1000.JournalofFluidMechanics,415,347-387.

[17]Geier,T.,Balarac,G.,&Rist,R.(2009).LESandBEMfornoisepredictionofatrnmodelatdifferentReynoldsnumbers.InProceedingsofthe14thAA/CEA/ASME/ASCE/AHS/ASCjointmeetingoncomputationalfluiddynamics(pp.1-9).AA.

[18]Kim,J.,&Park,J.(2005).Large-eddysimulationofflowandnoisearoundacircularcylinderathighReynoldsnumber.AAJournal,43(4),701-708.

[19]Schütte,C.,Breuer,K.,&Rist,R.(2005).Predictionofaerodynamicnoiseofatrnmodelusinglarge-eddysimulation.In7thInternationalSymposiumonSoundandVibration(pp.1-6).

[20]Moore,F.,&Bilgram,H.(2006).Progressincomputationalaerodynamicsforrcraftnoiseprediction.ProgressinAerospaceSciences,42(6),439-478.

[21]Lin,P.C.,&Morfill,L.(2009).NoisepredictionofacircularcylinderathighReynoldsnumbersusinglarge-eddysimulationandtheFfowcsWilliams-Hawkingsequation.JournalofSoundandVibrations,332(10),2383-2397.

[22]Casalino,D.,&Grasso,F.(2007).AhybridRANS/LESapproachforthesimulationofunsteadyseparatedflowsandnoisegenerationaroundacircularcylinderathighReynoldsnumbers.AAJournal,45(2),381-390.

[23]Balarac,G.,&Geier,T.(2011).Large-eddysimulationofflowandnoisearoundacircularcylinderatRe=39000:influenceoftheturbulencemodel.In15thAA/CEA/ASME/ASCE/AHS/ASCjointmeetingoncomputationalfluiddynamics(pp.1-9).AA.

[24]Okumura,K.,&Yasuda,K.(2002).Atheoreticalmodelforthepredictionoftrnnoise.NoiseControlEngineeringJournal,50(2),73-85.

[25]Shi,W.,&Zhu,J.(2010).Numericalinvestigationoftheaerodynamiccharacteristicsandnoisegenerationmechanismofahigh-speedtrnmodel.SimulationModellingPracticeandTheory,18(1),1-12.

[26]Buresti,A.,&Volpe,G.(2010).Aerodynamicandacousticperformanceofhigh-speedtrnmodels.In10thAA/CEA/ASME/ASCE/AHS/ASCjointmeetingoncomputationalfluiddynamics(pp.1-10).AA.

[27]Sagaut,P.,&Sagaut,J.L.(2001).LargeeddysimulationoftheflowaroundacircularcylinderathighReynoldsnumber.JournalofFluidMechanics,438,23-50.

[28]Schütte,C.,Breuer,K.,&Rist,R.(2007).Influenceofboundarylayertransitiononaerodynamicnoiseofatrnmodel.In9thAA/CEA/ASME/ASCE/AHS/ASCjointmeetingoncomputationalfluiddynamics(pp.1-9).AA.

[29]Lin,P.C.,&Morfill,L.(2010).Large-eddysimulationofflowandnoisearoundacircularcylinderathighReynoldsnumbers.JournalofFluidMechanics,659,1-34.

[30]Casalino,D.,&Grasso,F.(2008).AhybridRANS/LESapproachforthesimulationofunsteadyseparatedflowsandnoisegenerationaroundacircularcylinderathighReynoldsnumbers.AAJournal,46(4),897-906.

八.致谢

本研究项目的顺