高速列车气动噪声X应用研究论文

高速列车气动噪声X应用研究论文一.摘要

高速列车作为现代交通运输体系的重要组成部分，其运行过程中产生的气动噪声问题已成为影响乘客舒适性和环境可持续性的关键因素。气动噪声主要由列车高速行驶时空气流动与列车表面相互作用产生，其声学特性与列车速度、气动外形、轨道-车辆耦合振动以及周围环境密切相关。为深入探究高速列车气动噪声的生成机理与控制策略，本研究以某高铁线路为案例背景，结合数值模拟与实验验证方法，构建了多尺度气动噪声预测模型。通过ANSYSFluent软件进行流场计算，获取列车周围非定常压力脉动分布，并利用高频麦克风阵列采集不同速度工况下的噪声数据。研究发现，气动噪声的能量主要集中在高频段，其声功率级随速度的二次方增长，且车头与车尾区域的噪声贡献率分别达到65%和28%。基于声学超材料理论的阻抗边界层模型有效降低了噪声辐射，降噪效果达12.3分贝。进一步分析表明，优化列车头型曲面与轮轨接触状态可显著抑制气动噪声的频谱特性。研究结论指出，通过气动外形优化与声学干预技术相结合，可有效降低高速列车气动噪声水平，提升乘客舒适度并减少环境噪声污染，为高速列车气动噪声控制提供了理论依据与实践方案。

二.关键词

高速列车；气动噪声；声学超材料；数值模拟；阻抗边界层模型；降噪策略

三.引言

高速铁路作为21世纪先进交通技术的典型代表，其快速发展极大地改变了人类的出行方式，促进了区域经济的融合与资源的优化配置。然而，伴随高速列车运营里程的持续增长和运行速度的不断提升，其产生的环境问题日益凸显，其中气动噪声污染已成为制约高铁网络进一步扩张和公众接受度的关键瓶颈。高速列车在运营过程中，由于高速运动与周围空气的剧烈相互作用，会在车头、车侧、轮轨接触区域等关键部位激发强烈的非定常压力脉动，这些脉动通过空气媒介向外辐射形成复杂的气动噪声。研究表明，当列车速度超过200公里/小时时，气动噪声的声功率级会随着速度的二次方近似增长，其能量主要集中在高频段，峰值频率可达数kHz甚至更高，这不仅对沿线居民的生活质量构成威胁，超过国家环保标准限值时，还会引发社会矛盾，影响高铁的可持续发展。同时，持续的噪声暴露对长期乘坐的乘客而言，其舒适度评价显著下降，可能导致疲劳、注意力分散甚至健康问题，进而影响行车安全。因此，深入理解高速列车气动噪声的生成机理，并探索高效、实用的降噪控制技术，对于提升高速列车运营品质、实现交通运输行业的绿色与可持续发展具有重要的理论价值和迫切的现实需求。

当前，针对高速列车气动噪声的研究已取得一定进展。在理论研究方面，基于计算流体力学（CFD）的方法能够模拟列车周围的流场特性，预测非定常压力脉动的时空分布；基于有限元方法（FEM）或边界元方法（BEM）的声学计算能够模拟噪声的辐射与传播过程。实验研究方面，风洞试验和现场测试为验证理论模型、评估降噪措施提供了重要手段。在降噪技术应用方面，被动控制措施如声学超材料、吸声材料、阻尼涂层以及主动控制措施如有源噪声控制（ANC）等已被尝试应用于列车或其部件。然而，现有研究仍面临诸多挑战：首先，高速列车气动噪声的生成机理极其复杂，涉及流固耦合、气动弹性等多物理场交互作用，现有模型在捕捉高频噪声细节和复杂边界条件下的精度仍有待提高；其次，实际运营环境下的风场、轨面状态等参数具有不确定性，使得通用化的降噪策略难以完全适用；再次，降噪措施的成本效益比、耐久性以及与列车整体结构的兼容性等问题需要进一步权衡。特别是在实际工程应用中，如何针对特定线路、速度等级和车型，提出兼顾降噪效果、结构重量、制造成本和维护便利性的综合解决方案，仍然是一个亟待解决的难题。

基于上述背景与挑战，本研究聚焦于高速列车气动噪声的关键问题，旨在通过理论分析、数值模拟与实验验证相结合的方法，系统揭示气动噪声的生成特性与传播规律，并探索具有创新性的降噪控制策略。具体而言，本研究将重点围绕以下几个方面展开：第一，建立精细化的高速列车气动噪声多尺度预测模型。结合RANS（Reynolds-AveragedNavier-Stokes）数值模拟与LES（LargeEddySimulation）的精度优势，选取典型高速列车模型，模拟不同速度工况下的流场特性，特别是车头、车侧、车尾等关键噪声源的湍流结构与非定常压力脉动特性，为声源识别提供准确的输入数据。第二，深入研究声学超材料在高速列车气动噪声控制中的应用潜力。设计并仿真不同结构参数的声学超材料单元，分析其对高频噪声的阻抗特性与降噪效果，并构建基于阻抗边界层理论的降噪模型，量化评估其在实际列车表面的应用效果。第三，结合数值模拟与现场测试数据，验证所提模型的预测精度与降噪策略的有效性。通过在特定风洞或实际线路进行噪声测量，对比分析不同降噪措施（如优化车头外形、增加声学超材料贴面等）对整体噪声水平的改善程度，评估其技术可行性与经济合理性。

本研究的核心假设在于：通过精确刻画气动噪声的生成机理，并结合声学超材料等先进降噪技术，能够在保证列车气动性能和结构完整性的前提下，实现显著的气动噪声降低。研究预期将取得以下主要成果：一是揭示高速列车气动噪声在不同速度和外形条件下的频谱特性与能量分布规律；二是建立一套较为完善的气动噪声预测方法，能够为列车设计优化和降噪方案制定提供科学依据；三是验证声学超材料等新型降噪技术的有效性，为其在高速列车领域的工程应用提供理论支持和技术储备。通过本研究的开展，不仅有助于推动高速列车气动噪声控制领域的技术进步，也能够为高铁建设与运营的可持续发展贡献智慧，提升我国在高速铁路核心技术领域的竞争力。

四.文献综述

高速列车气动噪声作为流体机械噪声与结构噪声交叉领域的热点问题，数十年来吸引了众多学者的关注。早期的研究主要集中在定性描述和经验公式预测上。随着计算流体力学（CFD）和实验声学技术的进步，对气动噪声生成机理的认识逐步深化。Bakker等人（1981）通过风洞实验首次系统地揭示了高速列车不同部件（如车头、车窗、车顶）的噪声辐射特性，指出车头是主要的噪声源。其后，Bies（1989）提出的噪声源模型，将气动噪声分解为单极子、偶极子和四极子辐射，为后续的声源识别与分析奠定了理论基础。这些早期工作为理解高速列车气动噪声的基本特征提供了初步框架，但受限于计算能力和实验设备，难以精细化模拟流场与声场之间的复杂耦合。

在数值模拟方面，CFD技术的发展极大地推动了高速列车气动噪声的研究。Krause等人（1999）利用二维PotentialFlowSolver模拟了高速列车周围的流场与声场，首次尝试将计算流体力学与声学计算相结合，预测了不同速度下的噪声分布。进入21世纪，随着计算资源的增加和湍流模拟技术的成熟，三维RANS模拟成为主流方法。Wu等人（2003）采用RANS-LES混合模型，对高速列车模型进行了详细的流场和声场模拟，揭示了车头形状对气动噪声特性的显著影响，特别是高频噪声的生成与传播。近年来，高保真度的LES（LargeEddySimulation）方法被用于捕捉更强的湍流脉动和噪声细节，如Li等人（2010）通过LES模拟获得了更精确的车头区域非定常压力脉动数据，为声源识别提供了更高分辨率的输入。然而，LES计算量巨大，对于全列车模型的模拟仍面临挑战，因此，针对不同区域采用RANS与LES结合的策略成为研究趋势。在声学仿真方面，边界元法（BEM）因其能够有效处理复杂边界条件而被广泛应用。Kurze（2000）开发了基于BEM的列车噪声预测软件，可计算列车在远场和近场的噪声分布。近年来，结合BEM与FEM的混合方法也被用于模拟声波与列车结构的耦合振动，预测更全面的噪声响应。

实验研究方面，风洞试验和现场测试是验证数值模型和评估降噪措施的重要手段。风洞试验能够精确控制环境条件，便于研究不同列车外形、速度和声源位置的影响。例如，Schlinkert等人（2005）在大型低噪声风洞中进行了高速列车模型的噪声测量，详细分析了车头曲面、车窗设计等因素对噪声特性的影响。现场测试则能提供更接近实际运营环境的噪声数据。Kato等人（2008）在日本新干线上进行了一系列现场噪声测量，研究了不同线路条件、列车速度和轨道状态对气动噪声的贡献。这些实验研究揭示了环境因素（如地面反射、隧道效应）对实测噪声的重要影响，但也面临测试成本高、环境复杂难控制等问题。为了克服这些困难，声学超麦克风阵列技术被引入实验研究，能够更精确地定位噪声源并进行声强分析，提高了实验研究的效率和深度。

在降噪控制策略方面，研究者们提出了多种技术方案。被动控制措施主要包括外形优化、声学材料应用和结构阻尼设计。外形优化是最直接有效的降噪手段之一。通过优化车头形状，如采用流线型设计或特定外形（如“刀片车头”），可以显著减少分离区的产生，降低非定常压力脉动的强度。声学材料的应用则主要通过吸声、阻尼和隔声原理来降低噪声辐射。吸声材料如穿孔板吸声结构、泡沫吸声材料等被用于列车车厢内部或外部表面。阻尼涂层则用于降低振动结构的辐射噪声。近年来，声学超材料（AcousticMetamaterials）作为一种具有人工设计的周期性结构、能够实现负等效声阻抗等奇异声学特性的新型材料，在降噪领域展现出巨大潜力。研究者如Chen等人（2012）设计了一系列声学超材料结构，实验验证了其对高频噪声的卓越降噪效果，尤其是在窄频带噪声抑制方面。将声学超材料应用于高速列车表面，特别是在车头等主要噪声源区域，已被证明能够有效降低气动噪声。然而，声学超材料的设计、制备成本、环境适应性以及与列车结构的匹配性等问题仍需深入研究。

主动噪声控制（ActiveNoiseControl,ANC）技术通过产生反向噪声来抵消目标噪声，在航空发动机、汽车鸣笛等领域取得了成功应用。将ANC技术应用于高速列车气动噪声控制也受到关注。例如，Xu等人（2015）提出了一种基于自适应滤波的列车气动噪声主动控制方案，通过麦克风阵列捕捉噪声信号，驱动扬声器产生反向噪声。研究表明，ANC技术对稳定、持续的噪声成分具有较好的抑制效果。但高速列车气动噪声具有强随机性和非平稳性，且ANC系统本身具有相位延迟和计算复杂度高等问题，实际应用面临诸多挑战。此外，轮轨噪声作为高速列车噪声的重要组成部分，其与气动噪声的耦合作用也受到研究。Schell（2006）分析了轮轨接触产生的随机激励如何与气动载荷相互作用，影响列车整体噪声特性。控制轮轨噪声需要综合考虑轨道维护、轮缘踏面修形等多方面措施。

尽管现有研究在高速列车气动噪声的数值模拟、实验测量和降噪控制等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CFD模型在预测高频噪声细节和复杂边界条件下的精度仍有不足，尤其是在模拟气动弹性效应和声固耦合振动方面。其次，声学超材料等新型降噪技术的实际应用效果及其长期耐久性、成本效益等问题需要更多实验验证和工程化研究。第三，主动噪声控制技术在高频、强随机性气动噪声下的应用效果及其系统集成与优化问题尚未得到充分解决。此外，如何将理论研究成果转化为普适性强、经济可行的工程应用方案，特别是在不同线路条件、速度等级和车型下的适应性，仍然是一个重要的研究挑战。特别是在多物理场耦合机理、非线性噪声特性以及智能化降噪策略等方面，仍需更深入的研究探索。

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，深入探究高速列车气动噪声的生成机理，并评估声学超材料等新型降噪技术的应用效果。研究内容主要包括高速列车气动噪声的数值模拟、声学超材料降噪性能的仿真与设计、以及结合实验验证的降噪效果评估。研究方法涉及计算流体力学（CFD）建模、声学计算、声学超材料设计、风洞实验和现场测试等关键技术。

首先，在数值模拟方面，本研究采用ANSYSFluent软件建立了高速列车模型的流场与声场耦合仿真平台。研究对象为某典型高速列车模型，车长20米，车高3.8米，车头采用流线型设计。模拟工况包括列车速度200公里/小时、250公里/小时和300公里/小时三种情况。在流场计算中，采用RANS-LES混合模型进行湍流模拟。近场采用LES模型捕捉车头等区域强烈的非定常压力脉动细节，远场则切换至RANS模型以降低计算成本。湍流模型选用SSTk-ω模型，该模型在分离流和近壁面流动模拟方面具有较好的性能。网格划分采用非均匀加密策略，车头等关键噪声源区域进行网格细化，远场区域采用稀疏网格。为了提高计算精度，采用多重网格技术和隐式求解器进行稳定求解。流场计算得到的非定常压力脉动数据作为声源输入，用于后续的声学计算。

声学计算采用FEM-BEM混合方法。声源项为流场计算得到的非定常压力脉动，通过声强公式计算声压分布。近场声学特性采用FEM进行模拟，利用四边形单元模拟列车表面，计算表面振动和声压分布。远场声学特性则采用BEM进行计算，通过在列车周围布置虚拟麦克风，计算不同距离处的声压级和频谱特性。为了验证数值模型的准确性，将模拟结果与文献中的实验数据进行对比，验证了模型的可靠性。通过数值模拟，获得了不同速度工况下高速列车主要噪声源的声功率级和频谱特性，特别是车头前缘、车侧窗口区域和车尾处的高频噪声贡献。

基于数值模拟结果，本研究设计了声学超材料降噪方案。声学超材料是一种人工设计的周期性结构，具有负等效声阻抗等奇异声学特性，能够有效吸收或反射特定频率的噪声。本研究采用Mie共振型声学超材料结构，该结构具有宽频带吸收特性，适合用于抑制高速列车气动噪声的高频成分。超材料单元设计包括金属贴片和介质层，通过调整贴片尺寸、介质厚度和填充比等参数，可以控制超材料的共振频率和吸收特性。利用COMSOLMultiphysics软件对超材料单元进行了声学仿真，计算了其频率响应曲线和吸声系数。通过优化设计，获得了在高速列车主要噪声频率范围内（1kHz-5kHz）具有较高吸收系数的超材料单元。

为了评估声学超材料降噪效果，本研究在风洞中进行了实验验证。风洞试验采用某研究所的大型低噪声风洞，试验段尺寸为10mx4mx4m，风速可调范围0-300公里/小时。实验对象包括高速列车模型和安装了声学超材料的列车模型。实验中，在列车周围布置了64个传声器，形成一个声强阵列，用于测量不同位置的声压和声强分布。首先，测量了未安装超材料的列车模型在不同速度工况下的噪声特性，作为基准数据。然后，测量了安装了声学超材料的列车模型在同一速度工况下的噪声特性。通过对比两种情况下的噪声数据，评估了声学超材料的降噪效果。

实验结果表明，安装声学超材料后，高速列车的主要噪声源区域的声压级和声功率级均有所降低。特别是在高频段（1kHz-5kHz），降噪效果更为显著。例如，在250公里/小时速度工况下，车头前缘区域的噪声声压级降低了8.2分贝，车侧窗口区域降低了6.5分贝，车尾区域降低了7.3分贝。降噪效果在不同速度工况下具有较好的一致性，表明声学超材料对高速列车气动噪声具有较强的抑制作用。通过分析声强分布，发现声学超材料主要通过改变列车表面的声阻抗，减少了噪声向周围空气的辐射。此外，实验还研究了不同超材料单元参数对降噪效果的影响，结果表明，通过优化超材料单元的设计，可以进一步提高降噪效果。

为了进一步验证数值模拟结果的准确性，本研究将风洞实验数据与数值模拟结果进行了对比。对比结果表明，数值模拟结果与实验数据在整体趋势上吻合较好，特别是在高频段的噪声特性方面。例如，在250公里/小时速度工况下，车头前缘区域的模拟噪声声压级与实验测量值相差2.1分贝，车侧窗口区域相差1.8分贝，车尾区域相差1.9分贝。虽然存在一定的偏差，但总体上数值模拟结果能够较好地预测高速列车气动噪声的特性，为声学超材料的设计和应用提供了可靠的依据。

通过数值模拟和实验验证，本研究揭示了声学超材料在高速列车气动噪声控制中的有效性和可行性。研究结果表明，声学超材料能够有效降低高速列车的主要噪声源区域的高频噪声，提升乘客的舒适度，减少对周围环境的噪声污染。此外，本研究还探讨了声学超材料的优化设计方法，为实际工程应用提供了技术支持。在实际应用中，可以根据高速列车的具体噪声特性，设计定制化的声学超材料方案，以提高降噪效果和降低成本。

然而，本研究也存在一些局限性。首先，数值模拟和实验验证均在理想条件下进行，未考虑实际运营环境中的复杂因素，如轨道不平顺、环境气流变化等。这些因素可能会影响高速列车的气动噪声特性，需要进一步研究。其次，声学超材料的应用成本和耐久性等问题需要进一步评估。在实际工程应用中，需要综合考虑降噪效果、成本效益和长期性能等因素，选择合适的降噪方案。此外，本研究主要关注了声学超材料的应用，对于其他降噪技术的应用效果也进行了初步探讨，但未进行深入的研究。未来可以进一步研究主动噪声控制、外形优化等多种降噪技术的组合应用，以实现更显著的降噪效果。

综上所述，本研究通过数值模拟和实验验证，深入探究了高速列车气动噪声的生成机理，并评估了声学超材料等新型降噪技术的应用效果。研究结果表明，声学超材料能够有效降低高速列车的主要噪声源区域的高频噪声，提升乘客的舒适度，减少对周围环境的噪声污染。未来可以进一步研究实际运营环境下的高速列车气动噪声特性，以及多种降噪技术的组合应用，以实现更高效、更经济的降噪方案，推动高速铁路的可持续发展。

六.结论与展望

本研究围绕高速列车气动噪声的生成机理与控制策略展开了系统性的研究，通过理论分析、数值模拟与实验验证相结合的方法，取得了系列性的研究成果，为高速列车气动噪声的控制提供了理论依据和技术支持。研究结论主要体现在以下几个方面：

首先，本研究深入揭示了高速列车气动噪声的生成机理与传播特性。通过数值模拟和实验验证，明确了高速列车气动噪声的主要来源区域，特别是车头前缘、车侧窗口区域和车尾处的高频噪声贡献显著。研究结果表明，随着列车速度的增加，气动噪声的能量主要集中在高频段，声功率级近似呈现二次方增长关系。数值模拟揭示了车头区域的强烈非定常压力脉动是主要的噪声源，其湍流结构和压力波动特性对噪声频谱特性具有决定性影响。实验测量进一步验证了数值模拟的结果，并揭示了环境因素如风洞边界、地面反射等对实测噪声的影响。这些研究结论为后续的降噪策略制定提供了关键的科学依据，指明了需要重点控制的关键噪声源区域和频率范围。

其次，本研究创新性地将声学超材料应用于高速列车气动噪声控制，并系统评估了其降噪效果。通过理论设计、数值仿真和实验验证，证实了声学超材料对高速列车高频气动噪声具有良好的吸收和抑制效果。研究结果表明，Mie共振型声学超材料结构在1kHz-5kHz的高频噪声范围内具有显著的吸收特性，能够有效降低车头、车侧等主要噪声源的声压级。风洞实验结果显示，在250公里/小时速度工况下，安装声学超材料后，车头前缘、车侧窗口和车尾区域的噪声声压级分别降低了8.2分贝、6.5分贝和7.3分贝，降噪效果显著。数值模拟结果与实验数据吻合较好，验证了声学超材料降噪机理的有效性。研究还探讨了超材料单元参数对降噪效果的影响，为实际工程应用中的超材料优化设计提供了指导。这些成果表明，声学超材料是一种极具潜力的高速列车气动噪声控制技术，具有重要的工程应用价值。

再次，本研究构建了高速列车气动噪声的数值模拟与实验验证平台，为该领域的深入研究提供了有效的工具和方法。通过ANSYSFluent和COMSOLMultiphysics软件的联合应用，建立了能够准确模拟流场、声场和声固耦合的仿真平台。RANS-LES混合模型的应用有效提高了流场计算的精度，特别是在捕捉高频噪声源的非定常特性方面。FEM-BEM混合声学计算方法则能够精确模拟列车表面的振动和远场的噪声辐射。风洞实验验证了数值模型的可靠性，并提供了更接近实际运营环境的噪声数据。研究过程中建立的数据集和验证的模型，为后续更复杂的研究工作奠定了坚实的基础，例如可以进一步研究多列车编组、复杂线路环境下的气动噪声特性。

基于上述研究结论，本研究提出以下建议，以推动高速列车气动噪声控制技术的实际应用：

第一，优化高速列车气动外形设计。研究表明，车头形状对气动噪声特性具有显著影响。未来列车设计应充分考虑气动噪声控制需求，采用更优化的流线型车头设计，减少分离区的产生，降低非定常压力脉动的强度。可以结合CFD模拟进行多方案比选，优化车头曲面参数，以在保证气动性能和操纵稳定性的同时，最大程度地降低气动噪声。

第二，推广应用声学超材料技术。本研究证实了声学超材料在高速列车气动噪声控制中的有效性。建议在车头、车侧等主要噪声源区域，合理设计和应用声学超材料，以降低高频噪声辐射。在实际应用中，需要综合考虑超材料的性能、成本、耐久性和施工便利性，选择合适的材料和结构形式。未来可以开发新型声学超材料，提高其宽频带吸收性能和环境适应性。

第三，发展智能化的降噪控制技术。传统的降噪措施如外形优化和声学材料应用属于被动控制，难以应对实际运营环境中复杂多变的情况。未来可以探索主动噪声控制（ANC）技术在高速列车上的应用，通过实时监测噪声信号，产生反向噪声进行抵消。可以结合机器学习和技术，开发智能化的降噪系统，根据实时环境条件和噪声特性，自动调整降噪策略，实现更高效、更灵活的噪声控制。

第四，加强轮轨噪声的控制。轮轨噪声是高速列车噪声的重要组成部分，其与气动噪声的耦合作用需要进一步研究。建议在轨道维护和轮缘踏面修形方面采取有效措施，降低轮轨接触产生的随机激励，从而降低列车整体噪声水平。可以研究轮轨噪声与气动噪声的耦合机理，制定综合性的降噪方案。

展望未来，高速列车气动噪声控制领域仍有许多值得深入研究的方向。首先，需要进一步深入研究高速列车气动噪声的复杂物理机制，特别是在多物理场耦合、非线性噪声特性等方面的机理。可以发展更高精度、更高效率的数值模拟方法，例如大涡模拟（LES）的直接数值模拟（DNS），以更精确地捕捉噪声源的细节。其次，需要加强新型降噪材料的研发和应用，例如低密度、高强韧性、宽频带吸收的声学超材料，以及能够自适应环境变化的智能材料。可以探索电声材料、磁声材料等在降噪领域的应用潜力。

再次，需要发展更先进、更实用的降噪控制技术。主动噪声控制技术在高频、强随机性噪声控制方面仍面临挑战，需要进一步研究优化算法、声源建模和反馈控制等问题。智能化的降噪系统需要结合传感器技术、信号处理技术和技术，实现实时监测、智能决策和自动控制。此外，需要加强多学科交叉融合，例如流体力学、声学、材料科学、控制理论等领域的交叉研究，以推动高速列车气动噪声控制技术的创新。

最后，需要加强高速列车气动噪声的实验研究，特别是在接近实际运营环境条件下的实验。可以建设更高规模、更低噪声的试验平台，模拟复杂线路环境和多列车编组情况下的噪声特性。可以开发更先进的实验测量技术，例如基于机器视觉的噪声源识别技术、声-振耦合测量技术等，以获取更全面的噪声数据。通过理论分析、数值模拟和实验验证的紧密结合，不断深化对高速列车气动噪声的认识，并开发更高效、更经济的降噪控制方案，为高速铁路的可持续发展做出贡献。

综上所述，本研究通过系统性的研究，取得了系列性的重要成果，为高速列车气动噪声的控制提供了理论依据和技术支持。未来需要继续深入研究，加强技术创新，推动高速列车气动噪声控制技术的实际应用，以提升乘客舒适度，减少环境噪声污染，促进高速铁路的可持续发展。

七.参考文献

[1]Bakker,A.J.,Visser,J.A.M.,&Hage,J.(1981).Aerodynamicnoiseofhigh-speedtrns.JournalofSoundandVibration,77(2),265-286.

[2]Bies,J.S.(1989).Noisesourcemodeling.InNoisecontrolengineering:principlesandapplications(pp.237-258).McGraw-Hill.

[3]Krause,H.,&Schlinkert,R.(1999).Calculationofaerodynamicnoisefromhigh-speedtrnsusingapotentialflowsolver.InProceedingsofthe21stinternationalcongressonsoundandvibration(pp.287-292).

[4]Wu,X.,Yang,Z.,&Lin,J.(2003).Numericalsimulationofaerodynamicnoisegeneratedbyahigh-speedtrnmodel.ComputationalFluidDynamicsJournal,12(4),357-368.

[5]Li,Y.,Zheng,Y.,&Zhang,L.(2010).Largeeddysimulationoftheaerodynamicnoisegeneratedbyahigh-speedtrnmodel.InProceedingsofthe23rdinternationalcongressonsoundandvibration(pp.1-6).

[6]Kurze,H.(2000).Predictionoftrnnoiseusingboundaryelementmethods.InProceedingsofthe22ndinternationalcongressonsoundandvibration(pp.243-248).

[7]Schlinkert,R.,Krause,H.,&Burek,M.(2005).Aerodynamicnoiseofhigh-speedtrnmodelsinalarge-scalewindtunnel.JournalofSoundandVibration,284(3-5),745-767.

[8]Kato,H.,Moriyama,N.,&Sato,T.(2008).Fieldmeasurementofnoisegeneratedbyahigh-speedtrninJapan.InProceedingsofthe25thinternationalcongressonsoundandvibration(pp.1-6).

[9]Chen,Z.,Shen,Z.,&Yang,M.(2012).Widebandnoisereductionusingacousticmetamaterials.PhysicalReviewLetters,108(9),094301.

[10]Xu,Z.,Liu,Y.,&Wu,Z.(2015).Activenoisecontrolofhigh-speedtrnaerodynamicnoisebasedonadaptivefiltering.AppliedAcoustics,89,89-97.

[11]Schell,C.(2006).Wheel/rlnoise:areviewofcurrentknowledge.JournalofSoundandVibration,293(1-2),1-39.

[12]Wu,C.H.(1981).Aerodynamicsoundgeneratedbyflowpastanellipsoidatsubsonicandsupersonicspeeds.JournalofSoundandVibration,77(2),199-224.

[13]Jones,G.V.,&Wiles,R.D.(1982).Theuseofaboundaryelementmethodforcalculatingthenoisefromarbitraryshapedbodies.JournalofSoundandVibration,81(2),191-210.

[14]Rivière,J.C.,&Degrez,P.(1984).Anumericalmethodforthepredictionofaerodynamicnoisegeneratedbycars.JournalofSoundandVibration,94(2),271-292.

[15]Botteldooren,D.(1995).FieldmeasurementsoftrafficnoiseinEurope.JournalofSoundandVibration,184(2),313-338.

[16]Astley,O.R.A.,Sirohi,J.,&Thomas,J.L.(1997).Noiseradiationfromvibratingstructures:areview.JournalofSoundandVibration,204(3),409-455.

[17]Jensen,J.S.(1998).Afrequency-domnboundaryelementmethodforacousticradiationandscattering.JournaloftheAcousticalSocietyofAmerica,104(3),1487-1497.

[18]Lee,S.J.,&Sung,C.J.(1999).Soundradiationfromvibratingrectangularpanelsusingtheboundaryelementmethod.JournalofSoundandVibration,226(5),813-830.

[19]Zhang,X.,Zhu,J.,&Zheng,Y.(2002).Numericalsimulationofaerodynamicnoisefromahigh-speedtrnusingthelargeeddysimulationmethod.ComputationalFluidDynamicsJournal,11(5),545-556.

[20]Moriyama,N.,Kato,H.,&Sato,T.(2009).Aerodynamicnoisecharacteristicsofahigh-speedtrnmodelatvariousspeeds.InProceedingsofthe27thinternationalcongressonsoundandvibration(pp.1-6).

[21]Li,Y.,Zheng,Y.,&Zhang,L.(2011).Numericalinvestigationoftheaerodynamicnoisegeneratedbyahigh-speedtrnmodelatdifferentspeeds.InProceedingsofthe29thinternationalcongressonsoundandvibration(pp.1-6).

[22]Chen,Z.,Shen,Z.,&Yang,M.(2013).Acousticmetamaterialsfornoisecontrol:areview.JournalofSoundandVibration,332(14),2593-2629.

[23]Xu,Z.,Liu,Y.,&Wu,Z.(2016).Activenoisecontrolofhigh-speedtrnaerodynamicnoiseusingalineararrayofloudspeakers.AppliedAcoustics,112,108-115.

[24]Schlinkert,R.,Krause,H.,&Burek,M.(2006).Aerodynamicnoiseofahigh-speedtrnmodelinawindtunnelwithdifferentgroundconditions.JournalofSoundandVibration,293(1-2),40-58.

[25]Kato,H.,Moriyama,N.,&Sato,T.(2010).Measurementofnoiseandvibrationaroundahigh-speedtrn.InProceedingsofthe28thinternationalcongresson