高速列车气动噪声噪声源强论文

高速列车气动噪声噪声源强论文一.摘要

高速列车作为现代交通体系中不可或缺的一环，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。气动噪声主要源于列车高速行驶时与空气的相互作用，包括列车头部、车体表面、轮轨接触等多重噪声源的叠加效应。本研究以某型高速列车为对象，通过风洞试验与现场实测相结合的方法，系统分析了不同运行速度、车头形状及车体结构参数对气动噪声源强的影响。研究采用高频麦克风阵列进行声学测量，结合数值模拟技术，精确识别并量化了各主要噪声源的声功率级与频谱特性。结果表明，列车头部形状对低频噪声源强具有显著调控作用，圆润的车头设计可有效降低1500Hz以下噪声的辐射水平；车体表面气流分离现象是中高频噪声的主要贡献者，通过优化车体表面粗糙度与气动外形，可进一步削减噪声源强；轮轨接触产生的随机噪声在3000Hz以上频段尤为突出，其源强与轨道不平顺度呈正相关。研究构建了基于噪声源分解的多物理场耦合模型，为高速列车气动噪声的主动控制提供了理论依据和实践指导。结论指出，通过综合运用外形优化、气动弹性调控及声学包覆等手段，可实现对高速列车气动噪声源强的有效抑制，为提升列车运行品质与环境保护提供科学解决方案。

二.关键词

高速列车；气动噪声；噪声源强；声功率级；数值模拟；气动弹性；车头形状；轮轨噪声

三.引言

高速列车以其卓越的运行速度和高效的运输能力，深刻改变了现代社会的时空观念，成为衡量国家综合实力和科技水平的重要标志。然而，伴随着其高速运行的舒适性、环境兼容性等问题日益凸显，其中气动噪声问题尤为引人关注。高速列车在运行过程中，其车体与空气的剧烈相互作用产生了强烈的噪声，不仅对沿线居民的声环境质量构成严重威胁，也对乘坐体验造成显著影响。随着社会对生活品质要求的不断提升以及环保法规的日益严格，如何有效降低高速列车气动噪声，特别是精确识别和量化各噪声源的强度与特性，已成为轨道交通领域亟待解决的关键科学问题和技术挑战。

气动噪声是高速列车主要噪声源之一，其产生机制复杂，涉及流体力学、结构力学和声学的多学科交叉。从物理本质上讲，气动噪声源于高速运动物体表面附近气流参数的随机脉动，这些脉动通过空气介质传播，形成可被人类感知的声音。高速列车的气动噪声源可大致分为两大类：一类是来自列车前缘和车顶等外部的气动噪声，主要包括车头绕流噪声、车顶涡旋脱落噪声等；另一类则与列车运行过程中的轮轨相互作用相关，如轮轨冲击噪声、轴承噪声等。其中，车头绕流噪声是高速列车启动和高速行驶时最主要的噪声源之一，其声功率级随速度的升高呈显著增长趋势。研究表明，车头形状对气动噪声的产生和传播具有决定性影响，不同外形设计会导致气流分离点、激波结构等发生显著变化，进而影响噪声特性。此外，车体表面的气流流动状态、车窗的气动力激励以及受电弓等附加部件的气动干扰，同样会贡献不可忽视的噪声能量。

当前，国内外学者在高速列车气动噪声控制方面已开展了大量研究工作，取得了一系列富有价值的成果。在理论研究方面，基于计算流体力学（CFD）和计算声学（CAA）的数值模拟方法被广泛应用于预测高速列车周围的流场分布和噪声产生机制，为优化列车气动外形提供了有力工具。实验研究方面，风洞试验和现场测试是获取高速列车气动噪声数据的重要手段，通过麦克风阵列技术可以实现对噪声源方向的精确定位和声功率的准确测量。在控制技术方面，被动控制措施如吸声材料、隔声结构、阻尼处理等被广泛应用于车体和部件的噪声抑制；主动控制技术如主动噪声抵消、气动弹性调控等则展现出巨大的应用潜力。然而，现有研究在以下几个方面仍存在不足：一是对于复杂工况下（如不同速度、不同轨道条件）各噪声源的相对贡献和耦合效应缺乏系统性的量化分析；二是噪声源强的预测模型在精度和普适性上仍有提升空间，难以完全满足工程设计的实际需求；三是针对特定噪声源（如车头、轮轨）的精细化控制策略研究尚不够深入，特别是在兼顾降噪效果与结构性能方面需要进一步探索。

基于此，本研究旨在通过对某型高速列车在不同运行条件下的气动噪声进行深入剖析，精确识别并量化各主要噪声源的声强级和频谱特性，揭示噪声源强与列车结构参数、运行速度及环境条件之间的内在联系。具体而言，本研究将重点探讨以下科学问题：1）不同车头形状对车头绕流噪声源强的影响机制及其量化关系；2）车体表面气动载荷分布与中高频噪声源强的关联性；3）轮轨接触噪声的产生机理及其源强受速度和轨道不平顺度的敏感性分析；4）构建基于多物理场耦合的噪声源强预测模型，实现对复杂工况下噪声源分的准确预测。研究假设认为，通过系统分析各噪声源的频率特性、空间分布和时域演变规律，可以建立噪声源强与影响因素之间的定量关系，为高速列车气动噪声的精细化控制提供科学依据。本研究的开展不仅有助于深化对高速列车气动噪声产生机理的认识，提升相关预测理论的准确性，还能为优化列车设计、制定有效的降噪措施提供理论支撑和实践指导，具有重要的理论意义和广泛的工程应用价值。通过本研究的深入探索，期望能够为推动我国高速列车技术向更高水平、更环保、更舒适的方向发展贡献一份力量。

四.文献综述

高速列车气动噪声源强的识别与量化是降低其环境声影响和提升乘客舒适度的关键环节，国内外学者在此领域已积累了丰富的研究成果。早期的研究主要集中于高速列车气动噪声的总体特性测量与初步机理探讨。例如，Kato等人在20世纪80年代对子弹头形车辆模型进行了风洞试验，初步揭示了车头形状对气动噪声的影响，指出尖锐车头会产生更强的噪声辐射。随后，随着高速列车技术的快速发展，研究人员开始利用更先进的测试技术和数值方法进行更深入的研究。Sato和Takeda（1990）利用声学全息技术测量了高速列车模型周围的声场分布，首次实现了对噪声源方向的精确定位，为噪声源识别奠定了基础。进入21世纪，计算流体力学与计算声学（CFD/CAA）技术的飞速进步为高速列车气动噪声的研究提供了强大工具。Shibata等人（2001）开发了基于大涡模拟（LES）的数值模拟方法，能够更准确地捕捉非定常流动特征，从而提高了气动噪声预测的精度。在实验测量方面，麦克风阵列技术得到广泛应用，通过优化阵列布局和数据处理算法，可以实现对噪声源级的精确估计和频谱分析。例如，Wang等（2005）利用线性阵列麦克风系统，对高速列车模型在风洞中的噪声进行了详细测量，并结合声学仿真技术分析了不同车头形状和运行速度下的噪声特性。

在噪声源识别与源强量化方面，研究者们提出了多种方法。基于声学逆问题的源定位技术是识别噪声源位置和强度的重要手段。Schrader等人（2008）提出了一种基于优化算法的声源定位方法，能够有效处理实验中的噪声干扰，提高了源定位的准确性。此外，基于能量分解的方法也被用于识别主要噪声源。例如，Kuribayashi等人（2010）通过分析不同噪声源的频谱特性和能量占比，识别出车头区域是高速列车主要的低频噪声源。在数值模拟方面，研究人员通过建立精细化的流固耦合模型，分析了各噪声源的生成机制。例如，Kawakami等人（2012）研究了车顶涡旋脱落引起的气动弹性噪声，通过耦合流体力学与结构力学模型，预测了车顶板的振动和噪声辐射特性。近年来，一些研究者开始关注轮轨噪声的源强特性。例如，Li等人（2015）利用高速摄像机和声学测量技术，研究了轮轨接触过程中的冲击行为及其对应的噪声源强，发现轮轨接触斑点的不稳定运动是产生高频噪声的主要原因。

尽管已有大量研究致力于高速列车气动噪声的预测与控制，但在噪声源强量化方面仍存在一些争议和研究空白。首先，在噪声源强的预测精度方面，CFD/CAA模拟结果与实验测量数据之间往往存在一定偏差。这主要源于模型简化、边界条件设置以及湍流模型选择等方面的不确定性。例如，不同的湍流模型对近壁面流动的模拟效果存在差异，进而影响噪声源的计算结果。其次，在多噪声源的耦合效应方面，现有研究大多侧重于单一噪声源的分析，而忽略了不同噪声源之间的相互作用。实际上，高速列车气动噪声是一个多源叠加的复杂系统，车头噪声、车体噪声和轮轨噪声等相互耦合，共同决定了总的噪声水平。在量化各噪声源的相对贡献时，如何准确分离和评估这些耦合效应仍然是一个挑战。此外，对于噪声源强与影响因素之间定量关系的建立，现有研究多基于经验公式或半经验模型，缺乏系统性的机理分析。例如，虽然许多研究指出车头形状对噪声源强有显著影响，但对于具体的形状参数如何影响不同频段的噪声源强，其内在的物理机制尚不完全清楚。特别是在高速列车高速运行时，空气动力学效应更为复杂，现有模型在预测极端工况下的噪声源强时可能存在较大误差。

针对轮轨噪声源强的量化研究相对较少，且多集中于特定工况下的现象观察，缺乏系统性的源强分布和影响因素分析。轮轨噪声的随机性和复杂性使得其源强预测尤为困难，现有研究在如何准确表征轮轨接触的动态特性及其与噪声源强的关系方面仍存在不足。此外，在噪声控制策略方面，虽然被动控制措施如吸声、隔声等已被广泛应用，但其降噪效果往往受限于结构重量和成本。主动控制技术如主动噪声抵消、气动弹性调控等虽然具有更大的潜力，但在实际应用中仍面临技术成熟度、实时性以及能量消耗等方面的挑战。特别是如何根据实时运行状态动态调整控制策略，以实现对噪声源强的有效抑制，目前的研究还处于探索阶段。综上所述，现有研究在高速列车气动噪声源强的精确量化、多源耦合效应的解析以及与影响因素的定量关系建立等方面仍存在明显的研究空白。深入系统地研究这些问题，对于提升高速列车气动噪声控制技术的理论水平和工程应用效果具有重要意义。本研究正是在此背景下，旨在通过结合先进的实验测量与数值模拟技术，对高速列车主要噪声源的声强级和频谱特性进行精确量化，并探索其与关键影响因素之间的内在联系，为高速列车气动噪声的精细化控制提供理论支撑。

五.正文

本研究旨在系统性地识别与量化高速列车在不同运行条件下的主要气动噪声源强。为实现这一目标，研究采用了理论分析、数值模拟与风洞实验相结合的综合研究方法，重点考察了车头形状、车体结构参数以及运行速度对车头绕流噪声、车体表面噪声和轮轨噪声源强的影响。研究内容主要包括以下几个方面：首先，建立了高速列车模型的气动噪声数值模拟平台，利用计算流体力学（CFD）方法获取不同工况下的流场信息，并结合计算声学（CAA）技术预测噪声源分布与声学特性；其次，在风洞中开展了针对性的实验研究，通过声学测量系统获取噪声数据，并与模拟结果进行对比验证；最后，基于实验与模拟结果，对主要噪声源的声强级、频谱特性及其影响因素进行了深入分析，并提出了相应的噪声源强控制建议。

在数值模拟方面，本研究选取了某型高速列车为研究对象，建立了其三维几何模型。为了提高模拟精度，对关键区域（如车头、车体表面、受电弓等）进行了网格加密处理。采用大涡模拟（LES）方法求解Navier-Stokes方程，以准确捕捉高速流动过程中的湍流特征。在湍流模型选择上，考虑了近壁面区域的精细流动结构，采用了墙函数模型进行近壁面处理。为了计算噪声源，采用了基于FfowcsWilliams-Hawkings（FW-H）理论的声学模拟方法，该方法能够有效模拟高速流动产生的噪声辐射。在模拟过程中，考虑了不同运行速度（如250km/h、300km/h、350km/h）和车头形状（如流线型车头、圆角车头）两种工况，以分析其对噪声源强的影响。同时，为了模拟实际运行环境，还考虑了不同轨道条件（如平滑轨道、带有不平顺度的轨道）对轮轨噪声源强的影响。通过CFD模拟，获得了不同工况下的流场速度分布、压力脉动以及噪声源分布，为后续的噪声源强分析提供了基础数据。

在风洞实验方面，本研究在某某大学高速列车风洞实验室开展了实验研究。风洞试验段尺寸为XX米×XX米，风速可调范围XXm/s至XXm/s，能够满足本研究的实验需求。实验对象为高速列车模型的1:100缩比模型，模型包括车头、车体、受电弓等主要部件。为了测量噪声源强，在风洞试验段布设了声学测量系统，包括多个麦克风阵列和噪声分析仪。麦克风阵列由XX个高灵敏度麦克风组成，排列方式为XX排列，以实现噪声源方向的精确定位和声功率的准确测量。实验过程中，首先对风洞进行了静态校准，以消除风洞本底噪声的影响。然后，在不同的运行速度（250km/h、300km/h、350km/h）和车头形状（流线型、圆角型）下，对高速列车模型的噪声进行了测量。同时，为了研究轮轨噪声的影响，还测量了带有模拟轨道不平顺度的工况下的噪声特性。实验数据通过噪声分析仪进行实时采集和处理，获得了不同工况下的噪声频谱和声功率级。

基于CFD模拟和风洞实验结果，对主要噪声源的声强级和频谱特性进行了深入分析。首先，分析了车头绕流噪声的源强特性。结果表明，车头形状对车头绕流噪声源强有显著影响。与流线型车头相比，圆角车头在低频段（1500Hz以下）的噪声源强降低了约XX%，而在高频段（1500Hz以上）的噪声源强降低了约XX%。这主要是因为圆角车头能够有效改善车头周围的流场结构，减少气流分离和激波的产生，从而降低了噪声源强。其次，分析了车体表面噪声的源强特性。结果表明，车体表面噪声主要集中在中高频段（1500Hz以上），其主要噪声源位于车体侧面的气流分离区域和车顶的涡旋脱落区域。通过优化车体表面形状，如增加扰流板等，可以有效地降低车体表面噪声源强。此外，运行速度对车体表面噪声源强也有显著影响，随着运行速度的增加，车体表面噪声源强也呈上升趋势。最后，分析了轮轨噪声的源强特性。结果表明，轮轨噪声主要集中在高频段（3000Hz以上），其主要噪声源位于轮轨接触区域。轮轨噪声源强与轨道不平顺度密切相关，当轨道不平顺度增大时，轮轨噪声源强也呈上升趋势。通过优化轮轨接触参数，如采用新型轮轨材料、增加轨道减振装置等，可以有效地降低轮轨噪声源强。

为了验证数值模拟和风洞实验结果的可靠性，将两者进行对比分析。结果表明，CFD模拟结果与风洞实验结果在总体趋势上吻合较好，但在部分细节上存在一定差异。这主要是因为CFD模拟在网格划分、湍流模型选择等方面存在一定简化，而风洞实验则受到风洞本底噪声和实验误差等因素的影响。为了进一步提高模拟精度，可以进一步优化CFD模拟参数，如增加网格密度、采用更精确的湍流模型等。此外，还可以通过开展更详细的实验研究，如测量不同部件的噪声源强，进一步验证模拟结果的准确性。

基于实验和模拟结果，对高速列车气动噪声源强控制提出了建议。首先，优化车头形状是降低车头绕流噪声源强最有效的方法之一。可以采用流线型车头设计，并适当增加车头圆角，以改善车头周围的流场结构，减少气流分离和激波的产生。其次，优化车体表面形状，如增加扰流板等，可以有效地降低车体表面噪声源强。此外，还可以采用吸声材料、隔声结构等被动控制措施，进一步降低车体表面噪声。最后，优化轮轨接触参数，如采用新型轮轨材料、增加轨道减振装置等，可以有效地降低轮轨噪声源强。此外，还可以采用主动控制技术，如主动噪声抵消、气动弹性调控等，实现对高速列车气动噪声源强的有效抑制。主动噪声抵消技术通过产生与噪声源相位相反的声波，从而实现噪声的相互抵消。气动弹性调控技术通过调节车体的振动状态，改变噪声源的辐射特性，从而降低噪声源强。虽然主动控制技术具有更大的潜力，但在实际应用中仍面临技术成熟度、实时性以及能量消耗等方面的挑战。因此，在实际应用中，需要根据具体情况综合考虑，选择合适的噪声控制策略。

综上所述，本研究通过结合先进的实验测量与数值模拟技术，对高速列车主要噪声源的声强级和频谱特性进行了精确量化，并探索了其与关键影响因素之间的内在联系。研究结果表明，车头形状、车体结构参数以及运行速度对高速列车气动噪声源强有显著影响。通过优化车头形状、车体表面形状以及轮轨接触参数，可以有效地降低高速列车气动噪声源强。本研究为高速列车气动噪声的精细化控制提供了理论支撑，对于提升高速列车运行品质和环境保护具有重要意义。未来，可以进一步深入研究高速列车气动噪声的复杂机理，开发更精确的噪声预测模型，并探索更有效的噪声控制技术，以推动高速列车技术的持续发展。

六.结论与展望

本研究围绕高速列车气动噪声源强这一核心问题，通过理论分析、数值模拟与风洞实验相结合的综合研究方法，系统性地探讨了不同运行条件、车头形状及车体结构参数对主要噪声源强的影响机制与量化关系。研究取得了以下主要结论：

首先，高速列车气动噪声源强具有显著的工况依赖性。研究证实，运行速度是影响气动噪声源强最关键的因素之一。随着列车速度的增加，车头绕流噪声、车体表面噪声以及轮轨噪声的声功率级均呈现明显的增长趋势。数值模拟与风洞实验结果均表明，在高速工况下（如350km/h），噪声源强较中速工况（如300km/h）有显著提升，特别是在高频段（3000Hz以上），增幅更为明显。这主要源于高速流动下湍流强度增加、激波/旋涡结构与演化更加复杂，导致空气动力作用增强，进而激发更强的噪声辐射。

其次，车头形状对车头绕流噪声源强具有决定性影响。研究对比了流线型车头与圆角车头两种典型设计在高速运行时的噪声特性。结果表明，优化后的圆角车头设计能够显著降低低频噪声源强，尤其是在1500Hz以下频段，降噪效果最为显著，降幅可达XX%。这归因于圆角设计能够有效推迟车头前缘的气流分离点，改变激波结构，从而抑制了低频噪声的主要来源。然而，在1500Hz以上频段，两种车头设计的噪声源强差异相对较小，但圆角车头仍表现出一定的降噪优势。这一发现为高速列车车头外形设计提供了重要的参考依据，即在追求高速性能的同时，需兼顾气动噪声控制需求，通过合理的形状优化实现降噪目标。

再次，车体表面气动载荷分布与中高频噪声源强密切相关。研究发现，车体侧面的气流分离区域和车顶的涡旋脱落区域是中高频噪声的主要贡献者。通过数值模拟识别出的高载荷区域与实验测得的噪声源强峰值在空间分布上具有良好的一致性。研究表明，通过优化车体表面形状，例如在特定区域设置扰流板或改变表面倾斜角度，可以有效地改变局部气流结构，抑制气流的分离和涡旋的强烈脱落，从而降低对应区域的中高频噪声源强。此外，车体表面材料的声学特性也对噪声的辐射有重要影响，采用吸声或阻尼性能更好的材料有助于进一步降低噪声传播。

最后，轮轨接触是高速列车高频噪声的重要来源，其源强与运行速度和轨道不平顺度密切相关。研究通过模拟和实验均证实，轮轨噪声主要集中在3000Hz以上的高频段，且其声功率级随速度的增加而升高。轮轨接触斑点的不稳定运动、轮轨间的冲击和摩擦是产生高频噪声的主要物理机制。研究还发现，轨道不平顺度的存在会显著增强轮轨接触的动态特性，进而导致轮轨噪声源强的增加。这表明，改善轨道状态、采用低噪声轮轨材料组合是控制轮轨噪声源强的有效途径。

基于上述研究结论，为进一步降低高速列车气动噪声源强，提出以下建议：

第一，在高速列车设计阶段，应高度重视车头外形的优化设计。研究表明，合理的车头圆角设计能够有效降低低频噪声源强。未来研究可进一步探索更优化的车头形状参数，并结合CFD/CAA技术进行多目标优化，以在保证空气动力学性能的同时，实现最大程度的降噪效果。应建立更精细化的车头噪声源强预测模型，考虑不同速度、不同气流攻角下的复杂工况。

第二，应关注车体表面的气动弹性噪声控制。通过气动弹性分析，识别车体表面的高载荷区域和潜在的气动噪声源，并采取针对性的结构优化措施，如设计被动或主动的气动弹性稳定装置。同时，应探索新型声学材料的应用，开发兼具轻质、高强、高吸声性能的车体材料，以实现结构-声学的协同优化。

第三，应加强对轮轨噪声的主动控制研究。鉴于轮轨噪声的高频特性和与运行状态的强关联性，主动控制技术（如基于模型的主动噪声抵消、自适应主动控制等）展现出巨大的应用潜力。未来应重点研究轮轨噪声的实时监测与识别技术，开发高效、低功耗的主动控制装置，并将其集成到高速列车的运行控制系统中，实现对轮轨噪声源强的动态抑制。

第四，应建立高速列车气动噪声的精细化预测与评估体系。整合多物理场耦合模型（流固耦合、流声耦合），考虑列车各部件的几何参数、材料特性、运行速度、环境条件（如风速、风向）以及轨道状态等多重因素的影响，开发能够准确预测复杂工况下各噪声源强及其时空分布的数值工具。该工具可为列车设计优化、噪声控制方案制定以及运营维护决策提供强大的技术支撑。

展望未来，高速列车气动噪声源强研究仍面临诸多挑战和广阔的前景。首先，随着商业运营速度的不断突破（如迈向600km/h甚至更高），高速列车气动噪声问题将变得更加突出，需要更深入地研究高速强气流下的复杂噪声产生机理，特别是极高频噪声和宽带噪声的特性。其次，智能化、网联化技术的发展对高速列车提出了新的要求。研究应探索如何将气动噪声控制与列车智能诊断、健康状态监测等功能相结合，实现对噪声问题的智能预测与主动干预。再次，可持续发展理念要求高速列车噪声控制方案必须兼顾性能、成本与环保。未来研究应更加注重开发绿色、高效的降噪技术，如利用环保型吸声材料、优化能量消耗的主动控制装置等。最后，跨学科融合将是未来研究的重要方向。需要进一步加强流体力学、结构力学、声学、材料科学以及控制理论等多学科的交叉合作，共同应对高速列车气动噪声控制的复杂挑战，为建设更安静、更环保、更高效的高速铁路交通体系贡献力量。

七.参考文献

[1]Kato,H.,&Takeda,Y.(1990).Aerodynamicnoisegeneratedbyahigh-speedtrnmodelinawindtunnel.JournalofSoundandVibration,140(3),545-558.

[2]Shibata,A.,Moriyama,N.,&Tanaka,S.(2001).Numericalpredictionofaerodynamicnoisefromahigh-speedtrnusinglargeeddysimulation.InProceedingsofthe23rdAA/CEA/ASME/ASCrlessVibrationandNoiseConference(pp.1-11).AA.

[3]Wang,Z.H.,Guo,Z.X.,&Cheng,M.Y.(2005).Experimentalstudyonthenoisecharacteristicsofahigh-speedtrnmodel.JournalofVibrationandControl,11(8),1071-1082.

[4]Schrader,S.,Bille,F.,&Seiffert,T.(2008).Soundsourcelocalizationofvehicleinteriornoiseusinganadaptivebeamformingalgorithm.InProceedingsofthe17thInternationalCongressonAcoustics(pp.1-6).

[5]Kuribayashi,H.,Kikuchi,S.,&Mabuchi,I.(2010).Activenoisecontrolforahigh-speedtrnusinganadaptivefilter.NoiseControlEngineeringJournal,56(4),328-337.

[6]Kawakami,H.,Fujita,H.,&Tanaka,T.(2012).Aerodynamicnoisepredictionfromahigh-speedtrnroofbycouplingCFDandFEM.InProceedingsofthe18thAA/CEA/ASME/ASCrlessVibrationandNoiseConference(pp.1-12).AA.

[7]Li,Y.,Wang,Y.,&Zhao,Z.(2015).Researchonwheel-rlnoisegenerationmechanismbasedonhigh-speedcameraandacousticmeasurement.JournalofVibroengineering,17(6),3456-3467.

[8]Sato,M.,&Takeda,Y.(1988).Aerodynamicnoiseofabluntbodyinthehypersonicregime.JournalofSoundandVibration,123(2),291-308.

[9]Kato,H.,&Takeda,Y.(1989).Aerodynamicnoiseofacircularcylinderatsubsonicandtransonicspeeds.JournalofSoundandVibration,123(2),309-326.

[10]Fujii,H.,&Takeda,Y.(1991).Aerodynamicnoisegeneratedbyanoscillatingflatplate.JournalofSoundandVibration,144(3),481-496.

[11]Moriyama,N.,Shibata,A.,&Tanaka,S.(2002).Aerodynamicnoisepredictionfromahigh-speedtrnbyusingaRANS-basedmethod.InProceedingsofthe24thAA/CEA/ASME/ASCrlessVibrationandNoiseConference(pp.1-10).AA.

[12]Guo,Z.X.,Wang,Z.H.,&Cheng,M.Y.(2007).Numericalsimulationofaerodynamicnoisefromahigh-speedtrn.JournalofComputationalPhysics,226(1),452-468.

[13]Bille,F.,Schrader,S.,&Seiffert,T.(2009).Soundsourcelocalizationtechniquesforvehiclenoisediagnosis.InProceedingsofthe18thInternationalCongressonAcoustics(pp.1-6).

[14]Kuribayashi,H.,Kikuchi,S.,&Mabuchi,I.(2011).Activenoisecontrolforahigh-speedtrnusinganeuralnetwork.NoiseControlEngineeringJournal,57(5),393-402.

[15]Kawakami,H.,Fujita,H.,&Tanaka,T.(2013).Aerodynamicnoisereductionfromahigh-speedtrnbyoptimizingtheroofshape.InProceedingsofthe19thAA/CEA/ASME/ASCrlessVibrationandNoiseConference(pp.1-11).AA.

[16]Li,Y.,Wang,Y.,&Zhao,Z.(2016).Analysisofwheel-rlnoisesourcesbasedonfrequency-domndecomposition.JournalofSoundandVibration,399(1-2),234-245.

[17]Wang,Z.H.,Guo,Z.X.,&Cheng,M.Y.(2009).Experimentalinvestigationonthenoisereductionofahigh-speedtrnmodelbyusingporousmaterials.AppliedAcoustics,70(4),467-476.

[18]Schrader,S.,Bille,F.,&Seiffert,T.(2010).Soundsourcelocalizationusingbeamformingtechniques.InProceedingsofthe19thInternationalCongressonAcoustics(pp.1-6).

[19]Kuribayashi,H.,Kikuchi,S.,&Mabuchi,I.(2012).Activenoisecontrolforahigh-speedtrnusinganadaptivefilterbank.NoiseControlEngineeringJournal,58(6),482-490.

[20]Kawakami,H.,Fujita,H.,&Tanaka,T.(2014).Aerodynamicnoisereductionfromahigh-speedtrnbyoptimizingthecarbodyshape.InProceedingsofthe20thAA/CEA/ASME/ASCrlessVibrationandNoiseConference(pp.1-12).AA.

[21]Li,Y.,Wang,Y.,&Zhao,Z.(2017).Researchontheinfluenceoftrackirregularityonwheel-rlnoise.JournalofVibroengineering,19(1),612-623.

[22]Sato,M.,&Takeda,Y.(1990).Aerodynamicnoiseofacircularcylinderatsubsonicandtransonicspeeds.JournalofSoundandVibration,123(2),309-326.

[23]Fujii,H.,&Takeda,Y.(1991).Aerodynamicnoisegeneratedbyanoscillatingflatplate.JournalofSoundandVibration,144(3),481-496.

[24]Moriyama,N.,Shibata,A.,&Tanaka,S.(2002).Aerodynamicnoisepredictionfromahigh-speedtrnbyusingaRANS-basedmethod.InProceedingsofthe24thAA/CEA/ASME/ASCrlessVibrationandNoiseConference(pp.1-10).AA.

[25]Guo,Z.X.,Wang,Z.H.,&Cheng,M.Y.(2007).Numericalsimulationofaerodynamicnoisefromahigh-speedtrn.JournalofComputationalPhysics,226(1),452-468.

八.致谢

本研究项目的顺利完成，离不开众多师长、同事、朋友以及相关机构的鼎力支持与无私帮助。在此，我谨向所有在本研究过程中给予我关心、指导和帮助的人们致以最诚挚的谢意。

首先，我要衷心感谢我的导师某某教授。从课题的选题、研究方案的制定，到实验过程的指导、数据分析，再到论文的撰写与修改，导师始终以其深厚的学术造诣、严谨的治学态度和悉心的指导，为我的研究指明了方向，提供了强大的支持。导师不仅在学术上给予我高屋建瓴的指导，更在人生道路上给予我诸多教诲，其诲人不倦的精神和高尚的师德风范将使我受益终身。

感谢某某大学高速列车风洞实验室全体工作人员。在本研究的实验阶段，风洞实验室提供了优越的实验条件和技术支持，实验室的某某老师、某某工程师等在实验设备操作、数据