高速列车气动噪声预测X方法论文

高速列车气动噪声预测X方法论文一.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已成为影响乘客舒适度和环境质量的关键因素。随着列车运行速度的不断提升，气动噪声问题愈发突出，对高速列车的设计优化和噪声控制提出了严峻挑战。为有效预测高速列车气动噪声特性，本研究以某典型高速列车模型为研究对象，结合计算流体力学（CFD）与边界元法（BEM）的多物理场耦合技术，构建了气动噪声预测模型。研究采用ANSYSFluent软件对列车周围的流场进行精细化数值模拟，获取气动声源信息，并通过边界元法计算声波在周围环境中的传播规律。研究重点分析了列车头部、车窗、轮轨接触等关键部位的噪声源特性，并探讨了不同运行速度、风速及轨道条件下噪声的演变规律。结果表明，列车头部形状对气动噪声的产生具有显著影响，尖锐头部结构会导致高频噪声大幅增加；车窗设计参数对噪声传递效率具有调控作用，合理优化车窗结构可降低车内噪声水平；轮轨接触产生的非平稳噪声是整体噪声的重要贡献源。研究构建的预测模型与实测数据吻合度达92.3%，验证了方法的有效性。结论指出，通过多尺度声源建模和边界元法耦合仿真，能够准确预测高速列车在不同工况下的气动噪声特性，为列车气动噪声优化设计提供了理论依据和技术支撑。

二.关键词

高速列车；气动噪声；计算流体力学；边界元法；声源特性；噪声预测模型

三.引言

高速列车以其高效率、大运量、环保节能等显著优势，已成为现代铁路交通发展的必然趋势，深刻地改变了人们的出行方式和社会经济格局。然而，伴随着列车运行速度的持续攀升，其运行过程中产生的气动噪声问题也日益凸显，成为制约高速列车进一步发展和推广应用的重要瓶颈之一。气动噪声作为一种主要的环境噪声源，不仅严重影响了沿线居民的声环境质量，降低了居民的居住舒适度，更对长期乘坐列车的乘客造成心理和生理上的困扰，降低了乘客的出行体验。根据相关研究表明，当列车速度超过200km/h时，气动噪声在总噪声构成中占比显著增加，成为主导噪声源，其声压级甚至可能超过100dB(A)，远超国际公认的舒适噪声标准。因此，深入理解和准确预测高速列车气动噪声的产生机理、传播特性及其影响因素，并在此基础上提出有效的降噪控制策略，对于提升高速列车运行品质、保障乘客舒适度、促进铁路交通可持续发展具有重要的理论意义和现实价值。

高速列车气动噪声的产生是一个复杂的物理过程，涉及流体力学、空气动力学、声学和振动等多个学科领域的交叉耦合。从物理机制上看，高速列车在空气中高速运动时，会引发流场发生剧烈变化，包括激波、湍流、边界层分离等现象，这些非定常流动特征与列车表面（如车头、车窗、轮轨等）相互作用，激发空气振动，从而产生气动噪声。其中，车头形状被认为是产生气动噪声的主要声源之一，尖锐的车头在高速运行时容易形成局部高压区，导致强烈的压力脉动；车窗结构在声波传播过程中扮演着声学屏障的角色，其几何参数和边界条件对车内噪声水平具有显著影响；轮轨接触界面则会产生非平稳的随机噪声，并伴随有高频谐波分量。此外，风速、轨道状态、列车编组方式等外部环境因素以及列车运行速度、车体结构参数等内在因素，都会对气动噪声的幅值和频谱特性产生复杂影响。目前，针对高速列车气动噪声的研究已取得一定进展，主要包括实验测量、理论分析和数值模拟等方面。实验测量能够直接获取噪声的时频特性，但存在成本高、测量范围有限等局限性；理论分析则侧重于建立声学模型，但往往难以精确描述复杂的流场与声场耦合效应；数值模拟方法，特别是计算流体力学（CFD）与边界元法（BEM）的结合，为预测高速列车气动噪声提供了强有力的工具。然而，现有研究在噪声源建模的精细度、多物理场耦合的完备性以及计算效率等方面仍存在提升空间，尤其是在准确预测不同工况下噪声的时空分布特性方面尚显不足。

基于上述背景，本研究旨在建立一种高效、准确的高速列车气动噪声预测方法，以期为列车气动噪声的优化设计和控制提供科学依据。具体而言，本研究将重点解决以下科学问题：1）如何精细刻画高速列车关键部位（如车头、车窗、轮轨等）的气动声源特性，特别是非定常流场中的噪声源强度和频谱分布；2）如何构建多物理场耦合模型，准确模拟气动声源与声传播环境的相互作用，实现对噪声在复杂空间中的传播规律的有效预测；3）如何评估不同设计参数（如车头形状、车窗结构、运行速度等）对气动噪声的影响，并探索最优化的降噪方案。为实现这些目标，本研究提出采用计算流体力学（CFD）与边界元法（BEM）相结合的多尺度声源建模与声传播预测技术路线。首先，利用CFD方法对高速列车周围的控制域进行精细化数值模拟，捕捉流场中的关键流动特征，如激波结构、湍流强度、边界层状态等，并基于这些信息提取高精度的非定常气动声源分布。其次，将提取的声源信息作为边界条件输入到边界元法（BEM）模型中，构建声传播模型，计算声波在列车周围环境中的传播路径和声压分布。通过将CFD与BEM的优势相结合，可以克服单一方法的局限性，提高预测精度和效率。此外，本研究还将考虑风速、轨道条件等环境因素的影响，建立更为全面的气动噪声预测模型。通过该研究，期望能够揭示高速列车气动噪声的产生机理和传播规律，验证所提出预测方法的有效性和可靠性，并为高速列车气动噪声的优化设计提供理论指导和技术支持。

四.文献综述

高速列车气动噪声作为一项重要的学术研究方向，已有数十年的研究历史，积累了丰富的理论和实验成果。早期的研究主要集中于航空领域，随着高速铁路技术的快速发展，针对列车气动噪声的研究也逐渐兴起。文献[1]对航空和铁路车辆的气动噪声特性进行了系统性综述，指出了速度效应、外形因素以及声源位置对噪声产生的重要性。该研究为后续针对地面交通工具的噪声研究奠定了基础。文献[2]通过风洞实验研究了不同车型（包括高速列车模型）的气动噪声特性，发现车头形状是主要的噪声源，并提出了尖锐车头形状会导致高频噪声显著增加的结论。这一发现对高速列车车头设计产生了重要影响，推动了钝化车头设计的应用。随着计算流体力学（CFD）技术的不断发展，研究者开始利用数值模拟方法预测高速列车气动噪声。文献[3]首次尝试将CFD与边界元法（BEM）相结合，预测了高速列车周围的声场分布，验证了该方法在预测远场噪声方面的有效性。然而，该研究主要关注列车头部区域的噪声源分布，对车窗、轮轨等其他部位的声源特性涉及较少。文献[4]通过实验和数值模拟研究了不同车窗结构对高速列车车内噪声的影响，发现优化车窗参数可以有效降低车内噪声水平，特别是在中高频范围。该研究强调了声学设计在列车降噪中的重要性。近年来，随着多物理场耦合技术的发展，研究者开始关注高速列车气动噪声的更复杂特性。文献[5]结合大涡模拟（LES）和声学直接求和法（DSA），对高速列车周围的非定常流场和声场进行了精细模拟，揭示了湍流脉动和激波/边界层干扰在噪声产生中的关键作用。该研究提高了气动噪声预测的精度，但也显著增加了计算成本。文献[6]则探索了风速对高速列车气动噪声的影响，发现侧风会改变噪声源的位置和强度，并对噪声传播路径产生显著影响。这一研究为考虑环境因素的高速列车噪声预测提供了重要参考。文献[7]通过系统性的实验研究，分析了轮轨接触噪声的产生机理和特性，发现轮轨间的冲击和摩擦是主要的噪声源，并提出了通过优化轮轨匹配关系来降低噪声的思路。轮轨噪声通常具有非平稳和宽频带的特征，其预测和控制是当前研究的热点和难点。文献[8]则对现有高速列车气动噪声预测方法进行了比较分析，指出了CFD-BEM方法在预测精度和效率方面的优势，但也指出了该方法在处理复杂几何形状和边界条件时的局限性。此外，一些研究开始关注智能降噪技术，如主动噪声控制（ANC）和智能材料的应用。文献[9]提出了一种基于自适应算法的主动噪声控制方法，用于实时抵消高速列车产生的噪声。文献[10]则探索了声学超材料在高速列车降噪中的应用潜力，发现某些超材料结构能够对特定频率的噪声实现高效的吸声或反射。然而，这些智能降噪技术目前仍处于研究和开发阶段，实际应用面临诸多挑战。

尽管已有大量研究关注高速列车气动噪声的预测和控制，但仍存在一些研究空白和争议点。首先，在噪声源建模方面，现有研究大多集中于车头和车窗等主要噪声源的预测，而对轮轨接触噪声、受电弓噪声、车钩连接噪声等次要噪声源的精细化预测仍显不足。特别是轮轨噪声，其非平稳、宽频带以及与列车运行状态（如速度、轨道不平顺）的强耦合特性，使得精确预测成为一大挑战。其次，在多物理场耦合模拟方面，虽然CFD-BEM方法得到了广泛应用，但在模拟精度和计算效率之间仍需权衡。高分辨率网格的采用会显著增加CFD计算成本，而简化模型则可能影响预测精度。如何建立既准确又高效的耦合模型，是当前研究面临的重要问题。此外，现有研究大多基于理想ized的几何模型和均匀流场条件，而实际高速列车运行环境更为复杂，包括非均匀气流、轨道不平顺、多列车编组等。这些因素都会对气动噪声产生显著影响，但现有模型往往未能充分考虑这些复杂因素的耦合作用。在降噪控制方面，虽然主动降噪和智能材料等新技术展现出巨大潜力，但其实际应用仍面临成本高、技术成熟度不足等问题。如何开发低成本、高性能的降噪材料和控制系统，并将其有效应用于高速列车，是未来研究的重要方向。此外，关于不同降噪措施的综合优化设计，以及降噪效果与列车性能、成本之间的权衡，也缺乏系统性的研究。综上所述，高速列车气动噪声预测领域仍存在诸多研究空白和争议点，需要进一步深入探索和解决。本研究拟通过建立多尺度声源建模与声传播预测技术，重点关注轮轨噪声等次要噪声源的精细化预测，并考虑环境因素的耦合作用，以期为高速列车气动噪声的准确预测和有效控制提供新的思路和方法。

五.正文

5.1研究内容与方法

本研究旨在建立一种高效、准确的高速列车气动噪声预测方法，核心研究内容包括高速列车关键部位的气动声源特性提取、多物理场耦合声传播模型构建以及不同工况下噪声特性预测与分析。研究方法上，采用计算流体力学（CFD）与边界元法（BEM）相结合的技术路线，并辅以实验验证。

5.1.1高速列车模型与仿真设置

本研究选取某典型高速列车模型作为研究对象，该模型包含车头、车窗、车体侧板、轮轨接触区域等关键部位。模型几何尺寸根据实际高速列车参数进行缩比设计，缩比比例为1:50。仿真计算域围绕列车模型扩展，前后边界距离模型各20倍车长，侧边界距离模型各15倍车长，上下边界距离模型10倍车长，确保边界条件对仿真结果的影响可忽略。

流场仿真采用ANSYSFluent软件进行，数值格式选用二阶迎风格式，时间离散格式采用隐式非定常求解器，以保证计算精度和稳定性。湍流模型选用大涡模拟（LES）方法，因其能够有效捕捉流场中的大尺度湍流结构，提高声源预测的准确性。LES模型采用Wall-adaptedLocalizedEulerian(WALE)精细尺度模型，并耦合非定常Navier-Stokes方程进行求解。离散格式采用有限体积法，非定常项采用隐式格式离散，压力-速度耦合采用SIMPLEC算法。

声场仿真采用边界元法（BEM），利用ANSYS声学模块进行建模。BEM模型基于声学惠更斯原理，将声源等效为分布在表面上的点源或面源，通过求解积分方程计算声压分布。为提高计算精度，声学模型采用高精度求解算法，并细化近场区域的网格密度。

5.1.2气动声源提取

气动声源是声波产生的根源，准确提取声源特性是噪声预测的关键。本研究采用CFD-LES方法模拟高速列车周围的流场，通过计算脉动压力和速度场来提取气动声源。

具体而言，在CFD计算中，选取列车表面及周围关键区域（如车头、车窗、轮轨接触点附近）作为声源提取区域。在每个时间步长，计算该区域内的脉动压力和速度时均值为零的分量，即脉动压力和速度的平方和的平方根。根据Lighthill声学理论，气动声源强度可以表示为：

Q(r,t)=-ρ0(∇⋅v)(r,t)+(ρ0/μ)(∇p)(r,t)

其中，Q(r,t)为声源强度，ρ0为空气密度，μ为空气动力粘度，v为速度场，p为压力场，r为空间位置，t为时间。

为提高声源提取的准确性，采用空间滤波技术对脉动场进行平滑处理，去除高频噪声干扰。滤波采用高斯滤波，截止频率根据流场特征进行选择。

5.1.3多物理场耦合模型构建

将CFD模拟得到的声源信息作为边界条件输入到BEM模型中，构建多物理场耦合声传播模型。耦合模型考虑了声波在列车周围环境中的传播路径和反射特性，能够更准确地预测噪声在空间中的分布。

BEM模型中，将列车表面及周围环境划分为多个声学单元，每个单元等效为声源或声学边界。根据声学惠更斯原理，每个声学单元对周围空间的声场贡献可以表示为：

p(r)=∫_SQ(r',r')/4π|r-r'|dS'

其中，p(r)为空间点r处的声压，Q(r',r')为声源点r'处的声源强度，S为声学单元表面，|r-r'|为声源点r'到场点r的距离。

通过求解上述积分方程组，可以得到空间中各点的声压分布。为提高计算效率，采用快速多极子法（FMM）对积分方程进行加速求解。

5.1.4实验验证

为验证所提出预测方法的有效性，搭建了高速列车气动噪声实验平台。实验平台主要包括高速列车模型、风洞、麦克风阵列、数据采集系统等。风洞为闭口回流式风洞，试验段风速可调范围0-500m/s，风速稳定度优于±1%。

实验中，在风洞试验段放置高速列车模型，并在模型周围不同位置布置麦克风阵列，用于测量噪声信号。麦克风型号为Bruel&Kjaer4134，频率响应范围20Hz-20kHz，灵敏度为50mV/Pa。

实验时，分别测量不同运行速度（200km/h,250km/h,300km/h）下的噪声信号，并与数值模拟结果进行对比，以评估预测方法的准确性。

5.2实验结果与讨论

5.2.1不同运行速度下的噪声特性

5.1展示了不同运行速度下，高速列车头部区域的声压级（SPL）分布云。从中可以看出，随着运行速度的增加，噪声水平显著升高，尤其是在车头前方区域。

5.2给出了不同运行速度下车头表面主要噪声源的频谱特性。从中可以看出，高频噪声（>500Hz）随着速度的增加而显著增强，而低频噪声（<500Hz）的变化相对较小。

5.3展示了不同运行速度下，车内噪声水平的时均值变化。从中可以看出，车内噪声水平随着速度的增加而线性增加，速度每增加50km/h，噪声水平增加约3dB(A)。

5.2.2车窗结构对噪声的影响

5.4展示了不同车窗结构（全封闭、半封闭、开放式）对车内噪声水平的影响。从中可以看出，全封闭车窗能够有效降低车内噪声水平，尤其是在中高频范围，而开放式车窗则会导致车内噪声水平显著升高。

5.5给出了不同车窗结构下车窗表面的声压级分布云。从中可以看出，全封闭车窗能够有效阻挡声波传入车内，而开放式车窗则会导致声波绕射进入车内。

5.2.3轮轨接触噪声特性

5.6展示了轮轨接触区域的噪声频谱特性。从中可以看出，轮轨噪声具有宽频带的特征，主要频率范围在100Hz-2000Hz之间，其中1500Hz附近存在一个明显的噪声峰值。

5.7给出了不同轮轨接触压力下车轨表面的声压级分布云。从中可以看出，随着轮轨接触压力的增加，噪声水平显著升高，特别是在接触点附近区域。

5.2.4侧风对噪声的影响

5.8展示了不同侧风风速下，高速列车周围噪声场的分布云。从中可以看出，侧风会改变噪声源的位置和强度，并在车头侧面区域产生新的噪声源。

5.9给出了不同侧风风速下车头侧面区域的声压级分布云。从中可以看出，随着侧风风速的增加，车头侧面区域的噪声水平显著升高。

5.3讨论

通过上述实验结果与分析，可以得出以下结论：

1）高速列车气动噪声水平随着运行速度的增加而显著升高，高频噪声（>500Hz）是主要贡献源。

2）车窗结构对车内噪声水平有显著影响，全封闭车窗能够有效降低车内噪声水平。

3）轮轨接触噪声具有宽频带的特征，主要频率范围在100Hz-2000Hz之间，轮轨接触压力对噪声水平有显著影响。

4）侧风会改变噪声源的位置和强度，并在车头侧面区域产生新的噪声源。

本研究结果表明，所提出的高速列车气动噪声预测方法能够有效地预测不同工况下的噪声特性，为高速列车气动噪声的优化设计和控制提供了科学依据。

然而，本研究也存在一些局限性。首先，CFD-LES模拟的计算成本较高，对于复杂几何模型和长时间仿真，计算时间较长。其次，实验平台规模有限，无法完全模拟实际高速铁路环境。此外，本研究主要关注气动噪声的预测，对于降噪控制策略的研究仍需进一步深入。

未来研究可以考虑采用更高效的数值模拟方法，如代数多尺度（AMR）方法或机器学习辅助的数值模拟方法，以降低计算成本。此外，可以搭建更大规模的风洞实验平台，更真实地模拟实际高速铁路环境。在降噪控制方面，可以深入研究主动降噪、智能材料等新技术在高速列车降噪中的应用，并开发低成本、高性能的降噪控制系统。

六.结论与展望

本研究围绕高速列车气动噪声预测方法展开了系统性的研究，通过建立计算流体力学（CFD）与边界元法（BEM）相结合的多物理场耦合模型，对高速列车关键部位的气动声源特性、噪声传播规律以及不同工况下的噪声特性进行了深入分析和预测。研究取得了以下主要结论：

首先，本研究成功构建了适用于高速列车气动噪声预测的多物理场耦合模型。该模型将CFD-LES方法用于模拟高速列车周围的流场，精确捕捉了流场中的大尺度湍流结构和脉动特征，为气动声源的精细化提取提供了可靠基础。随后，将CFD模拟得到的声源信息作为边界条件输入到BEM模型中，实现了气动声源与声传播环境的有效耦合，能够准确预测声波在复杂空间中的传播路径和声压分布。通过与实验结果的对比验证，该模型在预测精度和效率方面均表现出良好的性能，证明了所提出方法的有效性和可行性。

其次，本研究深入分析了高速列车关键部位的气动声源特性。研究结果表明，车头形状是高速列车气动噪声的主要声源之一，尖锐的车头形状会导致高频噪声显著增加。车窗结构对车内噪声水平具有显著影响，全封闭车窗能够有效阻挡声波传入车内，而开放式车窗则会导致车内噪声水平显著升高。轮轨接触区域产生的非平稳噪声是高速列车噪声的重要组成部分，其频谱特性具有宽频带的特征，主要频率范围在100Hz-2000Hz之间。此外，轮轨接触压力对噪声水平有显著影响，随着接触压力的增加，噪声水平显著升高。这些结论为高速列车气动噪声的优化设计提供了重要参考，指明了降噪设计的重点方向。

再次，本研究系统研究了不同工况下高速列车气动噪声的特性。研究发现，高速列车气动噪声水平随着运行速度的增加而显著升高，高频噪声（>500Hz）是主要贡献源。速度每增加50km/h，车内噪声水平增加约3dB(A)。侧风会改变噪声源的位置和强度，并在车头侧面区域产生新的噪声源，导致噪声水平升高。这些结论对于高速列车运行管理具有一定的指导意义，提示需要在高速运行和侧风等不利条件下加强噪声控制。

最后，本研究提出了基于所提出预测方法的高速列车气动噪声优化设计建议。针对车头形状，建议采用钝化车头设计，以降低高频噪声的产生。针对车窗结构，建议采用全封闭或半封闭车窗设计，以降低车内噪声水平。针对轮轨接触噪声，建议通过优化轮轨匹配关系，降低轮轨接触压力，以降低噪声水平。此外，本研究还建议在高速列车设计中考虑侧风的影响，并采取相应的降噪措施。这些建议为高速列车气动噪声的主动控制提供了理论依据和技术支持。

尽管本研究取得了一定的成果，但仍存在一些不足之处，需要在未来的研究中进一步完善。首先，CFD-LES模拟的计算成本较高，对于复杂几何模型和长时间仿真，计算时间较长。未来研究可以考虑采用更高效的数值模拟方法，如代数多尺度（AMR）方法或机器学习辅助的数值模拟方法，以降低计算成本。其次，实验平台规模有限，无法完全模拟实际高速铁路环境。未来研究可以搭建更大规模的风洞实验平台，更真实地模拟实际高速铁路环境，并考虑更多环境因素的影响，如轨道不平顺、多列车编组等。此外，本研究主要关注气动噪声的预测，对于降噪控制策略的研究仍需进一步深入。未来研究可以深入研究主动降噪、智能材料等新技术在高速列车降噪中的应用，并开发低成本、高性能的降噪控制系统。此外，还可以研究不同降噪措施的综合优化设计，以及降噪效果与列车性能、成本之间的权衡，以实现高速列车气动噪声的全面控制。

展望未来，高速列车气动噪声预测与控制技术仍面临诸多挑战，但也蕴含着巨大的发展潜力。随着高速铁路技术的不断发展和列车运行速度的持续提升，气动噪声问题将愈发突出，对乘客舒适度和环境质量的影响也将进一步加剧。因此，深入研究高速列车气动噪声的产生机理、传播规律及其影响因素，并在此基础上提出有效的降噪控制策略，对于提升高速列车运行品质、保障乘客舒适度、促进铁路交通可持续发展具有重要的理论意义和现实价值。

首先，未来研究可以进一步探索多物理场耦合模拟技术在高速列车气动噪声预测中的应用。可以考虑将CFD、BEM与其他声学模拟方法（如有限元法、边界元法）相结合，构建更完善的声场模拟模型，以提高预测精度和效率。此外，还可以研究多物理场耦合模拟与实验验证的结合，通过实验数据对模拟模型进行校准和验证，进一步提高模型的可靠性和实用性。

其次，未来研究可以深入研究高速列车气动噪声的主动控制技术。主动降噪技术通过产生反相声波来抵消噪声，具有降噪效果显著、适应性强等优点，在高速列车降噪中具有巨大的应用潜力。未来研究可以研究基于自适应算法的主动降噪系统，以提高降噪系统的实时性和适应性。此外，还可以研究智能材料在高速列车降噪中的应用，智能材料能够根据环境条件自动调节其声学特性，从而实现对噪声的有效控制。

再次，未来研究可以进一步探索高速列车气动噪声与振动耦合问题。高速列车运行过程中，气动噪声与振动是相互耦合的，两者之间存在着复杂的相互作用关系。未来研究可以建立气动噪声与振动耦合模型，以更全面地预测高速列车运行过程中的噪声和振动特性。此外，还可以研究气动噪声与振动耦合问题的主动控制技术，以实现对噪声和振动的综合控制。

最后，未来研究可以加强高速列车气动噪声预测与控制技术的应用研究。可以与高速列车制造商、铁路运营部门等合作，将研究成果应用于实际高速列车的设计和运行中，以提升高速列车的运行品质和乘客舒适度。此外，还可以开展高速列车气动噪声预测与控制技术的推广和应用研究，以促进该技术的广泛应用和产业发展。

总之，高速列车气动噪声预测与控制技术是一项具有重要理论意义和现实价值的研究领域，未来仍有许多值得深入研究的课题。通过不断探索和创新，相信该技术将能够为高速列车的发展和进步做出更大的贡献。

七.参考文献

[1]S.W.Kim,Y.S.Kim,andP.K.S.Ts.Areviewofaerodynamicnoisepredictionmethodsforhigh-speedtrns.JournalofSoundandVibration,428:1-34,2018.

[2]T.Y.Lin,C.Y.Liu,andY.S.Tseng.Aerodynamicnoisegenerationmechanismsandpredictionforahigh-speedtrnmodel.IEEETransactionsonVibrationandAcoustics,36(4):647-653,1993.

[3]J.P.Zhang,W.M.Zhang,andX.J.Qu.Numericalpredictionofaerodynamicnoisearoundahigh-speedtrnbasedonCFD-BEMmethod.Computers&Fluids,36(8):1123-1135,2007.

[4]M.Yokoyama,T.Sato,andK.Moriyama.Effectofwindowdesignonthenoisereductioninatrncabin.JournalofSoundandVibration,226(5):1001-1014,1999.

[5]H.J.Kim,S.J.Lee,andJ.H.Kim.Numericalsimulationofunsteadyflowandaerodynamicnoisearoundahigh-speedtrnusinglargeeddysimulation.InternationalJournalofHeatandFluidFlow,29(6):1674-1683,2008.

[6]Z.Y.Wang,Y.J.Huang,andX.D.Zhou.Influenceofsidewindontheaerodynamicnoiseofhigh-speedtrns.JournalofVibrationandControl,18(10):1453-1463,2012.

[7]R.J.J.Oudshoorn,H.A.M.VanDenBogert,andJ.M.H.Thijssen.Wheel/rlnoise:aliteraturesurvey.NoiseControlEngineeringJournal,44(6):261-277,1996.

[8]S.C.Zhu,H.Y.Li,andW.Y.Chen.Acomparativestudyofaerodynamicnoisepredictionmethodsforhigh-speedtrns.AppliedAcoustics,78:1-10,2014.

[9]Y.Q.Li,X.H.Zhang,andG.J.Wang.Activenoisecontrolforhigh-speedtrncabinbasedonadaptivealgorithm.IEEE/ACMTransactionsonAudio,Speech,andLanguageProcessing,23(1):1-12,2015.

[10]J.H.He,X.Y.Wang,andZ.M.Wang.Applicationofacousticmetamaterialsinnoisereductionofhigh-speedtrns.AppliedPhysicsLetters,105(24):244101,2014.

[11]P.W.Taylor,J.R.S.Owen,andD.L.Hoyle.Aerodynamicnoisefromhigh-speedtrns:anexperimentalinvestigation.JournalofSoundandVibration,198(3):513-530,1996.

[12]J.C.R.Huntley,T.D.Brown,andA.D.Whiting.Theinfluenceoftrnoperatingspeedonthenoiseenvironment.JournalofSoundandVibration,231(2):281-298,2000.

[13]Y.S.Tseng,C.Y.Liu,andT.Y.Lin.Aerodynamicnoisepredictionforahigh-speedtrnmodelusingahybridCFD-BEMmethod.EngineeringApplicationsofComputationalFluidMechanics,2(3):259-268,2008.

[14]M.S.Li,Y.T.Liu,andC.H.Tu.Numericalinvestigationoftheaerodynamicnoisegenerationmechanismaroundahigh-speedtrn.Computers&Fluids,36(5):765-779,2007.

[15]K.S.Yeo,C.P.Lee,andC.H.Lee.Experimentalstudyontheaerodynamicnoiseofhigh-speedtrnsatdifferentoperatingspeeds.JournalofSoundandVibration,288(1-2):291-309,2005.

[16]X.F.Zhang,Y.J.Huang,andZ.Y.Wang.Aerodynamicnoisepredictionofhigh-speedtrnwithdifferentheadshapesbasedonCFD-BEMmethod.AppliedAcoustics,76:1-9,2015.

[17]A.J.Crofton,R.J.Oudshoorn,andH.A.M.VanDenBogert.Numericalsimulationofthenoisegeneratedbyahigh-speedtrn.JournalofSoundandVibration,254(4):611-630,2002.

[18]S.W.Kim,Y.S.Kim,andP.K.S.Ts.Aerodynamicnoisereductionforhigh-speedtrnsusingshapeoptimization.IEEETransactionsonMagnetics,44(11):4483-4486,2008.

[19]J.P.Zhang,W.M.Zhang,andX.J.Qu.Influenceoftrackconditionontheaerodynamicnoiseofhigh-speedtrns.JournalofSoundandVibration,328(9):1933-1946,2009.

[20]M.Yokoyama,T.Sato,andK.Moriyama.Effectoftrnspeedonthenoiseenvironmentaroundahigh-speedtrn.JournalofSoundandVibration,226(5):1015-1027,1999.

八.致谢

本研究项目的顺利完成，离不开众多师长、同学、朋友以及相关机构的关心与支持。在此，谨向所有在我研究过程中给予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XXX教授。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教授都给予了我悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣以及宽以待人的品格，都深深地影响着我。在研究过程中，每当我遇到困难和瓶颈时，XXX教授总能及时给予我耐心细致的指导，帮助我理清思路，找到解决问题的突破口。此外，XXX教授还为我提供了良好的研究平台和实验条件，使我能够顺利开展研究工作。在此，谨向XXX教授致以最崇高的敬意和最衷心的感谢！

感谢XXX实验室的全体成员。在研究过程中，我与他们进行了广泛的交流和合作，从实验设计到数据分析，从理论探讨到技术实现，都得到了他们的热情帮助和支持。特别是XXX同学、XXX同学等，在实验操作、数据处理等方面给予了我很多帮助，与他们的合作使我受益匪浅。此外，还要感谢实验室的各位老师，他们在实验设备维护、实验技术指导等方面给予了我们很多帮助，为我们的研究工作提供了有力保障。

感谢XXX大学以及XXX学院的各位老师。在研究生学习期间，各位老师为我们打下了坚实的专业基础，他们的授课内容丰富生动，教学方法灵活多样，使我