CN108009326B - 一种列车车内气动噪声预测的方法及列车 - Google Patents

一种列车车内气动噪声预测的方法及列车 Download PDF

Info

Publication number
CN108009326B
CN108009326B CN201711174745.XA CN201711174745A CN108009326B CN 108009326 B CN108009326 B CN 108009326B CN 201711174745 A CN201711174745 A CN 201711174745A CN 108009326 B CN108009326 B CN 108009326B
Authority
CN
China
Prior art keywords
vehicle body
train
model
medium
noise
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711174745.XA
Other languages
English (en)
Other versions
CN108009326A (zh
Inventor
刘加利
田爱琴
丁叁叁
杜健
陶桂东
梁建英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CRRC Qingdao Sifang Co Ltd
Original Assignee
CRRC Qingdao Sifang Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CRRC Qingdao Sifang Co Ltd filed Critical CRRC Qingdao Sifang Co Ltd
Priority to CN201711174745.XA priority Critical patent/CN108009326B/zh
Publication of CN108009326A publication Critical patent/CN108009326A/zh
Application granted granted Critical
Publication of CN108009326B publication Critical patent/CN108009326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/10—Noise analysis or noise optimisation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种列车车内气动噪声预测的方法，包括对列车的车体表面进行分块获得分块车体模型；基于所述分块车体模型进行空气动力学计算，获得车体表面脉动压力；计算在所述车体表面脉动压力下车体结构的振动及声辐射，分别获得中低频气动噪声和中高频气动噪声；对所述中低频气动噪声和中高频气动噪声进行频域合并，获得全频域气动噪声。该方法有效解决了高速列车车内气动噪声的预测问题，进而获得了全频率内的高速列车车内气动噪声特性。本发明还公开了一种列车及计算机可读存储介质，均具有上述有益效果。

Description

一种列车车内气动噪声预测的方法及列车
技术领域
本发明涉及轨道交通车辆技术领域，特别是涉及一种列车车内气动噪声预测的方法，还涉及一种列车及计算机可读存储介质。
背景技术
随着科学技术的发展，列车的速度也不断提高，列车与空气之间的相互作用变得越来越显著。列车在运行时，其车体表面会产生较大的脉动压力，进而会在列车内部产生气动噪声，从而影响乘客的舒适性。当列车速度达到300km/h时，气动噪声将会成为高速列车噪声的主要来源，而噪声超标通常成为制约列车提速的关键问题。准确预测并了解高速列车车内气动噪声特性，是开展高速列车降噪设计的基础及关键。
在现有技术中，结构振动及声辐射的预测方法主要包括有限元方法、边界元方法和统计能量分析方法。有限元方法和边界元方法适用于中低频载荷激励作用下的复杂结构振动及声辐射预测，统计能量分析方法则适用于中高频载荷激励作用下的结构振动及声辐射预测。线路试验结果表明，高速列车车内气动噪声具有明显的宽频特性，单独采用有限元方法、边界元方法或统计能量分析方法进行高速列车车内气动噪声预测时，其结果都存在不足之处，有限元方法、边界元方法在中高频段的计算精度较低，计算结果偏低；而统计能量分析方法在中低频段的计算精度较低，计算结果偏高。从而，无论采用有限元方法、边界元方法，还是统计能量分析方法，其获得的计算结果均不准确。
因此，如何有效解决高速列车车内气动噪声的预测问题，提高计算精度进而获得全频率内的高速列车车内气动噪声特性，是本领域技术人员需要解决的技术问题。
发明内容
本发明的目的是提供一种列车车内气动噪声预测的方法，该方法能够有效解决高速列车车内气动噪声的预测问题，提高计算精度，进一步获得全频率内的高速列车车内气动噪声特性；本发明的另一目的是提供一种列车及计算机可读存储介质，均具有上述有益效果。
为解决上述技术问题，本发明提供一种列车车内气动噪声预测的方法，包括：
对列车的车体表面进行分块获得分块车体模型；
基于所述分块车体模型进行空气动力学计算，获得车体表面脉动压力；
计算在所述车体表面脉动压力下车体结构的振动及声辐射，分别获得中低频气动噪声和中高频气动噪声；
对所述中低频气动噪声和中高频气动噪声进行频域合并，获得全频域气动噪声。
优选的，所述对列车的车体表面进行分块获得分块车体模型包括：
根据车体结构有限元模型和统计能量分析模型的要求，对所述列车的车体表面进行分块获得所述分块车体模型。
优选的，所述基于所述分块车体模型进行空气动力学计算，获得车体表面脉动压力包括：
对所述分块车体模型增加导流车体，建立动力学列车模型；
基于所述动力学列车模型获得瞬态流场；
根据所述瞬态流场，进行相关运算获得所述车体表面脉动压力。
优选的，所述基于所述动力学列车模型获得瞬态流场包括：
利用标准k-ε湍流模型计算稳态流场，获得初始流场；
根据所述初始流场利用大涡模拟方法计算获得所述瞬态流场。
优选的，所述根据所述瞬态流场，进行相关运算获得所述车体表面脉动压力包括：
根据所述瞬态流场，提取车体表面每个分块的平均脉动压力时程曲线，并利用FFT变换算法获得平均脉动压力谱。
优选的，所述计算在所述车体表面脉动压力下车体结构的振动及声辐射，分别获得中低频气动噪声和中高频气动噪声包括：
利用有限元方法和边界元方法，计算在所述车体表面脉动压力下车体结构的振动及声辐射，获得中低频气动噪声；
利用统计能量分析方法，计算在所述车体表面脉动压力下车体结构的振动及声辐射，获得中高频气动噪声。
优选的，所述利用有限元方法和边界元方法，计算在所述车体表面脉动压力下车体结构的振动及声辐射，获得中低频气动噪声包括：
基于所述分块车体模型，建立所述车体结构有限元模型，并将所述平均脉动压力时程曲线对应加载到所述车体结构有限元模型中，计算在所述车体表面脉动压力下车体结构的振动位移；
根据所述车体结构的内部形状，建立车内声学有限元模型，进行声学模态分析；
建立车内声学边界元模型，对所述振动位移进行FFT变换获得振动位移响应，并将所述振动位移响应作为所述声学模态分析的边界条件，计算获得所述中低频气动噪声。
优选的，所述利用统计能量分析方法，计算在所述车体表面脉动压力下车体结构的振动及声辐射，获得中高频气动噪声包括：
基于所述分块车体模型，对所述每个分块进行相互连接，建立车体结构子系统模型和车内声学子系统模型，并连接各个子系统；
获取统计能量基本参数，并定义所述各个子系统的材料及物理属性；
根据所述各个子系统的材料及物理属性，将所述平均脉动压力谱对应加载到所述车体结构子系统模型上，计算获得所述中高频气动噪声。
为解决上述技术问题，本发明还提供一种列车，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述任意一种所述列车车内气动噪声预测的方法的步骤。
为解决上述技术问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一种列车车内气动噪声预测的方法的步骤。
本发明所提供的一种列车车内气动噪声预测的方法，包括对列车的车体表面进行分块获得分块车体模型；基于所述分块车体模型进行空气动力学计算，获得车体表面脉动压力；计算在所述车体表面脉动压力下车体结构的振动及声辐射，分别获得中低频气动噪声和中高频气动噪声；对所述中低频气动噪声和中高频气动噪声进行频域合并，获得全频域气动噪声。
可见，本方法通过一系列计算，获得了在车体表面脉动压力作用下的中低频气动噪声和中高频气动噪声，将中低频气动噪声和中高频气动噪声进行频域合成，进而获得了在全频率内的列车车内气动噪声特性，避免了由于单独采用有限元方法、边界元方法导致中低频段计算结果偏低，或单独采用统计能量分析方法导致中高频段计算结果偏高的问题，进一步提高了计算精度，有效解决了列车车内气动噪声的预测不准确问题。此外，对高速列车车内气动噪声特性的准确预测，也为开展高速列车的降噪设计提供了基础。
本发明还提供了一种列车及计算机可读存储介质，均具有上述有益效果。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种列车车内气动噪声预测的方法的流程示意图；
图2为本发明提供的一种获取车体表面脉动压力的方法的流程示意图；
图3为本发明提供的一种获取中低频气动噪声的方法的流程示意图；
图4为本发明提供的一种获取中高频气动噪声的方法的流程示意图。
具体实施方式
本发明的核心是提供一种列车车内气动噪声预测的方法，该方法能够有效解决高速列车车内气动噪声的预测问题，提高计算精度，进一步获得全频率内的高速列车车内气动噪声特性；本发明的另一核心是提供一种列车及计算机可读存储介质，均具有上述有益效果。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，图1为本发明提供的一种列车车内气动噪声预测的方法的流程示意图，该方法可以包括：
S100：对列车的车体表面进行分块获得分块车体模型；
具体的，可以将高速列车的车体表面划分为一系列的块，并将分块后的列车的车体称为分块车体模型。例如，可以将具有不同材料属性的区域，如车门、车窗等，以及具有不同厚度的车身壁板等划分为单独的块。
优选的，对列车的车体表面进行分块获得分块车体模型包括：根据车体结构有限元模型和统计能量分析模型的要求，对列车的车体表面进行分块获得分块车体模型。
具体的，可以在综合考虑车体结构有限元模型和车体结构子系统统计能量分析模型的特点以及要求的情况下，对列车的车体表面进行分块，以确保获得的分块车体模型可以同时应用于车体结构有限元模型和车体结构子系统统计能量分析模型。
S200：基于分块车体模型进行空气动力学计算，获得车体表面脉动压力；
具体的，根据已获得的分块车体模型，开展高速列车空气动力学计算，获得车体表面脉动压力，进一步可以获得车内气动噪声计算输入激励。其中，车体表面脉动压力可以加载到车体结构有限元模型和车体结构子系统统计能量分析模型上，其加载方式可以采用分块的形式进行加载。
在上述实施例的基础上，请参考图2，图2为本发明提供的一种获取车体表面脉动压力的方法的流程示意图；
优选的，基于分块车体模型进行空气动力学计算，获得车体表面脉动压力包括：
S201：对分块车体模型增加导流车体，建立动力学列车模型；
S202：基于动力学列车模型获得瞬态流场；
S203：根据瞬态流场，进行相关运算获得车体表面脉动压力。
具体的，为了保证分块车体模型的绕流流场更接近于实际情况，可以为分块车体模型增加导流车体，例如，对于头车，可以在其后部增加导流车体；对于中车，可以在其前部和后部增加导流车体；对于尾车，可以在其前部增加导流车体，由此构成适用于高速列车空气动力学计算的动力学列车模型，即分块车体模型也同时适用于动力学列车模型。其中，导流车体的长度可以为车体长度的一半，并且，导流车体不需要进行分块，
进一步，利用建立的动力学列车模型，建立高速列车空气动力学计算区域，并进行网络划分，以获得高速列车的瞬态流场。进一步，根据获得的瞬态流场进行相关运算，获得高速列车的车体表面脉动压力。
优选的，上述基于动力学列车模型获得瞬态流场包括：利用标准k-ε湍流模型计算稳态流场，获得初始流场；根据初始流场利用大涡模拟方法计算获得瞬态流场。
具体的，在进行瞬态流场计算时，可以先利用标准k-ε湍流模型计算高速列车的稳态流场，获得初始流场，然后利用大涡模拟方法计算高速列车的瞬态流场。在计算过程中，应保证流场计算的时间步长与声场计算的时间步长相一致，其中，声场计算的时间步长取决于噪声分析的最高频率，时间步长为Δt s时，噪声分析的最高频率为1/(2Δt)Hz。
优选的，根据瞬态流场，进行相关运算获得车体表面脉动压力包括：根据瞬态流场，提取车体表面每个分块的平均脉动压力时程曲线，并利用FFT变换算法获得平均脉动压力谱。
具体的，根据高速列车的瞬态流场的计算结果，提取车体表面每个分块上的平均脉动压力时程曲线，对其进行FFT变换，可以获得平均脉动压力谱。其中，将脉动压力时程曲线加载到车体结构有限元模型上，将平均脉动压力谱加载到车体结构子系统统计能量分析模型上。
S300：计算在车体表面脉动压力下车体结构的振动及声辐射，分别获得中低频气动噪声和中高频气动噪声；
具体的，在获得车体表面脉动压力之后，计算在车体表面脉动压力作用下的车体结构的振动及声辐射，以进一步获得高速列车车内的中低频气动噪声和中高频气动噪声。其中，中低频气动噪声的频率范围为20～500Hz，中高频气动噪声的频率范围为500～10000Hz。
优选的，计算在车体表面脉动压力下车体结构的振动及声辐射，分别获得中低频气动噪声和中高频气动噪声包括：利用有限元方法和边界元方法，计算在车体表面脉动压力下车体结构的振动及声辐射，获得中低频气动噪声；利用统计能量分析方法，计算在车体表面脉动压力下车体结构的振动及声辐射，获得中高频气动噪声。
在上述实施例的基础上，请参考图3，图3为本发明提供的一种获取中低频气动噪声的方法的流程示意图。
优选的，上述利用有限元方法和边界元方法，计算在车体表面脉动压力下车体结构的振动及声辐射，获得中低频气动噪声包括：
S310：基于分块车体模型，建立车体结构有限元模型，并将平均脉动压力时程曲线对应加载到车体结构有限元模型中，计算在车体表面脉动压力下车体结构的振动位移；
S311：根据车体结构的内部形状，建立车内声学有限元模型，进行声学模态分析；
S312：建立车内声学边界元模型，对振动位移进行FFT变换获得振动位移响应，并将振动位移响应作为声学模态分析的边界条件，计算获得中低频气动噪声。
具体的，根据分块车体模型，遵循有限元方法的建模原则，建立高速列车车体结构有限元模型，进行高速列车的车体结构模态分析。将车体表面每个分块上的脉动压力时程曲线对应加载到车体结构有限元模型中，计算在脉动压力作用下车体结构的振动位移。进一步，根据高速列车车体结构的内部形状，建立高速列车车内声学有限元模型，进行高速列车车内声腔的声学模态分析。进一步，建立高速列车车内声学边界元模型，将已获得的振动位移进行FFT变换，获得频域上的振动位移响应，并将其作为声学模态分析的边界条件，进行中低频气动噪声得计算，计算频率范围为20～500Hz，通过计算可以获得车内声腔的声压云图及不同监测点的气动噪声。
在上述实施例的基础上，请参考图4，图4为本发明提供的一种获取中高频气动噪声的方法的流程示意图。
优选的，上述利用统计能量分析方法，计算在车体表面脉动压力下车体结构的振动及声辐射，获得中高频气动噪声包括：
S320：基于分块车体模型，对每个分块进行相互连接，建立车体结构子系统模型和车内声学子系统模型，并连接各个子系统；
S321：获取统计能量基本参数，并定义各个子系统的材料及物理属性；
S322：根据各个子系统的材料及物理属性，将平均脉动压力谱对应加载到车体结构子系统模型上，计算获得中高频气动噪声。
具体的，根据分块车体模型，进行表面修复，使得每个分块之间是相互连接的，进而构建车体结构子系统模型，其中，可以将车体表面的曲面块建模为单曲面板子系统，平面块建模为曲面板子系统，并采用线连接将不同的车体结构子系统连接起来。进一步，利用车体结构子系统模型及内部平面建立封闭的车内声学子系统模型，并采用面连接将不同的车内声学子系统，以及车体结构子系统和车内声学子系统连接起来。进一步，可以利用理论分析或部件试验方法获得统计能量分析基本参数，其中包括各个子系统的模态密度和内损耗因子，以及不同子系统之间的耦合损耗因子；并对各个子系统的材料及其物理属性进行定义。进一步，根据获得的各个子系统的材料及物理属性，将车体表面每个分块上的平均脉动压力谱对应加载到车体结构子系统模型上，进行中高频气动噪声计算，计算频率范围为500～10000Hz，通过计算可以获得车内声学子系统的气动噪声。
S400：对中低频气动噪声和中高频气动噪声进行频域合并，获得全频域气动噪声。
具体的，在20～500Hz频率范围内采用有限元方法和边界元方法的计算结果，即中低频气动噪声，在500～10000Hz频率范围内采用统计能量分析方法的计算结果，即中高频启动噪声，将两个频率范围内的计算结果合并起来，进一步获得全频域内(20～10000Hz)的高速列车的车内气动噪声。
本发明所提供的一种列车车内气动噪声预测的方法，将在车体表面脉动压力作用下获得的中低频气动噪声和中高频气动噪声进行频域合成，进一步获得了在全频率内的列车车内气动噪声特性，提高了计算精度，有效解决了列车车内气动噪声预测不准确的问题。
为解决上述问题，本发明还提供一种列车，包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序时实现如下步骤：
对列车的车体表面进行分块获得分块车体模型；基于所分块车体模型进行空气动力学计算，获得车体表面脉动压力；计算在所车体表面脉动压力下车体结构的振动及声辐射，分别获得中低频气动噪声和中高频气动噪声；对中低频气动噪声和中高频气动噪声进行频域合并，获得全频域气动噪声。
对于本发明提供的列车的介绍请参照上述方法实施例，本发明在此不做赘述。
为解决上述问题，本发明还提供一种计算机可读存储介质，上述计算机可读存储介质上存储有计算机程序，上述计算机程序被处理器执行时实现如下步骤：
对列车的车体表面进行分块获得分块车体模型；基于分块车体模型进行空气动力学计算，获得车体表面脉动压力；计算在车体表面脉动压力下车体结构的振动及声辐射，分别获得中低频气动噪声和中高频气动噪声；对中低频气动噪声和中高频气动噪声进行频域合并，获得全频域气动噪声。
对于本发明提供的计算机可读存储介质的介绍请参照上述方法实施例，本发明在此不做赘述。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的列车车内气动噪声预测的方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (8)

1.一种列车车内气动噪声预测的方法，其特征在于，包括：
对列车的车体表面进行分块获得分块车体模型；其中，将具有不同材料属性的区域，以及具有不同厚度的车身壁板划分为单独的块；
基于所述分块车体模型进行空气动力学计算，获得车体表面脉动压力；
计算在所述车体表面脉动压力下车体结构的振动及声辐射，分别获得中低频气动噪声和中高频气动噪声；
对所述中低频气动噪声和中高频气动噪声进行频域合并，获得全频域气动噪声；
其中，所述基于所述分块车体模型进行空气动力学计算，获得车体表面脉动压力包括：
对所述分块车体模型增加导流车体，建立动力学列车模型；
基于所述动力学列车模型获得瞬态流场；
根据所述瞬态流场，进行相关运算获得所述车体表面脉动压力；
所述计算在所述车体表面脉动压力下车体结构的振动及声辐射，分别获得中低频气动噪声和中高频气动噪声包括：
利用有限元方法和边界元方法，计算在所述车体表面脉动压力下车体结构的振动及声辐射，获得中低频气动噪声；
利用统计能量分析方法，计算在所述车体表面脉动压力下车体结构的振动及声辐射，获得中高频气动噪声。
2.如权利要求1所述的方法，其特征在于，所述对列车的车体表面进行分块获得分块车体模型包括：
根据车体结构有限元模型和统计能量分析模型的要求，对所述列车的车体表面进行分块获得所述分块车体模型。
3.如权利要求1所述的方法，其特征在于，所述基于所述动力学列车模型获得瞬态流场包括：
利用标准k-ε湍流模型计算稳态流场，获得初始流场；
根据所述初始流场利用大涡模拟方法计算获得所述瞬态流场。
4.如权利要求3所述的方法，其特征在于，所述根据所述瞬态流场，进行相关运算获得所述车体表面脉动压力包括：
根据所述瞬态流场，提取车体表面每个分块的平均脉动压力时程曲线，并利用FFT变换算法获得平均脉动压力谱。
5.如权利要求1所述的方法，其特征在于，所述利用有限元方法和边界元方法，计算在所述车体表面脉动压力下车体结构的振动及声辐射，获得中低频气动噪声包括：
基于所述分块车体模型，建立所述车体结构有限元模型，并将平均脉动压力时程曲线对应加载到所述车体结构有限元模型中，计算在所述车体表面脉动压力下车体结构的振动位移；
根据所述车体结构的内部形状，建立车内声学有限元模型，进行声学模态分析；
建立车内声学边界元模型，对所述振动位移进行FFT变换获得振动位移响应，并将所述振动位移响应作为所述声学模态分析的边界条件，计算获得所述中低频气动噪声。
6.如权利要求1所述的方法，其特征在于，所述利用统计能量分析方法，计算在所述车体表面脉动压力下车体结构的振动及声辐射，获得中高频气动噪声包括：
基于所述分块车体模型，对所述每个分块进行相互连接，建立车体结构子系统模型和车内声学子系统模型，并连接各个子系统；
获取统计能量基本参数，并定义所述各个子系统的材料及物理属性；
根据所述各个子系统的材料及物理属性，将平均脉动压力谱对应加载到所述车体结构子系统模型上，计算获得所述中高频气动噪声。
7.一种列车，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至6任意一项所述列车车内气动噪声预测的方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任意一项所述实现列车车内气动噪声预测的方法的步骤。
CN201711174745.XA 2017-11-22 2017-11-22 一种列车车内气动噪声预测的方法及列车 Active CN108009326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711174745.XA CN108009326B (zh) 2017-11-22 2017-11-22 一种列车车内气动噪声预测的方法及列车

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711174745.XA CN108009326B (zh) 2017-11-22 2017-11-22 一种列车车内气动噪声预测的方法及列车

Publications (2)

Publication Number Publication Date
CN108009326A CN108009326A (zh) 2018-05-08
CN108009326B true CN108009326B (zh) 2021-12-28

Family

ID=62053131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711174745.XA Active CN108009326B (zh) 2017-11-22 2017-11-22 一种列车车内气动噪声预测的方法及列车

Country Status (1)

Country Link
CN (1) CN108009326B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108680249A (zh) * 2018-05-21 2018-10-19 西南交通大学 一种隧道内列车噪声测算方法、装置及存储介质
CN109697971B (zh) * 2018-12-28 2021-04-13 西南交通大学 一种基于等离子体的汽车降噪系统及方法
CN111222293B (zh) * 2020-01-10 2023-07-25 大连交通大学 基于sngr方法的高速列车气动噪声计算方法
CN111608902A (zh) * 2020-06-03 2020-09-01 中国南方电网有限责任公司超高压输电公司广州局 一种动力装置的故障判断方法及系统
CN113111483B (zh) * 2021-03-03 2022-11-29 中车唐山机车车辆有限公司 轨道车辆噪声计算方法、装置及终端设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258099A (zh) * 2013-05-21 2013-08-21 南京航空航天大学 一种针对客机舱室的声学仿真分析与优化方法
CN104866667A (zh) * 2015-05-22 2015-08-26 上海外高桥造船有限公司 深水半潜式钻井平台的振动噪声的全频预报方法
CN106951580A (zh) * 2017-01-18 2017-07-14 同济大学 一种车身侧围空腔阻隔结构的布放方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7430499B2 (en) * 2005-03-23 2008-09-30 The Boeing Company Methods and systems for reducing finite element simulation time for acoustic response analysis
CN102094922B (zh) * 2011-01-29 2012-11-14 浙江工业大学 一种多孔橡胶材料构件及其全频程振动声学性能分析方法
CN102880767A (zh) * 2012-10-19 2013-01-16 西南交通大学 轨道交通桥梁结构噪声仿真预测方法
CN105590003A (zh) * 2016-01-05 2016-05-18 浙江大学 一种高速列车车内噪声分析预测方法
CN106407617A (zh) * 2016-11-16 2017-02-15 中国船舶重工集团公司第七0三研究所 一种齿轮箱振动噪声全频域计算方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258099A (zh) * 2013-05-21 2013-08-21 南京航空航天大学 一种针对客机舱室的声学仿真分析与优化方法
CN104866667A (zh) * 2015-05-22 2015-08-26 上海外高桥造船有限公司 深水半潜式钻井平台的振动噪声的全频预报方法
CN106951580A (zh) * 2017-01-18 2017-07-14 同济大学 一种车身侧围空腔阻隔结构的布放方法

Also Published As

Publication number Publication date
CN108009326A (zh) 2018-05-08

Similar Documents

Publication Publication Date Title
CN108009326B (zh) 一种列车车内气动噪声预测的方法及列车
Schell et al. Prediction of interior noise in a sedan due to exterior flow
Zhang et al. Research on Aerodynamic Noise Reduction for High‐Speed Trains
CN108009344B (zh) 一种列车远场气动噪声预测的方法、装置及列车
He et al. Wind noise source filtering and transmission study through a side glass of DrivAer model
Schell et al. Flow induced interior noise prediction of a passenger car
Lepley et al. A computational approach to evaluate the vehicle interior noise from greenhouse wind noise sources
An et al. Side window buffeting characteristics of an SUV
JP2013134742A (ja) 空力騒音レベルの予測方法
Wang et al. A hybrid prediction for wind buffeting noises of vehicle rear window based on LES-LAA method
Mutnuri et al. Computational process for wind noise evaluation of rear-view mirror design in cars
Zhou et al. Evaluation of trim absorption to exterior dynamic and acoustic excitations using a hybrid physical-modal approach
Ganty et al. Numerical simulation of noise transmission from A-pillar induced turbulence into a simplified car cabin
Bassil et al. Tyre/road noise: A piston approach for CFD modeling of air volume variation in a cylindrical road cavity
Siano et al. Numerical modeling and experimental evaluation of an high-speed train pantograph aerodynamic noise
Mazeaud et al. Application of SNGR method to compute aero-vibro-acoustics of heavy-duty rear-view mirrors
Glandier et al. Coupling CFD with vibroacoustic FE models for vehicle interior low-frequency wind noise prediction
Liu et al. Statistical energy analysis of tire/road noise
Iida et al. Prediction of aeroacoustical interior noise of a car, part-2 structural and acoustical analyses
EP4179450A1 (en) Method to reduce a vehicle pass-by noise
Atak et al. A hybrid Boundary Element-Wave BASed Method for an efficient solution of bounded acoustic problems with inclusions
Georgiev et al. Finite element study of the effect of structural modifications on structure-borne vehicle interior noise
Miccoli et al. A validation of some recent BEM and FEM techniques for predicting exterior acoustic transfer functions for a mockup of an engine installed in the engine bay
Chaudhari et al. Noise and Vibration Prediction and Validation for Off-Highway Vehicle Cab Using Hybrid FE-SEA Methodology
Singh et al. Dynamic Analysis of Condenser Assembly of Automobile Air Conditioning System Using CAE Tools

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant