CN108846216A - 一种高精度高速铁路环境噪声预测方法 - Google Patents

一种高精度高速铁路环境噪声预测方法 Download PDF

Info

Publication number
CN108846216A
CN108846216A CN201810643122.0A CN201810643122A CN108846216A CN 108846216 A CN108846216 A CN 108846216A CN 201810643122 A CN201810643122 A CN 201810643122A CN 108846216 A CN108846216 A CN 108846216A
Authority
CN
China
Prior art keywords
sound
pantograph
train
noise
prediction
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.)
Granted
Application number
CN201810643122.0A
Other languages
English (en)
Other versions
CN108846216B (zh
Inventor
伍向阳
李路夷
周杨
何财松
曹宇静
李志强
刘兰华
李晏良
陈迎庆
邵琳
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.)
Institute Of Energy Conservation And Environmental Protection China Railway Research Institute Group Co Ltd
China Academy of Railway Sciences Corp Ltd CARS
China State Railway Group Co Ltd
Original Assignee
Institute Of Energy Conservation And Environmental Protection China Railway Research Institute Group Co Ltd
China Academy of Railway Sciences Corp Ltd CARS
China Railway Corp
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 Institute Of Energy Conservation And Environmental Protection China Railway Research Institute Group Co Ltd, China Academy of Railway Sciences Corp Ltd CARS, China Railway Corp filed Critical Institute Of Energy Conservation And Environmental Protection China Railway Research Institute Group Co Ltd
Priority to CN201810643122.0A priority Critical patent/CN108846216B/zh
Publication of CN108846216A publication Critical patent/CN108846216A/zh
Application granted granted Critical
Publication of CN108846216B publication Critical patent/CN108846216B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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

Abstract

本发明公开了一种高精度高速铁路环境噪声预测方法，属于环境保护技术领域；其步骤如下：(1)声源的确定：采用声阵列技术开展声源识别试验，获取动车组受电弓、车体区域以及轮轨区域声功率级，作为预测方法中的声源输入；(2)预测点的确定：分别选择预测点，计算预测点至动车组受电弓、车体区域以及轮轨区域三个声源的距离；(3)噪声预测：基于上述动车组受电弓、车体区域以及轮轨区域声功率级，将预测点至各声源的距离分别代入，按照受电弓、车体区域以及轮轨区域分别进行预测；(4)预测结果：受声点接受到的总声级为三个声源的叠加。本发明的方法构建了高速铁路声源几何发散衰减理论计算模型，预测精度可控制在1dB以内。

Description

一种高精度高速铁路环境噪声预测方法
技术领域
本发明涉及一种高精度高速铁路环境噪声预测方法，属于环境保护技术领域。
背景技术
目前，我国铁路噪声预测方法是采用的《环境影响评价技术导则-声环境》(HJ/T2.4-2009)以及原铁道部颁布的《铁路建设项目环境影响评价噪声振动源强取值和治理原则指导意见》(铁计2010-44号文)中的相关规定，是基于轮轨滚动噪声为主要噪声源构建的预测方法。
由于我国高速铁路迅速发展，声源特性发生了明显改变，以轮轨滚动噪声源为主的单一噪声源预测方法已经不能适用，德国、日本等国家相继提出了适用于各国的高速铁路多声源噪声预测方法，但由于国外普遍将高速铁路各噪声源视为无指向性的点、线声源，未能体现铁路噪声的指向性(德国考虑了铁路噪声的近似偶极子特性)，且列车和线路条件与我国存在较大的差异，主要噪声源特性、贡献比例以及评价计算指标与我国均不相同，因此用于预测我国高速铁路时仍然存在较大的差异。
所以提供一种高精度高速铁路环境噪声预测方法就成为该技术领域急需解决的技术难题。
发明内容
本发明的目的是提供一种高精度高速铁路环境噪声预测方法。
本发明的上述目的是通过以下技术方案达到的：
一种高精度高速铁路环境噪声预测方法，其步骤如下：
(1)声源的确定
采用声阵列技术开展声源识别试验，获取动车组受电弓、车体区域以及轮轨区域声功率级，作为预测方法中的声源输入；
(2)预测点的确定
分别选择预测点，计算预测点至动车组受电弓、车体区域以及轮轨区域三个声源的距离；
(3)噪声预测
将步骤(1)所述动车组受电弓、车体区域以及轮轨区域声功率级和步骤(2)中预测点至各声源的距离分别代入噪声预测计算公式，按照受电弓、车体区域以及轮轨区域分别进行预测；
(4)预测结果
受声点接受到的总声级为受电弓、车体区域以及轮轨区域三个声源的叠加。
优选地，所述步骤(2)中所述预测点为：距线路中心线水平距离7.5m、15m、25m、60m以及90m，轨面以上3.5m。
优选地，所述步骤(3)中所述受电弓的噪声预测如下：
式中：
LW-受电弓声功率级(分贝(dB))；
d-受声点至声源的距离(m)；
r-列车运行过程中受声点至受电弓的距离(m)；
L1-列车车头距受电弓的距离(m)；
v-列车运行速度(km/h)；
L-列车长度(m)。
优选地，所述步骤(3)中所述车体区域的噪声预测如下：
式中：
LW-单位长度线声源声功率级(分贝(dB))；
d-受声点至声源的直线距离(m)；
L-列车长度(m)。
优选地，所述步骤(3)中所述轮轨区域的噪声预测如下：
式中：
LW-单位长度线声源声功率级(分贝(dB))；
d-受声点至声源的直线距离(m)；
L-列车长度(m)。
优选地，所述步骤(4)中所述三个声源的叠加的公式如下：
有益效果：
本发明在开展我国高速铁路噪声源定量化识别的基础上，深入研究分析了高速铁路各主要噪声源的声源指向性，模拟高速铁路的声源特征，将受电弓视为运动偶极子源、车体视为有限长不相干线声源、轮轨区域视为有限长不相干偶极子线声源，从理论上构建了高速铁路声源几何发散衰减理论计算模型，预测精度可控制在1dB以内。
附图说明
图1为本发明实施例中高速动车组在350km/h运行时噪声源分布。
图2为本发明实施例中高速铁路各区域噪声源划分示意图。
图3为本发明实施例中高速铁路各区域噪声源与受声点之间的距离分布示意图。
图4为本发明实施例中受电弓噪声源运行轨迹示意图。
图5为本发明实施例中有限长不相干单极子线声源示意图。
图6为本发明实施例中有限长不相干偶极子线声源示意图。
图7为本发明实施例中根据模型预测的不同距离受声点接收到的总声级曲线图。
图8为本发明实施例中根据模型预测结果与实测结果对比图。
具体实施方式
实施例1
一种高精度高速铁路环境噪声预测方法，其步骤如下：
(1)声源的确定
采用声阵列技术开展声源识别试验，获取高速动车组在350km/h运行时的噪声源分布，如图1所示，为本发明实施例中高速动车组在350km/h运行时噪声源分布，图中不同颜色代表不同位置声源的声强级大小，浅蓝色为最小值，黄色为最大值；将动车组划分为受电弓、车体区域以及轮轨等三个区域，获得受电弓、车体区域以及轮轨区域声功率级，作为预测方法中的声源输入，如图2所示，为本发明实施例中高速铁路各区域噪声源划分示意图。
(2)预测点的确定
分别选择距线路中心线水平距离7.5m、15m、25m、60m以及90m，轨面以上3.5m处作为预测点，计算预测点至动车组受电弓、车体区域以及轮轨区域三个声源的距离；如图3所示，为本发明实施例中高速铁路各区域噪声源与受声点之间的距离分布示意图；其中，受电弓、车体区域以及轮轨区域的高度分别为5300、2500、50厘米；d3、d2、d1分别是受声点距离受电弓、车体区域以及轮轨区域三个声源的距离；
(3)噪声预测
基于上述动车组受电弓、车体区域以及轮轨区域声功率级，将预测点至各声源的距离分别代入噪声预测计算公式，按照受电弓、车体区域以及轮轨区域分别进行预测；
1)受电弓噪声影响预测
受电弓在整个列车运行过程中对受声点(预测点)均产生影响，因此不能简单将受电弓固定在某一位置进行预测计算，而应考虑其运动轨迹，如图4所示，为本发明实施例中受电弓噪声源运行轨迹示意图；
受电弓噪声预测计算公式如下：
式中：
LPP-受电弓声源传播至受声点的声压级(分贝(dB))；
LW-受电弓声功率级(分贝(dB))；
d-受声点至声源的距离(m)；
r-列车运行过程中受声点至受电弓的距离(m)；
L1-列车车头距受电弓的距离(m)；
v-列车运行速度(km/h)；
L-列车长度(m)；
2)车体区域噪声预测
车体区域可视为有限长不相干单极子线声源，如图5所示，为本发明实施例中有限长不相干单极子线声源示意图；
车体区域噪声预测计算公式如下：
式中：
LPA-车体区域噪声源传播至受声点的声压级(分贝(dB))；
LW-单位长度线声源声功率级(分贝(dB))；
d-受声点至声源的直线距离(m)；
L-列车长度(m)；
3)轮轨区域噪声预测
轮轨区域的轮轨滚动噪声和轮轨区域气动噪声均为偶极子源，因此可将整个轮轨区域噪声视为有限长不相干偶极子线声源进行推导；如图6所示，为本发明实施例中有限长不相干偶极子线声源示意图；
轮轨区域噪声预测计算公式如下：
式中：
LPR-轮轨区域噪声源传播至受声点的声压级(分贝(dB))；
LW-单位长度线声源声功率级(分贝(dB))；
d-受声点至声源的直线距离(m)；
L-列车长度(m)；
(4)预测结果
受声点接收到的总声级为三个声源的叠加：
LP-动车组运行时受声点处声压级(分贝(dB))。
某型号的动车组，根据上述高精度高速铁路环境噪声预测方法预测其噪声，预测结果如图7所示，为本发明实施例中根据模型预测的受声点接收到的总声级曲线图；从图7可以看出，受声点接收到的总声级随着距离的变化趋势。在距线路中心线水平距离7.5m、15m、25m、60m以及90m等不同距离、轨顶面以上3.5m处布设传声器，测量该型号动车组通过时的噪声值，测量结果与预测结果的对比如图8所示，从图8可以看出，本发明的高精度高速铁路环境噪声预测方法精度相当高，预测精度可控制在1dB以内。

Claims (5)

1.一种高精度高速铁路环境噪声预测方法，其步骤如下：
(1)声源的确定
采用声阵列技术开展声源识别试验，获取动车组受电弓、车体区域以及轮轨区域声功率级，作为预测方法中的声源输入；
(2)预测点的确定
确定预测点距线路中心线距离以及距轨顶面高度，计算预测点至动车组受电弓、车体区域以及轮轨区域三个声源的距离；
(3)噪声预测
将步骤(1)所述动车组受电弓、车体区域以及轮轨区域声功率级和步骤(2)所得预测点至各声源的距离分别代入受电弓、车体区域以及轮轨区域噪声预测计算公式，按照受电弓、车体区域以及轮轨区域分别进行预测；
(4)预测结果
受声点接收到的总声级为受电弓、车体区域以及轮轨区域三个声源的叠加。
2.根据权利要求1所述高精度高速铁路环境噪声预测方法，其特征在于：所述步骤(3)中受电弓的噪声预测计算公式如下：
式中：
LW-受电弓声功率级(分贝(dB))；
d-受声点至声源的距离(m)；
r-列车运行过程中受声点至受电弓的距离(m)；
L1-列车车头距受电弓的距离(m)；
v-列车运行速度(km/h)；
L-列车长度(m)。
3.根据权利要求2所述高精度高速铁路环境噪声预测方法，其特征在于：所述步骤(3)中车体区域的噪声预测计算公式如下：
式中：
LW-单位长度线声源声功率级(分贝(dB))；
d-受声点至声源的直线距离(m)；
L-列车长度(m)。
4.根据权利要求3所述高精度高速铁路环境噪声预测方法，其特征在于：所述步骤(3)中轮轨区域的噪声预测计算公式如下：
式中：
LW-单位长度线声源声功率级(分贝(dB))；
d-受声点至声源的直线距离(m)；
L-列车长度(m)。
5.根据权利要求4所述高精度高速铁路环境噪声预测方法，其特征在于：所述步骤(4)中三个声源的叠加的公式如下：
CN201810643122.0A 2018-06-21 2018-06-21 一种高精度高速铁路环境噪声预测方法 Active CN108846216B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810643122.0A CN108846216B (zh) 2018-06-21 2018-06-21 一种高精度高速铁路环境噪声预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810643122.0A CN108846216B (zh) 2018-06-21 2018-06-21 一种高精度高速铁路环境噪声预测方法

Publications (2)

Publication Number Publication Date
CN108846216A true CN108846216A (zh) 2018-11-20
CN108846216B CN108846216B (zh) 2022-08-12

Family

ID=64202973

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810643122.0A Active CN108846216B (zh) 2018-06-21 2018-06-21 一种高精度高速铁路环境噪声预测方法

Country Status (1)

Country Link
CN (1) CN108846216B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112763180A (zh) * 2021-04-08 2021-05-07 中国空气动力研究与发展中心低速空气动力研究所 声学风洞内高速列车受电弓模型气动噪声快速预测方法
CN113378407A (zh) * 2021-06-30 2021-09-10 中国铁道科学研究院集团有限公司节能环保劳卫研究所 一种铁路全封闭声屏障降噪效果评价方法
CN113935103A (zh) * 2021-12-17 2022-01-14 中国铁路设计集团有限公司 高铁基于有限长线声源和声屏障的插入损失动态预测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104834780A (zh) * 2015-05-05 2015-08-12 铁道第三勘察设计院集团有限公司 一种五声源模式的高速铁路声屏障插入损失预测方法
CN106777837A (zh) * 2017-02-20 2017-05-31 中国环境监测总站 一种城市道路噪声源强预测方法及装置
CN107909524A (zh) * 2016-11-28 2018-04-13 中国铁路总公司 一种高速铁路运营期碳减排的环境效益计算方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104834780A (zh) * 2015-05-05 2015-08-12 铁道第三勘察设计院集团有限公司 一种五声源模式的高速铁路声屏障插入损失预测方法
CN107909524A (zh) * 2016-11-28 2018-04-13 中国铁路总公司 一种高速铁路运营期碳减排的环境效益计算方法
CN106777837A (zh) * 2017-02-20 2017-05-31 中国环境监测总站 一种城市道路噪声源强预测方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘志红: "声辐射预估理论及其应用研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *
李晶 等: "对高速铁路声源模型及声屏障降噪效果的讨论", 《噪声与振动控制》 *
鞠龙华 等: "基于多声源模式的高速铁路噪声预测模型", 《同济大学学报（自然科学版）》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112763180A (zh) * 2021-04-08 2021-05-07 中国空气动力研究与发展中心低速空气动力研究所 声学风洞内高速列车受电弓模型气动噪声快速预测方法
CN112763180B (zh) * 2021-04-08 2021-07-09 中国空气动力研究与发展中心低速空气动力研究所 声学风洞内高速列车受电弓模型气动噪声快速预测方法
CN113378407A (zh) * 2021-06-30 2021-09-10 中国铁道科学研究院集团有限公司节能环保劳卫研究所 一种铁路全封闭声屏障降噪效果评价方法
CN113378407B (zh) * 2021-06-30 2023-10-24 中国铁道科学研究院集团有限公司节能环保劳卫研究所 一种铁路全封闭声屏障降噪效果评价方法
CN113935103A (zh) * 2021-12-17 2022-01-14 中国铁路设计集团有限公司 高铁基于有限长线声源和声屏障的插入损失动态预测方法

Also Published As

Publication number Publication date
CN108846216B (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN108846216A (zh) 一种高精度高速铁路环境噪声预测方法
CN109299533B (zh) 高速列车车外噪声的快速预测方法及系统
Zhang et al. Research on aerodynamic noise reduction for high-speed trains
CN105905134A (zh) 一种轨道交通车辆精确测速系统和方法
Zhang The directivity of railway noise at different speeds
Zhang et al. Source contribution analysis for exterior noise of a high-speed train: experiments and simulations
CN104834780B (zh) 一种五声源模式的高速铁路声屏障插入损失预测方法
KITAGAWA et al. Contribution of rolling noise and aerodynamic noise to the total noise generated from the lower part of Shinkansen cars running at high-speed
CN113378407A (zh) 一种铁路全封闭声屏障降噪效果评价方法
KR101303566B1 (ko) 열차 특정 위치의 소음 특성 도출 방법
Sakuma et al. Measurement of air velocity and pressure distributions around high-speed trains on board and on the ground
Suzuki et al. Countermeasures for reducing unsteady aerodynamic force acting on high-speed train in tunnel by use of modifications of train shapes
Zhang Empirical modeling of railway aerodynamic noise using one microphone pass-by recording
Yun et al. Passive reduction of large pressure variation for a high-speed express train in a narrow tunnel using an extra dummy tunnel duct
JP6261046B2 (ja) 周波数特性予測演算装置及び周波数特性予測演算プログラム
KR100672017B1 (ko) 철도차량 소음 예측방법
ENDO et al. Small model experiment on the gradient of pressure wave by entering the tunnel of a conventional limited express
KR100596185B1 (ko) 소음예측식 알고리즘을 이용한 열차 환경소음 측정방법 및이를 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을수 있는 기록매체
Džambas et al. Monitoring of traffic noise on urban road intersection-Case Study
Yu et al. Field acoustic measurements of high-speed train sound along BTIR
Jiang et al. Prediction and validation for the aerodynamic noise of high-speed train power car
Zhang Three Typical Noise Assessment Methods in EU
Kikuchi et al. Field measurement of wayside low-frequency noise emitted from tunnel portals and trains of high-speed railway
Vieira AEROACOUSTICS SIMULATION OF TALGO’S RUNNING GEAR FRAME “RODAL”
Deivasigamani et al. Comparison of rail noise prediction methodologies for elevated rail designs

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