CN109299533B - 高速列车车外噪声的快速预测方法及系统 - Google Patents
高速列车车外噪声的快速预测方法及系统 Download PDFInfo
- Publication number
- CN109299533B CN109299533B CN201811086231.3A CN201811086231A CN109299533B CN 109299533 B CN109299533 B CN 109299533B CN 201811086231 A CN201811086231 A CN 201811086231A CN 109299533 B CN109299533 B CN 109299533B
- Authority
- CN
- China
- Prior art keywords
- noise
- train
- radiation
- sound source
- speed
- 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
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种高速列车车外噪声的快速预测方法及系统,该方法包括:将高速列车表面划分为多个区域,将不同区域的声源分别简化为紧致点声源,计算每个紧致点声源的辐射声压级,建立多个紧致点声源的辐射声压级的能量叠加模型;根据高速列车的编组和实际尺寸数据,进行实车声源成像试验,得到不同速度级下运行时各紧致点声源的噪声变化曲线;根据各紧致点声源的噪声变化曲线,对多个紧致点声源谱型进行拟合,得到不同速度级下不同区域噪声源谱型拟合系数;根据拟合系数以及能量叠加模型,计算得到高速列车在不同速度级下各主要噪声源区域及整车在距离轨道外轨设定位置处的辐射噪声。本发明快速评估总噪声特性受到的影响。
Description
技术领域
本发明涉及高速列车技术领域,尤其涉及一种高速列车车外噪声的快速预测方法及系统。
背景技术
高速铁路所带来的噪声问题日益严重,大量实车试验数据表明,中国CRH系列高速列车车内外噪声难以符合欧盟铁路噪声标准(中国标准也引用或参照该标准),这直接影响中国高速列车走向世界,噪声的综合治理问题亟需解决。中国高速列车技术起步较晚,对标准动车组的自主研发历时不长,缺乏对声学优化的顶层设计经验。在设计阶段融入噪声抑制技术、解决实车型式试验阶段出现的问题时,急需快速有效的声学方案评估技术,以指导工程实际应用。
实车实验和数值方法是声学优化研究的重要手段。然而目前数值仿真技术仍然难以满足全尺寸声学仿真的需求;实车试验虽能提供可靠的参考数据,但因试验周期长,试验成本高,测试限值条件多,而不被广泛采纳;模型实验则根据主要噪声源分布将车体拆分进行,一般只针对局部,不能准确考虑整车问题。故现有的实验方法和仿真技术均难以满足要求。
因此,在当前情况下,构建预测模型是解决这类问题的有效途径。类似经验在航空声学领域已有较全面的认识。ANOPP民机噪声预测软件在适航评估前提供了一种快速评估客机声学性能的手段,极大的节省了时间和人力成本,对民用客机研发和声学改造发挥了重要作用。但对于高速列车,暂未见相关文献公开。
发明内容
本发明提供了一种高速列车车外噪声的快速预测方法及系统,用以解决现有的实验方法和仿真技术均难以满足高速列车声学优化的技术问题。
为解决上述技术问题,本发明提出的技术方案为:
一种高速列车车外噪声的快速预测方法,包括以下步骤:
将高速列车表面划分为多个区域,将不同区域的声源分别简化为紧致点声源,计算每个紧致点声源的辐射声压级,建立多个紧致点声源的辐射声压级的能量叠加模型;
根据高速列车的编组和实际尺寸数据,进行实车声源成像试验,得到不同速度级下运行时各紧致点声源的噪声变化曲线;
根据各紧致点声源的噪声变化曲线,对多个紧致点声源谱型进行拟合,得到不同速度级下不同区域噪声源谱型拟合系数;
根据不同速度级下不同区域噪声源谱型拟合系数以及能量叠加模型,计算得到高速列车在不同速度级下各主要噪声源区域及整车在距离轨道外轨设定位置处的辐射噪声。
优选地,计算每个紧致点声源的辐射声压的计算公式如下:
优选地,多个紧致点声源的辐射声压级的能量叠加模型如下:
Lp,i=LIS,i+20·log10[F(θ)]τ-20·log10[r|1-Mr|]τ
其中,LISφi为由波束形成技术获取的第i区域的等效点声源强度级;F(θ)为水平方向声压指向性因子,其中θ为指向性角度,90°为列车侧向方向,0°为车头方向;Lp,i为第i区域声源的辐射声压级;Lground为地面效应修正因子。
优选地,地面效应修正因子在地面为平整地面时,取值范围为2.5-3dB。
优选地,对多个紧致点声源谱型进行拟合的拟合公式如下:
LIS(f)≈α(log10f-log10fcenter)2+β (3)
式中,LIS(f)为对应1/3倍频程频率的声源声强级,f为1/3倍频程频率,α、β、fcenter均为拟合系数。
优选地,不同速度级至少包括:240km/h、300km/h和335km/h。
优选地,多个区域包括转向架、受电弓、车头以及风挡。
本发明还提供一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果:
本发明的高速列车车外噪声的快速预测方法,从实验数据出发,分别研究多个区域的噪声源特性,构建高速列车的辐射噪声组合预测模型。该模型能够适用于基于高速列车的不同编组、不同速度级下的辐射噪声预测。利用该模型,可分析各局部噪声源对辐射噪声的贡献特点,并在局部噪声特性发生变化时,快速评估总噪声特性受到的影响。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的高速列车车外噪声的快速预测方法的流程示意图;
图2是本发明优选实施例2的列车335km/h匀速通过时车外噪声源分布示意图;
图3是本发明优选实施例2的不同速度运行时各部件噪声源变化曲线示意图;
图4是本发明优选实施例2的不同速度级下列车通过噪声测试曲线与预测曲线的对比示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1,本发明的高速列车车外噪声的快速预测方法,包括以下步骤:
S1:将高速列车表面划分为多个区域,将不同区域的声源分别简化为紧致点声源,计算每个紧致点声源的辐射声压级,建立多个紧致点声源的辐射声压级的能量叠加模型;
S2:根据高速列车的编组和实际尺寸数据,进行实车声源成像试验,得到不同速度级下运行时各紧致点声源的噪声变化曲线;
S3:根据各紧致点声源的噪声变化曲线,对多个紧致点声源谱型进行拟合,得到不同速度级下不同区域噪声源谱型拟合系数;
S4:根据不同速度级下不同区域噪声源谱型拟合系数以及能量叠加模型,计算得到高速列车在不同速度级下各主要噪声源区域及整车在距离轨道外轨设定位置处的辐射噪声。
上述步骤从实验数据出发,分别研究多个区域的噪声源特性,构建高速列车的辐射噪声组合预测模型。该模型能够适用于基于高速列车的不同编组、不同速度级下的辐射噪声预测。利用该模型,可分析各局部噪声源对辐射噪声的贡献特点,并在局部噪声特性发生变化时,快速评估总噪声特性受到的影响。
实际实施时,以上的方法还能进行以下的扩充或应用,以下实施例中的技术特征都能相互组合,实施例仅作为示例,不作为对技术特征的正常组合限制。
实施例1:
本实施例的高速列车车外噪声的快速预测方法,包括以下步骤:
S1:当列车匀速运行时,转向架区域、受电弓区域、风挡区域以及车头部区域是最主要的车外辐射噪声源,故将高速列车表面划分为多个区域,本实施例中,划分为转向架、受电弓、车头以及风挡,将不同区域的声源分别简化为紧致点声源,计算每个紧致点声源的辐射声压级,建立多个紧致点声源的辐射声压级的能量叠加模型。
紧致点声源用自由场直线运动点声源的声辐射公式计算,每个紧致点声源的辐射声压的计算公式如下:
多个紧致点声源的辐射声压级的能量叠加模型如下:
Lp,i=LIS,i+20·log10[F(θ)]τ-20·log10[r|1-Mr|]τ
其中,LIS,i为由波束形成技术获取的第i区域的等效点声源强度级;F(θ)为水平方向声压指向性因子,其中θ为指向性角度,90°为列车侧向方向,0°为车头方向;Lp,i为第i区域声源的辐射声压级;Lground为地面效应修正因子,地面效应修正因子在地面为平整地面时,取值为3dB。由于声源成像实车试验时已考虑地面效应(即源强度已经作了地面效应修正),故不需要重复计算。由于高速列车车外各局部区域噪声具有明显的宽带特征,其发声机理没有直接关联性,可简化为不相干声源,因此(2)式中直接进行能量叠加。
S2:根据高速列车的编组和实际尺寸数据,进行实车声源成像试验。得到不同速度级(本实施例中,不同速度级至少包括:240km/h、300km/h和335km/h。)下运行时各紧致点声源的噪声变化曲线。对多个紧致点声源谱型进行拟合的拟合公式如下:
LIS(f)≈α(log10f-log10fcenter)2+β (3)
式中,LIS(f)为对应1/3倍频程频率的声源声强级,f为1/3倍频程频率,α、β、fcenter均为拟合系数。
S3:根据各紧致点声源的噪声变化曲线,对多个紧致点声源谱型进行拟合,得到不同速度级下不同区域噪声源谱型拟合系数;
S4:根据不同速度级下不同区域噪声源谱型拟合系数以及能量叠加模型,计算得到高速列车在不同速度级下各主要噪声源区域及整车在距离轨道外轨设定位置处的辐射噪声。
实施例2:
本实施例为实施例1的应用例,本实施例的高速列车车外噪声的快速预测方法,步骤与实施例1基本相同,不同之处仅在于:
本实施例中,步骤S2中根据高速列车的编组和实际尺寸数据,进行实车声源成像试验时,试验列车采用6节编组,采用丹麦B&K公司的66通道标准轮辐型相控声阵列进行试验,阵列直径4.0m。阵列中心距离轨线中心19.0m,阵列中心高于轨面3.5m,单次测量时间设置为8s。
S201:谱型分析。
采用波束形成算法得到初始声源图像,然后采用NNLS(非负最小二乘法)技术对初始声源图像进行清晰化处理,迭代步数300步。当列车335km/h速度通过时(2车升弓,对应5#部件),车外噪声源空间分布如图2所示,图2中,1#是头车转向架区域,2#是中间车转向架区域,3#是尾车转向架区域,4#和5#是受电弓,6#是风挡区域,7#是头车区域。而2-1#至2-10#表示一至十位转向架,6-1#至6-5#依次表示第一至第五个风挡区域。
图3给出了不同速度运行时各部件噪声源变化。图3中(a)为图1中1#位置的头车1位转向架的噪声源变化1/3倍频程曲线;(b)为图1中2#位置的中间车转向架的噪声源变化1/3倍频程曲线;(c)为图1中4#位置的降弓的噪声源变化1/3倍频程曲线;(d)为图1中5#位置的升弓的噪声源变化1/3倍频程曲线;(e)为图1中6#位置的风挡的噪声源变化1/3倍频程曲线;(f)为图1中7#位置的车头的噪声源变化1/3倍频程曲线。由图3可知,在240km/h的速度下,受到风鸣噪声干扰,风挡区域在600Hz、1000Hz频段频谱值出现跃升现象;转向架区域在1000Hz频段频谱值出现跃升现象。由于此类变化存在于能量较低频段,对总能量影响较小,在拟合时暂不考虑,总拟合系数仍超过0.9。
根据图3及已有线路实车声源成像试验(CRH380AM沪昆线试验)数据分析表明,在现有运行速度范围内,车外噪声源呈现宽频带、中间高两侧低的谱型分布。噪声源的主要频谱范围在500Hz~4kHz之间,随着车速的提高,频带能量逐渐向高频偏移。峰值频率一般处于1kHz~2.5kHz范围内。不同速度级下、其1/3倍频程频谱谱型基本符合实施例1中的公式(3)中2次曲线描述,且数据拟合度均大于0.9。
S202:转向架区域的噪声源谱型拟合。
联合已有的试验数据,根据公式(3),通过计算可以得到部分速度级下不同区域噪声源谱型拟合系数。
考虑到车体不同位置处流场情况的不同,在转向架区域选择了分布位置具有代表性的转向架分区域进行噪声源谱型拟合。在下表1中列出了计算得到的头车1位转向架区域、尾车2位转向架区域以及中间车2个相邻转向架区域的部分噪声源谱型拟合系数的具体数值,并对各拟合系数对应的拟合度进行了校验。
表1不同速度运行时转向架区域噪声源谱型拟合系数
由计算结果可知:
(1)获得的转向架区域噪声源谱型拟合系数对应的拟合度均在0.95以上,该方法可以较好地展现转向架区域的声源特性。
(2)在同一转向架位置区域,随着速度级增大,拟合系数α的值先增后减、β的值持续增大,fcenter作为中心频率,其值在某一范围内无规律变化。
(3)与不同速度级下同一转向架区域的拟合系数相比,同一速度级下不同转向架位置区域的拟合系数相差较大,按照行驶方向的通过位置排序,α值持续减小,β值呈现先增后减的趋势。
S203:受电弓区域的噪声源谱型拟合。
受电弓区域噪声源谱型拟合系数除受速度级变化影响外,主要同升降弓状态有关。5车受电弓区域(降弓)、2车受电弓区域(升弓)的噪声源谱型拟合系数的具体数值在表2中给出。
已有试验数据显示[19],在车速200km/h~250km/h时,受电弓区域噪声源800Hz频带数值变化剧烈,该段变化对应于试验中受电弓底部区域凹腔效应导致的风鸣纯音噪声。由于其谱线能量相对总能量较小,对全局噪声模型数值的影响十分有限,因此该谱线变化并未在拟合公式中体现。
表2不同速度运行时受电弓(降弓)区域噪声源谱型拟合系数
上表中计算结果显示:
(1)受电弓区域的噪声源谱型拟合系数对应的拟合度在0.9以上,仅有240km/h速度级下降弓区域拟合的拟合度低于0.95,仍可较好地展现受电弓区域的声源特性。
(2)相较于转向架而言,受电弓区域的拟合系数受速度级的改变和位置变化影响较小。S204:风挡及车头部区域的噪声源谱型拟合。
风挡区域和车头部区域的部分噪声源谱型拟合系数见表3所示。
表3不同速度运行时风挡和车头区域噪声源谱型拟合系数
由以上计算结果可知,对风挡区域和车头区域拟合的拟合精度相较于转向架区域和受电弓区域而言总体水平较低,但拟合度在0.9以上,可以作为这两个区域声源特性的参考。
对转向架区域、受电弓区域以及风挡和车头区域的噪声源谱型拟合系数进行对比发现,各区域的拟合系数虽有所不同,但均有一定的变化范围。
对于200km/h~350km/h范围内的其他速度级,通过对以上诸表中所示数据采用2点或3点插值拟合,可得到对应谱型拟合曲线。
本实施例的声源模型来自声成像实车试验,其波束形成算法基于自由空间不相干点源辐射模型假设。因此,对于转向架、受电弓、车头等部位,简化假设其声源模型为无指向性点声源;但风挡噪声一般表现为明显的偶极子声源特征,因此近似取其声压指向性F(θ)=|sinθ|。
验证:
采用上述的方法,计算240km/h、300km/h、335km/h三个速度级下,线路侧19m、轨面高度3.5m位置的列车通过噪声级,并与实测结果进行对比,参见图4,图4中(a)为240km/h对比;(b)为300km/h对比;(c)为335km/h对比;由图4可知,对比结果基本一致。通过噪声测试结果和预测结果存在的偏差来自于车体表面的噪声辐射(预测模型仅包括转向架、受电弓、风挡、车头噪声),因此预测值偏小。随着车速的提高,差异逐渐缩小,这表明车体表面的辐射噪声贡献相对降低。335km/h时,通过噪声级预测偏差约为0.75dBA,最大噪声级预测偏差约为0.12dBA。
图4中对应通过噪声级以及最大噪声级的对比数据如下表4所示:
表4不同速度运行时通过噪声测试结果与预测结果的对比(dBA)
对上述组合预测方法进行计算,可以得到该车型高速列车在240km/h、300km/h、335km/h三个速度级下各主要噪声源区及整车在距离轨道外轨25米位置处的辐射噪声。其计算得到的具体数值由表5给出。
表5主要噪声源区及整车的辐射噪声(dBA)
表6中分别列举了各主要噪声源区对总辐射噪声的贡献率。
表6主要噪声源区对辐射噪声的贡献对比(%)
由于包括轮轨噪声和气动噪声,其中转向架区域是最主要噪声源区。300km/h运行时转向架区域对辐射噪声约有近80%的贡献,受电弓区域对辐射噪声的贡献超过10%;随着车速的增加,受电弓、风挡区域的贡献增大;335km/h运行时,若转向架区域噪声源能量降低一半(-3dB),总辐射噪声降低2.22dB;若受电弓区域噪声源能量降低一半,总辐射噪声降低0.24dB。
实施例3:
本实施例提供一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一实施例的步骤。
综上可知,本发明能够较准确的预测不同编组、不同速度级下CRH380AM列车车外远场辐射噪声,随着车速的提高,预测精度提高。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种高速列车车外噪声的快速预测方法,其特征在于,包括以下步骤:
将高速列车表面划分为多个区域,将不同区域的声源分别简化为紧致点声源,计算每个紧致点声源的辐射声压级,建立多个紧致点声源的辐射声压级的能量叠加模型;所述计算每个紧致点声源的辐射声压的计算公式如下:
所述多个紧致点声源的辐射声压级的能量叠加模型如下:
Lp,i=LIS,i+20·log10[F(θ)]τ-20·log10[r|1-Mr|]τ
其中,LIS,i为由波束形成技术获取的第i区域的等效点声源强度级;F(θ)为水平方向声压指向性因子,其中θ为指向性角度,90°为列车侧向方向,0°为车头方向;Lp,i为第i区域声源的辐射声压级;Lground为地面效应修正因子;
根据高速列车的编组和实际尺寸数据,进行实车声源成像试验,得到不同速度级下运行时各紧致点声源的噪声变化曲线;
根据所述各紧致点声源的噪声变化曲线,对所述多个紧致点声源谱型进行拟合,得到不同速度级下不同区域噪声源谱型拟合系数;
根据不同速度级下不同区域噪声源谱型拟合系数以及所述能量叠加模型,计算得到所述高速列车在不同速度级下各主要噪声源区域及整车在距离轨道外轨设定位置处的辐射噪声。
2.根据权利要求1所述的高速列车车外噪声的快速预测方法,其特征在于,所述地面效应修正因子在地面为平整地面时,取值范围为2.5-3dB。
3.根据权利要求1至2中任一项所述的高速列车车外噪声的快速预测方法,其特征在于,所述对所述多个紧致点声源谱型进行拟合的拟合公式如下:
LIS(f)≈α(log10f-log10fcenter)2+β (3)
式中,LIS(f)为对应1/3倍频程频率的声源声强级,f为1/3倍频程频率,α、β、fcenter均为拟合系数。
4.根据权利要求2所述的高速列车车外噪声的快速预测方法,其特征在于,所述不同速度级至少包括:240km/h、300km/h和335km/h。
5.根据权利要求3所述的高速列车车外噪声的快速预测方法,其特征在于,所述多个区域包括转向架、受电弓、车头以及风挡。
6.一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至5中任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811086231.3A CN109299533B (zh) | 2018-09-18 | 2018-09-18 | 高速列车车外噪声的快速预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811086231.3A CN109299533B (zh) | 2018-09-18 | 2018-09-18 | 高速列车车外噪声的快速预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109299533A CN109299533A (zh) | 2019-02-01 |
CN109299533B true CN109299533B (zh) | 2022-12-13 |
Family
ID=65163555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811086231.3A Active CN109299533B (zh) | 2018-09-18 | 2018-09-18 | 高速列车车外噪声的快速预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109299533B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109883532B (zh) * | 2019-03-14 | 2021-04-30 | 哈尔滨工程大学 | 一种声源识别与声场预报方法 |
CN110243464B (zh) * | 2019-07-19 | 2022-06-07 | 国家电网有限公司 | 一种适用于变电站现场的高抗噪声声功率级测试修正方法 |
CN110502844B (zh) * | 2019-08-27 | 2023-04-07 | 中车株洲电力机车有限公司 | 一种轨道交通车辆噪声数字样机的优化设计方法 |
CN112149226B (zh) * | 2020-09-15 | 2023-10-31 | 青岛大学 | 一种基于局部无网格基本解法的车内噪声预测方法 |
CN112733381B (zh) * | 2021-01-21 | 2021-10-08 | 上海索辰信息科技股份有限公司 | 一种基于物理机制的噪声模拟方法 |
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 |
CN113358211B (zh) * | 2021-05-28 | 2024-04-30 | 江苏徐工国重实验室科技有限公司 | 噪声测试方法及装置 |
CN114021396B (zh) * | 2022-01-05 | 2022-03-18 | 中国铁路设计集团有限公司 | 一种铁路列车辐射噪声的动态预测计算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001194224A (ja) * | 2000-01-14 | 2001-07-19 | Fuji Giken Center Kk | 反射音を考慮した道路騒音の予測方法 |
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 |
CN106950032A (zh) * | 2017-03-13 | 2017-07-14 | 东北大学 | 一种高速列车外部气动噪声采集试验台 |
-
2018
- 2018-09-18 CN CN201811086231.3A patent/CN109299533B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001194224A (ja) * | 2000-01-14 | 2001-07-19 | Fuji Giken Center Kk | 反射音を考慮した道路騒音の予測方法 |
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 |
CN106950032A (zh) * | 2017-03-13 | 2017-07-14 | 东北大学 | 一种高速列车外部气动噪声采集试验台 |
Also Published As
Publication number | Publication date |
---|---|
CN109299533A (zh) | 2019-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299533B (zh) | 高速列车车外噪声的快速预测方法及系统 | |
Nagakura | Localization of aerodynamic noise sources of Shinkansen trains | |
He et al. | Investigation into external noise of a high-speed train at different speeds | |
Poisson et al. | Noise sources for high speed trains: a review of results in the TGV case | |
KURITA | Development of external-noise reduction technologies for Shinkansen high-speed trains | |
Kurita et al. | Reduction of wayside noise from Shinkansen high-speed trains | |
Zhang et al. | Source Contribution Analysis for Exterior Noise of a High‐Speed Train: Experiments and Simulations | |
King Iii et al. | On the sources of wayside noise generated by 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 | |
Panunzio et al. | Construction of a stochastic model of track geometry irregularities and validation through experimental measurements of dynamic loading | |
CN108846216B (zh) | 一种高精度高速铁路环境噪声预测方法 | |
Kohrs et al. | Sound propagation and distribution around typical train carbody structures | |
Leštinský et al. | New methods of noise reduction in railway carriages | |
Komorski et al. | Development of the urban rail vehicle acoustic model | |
Schulte-Werning | Research of European railway operators to reduce the environmental impact of high-speed trains | |
KR100672017B1 (ko) | 철도차량 소음 예측방법 | |
KR100596185B1 (ko) | 소음예측식 알고리즘을 이용한 열차 환경소음 측정방법 및이를 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을수 있는 기록매체 | |
Iglesias et al. | On the feasibility of a component-based approach to predict aerodynamic noise from high-speed train bogies | |
JP6917755B2 (ja) | 微気圧波低減装置 | |
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 | |
Baranovskii | Computer simulation and experimental investigations of noise levels and spectra for railway transport | |
Kikuchi et al. | Field measurement of wayside low-frequency noise emitted from tunnel portals and trains of high-speed railway | |
Polak et al. | Modelling the acoustic signature and noise propagation of high speed railway vehicle | |
Zhang | Three Typical Noise Assessment Methods in EU | |
Sheng et al. | Using microphone array data to analyse source contributions of a high-speed train to pass-by noise |
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 |