CN112541294A - 一种车内噪声的预测方法 - Google Patents

一种车内噪声的预测方法 Download PDF

Info

Publication number
CN112541294A
CN112541294A CN202011562729.XA CN202011562729A CN112541294A CN 112541294 A CN112541294 A CN 112541294A CN 202011562729 A CN202011562729 A CN 202011562729A CN 112541294 A CN112541294 A CN 112541294A
Authority
CN
China
Prior art keywords
noise
vehicle
finite element
subsystem
model
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
CN202011562729.XA
Other languages
English (en)
Other versions
CN112541294B (zh
Inventor
冯青松
周豪
张凌
杨立新
罗信伟
刘庆杰
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.)
East China Jiaotong University
Original Assignee
East China Jiaotong University
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 East China Jiaotong University filed Critical East China Jiaotong University
Priority to CN202011562729.XA priority Critical patent/CN112541294B/zh
Publication of CN112541294A publication Critical patent/CN112541294A/zh
Application granted granted Critical
Publication of CN112541294B publication Critical patent/CN112541294B/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]
    • G06F30/20—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
    • G06F2119/10—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)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明涉及一种车内噪声的预测方法，所述方法包括：建立预测模型，所述预测模型为隧道‑车体有限元边界元模型，具体为建立整车有限元模型、声腔有限元模型和隧道有限元模型，将整车有限元模型和声腔有限元模型耦合，并采用边界元流体将其与隧道有限元模型连接；对所述预测模型施加振动激励，计算相应的第一车内噪声；对所述预测模型施加噪声激励，计算相应的第二车内噪声；将所述第一车内噪声和第二车内噪声叠加得到车内总噪声。本发明的预测方法采用新的模型，预测更加准确，相比于现有技术，采用了基于不同激励作用分析了空气噪声和振动噪声对车内噪声的作用机理，更加全面准确，并且对于两种噪声的叠加采用了更加合理的方法。

Description

一种车内噪声的预测方法
技术领域
本发明涉及轨道交通技术领域，具体属于轨道交通减振降噪技术领域，尤其涉及一种车内噪声的预测方法。
背景技术
随着我国科学技术和生产力不断发展，人口迅速向城市集中，导致超大规模的城市不断地涌现。而原有的基础设施已远不能满足人们的需求，其中交通问题尤为突出。随着城市建设的快速发展，人们开始把目光投向空间，修建高架桥、地铁。地铁作为一种便捷、快速、节能、高安全性、大运输量的公共交通运输模式，成为减缓城市交通拥堵问题的行之有效途径，同时带来了良好的社会、经济效益，深受人们的青睐，也逐渐成为现代城市交通的主题，为经济发展和社会进步作出了巨大贡献。但是，随着地铁列车慢慢提速，车内噪声也逐渐增大，列车车内噪声问题成为了亟待解决的问题之一，车内振动噪声直接影响司机和乘客的乘坐舒适性，并成为衡量地铁质量的一个重要指标。因此，通过预测分析车内噪声对提高人们地铁乘坐安全性与舒适性具有重要意义。
目前，国内外学者的研究为车内噪声的预测分析提供了理论依据，采用数值方法预测和分析车内噪声是一种重要手段，主要包括有限元法、边界元法、统计能量法以及现场试验方法。但对于车内噪声特性研究多以高速列车为主，针对隧道内地铁车厢内部噪声研究较少，且现有研究大部分仅考虑了轮轨力作用下的车内噪声即结构噪声(振动噪声)，忽略了轮轨噪声的影响，而实际上轮轨噪声对低频段的车内噪声影响是不可忽视的。因此，振动激励和噪声激励对车内噪声的作用机理研究有待完善。
发明内容
本发明的目的在于解决现有方法对车内结构噪声和空气噪声预测分析不佳的现状，提供一种基于有限元-边界元法预测车内振动激励和噪声激励的方法，采用有限元-边界元法建立隧道-车体耦合声学分析模型，通过现场试验或者仿真分析来获取车体外部激励，基于不同激励条件，分析振动激励和噪声激励对车内噪声的作用机理，为针对性的车内降噪提供技术参考。
具体而言，本发明的目的在于提供一种车内噪声的预测方法，其特征在于：所述方法包括：
建立预测模型，所述预测模型为隧道-车体有限元边界元模型，具体为建立整车有限元模型、声腔有限元模型和隧道有限元模型，将整车有限元模型和声腔有限元模型耦合，并采用边界元流体将其与隧道有限元模型连接；
对所述预测模型施加振动激励，计算相应的第一车内噪声；
对所述预测模型施加噪声激励，计算相应的第二车内噪声；
将所述第一车内噪声和第二车内噪声叠加得到车内总噪声。
进一步的，其特征在于：车体有限元模型，模型包括车体底板子系统、侧墙板子系统、顶板子系统、车门子系统、车窗子系统、端墙子系统以及风挡子系统。
进一步的，其特征在于：所述隧道模型断面采用圆形隧道实际尺寸进行建模。
进一步的，其特征在于：将底板子系统、侧墙板子系统、顶板子系统、车门子系统、车窗子系统、端墙子系统以及风挡子系统结构进行线连接。
进一步的，其特征在于：对所述预测模型施加振动激励通过车体车轨耦合动力学模型实现。
进一步的，其特征在于：所述噪声激励的输入数据，根据实测或者仿真得到。
进一步的，其特征在于：列车振动激励载荷以二系悬挂力的方式加载在车的底板子系统的相应位置上，车体转向架区域的轮轨噪声激励载荷以扩散声场的方式加载在车体下相应位置上。
进一步的，其特征在于：所述将所述第一车内噪声和第二车内噪声叠加得到车内总噪声，为将第一车内噪声和第二车内噪声数据直接相加。
本发明的优点在于：建立了隧道-车体的有限元边界元模型，其对车内噪声的预测更加准确。此外，相比于现有技术，采用了基于不同激励作用分析了空气噪声和振动噪声对车内噪声的作用机理，更加全面准确，并且对于两种噪声的叠加采用了更加合理的方法。研究成果可为针对性地改善地铁车内声学环境提供参考。
附图说明
图1是隧道-车体有限元-边界元模型示意图；
图2是列车车体动力学模型示意图；
图3是列车垂向二系悬挂力时域图；
图4是列车垂向二系悬挂力频谱图；
图5是轮轨噪声时域图；
图6是轮轨噪声频谱图；
图7是车体纵向剖面示意图；
图8是列车外部激励加载示意图；
图9是仿真值、20组试验值以及均值进行对比示意图；其中，(a)为P1点频谱；(b)为P2点频谱；(c)为P3点频谱。
图10是不同激励下车内各点A声级频谱图，其中，(a)为P1点频谱；(b)为P2点频谱；(c)为P3点频谱。
具体实施方式
为了使本发明的技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
结合图1-图10说明，本发明的一种车内噪声的预测方法，所述方法包括：
建立预测模型，所述预测模型为隧道-车体有限元边界元模型，具体为建立整车有限元模型、声腔有限元模型和隧道有限元模型，将整车有限元模型和声腔有限元模型耦合，并采用边界元流体将其与隧道有限元模型连接；
对所述预测模型施加振动激励，计算相应的第一车内噪声；
对所述预测模型施加噪声激励，计算相应的第二车内噪声；
将所述第一车内噪声和第二车内噪声叠加得到车内总噪声。
采用本申请的方案，充分考虑了隧道反射噪声激励对车内噪声的影响，建立了隧道-车体有限元-边界元声学分析模型，然后进行耦合连接确保能量在各个子系统传递，对车内噪声的预测分析分析更加准确。并且采用了基于不同激励作用分析了空气噪声和振动噪声对车内噪声的作用机理，更加全面准确。
在一个方案中，所述先根据地铁B型车结构参数建立车体有限元模型，模型包括车体底板子系统、侧墙板子系统、顶板子系统、车门子系统、车窗子系统、端墙子系统以及风挡子系统。其中，所述隧道模型断面采用圆形隧道实际尺寸进行建模。
在一个方案中，车体各FE子系统结构属性如表1所示。
表1
Figure BDA0002861213230000041
在一个方案中，将底板子系统、侧墙板子系统、顶板子系统、车门子系统、车窗子系统、端墙子系统以及风挡子系统等结构进行线连接，以此保证列车激励能量进行传递，同时将车身结构有限元模型和车内声腔有限元模型耦合连接，使车体各个子系统和声腔有限元模型耦合，保证能量从车身结构传递到车内。
其中，对所述预测模型施加振动激励通过车体车轨耦合动力学模型实现。具体地，整车由1个车体、2个构架、4个轮对和8个轴箱组成。通过定义轨道接触几何关系、子系统的铰接及力元等参数的设定，将车体及轨道各部分相互连接、耦合，分别提取垂向、横向、纵向二系悬挂力作为列车的振动激励。列车轮轨作用力经转向架悬挂系统衰减后形成二系悬挂力，作用于车体底部引发车体相关部件振动，从而辐射结构噪声。二系悬挂力可通过多体动力学软件UM获取。
优选地，本发明按照表2中的建模参数，建立地铁B型车车轨耦合动力学模型，车体动力学模型如图2所示。
表2地铁B型车计算参数
车辆参数 取值 车辆参数 取值
车体质量 39540kg 一系悬挂阻尼 10kN·s/m
转向架质量 3520kg 一系悬挂刚度 1700kN/m
轮对质量 1539kg 二系悬挂阻尼 60kN·s/m
点头惯量 1328t·m2 二系悬挂刚度 450kN/m
固定轴距 2.2m 车辆定距 12.6m
车辆长度 19m 车辆宽度 2.8m
其中，所述振动激励的输入数据，根据实测或者仿真得到。例如，采用实测方法，列车运行速度设为60km/h，线路曲线半径为400m，采用GJY-T-EBJ-2型轨检小车获取轨道实测不平顺谱，轨底坡为1/40。在轮轨不平顺的激励、各刚性体和减振系统的相互作用下，得到列车的二系悬挂力时域数据，经傅里叶变换转化为可输入声学软件VA One的载荷。列车垂向二系悬挂力时域图及频谱图(以前转向架为例)如图3、4所示。
在一个方案中，列车振动激励载荷以二系悬挂力的方式加载在底板子系统的相应位置上，例如车轮附件。车体转向架区域的轮轨噪声激励载荷以扩散声场的方式加载在车体下相应位置上。
在一个方案中，所述噪声激励的输入数据，根据实测或者仿真得到。例如，通过现场试验获取轮轨噪声激励，为保证车内噪声数据准确性，试验在当天地铁停运后进行，列车为地铁B型车，平均运行速度60km/h，单线行车。采用丹麦GRAS声传感器和德国Head公司DATaRec 4DIC24数据采集仪进行轮轨噪声数据采集，并用ArtemiS软件对多组数据进行统计分析。图5、图6分别为列车转向架区域的噪声时域和频谱图。
在一个方案中，所述将所述第一车内噪声和第二车内噪声叠加得到车内总噪声，为将第一车内噪声和第二车内噪数据直接相加。
在另一个优选的方案中，为了更加精确得到总噪声，考虑了振动噪声和结构噪声产生的机理等不同，通过如下方法计算得到。具体地：
对于振动噪声，其主要来自于列车矩形板辐射声源，其长和宽分别为a和b，空间任意点(m，n，z)的声压级可以表示为
Figure BDA0002861213230000051
Lq表示列车板块的平均界面声压。a、b分别表示列车矩形板块的长和宽，以板块中心为原点(0,0,0)，m、n、z分别表示空间任一点的x轴、y轴、z轴坐标，L1表示空间任意点(m，n，z)的声压级
对于轮轨噪声，其可近似为多个点声源分布为一条线声源，对于单节列车内噪声，可不考虑其他车厢影响，单节列车共2个转向架，8个轮对，每个轮轨接触位置可近似为点声源，则单节列车轮轨噪声传入车内任意点的声压级可以表示为
Figure BDA0002861213230000052
其中P1～P8依次表示8个轮对各自产生的轮轨噪声，R1～R8表示底板的隔声量，Pref表示参考声压，取2×10-5Pa。
最后得到适用于列车车体辐射结构振动噪声和空气噪声叠加的总噪声公式
Figure BDA0002861213230000061
n表示车体的板块数。Ln表示第n个板块的辐射面声压级,n为≥1的自然数。
经过试验结果对比发现，采用该公式计算得到的总噪声更符合实际情况，可以更准确的预测轨道交通车外噪声。
相应的测点布置情况。为验证车体声学模型的准确性，选择地铁某线进行试验，列车采用6节编组B型列车。依据GB/T 3499-2011《声学轨道车辆内部噪声测量》和GB/T14892-2006《城市轨道交通列车噪声限值和测量方法》，分别在前转向架上方、客室中间、后转向架上方布置噪声测试传感器，通过美国NI数据采集仪和Gras传声器对每个测点数据进行采集。测试采用行车期间数据不间断采集，采样频率为25000Hz。若相同测量条件下该组读数之最大差值超过3dB，则重新进行测量。取20组测量数据的算术平均值作为实验结果，噪声测点均在地板上方1.2m(坐姿位置)处，测点编号从左至又依次为P1、P2、P3。
如图8，列车二系悬挂力激励施加在车体与二系悬挂(共四个)的连接处，车体转向架区域的轮轨噪声激励载荷以扩散声场的方式加载在车体下相应位置上。
为验证本方法流程准确性，如图9所示，采用各测点20组列车不同时段相同运行工况的1/3倍频程分析多组数据在不同频段的统计规律，进而得到3个测点(P1，P2，P3)的各频段噪声统计特性，基于这20组数据做出1/3倍频程频谱均值曲线。将仿真值与20组试验值(图中表示为虚线)以及均值进行对比，可以看出，总体上车内噪声仿真与试验声压级值基本一致，说明本发明提供的模型可以较为准确地对地铁列车车内噪声进行预测。
为了分析噪声激励和振动激励对车内噪声的影响机理，通过分别施加二系悬挂力激励和轮轨噪声激励，以及和实验结果平均值进行对比。设置如下4种工况：
(a)工况1：振动激励荷载单独作用车体时车内噪声，即在车体底部施加振动激励；
(b)工况2：噪声激励荷载单独作用车体时车内噪声，即在车体底部施加轮轨声激励；
(c)工况3：振动激励和噪声激励荷载同时作用车体时车内噪声，即在车体底部施加振动激励和轮轨声激励；
(d)工况4：20组实测车内噪声数据平均值。
表3给出了不同工况下的车内各观察点的总声压级，表3车内各观察点总声压级
工况 P1点 P2点 P3点
振动激励荷载 78.74 78.20 78.64
噪声激励荷载 57.45 57.24 57.68
振动激励+噪声激励荷载 82.99 82.07 82.96
实测平均值 84.82 83.96 84.47
图10为不同工况下各观察点的三分之一倍频程曲线，可以看出：
(1)在不同荷载激励工况下，车内各标准点的1/3倍频程声压级图变化趋势基本一致，均呈宽频带分布，噪声A声级呈现先上升后下降的趋势，能量主要集中在200～1600Hz频段，转向架和车体中心上方1.2m处噪声的A声级都在630Hz左右出现明显峰值，对应峰值分别为84.08dB(A)、81.73dB(A)、82.76dB(A)。
(2)在20～200Hz频段内，列车在振动激励下的A声级和2种激励共同作用下的A声级基本重合，最大差值为0.95dB(A)，这是因为轮轨噪声的能量主要集中在200Hz以上(如图6)，说明轮轨声激励对车内低频噪声作用并不明显。因此，降低车内低频噪声可优先选择控制车体结构振动，如降低轮轨冲击力、车体敷设阻尼材料等。
(3)仅在轮轨声激励下，车内噪声呈宽频分布，无明显峰值；仅在振动激励下，车内噪声A声级随着频率升高呈现先增大再减小趋势，在500Hz达到最大值为75.9dB(A)，噪声能量主要集中在200～800Hz；500～5000Hz频段内，车内A声级大幅衰减，和2种激励共同作用下车内A声级差值逐渐增大，说明此时车内噪声主要由噪声激励主导。因此，在进行车内高频噪声控制时，可以考虑对轮轨噪声进行优化，如采用阻尼钢轨等措施。
(4)在列车车内噪声研究中，对比单一振动激励，同时考虑轮轨声激励时，车内噪声A声级更接近实测结果，在列车车内噪声预测和车内噪声声源控制中应得到充分重视。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

Claims (8)

1.一种车内噪声的预测方法，其特征在于：所述方法包括：
建立预测模型，所述预测模型为隧道-车体有限元边界元模型，具体为建立整车有限元模型、声腔有限元模型和隧道有限元模型，将整车有限元模型和声腔有限元模型耦合，并采用边界元流体将其与隧道有限元模型连接；
对所述预测模型施加振动激励，计算相应的第一车内噪声；
对所述预测模型施加噪声激励，计算相应的第二车内噪声；
将所述第一车内噪声和第二车内噪声叠加得到车内总噪声。
2.根据权利要求1所述的一种车内噪声的预测方法，其特征在于：车体有限元模型，模型包括车体底板子系统、侧墙板子系统、顶板子系统、车门子系统、车窗子系统、端墙子系统以及风挡子系统。
3.根据权利要求1所述的一种车内噪声的预测方法，其特征在于：所述隧道模型断面采用圆形隧道实际尺寸进行建模。
4.根据权利要求2所述的一种车内噪声的预测方法，其特征在于：将底板子系统、侧墙板子系统、顶板子系统、车门子系统、车窗子系统、端墙子系统以及风挡子系统结构进行线连接。
5.根据权利要求4所述的一种车内噪声的预测方法，其特征在于：对所述预测模型施加振动激励通过车体车轨耦合动力学模型实现。。
6.根据权利要求6所述的一种车内噪声的预测方法，其特征在于：所述噪声激励的输入数据，根据实测或者仿真得到。
7.根据权利要求6所述的一种车内噪声的预测方法，其特征在于：列车振动激励载荷以二系悬挂力的方式加载在车的底板子系统的相应位置上，车体转向架区域的轮轨噪声激励载荷以扩散声场的方式加载在车体下相应位置上。
8.根据权利要求7所述的一种车内噪声的预测方法，其特征在于：所述将所述第一车内噪声和第二车内噪声叠加得到车内总噪声，为将第一车内噪声和第二车内噪声数据直接相加。
CN202011562729.XA 2020-12-25 2020-12-25 一种车内噪声的预测方法 Active CN112541294B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011562729.XA CN112541294B (zh) 2020-12-25 2020-12-25 一种车内噪声的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011562729.XA CN112541294B (zh) 2020-12-25 2020-12-25 一种车内噪声的预测方法

Publications (2)

Publication Number Publication Date
CN112541294A true CN112541294A (zh) 2021-03-23
CN112541294B CN112541294B (zh) 2023-03-28

Family

ID=75018209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011562729.XA Active CN112541294B (zh) 2020-12-25 2020-12-25 一种车内噪声的预测方法

Country Status (1)

Country Link
CN (1) CN112541294B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114323261A (zh) * 2021-12-28 2022-04-12 中集海洋工程有限公司 海上装备通风系统振动噪声预报评估方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101697175A (zh) * 2009-10-26 2010-04-21 华东交通大学 一种轨道交通噪声仿真预测方法
CN104951596A (zh) * 2015-06-03 2015-09-30 湖南大学 一种板结构-声场耦合分析方法、装置和计算设备
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
CN106840696A (zh) * 2017-01-16 2017-06-13 同济大学 一种车身侧围空腔阻隔块对车内噪声影响的确定方法
CN107862141A (zh) * 2017-11-10 2018-03-30 西南交通大学 一种轨道车辆低噪声正向设计方法
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
CN111721554A (zh) * 2020-06-02 2020-09-29 中车株洲电力机车有限公司 轨道交通车辆噪声分布计算方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101697175A (zh) * 2009-10-26 2010-04-21 华东交通大学 一种轨道交通噪声仿真预测方法
CN104951596A (zh) * 2015-06-03 2015-09-30 湖南大学 一种板结构-声场耦合分析方法、装置和计算设备
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
CN106840696A (zh) * 2017-01-16 2017-06-13 同济大学 一种车身侧围空腔阻隔块对车内噪声影响的确定方法
CN107862141A (zh) * 2017-11-10 2018-03-30 西南交通大学 一种轨道车辆低噪声正向设计方法
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
CN111721554A (zh) * 2020-06-02 2020-09-29 中车株洲电力机车有限公司 轨道交通车辆噪声分布计算方法及系统

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
QU X等: "Analysis of the Vibration Mitigation Characteristics of the Ballasted Ladder Track with Elastic Elements", 《SUSTAINABILITY》 *
ROMERO A等: "2.5 D coupled BEM–FEM used to model fluid and solid scattering wave", 《INTERNATIONAL JOURNAL FOR NUMERICAL METHODS IN ENGINEERING》 *
ROMERO A等: "Modelling of acoustic and elastic wave propagation from underground structures using a 2.5 D BEM-FEM approach[", 《ENGINEERING ANALYSIS WITH BOUNDARY ELEMENTS》 *
冯青松等: "隧道内地铁列车车内噪声预测分析", 《振动与冲击》 *
周豪: "地铁列车车内外噪声预测与实测分析", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
杨杨等: "车内噪声的数值化分析与降噪设计", 《重庆理工大学学报（自然科学版）》 *
韩健: "地铁列车-嵌入式轨道系统动力学性能及振动噪声特性研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114323261A (zh) * 2021-12-28 2022-04-12 中集海洋工程有限公司 海上装备通风系统振动噪声预报评估方法
CN114323261B (zh) * 2021-12-28 2024-04-02 中集海洋工程有限公司 海上装备通风系统振动噪声预报评估方法

Also Published As

Publication number Publication date
CN112541294B (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
Jin Key problems faced in high-speed train operation
Xu et al. A novel model for determining the amplitude-wavelength limits of track irregularities accompanied by a reliability assessment in railway vehicle-track dynamics
Zhang et al. SEA and contribution analysis for interior noise of a high speed train
CN105590003A (zh) 一种高速列车车内噪声分析预测方法
Chen et al. Study on effect of wheel polygonal wear on high-speed vehicle-track-subgrade vertical interactions
Wang et al. Wheel reprofiling interval optimization based on dynamic behavior evolution for high speed trains
Liu et al. Differences in aerodynamic effects when trains with different marshalling forms and lengths enter a tunnel
Li et al. Influence of rail fastener stiffness on railway vehicle interior noise
CN111238837A (zh) 基于车轮振动加速度响应高速列车轮对损伤识别试验台
Zhang et al. Long-term evolution mechanism of the rail weld irregularity in metro lines based on the wear theory
CN105021384A (zh) 一种二系悬挂空气弹簧系统故障的在线诊断方法和装置
CN114580145A (zh) 市域城际铁路环境振动预测评估方法及系统
CN112541294B (zh) 一种车内噪声的预测方法
Chen et al. Mechanism of track random irregularity affecting dynamic characteristics of rack vehicle
CN115186343A (zh) 一种车致振动影响分析方法
Yang et al. Coupled vibration analysis of suspended monorail train and curved bridge considering nonlinear wheel-track contact relation
Song et al. Acoustic performance of near-rail low-height noise barriers installed on suburban railway bridges
CN111829798B (zh) 一种测量风环境下列车气动力的测点模型建立方法及应用
Zhang et al. A review of vehicle system dynamics in the development of high-speed trains in China
Zhao et al. Influence of shortwave irregularity on increasing the vehicle running speed on bi-block ballastless track lines
Lizhong et al. Evolutionary power spectral density study of the earthquake-induced dynamic irregularity based on short-time Fourier transform
CN106844971B (zh) 基于逆边界元的轨道交通桥梁噪声反演预测方法
CN112989484B (zh) 一种城市轨道交通高架车的外噪声预测方法和降噪方法
Ding et al. A reliability analysis method of dynamic irregularity for track–viaduct system with low stiffness
Li et al. Development of a forward design method for train airtightness: A case study of a metro express line

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