CN113569434A - 一种有车状态下铁路隧道空间混响时间预测方法 - Google Patents

一种有车状态下铁路隧道空间混响时间预测方法 Download PDF

Info

Publication number
CN113569434A
CN113569434A CN202111126169.8A CN202111126169A CN113569434A CN 113569434 A CN113569434 A CN 113569434A CN 202111126169 A CN202111126169 A CN 202111126169A CN 113569434 A CN113569434 A CN 113569434A
Authority
CN
China
Prior art keywords
tunnel
reverberation time
time
predicting
vehicle state
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
CN202111126169.8A
Other languages
English (en)
Other versions
CN113569434B (zh
Inventor
肖新标
刘谋凯
刘卓昊
韩健
张捷
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.)
Southwest Jiaotong University
Original Assignee
Southwest 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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202111126169.8A priority Critical patent/CN113569434B/zh
Publication of CN113569434A publication Critical patent/CN113569434A/zh
Application granted granted Critical
Publication of CN113569434B publication Critical patent/CN113569434B/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
    • 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
    • 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

Abstract

本发明公开了一种有车状态下铁路隧道空间混响时间预测方法,包括建立隧道空场混响时间预测模型；隧道空场混响时间测试及吸声系数优化；建立有车状态下隧道空间混响时间预测模型；计算有车状态下隧道空间混响时间4个步骤。本发明提出混响时间的预测方法基于吸声系数和空间模型来仿真计算的，适用于有车状态下的各种复杂几何结构的隧道空间，能解决隧道内有车状态下混响时间难以获取的难题，本发明提出的混响时间预测方法其中的重要步骤包括结合试验数据进行验证和校正，保证了预测结果的准确性。

Description

一种有车状态下铁路隧道空间混响时间预测方法
技术领域
本发明涉及隧道空间混响时间预测技术领域，具体涉及一种有车状态下铁路隧道空间混响时间预测方法。
背景技术
近年来，轨道交通不断发展，开通运营和在建的高铁和地铁线路屡创新高，同时不同线路运行时车辆产生噪声问题也越来越受关注和重视。其中，列车在隧道内运行时，由于强混响作用，会使得列车车内噪声显著增加，过高的列车车内噪声会影响人们的乘坐舒适性和身体健康。因此，隧道内列车噪声问题需要进一步的研究和治理，其中隧道内的混响时间体现了隧道空间的混响增强效果，是隧道内噪声问题的研究方向之一。
混响时间是声源停止发声后，声能量减少60dB所需要时间，单位为秒，混响时间的研究，最早出现在房间声学中，其主要应用于对空间吸声效果、语言清晰度等房间声学参数的评价，而隧道内混响时间的研究主要用于对隧道内吸声效果的评价以及获取隧道内空间阻尼损耗因子参数，该参数是隧道内噪声预测的关键。
混响时间试验测试通常是通过声源发声使得测试空间充分混响后，中断声源，记录和分析相关测点的声压衰减过程来获得声压衰减60dB的时间，即为混响时间。而混响时间预测方法多是基于赛宾公式、艾润公式或者其演变的一些经验公式来预测，这些公式通过已知的空间各个反射表面的吸声系数、空间的体积和表面积来预测空间的混响时间。铁路隧道内混响时间的测试，通常只有在天窗时间内可以测试无车状态下隧道空场的混响时间，而在隧道内有列车运行时的混响时间因为安全问题而不能实现测试。而通过经验公式的方法来预测的结果一般只适用于声场比较均匀的空间结构且预测的是空间整体的混响时间，空间内不同坐标点混响时间的差异不能体现，同时隧道空间属于长空间结构，在纵向方向的声场并不均匀，而且还需要知道诸如列车在隧道内时车底、侧墙、车顶等不同空间位置处的混响时间，经验公式来预测的方法并不适合。因此现有的混响时间测试技术和预测技术不能直接应用于有车状态下隧道混响时间的准确获取，因此，亟需一种能在有车状态下、各种复杂几何结构的隧道空间的铁路隧道混响时间预测方法。
发明内容
为解决现有技术中存在的问题，本发明提供了一种有车状态下铁路隧道空间混响时间预测方法，解决了上述背景技术中提到的问题。
为实现上述目的，本发明提供如下技术方案：一种有车状态下铁路隧道空间混响时间预测方法，包括如下步骤：
S1、建立隧道空场混响时间预测模型；
S2、隧道空场混响时间测试及吸声系数优化；
S3、建立有车状态下隧道空间混响时间预测模型；
S4、计算有车状态下隧道空间混响时间。
优选的，在步骤S1中，隧道空场混响时间预测模型是基于声学仿真方法建立，具体包括步骤如下：
S11、在隧道模型的两端设置开口或者施加吸声系数为1的端面，在隧道底部、侧面和顶面的反射面设置一组初始吸声系数，在模型纵向位置的中间某一断面随机设置声传感器和脉冲声源，得到声传感器的脉冲响应；
S12、将脉冲响应按三分之一倍频程频段带通滤波得到各频段的声压级总值的时间历程曲线；
S13、利用能量积分公式得到各个频率的能量衰减曲线，根据衰减曲线得到混响时间。
优选的，所述的声学仿真方法是声线法、瞬态有限元、时域边界元方法中的任一种。
优选的，所述步骤S13中利用能量积分公式得到各个频率的能量衰减曲线具体是：从脉冲响应的终点开始，至脉冲响应的起点，对脉冲响应的平方进行积分，公式如下：
Figure 633175DEST_PATH_IMAGE001
其中，p为随时间变化的脉冲响应声压，E为随时间变化的衰变曲线的能量，t为记 录声压信号的时间，
Figure 487999DEST_PATH_IMAGE002
为时间，
Figure 720266DEST_PATH_IMAGE003
为微分符号，
Figure 318737DEST_PATH_IMAGE004
为时间无穷。
优选的，所述步骤S2中的隧道空场混响时间测试具体是：选取与模型相同的铁路隧道断面进行混响时间测试，得到测试的混响时间。
优选的，所述步骤S2中的吸声系数优化具体是：将步骤S2测试和步骤S1得到的隧道空场混响时间进行对比，调整吸声系数，直至隧道空场混响时间的仿真和测试值吻合，得到最终优化后的吸声系数。
优选的，所述步骤S3中有车状态下隧道空间混响时间预测模型具体包括，在隧道壁表面使用隧道空场混响时间预测模型优化后的吸声系数，在列车转向架中心设置点声源，然后在列车车顶、车底和顶面分别设置响应面。
优选的，所述步骤S4中的计算有车状态下隧道空间混响时间具体包括：基于步骤S3中建立的有车状态下隧道空间混响时间预测模型，得到列车车顶、车底和顶面三个响应面位置的脉冲响应，将各响应面脉冲响应按三分之一倍频程频段带通滤波和能量积分最终得到各个响应面的混响时间。
优选的，所述的混响时间为T60、T30或T20。T60是指空间声场达到稳态后，声源停止发声，声能量衰减60dB所需要的时间。T30是指空间声场达到稳态后，声源停止发声，声能量衰减30dB所需要的时间乘以2。T20是指空间声场达到稳态后，声源停止发声，声能量衰减20dB所需要的时间乘以3。
本发明的有益效果是：
1）本发明方法提出混响时间的预测方法基于吸声系数和空间模型来仿真计算的，适用于有车状态下的各种复杂几何结构的隧道空间，能解决隧道内有车状态下混响时间难以获取的难题。
2） 本发明提出的混响时间预测方法其中的重要步骤包括结合试验数据进行验证和校正，保证了预测结果的准确性；本发明使用的声线法、瞬态有限元、时域边界元等方法相较于混响时间的经验公式能考虑更为复杂的空间边界，更适合于有车状态下铁路隧道空间的混响时间的预测。
附图说明
图1为本发明方法步骤流程示意图；
图2为本发明实施例中隧道空场混响时间预测模型示意图。
图3为本发明实施例计算隧道空场混响时间时由脉冲声源激励得到的某一声传感器的脉冲响应时间历程图；
图4为本发明实施例三分之一倍频程下隧道空场吸声系数优化前后的对比图；
图5为本发明实施例有车状态下隧道混响时间预测模型示意图；
图6为本发明实施例计算得到有车状态下隧道列车车顶、车底和顶面应面混响时间三分之一倍频程结果和隧道空场混响时间结果的对比图。
具体实施方式
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，所描述的实施例仅仅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。
请参阅图1-图6，本发明提供一种技术方案：一种有车状态下铁路隧道空间混响时间预测方法，流程示意如图1所示，包括建立隧道空场混响时间预测模型；隧道空场混响时间测试及吸声系数优化；建立有车状态下隧道空间混响时间预测模型；计算有车状态下隧道空间混响时间4个步骤。
步骤一、建立隧道空场混响时间预测模型
选择基于声线法、瞬态有限元、时域边界元等方法中的一种声学仿真方法建立隧道空场混响时间测试模型，本实施例选择基于声线法建立隧道空场混响时间测试模型，根据下表所示隧道结构参数画出隧道模型，隧道的两端设置开口或者施加吸声系数为1的端面，隧道其余反射面(底部、侧面和顶面)设置一组初始吸声系数，在模型纵向位置的中间某一断面随机设置6个声传感器，在距离传感器断面2.5m远，1.2m高的地方设置脉冲声源，声源设置发出2000000根声线，空气密度ρ=1.21kg/m3，空气中声速c=343m/s。隧道模型如图2所示，计算得到传感器的脉冲响应如图3所示。
隧道结构参数
Figure 320060DEST_PATH_IMAGE006
将图3所示脉冲响应按三分之一倍频程频段带通滤波得到各频段的声压级总值的时间历程曲线，利用能量积分公式求得各个频率的能量衰减曲线，从脉冲响应的终点(t→∞)开始，至脉冲响应的起点，对脉冲响应的平方进行积分，公式如下：
Figure 80206DEST_PATH_IMAGE001
其中，p为随时间变化的脉冲响应声压，E为随时间变化的衰变曲线的能量，t为记 录声压信号的时间，
Figure 550501DEST_PATH_IMAGE002
为时间，
Figure 673703DEST_PATH_IMAGE003
为微分符号，
Figure 545844DEST_PATH_IMAGE004
为时间无穷。
混响时间为T60、T30或T20，这里以T30为例，后面也是如此，从得到的传感器记录声压能量衰减曲线找出衰减5dB的时刻t1和衰减35dB的时刻t2，得到混响时间T30=2*(t2-t1)。
步骤二、隧道空场混响时间测试及吸声系数优化
选取模型相同的铁路隧道断面进行混响时间测试，试验方法根据GB/T 36075.2—2018相关标准要求进行制定，在天窗时间内测试隧道空场的混响时间，在隧道内选取某一横截面随机布置6个传声器，在距离传声器断面2.5m远，1.2m高处放置声源。使声源发出的脉冲声在传声器处产生的最高声压至少高于背景噪声35dB，等待空间声压衰减至原有背景噪声水平，整个过程采集传声器数据。最后，和步骤一中同样的数据处理方法，利用带通滤波器和脉冲积分能量衰减曲线计算得到三分之一倍频程的下的混响时间，6个传声器获得的混响时间取算数平均得到隧道内空场混响时间T30。
初始设置的隧道壁初始吸声系数可以从一些材料吸声手册上查询得到，但是和实际隧道表面材料的吸声有一些差异，这些差异可能会显著影响混响时间的预测，因此需要通过试验测试的隧道混响时间来优化吸声系数，将实验测试和仿真计算的隧道空场混响时间T30在三分之一倍频程下进行对比，如果某一频率的预测值高于试验值，调高该频段的吸声系数，反之，调低该频段的吸声系数，如此反复迭代，最终使得隧道空场混响时间的预测值何实验值吻合，得到优化后的隧道吸声系数，图4给出了优化前后的吸声系数。
步骤三、建立有车状态下隧道空间混响时间预测模型
基于声线法，建立如图5所示的有车状态下隧道空间混响时间预测模型，隧道壁表面使用隧道空场混响预测模型优化后的表面吸声系数，在列车转向架中心设置点声源，在列车车顶、车底和顶面分别设置响应面。
步骤四、计算有车状态下隧道空间混响时间
基于建立的有车状态下隧道内混响室时间预测模型，声源设置发出2000000根声线，空气密度ρ=1.21kg/m3，空气中声速c=343m/s。计算得到列车车顶、车底和顶面三个响应面位置的脉冲响应，根据上面步骤所说的，将各响应面脉冲响应按三分之一倍频程频段带通滤波和能量积分最终得到各个响应面的混响时间T30。并与隧道空场状态下混响时间T30进行了对比，如图6所示，发现与空场状态下相比，有车状态下响应面上平均混响时间明显变短，这也说明了本发明提出的有车状态下隧道混响时间预测的意义。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,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 (9)

1.一种有车状态下铁路隧道空间混响时间预测方法，其特征在于，包括如下步骤：
S1、建立隧道空场混响时间预测模型；
S2、隧道空场混响时间测试及吸声系数优化；
S3、建立有车状态下隧道空间混响时间预测模型；
S4、计算有车状态下隧道空间混响时间。
2.根据权利要求1所述的有车状态下铁路隧道空间混响时间预测方法，其特征在于：在步骤S1中，隧道空场混响时间预测模型是基于声学仿真方法建立，具体包括步骤如下：
S11、在隧道模型的两端设置开口或者施加吸声系数为1的端面，在隧道底部、侧面和顶面的反射面设置一组初始吸声系数，在模型纵向位置的中间某一断面随机设置声传感器和脉冲声源，得到声传感器的脉冲响应；
S12、将脉冲响应按三分之一倍频程频段带通滤波得到各频段的声压级总值的时间历程曲线；
S13、利用能量积分公式得到各个频率的能量衰减曲线，根据衰减曲线得到混响时间。
3.根据权利要求2所述的有车状态下铁路隧道空间混响时间预测方法，其特征在于：所述的声学仿真方法是声线法、瞬态有限元、时域边界元方法中的任一种。
4.根据权利要求2所述的有车状态下铁路隧道空间混响时间预测方法，其特征在于：所述步骤S13中利用能量积分公式得到各个频率的能量衰减曲线具体是：从脉冲响应的终点开始，至脉冲响应的起点，对脉冲响应的平方进行积分，公式如下：
Figure 908119DEST_PATH_IMAGE001
其中，p为随时间变化的脉冲响应声压，E为随时间变化的衰变曲线的能量，t为记录声 压信号的时间，
Figure 600132DEST_PATH_IMAGE002
为时间，
Figure 789674DEST_PATH_IMAGE003
为微分符号，
Figure 250742DEST_PATH_IMAGE004
为时间无穷。
5.根据权利要求1所述的有车状态下铁路隧道空间混响时间预测方法，其特征在于：所述步骤S2中的隧道空场混响时间测试具体是：选取与模型相同的铁路隧道断面进行混响时间测试，得到测试的混响时间。
6.根据权利要求1所述的有车状态下铁路隧道空间混响时间预测方法，其特征在于：所述步骤S2中的吸声系数优化具体是：将步骤S2测试和步骤S1得到的隧道空场混响时间进行对比，调整吸声系数，直至隧道空场混响时间的仿真和测试值吻合，得到最终优化后的吸声系数。
7.根据权利要求1所述的有车状态下铁路隧道空间混响时间预测方法，其特征在于：所述步骤S3中有车状态下隧道空间混响时间预测模型具体包括，在隧道壁表面使用隧道空场混响时间预测模型优化后的吸声系数，在列车转向架中心设置点声源，然后在列车车顶、车底和顶面分别设置响应面。
8.根据权利要求1所述的有车状态下铁路隧道空间混响时间预测方法，其特征在于：所述步骤S4中的计算有车状态下隧道空间混响时间具体包括：基于步骤S3中建立的有车状态下隧道空间混响时间预测模型，得到列车车顶、车底和顶面三个响应面位置的脉冲响应，将各响应面脉冲响应按三分之一倍频程频段带通滤波和能量积分最终得到各个响应面的混响时间。
9.根据权利要求1-8中任一项所述的有车状态下铁路隧道空间混响时间预测方法，其特征在于：所述的混响时间为T60、T30或T20。
CN202111126169.8A 2021-09-26 2021-09-26 一种有车状态下铁路隧道空间混响时间预测方法 Active CN113569434B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111126169.8A CN113569434B (zh) 2021-09-26 2021-09-26 一种有车状态下铁路隧道空间混响时间预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111126169.8A CN113569434B (zh) 2021-09-26 2021-09-26 一种有车状态下铁路隧道空间混响时间预测方法

Publications (2)

Publication Number Publication Date
CN113569434A true CN113569434A (zh) 2021-10-29
CN113569434B CN113569434B (zh) 2021-12-03

Family

ID=78174593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111126169.8A Active CN113569434B (zh) 2021-09-26 2021-09-26 一种有车状态下铁路隧道空间混响时间预测方法

Country Status (1)

Country Link
CN (1) CN113569434B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105628170A (zh) * 2014-11-06 2016-06-01 广州汽车集团股份有限公司 一种车内混响时间的测量和计算方法
US20170256250A1 (en) * 2016-03-01 2017-09-07 Guardian Industries Corp. Acoustic wall assembly having active noise-disruptive properties, and/or method of making and/or using the same
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
CN210051370U (zh) * 2019-08-13 2020-02-11 陕西金宝迪交通工程建设有限公司 一种隧道环境监测装置
EP3663943A1 (en) * 2018-12-07 2020-06-10 Hitachi, Ltd. Method and system for designing a rail vehicle interior based on simulation of acoustic noise
CN112730625A (zh) * 2019-10-14 2021-04-30 中车长春轨道客车股份有限公司 吸声系数测试系统、方法以及车辆
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

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105628170A (zh) * 2014-11-06 2016-06-01 广州汽车集团股份有限公司 一种车内混响时间的测量和计算方法
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
US20170256250A1 (en) * 2016-03-01 2017-09-07 Guardian Industries Corp. Acoustic wall assembly having active noise-disruptive properties, and/or method of making and/or using the same
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
EP3663943A1 (en) * 2018-12-07 2020-06-10 Hitachi, Ltd. Method and system for designing a rail vehicle interior based on simulation of acoustic noise
CN210051370U (zh) * 2019-08-13 2020-02-11 陕西金宝迪交通工程建设有限公司 一种隧道环境监测装置
CN112730625A (zh) * 2019-10-14 2021-04-30 中车长春轨道客车股份有限公司 吸声系数测试系统、方法以及车辆
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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YAO DAN等: "sound transmission optimisation for windows and its influence on interior noise of train in tunnel reverberation sound field", 《INTER-NOISE AND NOISE-CONCONGRESS AND CONFERENCE PROCEEDINGS》 *
刘谋凯: "隧道内地铁轮轨噪声特性研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *
柳明: "隧道内地铁列车车内噪声特性及其关键影响因素研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
赵春侠: "基于噪声烦恼度优化隧道吸声设计", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN113569434B (zh) 2021-12-03

Similar Documents

Publication Publication Date Title
CN107084851A (zh) 基于统计能量流分析预测高速列车车内心理声学参数的方法
Tang et al. Improving reverberant speech training using diffuse acoustic simulation
Lee et al. Development of sound-quality indexes in a car cabin owing to the acoustic characteristics of absorption materials
JP2017161406A (ja) 伝搬定数の取得方法、吸音材の吸音率の計算方法、吸音率評価装置
CN113569434B (zh) 一种有车状态下铁路隧道空间混响时间预测方法
JP3868802B2 (ja) 騒音環境の感知方法と試聴装置及び情報記憶媒体
CN110908287B (zh) 一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法
Ganty et al. Numerical simulation of noise transmission from A-pillar induced turbulence into a simplified car cabin
JP2007333545A (ja) 吸音特性測定方法および吸音特性測定装置
Kim et al. Comparison study of sound transmission loss in high speed train
Hamilton Air absorption filtering method based on approximate green's function for Stokes' equation
Sancak An Investigations of Sound Absorbance Properties of Weft Knitted Spacer Fabrics.
Chen et al. Development of a muffler insertion loss flow rig
Adami et al. Sensitivity of the wave-steepening in railway tunnels with respect to the friction model
Jiang et al. Railway rolling noise prediction under European conditions
Bravo et al. Extrapolation of maximum noise levels from near-field measurements to far-field positions
YOSHIZAWA et al. Study of analysis method of interior noise in railway cars by means of ray tracing method
Duan et al. Study of Rattle Noise in Vehicle Seat System under Different Excitation Signals and Loading Conditions
Hannachi et al. Evaluation of the Effect of Uncertainties on the Acoustic Behavior of a Porous Material Located in a Duct Element Using the Monte Carlo Method
Horoub Acoustic Noise control using multiple expansion chambers
Ronconi et al. OPTIMIZING NOISE ABSORPTION THROUGH HYBRID ACOUSTIC BRICKS: NUMERICAL SENSITIVITY ANALYSIS OF THE ACTIVE VIBRATION CONTROL LOGIC
Lee et al. Influence of absorption materials on the sound quality in a car
Palmer Aeroacoustics in high speed trains
Lee et al. A Novel Method Predicting the Influence of Absorption Material on the Sound Quality of Interior Noise
Medeiros et al. Impedance eduction of acoustic liners under grazing flow using the mode-matching method and the two-port method

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