随着列车运行速度的不断提高，高速列车车内的乘坐舒适性受到了更多关注。本文利用混合有限元–统计能量分析方法建立高速列车头车模型，通过对模型施加350 km/h激励数据得到车内噪声结果，与试验数据进行对比，验证模型准确性；通过对测试声源数据拟合外推，加载得到400 km/h车内噪声预测结果，为400 km/h高速列车的设计提供技术支持。 With the continuous improvement of train running speed, more attention has been paid to the ride comfort in high-speed trains. In this paper, the FE-SEA method is used to establish a model of the head car of a high-speed train. The noise results are obtained by applying 350 km/h excitation data to the model, which is compared with the test data to verify the accuracy of the model. By fitting and extrapolating the test data of sound source, the 400 km/h interior noise prediction results are obtained, which provides technical support for the design of 400 km/h high-speed train.
随着列车运行速度的不断提高，高速列车车内的乘坐舒适性受到了更多关注。本文利用混合有限元–统计能量分析方法建立高速列车头车模型，通过对模型施加350 km/h激励数据得到车内噪声结果，与试验数据进行对比，验证模型准确性；通过对测试声源数据拟合外推，加载得到400 km/h车内噪声预测结果，为400 km/h高速列车的设计提供技术支持。
FE-SEA方法，车内噪声，高速列车，噪声预测
Leiming Song, Haoyuan He, Xiaojun Hu
School of Mechanical, Electronic and Control Engineering, Beijing Jiaotong University, Beijing
Received: May 24th, 2022; accepted: Jun. 22nd, 2022; published: Jun. 30th, 2022
With the continuous improvement of train running speed, more attention has been paid to the ride comfort in high-speed trains. In this paper, the FE-SEA method is used to establish a model of the head car of a high-speed train. The noise results are obtained by applying 350 km/h excitation data to the model, which is compared with the test data to verify the accuracy of the model. By fitting and extrapolating the test data of sound source, the 400 km/h interior noise prediction results are obtained, which provides technical support for the design of 400 km/h high-speed train.
Keywords:FE-SEA Method, Interior Noise, High-Speed Train, Noise Prediction
Copyright © 2022 by author(s) and beplay安卓登录
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).
http://creativecommons.org/licenses/by/4.0/
高速列车以能耗低、安全性高、舒适性强的优点，在全球多个国家得到了快速发展，特别是在我国，高铁的发展突飞猛进，取得了令世界瞩目的成就 [
对列车仿真分析常用的方法有统计能量分析法(SEA)、有限元法(FEM)、边界元法(BEM)和FE-SEA方法。宋雷鸣等人 [
本文采用FE-SEA方法建立高速列车头车模型，在VA One中对车体进行声腔子系统划分；通过对模型加载350 km/h速度下的激励数据得出车内噪声仿真结果，与试验测试数据进行比较，从而验证模型的准确性；通过对试验测试声源数据拟合外推，得到400 km/h速度下的激励数据，加载可得400 km/h速度下的车内噪声仿真结果；通过对车体隔声量优化，实现列车头车噪声环境的改善 [
高速列车车体结构从外到内依次是蒙皮、铝合金型材、阻尼材料层、隔热保温层，内饰薄板等。根据这些结构对噪声的不同影响，头车模型选择外层铝合金型材和内层内饰薄板结构。
在声学分析中，要求模型单位波长内的网格数最低为4，根据头车模型中板件厚度的最小值为12 mm，得出头车模型网格单元尺寸的最大值应小于45 mm，头车有限元模型经网格划分后，如图1所示。
针对司机室操作台、卫生间、外部型材与内饰层间的夹层等小空间结构，通过建立辅助面形成单独的空腔。各个小空间及车体、内饰子系统在纵向、垂向、横向均服从总体分割面划分原则。将所建有限元模型导入到VA One中，模态数大于或等于5的子结构定义为统计能量分析子系统，模态数小于5的子系统则定义为有限元结构，图2所示为车体统计能量分析子系统结构。
图1. 列车头车有限元模型
图2. 头车车体SEA子系统结构
车内声腔子系统结构如图3所示，声腔划分为：车内顶部声腔；车内距地板1.6 m高处声腔，对应人的站姿位置；车内1.2 m高处声腔，对应人的坐姿位置；地板上方声腔，对应座椅位置。
图3. 车内声腔子系统结构
在VA One中，对于模型中统计能量分析子系统、有限元子系统、声腔子系统之间进行连接设置，即建立各个子系统之间的能量传递路径，只有完成了子系统间的连接属性，能量才能在结构子系统间传递，最终建立包括面连接、线连接以及点连接在内的车体连接形式。
本文采用相似车体结构线路350 km/h实测声源数据作为仿真模型验证过程中对应加载的声激励数据。列车运行时车体结构的噪声激励载荷包括：车下转向架区域的噪声激励载荷以及车体结构表面如挡风玻璃、侧墙、顶板位置的表面声激励，通过定义扩散声场的激励加载形式对声源激励进行加载。线路实测数据测点部分布置图如下，图4对应车体表面声激励测点布置图，图5对应内饰侧墙位置测点。
图4. 车体表面声激励测点布置图
图5. 内饰侧墙测点
噪声激励按照350 km/h运行速度下线路实测噪声数据得到的噪声频谱数据。修正后的声源激励数据频率分布如图6所示。
图6. 350 km/h噪声激励频谱
将上述噪声和振动激励线路测试数据加载到车体模型相应的子系统上，得到如图7所示头车车体声学仿真模型。
图7. 激励加载布置
对所建立的高速列车头车模型进行准确性验证，将相似车型在350 km/h速度等级运行状况下的车外声振激励数据加载到所建立SEA等效模型上，将实测头车车内声压频谱图与声学仿真模型中对应位置车内声腔的声压频谱图仿真结果进行对比。根据声学相关规定，模型准确性标准为车内相同位置实测结果与仿真结果对应声压A计权总值差值不超过1.5 dBA，符合标准即模型仿真结果准确。
将350 km/h车外声振激励数据加载到SEA等效模型上经过仿真计算，可得到车内声腔A计权声压级计算分布云图如图8所示。
图8. SEA模型车内噪声云图
从图8头车等效模型整体声压分布云图结果分析得到，在头车的车鼻位置对应的噪声声压等级最高，次之为司机室区域。
从高速列车头车声源分布常见规律角度对仿真结果进行初步校验：对于司机室以及观光区区域等靠近车头鼻形的区域而言，车顶位置比侧墙位置的表面气动声数值更高；对于不同区域的相同类型表面，观光区区域车顶以及侧墙区域表面声压总值以及频谱特性均高于普通客室相同区域位置；通过将对应仿真分析结果与激励分布规律进行对比验证得到，拟合结果符合常见规律。
将相同声腔分析位置对应的线路实测结果与仿真计算得到的声腔声压级频率分布结果进行对比，并通过频谱图形式进行描述，如图9所示。
图9. 司机室噪声测试值与仿真值
上图可得：在100~4000 Hz范围内，在各个分析频率范围内仿真模型计算结果与线路实际测试结果差值均不大于3 dBA。计算得到司机室、观光区和客室中部的仿真声压频谱总声压级结果如表1所示，并对仿真结果预测值进行对比分析。
| 仿真结果 | 司机室 | 观光区 | 客室中部 |
|---|---|---|---|
| 仿真值 | 75.34 | 68.72 | 63.49 |
| 测试值 | 76.38 | 68.56 | 63.52 |
| 差值 | 1.04 | 0.16 | 0.03 |
表1. 头车等效模型仿真结果对比(dBA)
上表1中所列举的各区域声压级总值结果分析得到：由于在建立整车SEA仿真模型时，对车体结构进行了一定的简化处理，车体结构间的连接关系与实际情况略有差异，车厢内行李架、座椅等内饰未建模，因此仿真结果与测试结果存在差距。
但是在司机室、观光区、普通客室区域声腔声压级仿真总值与实测噪声声压级总值误差均小于1.5 dBA，符合验证模型准确性标准，即该等效声学仿真模型分析结果合理有效。即可以通过利用该验证模型进行400 km/h运行速度下车内噪声的仿真预测。
由于缺乏实际运行400 km/h高速列车运行噪声测试数据，因此选择通过对试验线路实际测量数据进行400 km/h速度等级下噪声数据的推导。
挑选同类车型在300 km/h、330 km/h、350 km/h、370 km/h速度等级下，100~4000 Hz频带下车体不同测试位置、各个中心频率下的声压级测试数据。根据速度级不断增加下所对应的声能量的提高，拟合得到目标速度等级下噪声激励数据。
将各个区域不同速度等级下的声压线路实测数据进行拟合，得到各个区域对应400 km/h运行速度下的声压结果。依据现有车型在各个速度级下测试的噪声值，再依据各个频带上噪声值和运行速度之间的关系，外推出400 km/h速度下头车各个区域噪声值如下图10(a)~(c)。
图10. 400 km/h速度下头车部分区域噪声值
由上图可得，挡风玻璃区域噪声声压总值为130.96 dBA，观光区车顶区域噪声声压总值为130.68 dBA，观光区侧墙区域噪声声压总值为125.63 dBA。
从高速列车头车声源数据变化常见规律来看：① 随着车辆运行速度的增加，头车车外各位置表面气动声数据随之增大。② 对于司机室以及观光区区域等靠近车头鼻形的区域而言，车顶位置比侧墙位置的表面气动声数值更高。③ 对于不同区域的相同类型表面，观光区区域车顶以及侧墙区域表面声压总值以及频谱特性均高于普通客室区域位置。通过将对应拟合数据结果与激励分布规律进行对比验证得到，拟合结果符合常见规律。
推导计算得到的400 km/h运行速度条件下车外声振激励施加到声学等效仿真模型上，其他设置参数与相似车体结构各项参数计算结果保持一致，等效结构保持不变。仿真计算得出400 km/h头车车内声腔声压参数预测结果，声压数据分布云图如图11所示，车内各区域坐姿位置声腔对应的声压频率分布图如图12所示。
图11. 仿真结果云图
图12. 仿真预测频谱
下表2是司机室、观光区中部、客室中部区域坐姿位置处在100~4000 Hz频带范围内对应的声压级A
| 位置 | 司机室 | 观光区中部 | 客室中部 |
|---|---|---|---|
| 仿真值 | 78.63 | 71.23 | 65.99 |
| 参考值 | 78 | 71 | 67 |
| 差值 | −0.63 | −0.23 | 1.01 |
表2. 计算结果对比(dBA)
记权总值。即在列车运行速度条件设定为400 km/h时，车内各区域坐姿位置的声压总值分别为78.63 dBA、71.23 dBA、65.99 dBA，其中司机室以及观光区均大于车内噪声设计参考值，判定该列车结构设计尚需优化，对于噪声数值过限区域设计降噪方案。
1) 仿真分析中，在头车的车鼻位置对应的噪声声压等级最高，司机室区域次之。
2) 在司机室、客室区域的仿真总声压级与实测噪声总声压级的差值均小于1.5 dBA，验证了所建耦合模型的正确性。
3) 通过对测试声源数据拟合外推，加载得到400 km/h车内噪声预测结果，为400 km/h高速列车的设计提供技术支持。
P2019J008中国国家铁路集团公司科技研究开发计划课题。
宋雷鸣,贺昊原,胡晓军. 400 km/h高速列车头车的车内噪声预测Prediction of the Interior Noise of the Head Car of 400 km/h High-Speed Train[J]. 声学与振动, 2022, 10(02): 25-33. https://doi.org/10.12677/OJAV.2022.102004