Numerical Approach for Far-Field Aerodynamic Noise of High-Speed Trains Based on Half Model
-
摘要:
随着高速列车运行速度的提高，其气动噪声问题逐渐凸显，如何准确快速预测高速列车的远场气动噪声成为关键. 利用半自由空间的Green函数求解FW-H方程，推导了考虑半模型时的远场声学积分公式，提出通过半模型的数值计算结果预测全模型高速列车远场气动噪声的方法；建立了全模型和半模型高速列车的气动噪声数值计算模型，应用改进延迟的分离涡模拟方法对不同模型高速列车表面的气动噪声源进行求解；通过风洞试验进行了全模型高速列车的数值仿真计算方法验证；对比分析了全模型和半模型高速列车周围的流场结构、气动噪声源和远场气动噪声特性. 结果表明：半模型高速列车数值计算得到的列车周围流场结构、气动噪声源以及远场气动噪声特性与全模型的一致；采用半模型计算会过高估计列车尾车流线型区域表面压力的波动程度和噪声源的辐射强度，但通过半模型预测整车模型的远场噪声平均声压级误差小于1 dBA；相比于全模型高速列车，半模型计算时的网格总量减少一半.
Abstract:With the increasing running speeds of high-speed trains, the problem of aerodynamic noise is gradually becoming more prominent. Determination of a method to predict the far-field aerodynamic noise of high-speed trains accurately and quickly has therefore become an important aim. The far-field acoustic integral formula for a half-model train is obtained in this work by solving the Ffowcs Williams and Hawkings （FW-H） equation using the Green’s function for semi-free space. A method is proposed to predict the far-field aerodynamic noise of a full-model high-speed train using the numerical calculation results for the half-model high-speed train’s aerodynamic noise. Numerical calculation models for the aerodynamic noise characteristics of high-speed trains are established with both the full model and the half model, and the aerodynamic noise sources on the surfaces of high-speed trains for the different models are solved using an improved delayed detached eddy simulation method. The numerical simulation calculation method used for the full-model high-speed train is verified using wind tunnel tests. The flow field, aerodynamic noise source, and far-field aerodynamic noise characteristics of the full-model and half-model high-speed trains are compared and analyzed. The results show that the flow field, aerodynamic noise source, and far-field aerodynamic noise characteristics obtained from the numerical calculations of the half-model high-speed train are consistent with those of the full model. Using the half-model calculations, the degree of fluctuation of the surface pressure in the streamlined area of the tail car and the noise source radiation intensity will both be overestimated. The far-field noise average sound pressure level error of the full model predicted using the half model is less than 1 dBA. When compared with the full-model high-speed train, the number of grid calculations performed for the half model is halved.
-
Key words:
- high-speed train /
- aerodynamic noise /
- half model /
- numerical simulation /
- noise prediction.
-
随着高速列车运行速度的不断提高，列车与空气之间的相互作用变得越来越显著. 气动阻力和气动噪声成为制约高速列车进一步提速的关键[1-2]. 高速列车气动噪声随列车速度的6次方增加[3]，气动外形优化是降低高速列车气动噪声的主要手段.
高速列车在明线上运行时的气动噪声特性和发声机制已经有了清晰的认识，气动噪声源主要有头尾车流线型、转向架、受电弓和车间风挡等区域[4-5]. 不同噪声源的特性和发声机制有显著差异，需对不同噪声源采取不同的优化措施实现降噪. 刘晓日等[6]研究了车头长度对高速列车气动特性和声场特性的影响. 结果表明，随着车头长度的增加，高速列车气动阻力先增大后减小，远场气动噪声逐渐增加. 张亚东等[7]对转向架的远场气动噪声进行了分析. 结果表明，头车第一个转向架舱内气流湍化程度最高，是转向架系统中最主要的气动声源，转向架气动噪声具有明显的指向性. 刘国庆等[8]研究了车端风挡类型对高速列车气动噪声的影响. 结果表明，相对半包风挡采用全包风挡可有效避免气流在车端间隙内剧烈扰动从而实现降噪. 优化几何结构、更改材料属性、安装导流罩以及仿生优化设计等可对受电弓区域进行降噪[9-11].
目前，对高速列车气动噪声的研究主要是针对某一气动噪声源进行定性和定量分析，开展全尺寸高速列车的气动噪声数值计算需要大量的计算资源. 因此，通过对计算量需求较小的简单模型开展研究，去预测复杂模型的气动噪声具有重要意义. Xiao等[12]基于非均匀关系B样条构建了高速列车基本车头形状的纵向型线. 通过Kriging代理模型找到低气动噪声最优的纵向型线，相比原来的纵向型线总脉动压力水平减低了8.7 dB. 李辉等[13]通过简单的转向架模型去研究转向架区域的气动噪声机理. Iglesias等[14]考虑组成受电弓的各部件分量，提出了一种基于分量的半经验预测模型来预测受电弓的气动噪声.
因此，本文建立三编组高速列车全模型和半模型的气动噪声数值计算模型. 通过声源镜像概念，由半模型数值计算结果去预测全模型高速列车模型的远场噪声. 研究结果可为高速列车远场气动噪声快速预测提供参考.
1. 理论研究
1.1 全模型高速列车远场气动噪声求解
高速列车远场气动噪声的计算主要是基于Lighthill声学比拟理论[15]. 目前广泛采用FW-H方程[16]求解高速列车运行时所产生的气动噪声，其方程如下：
(1c20∂2∂t2−∇2)(Hp1)=∂2(H(s)Tij)∂xi∂xj−∂∂xi((ρui(un−vn)+pijnj)δ(s))+∂∂t((ρ(un−vn)+ρ0vn)δ(s)), (1) 式中：
$ {c_0} $ 为声音在均匀介质中传播的速度；t为时间；$ \rho $ 和$p$ 分别为流体密度和压力；$ {\rho _0} $ 和$ {p_0} $ 分别为未受扰动时的流体密度和流场压力的均值；$p_{1} = p - {p_0}$ ，为流场压力的波动值；${T_{ij}}$ 为Lighthill张量，${T_{ij}} = \rho {u_i}{u_j} + \left( {\left( {p - {p_0}} \right) - c_0^2\left( {\rho - {\rho _0}} \right)} \right){\delta _{ij}} - {\tau _{ij}}$ ，$ {u_i} $ 、${u_j}$ 为流体速度在$ {x_i} $ 、${x_j}$ 方向上的分量，${\tau _{ij}}$ 为黏性应力张量，${\tau _{ij}} = \mu \left( {\partial {u_i}/\partial {x_j} + \partial {u_j}/\partial {x_i}} \right) - {\text{2/3}}(\mu (\partial {u_k}/\partial {x_k}){\delta _{ij}})$ ，$ {x}_{i}、 {x}_{j}、 {x}_{k} $ 为直角坐标分量，下标$ i，j，k=1，2，3 $ ；$ \mu $ 为动力黏性系数；pij 为压应力张量；${\delta _{ij}}$ 为克罗内克符号；$ {u_n} $ 为流体速度在声源控制面法向方向的投影分量；$ {v_n} $ 为声源控制面法向的速度分量；${{{n}}_j}$ 为表面指向外部区域的单位法向量分量；$ \delta (s)、H(s) $ 为Dirac delta和Heaviside函数；s=0 表示引入一个数学曲面，以将外部流动问题 （s＞0 ） 嵌入到一个无界空间中，表面s=0对应于源发射表面，并且可以与主体表面或离开主体表面的可渗透表面重合.FW-H方程的右端三项可看作不同种类的声源项，分别为四极子声源项、偶极子声源项和单极子声源项. 高速列车车体考虑为刚性且其运行马赫数低于0.3，单极子声源和四极子声源均可以忽略[17]，仅考虑列车表面脉动压力形成的起伏力源. 因此，FW-H方程的声源积分表面选取为高速列车表面.
通过引入力源矢量f，其在i方向上的分量为
${{f}}_i = \rho {u_i}\left( {{u_n} - {v_n}} \right) + {p_{ij}}{{{n}}_j}$ ，忽略单极子和四极子声源后，高速列车运动产生的声压波动方程为(1c20∂2∂t2−∇2)(Hp1)=−∇⋅f. (2) 式（2）为典型的波动方程，可采用自由空间的Green函数进一步求解得到声压辐射特性. 自由空间的Green函数可表述为[18]
G(z,t;y,τ)=δ(t−τ−d/c0)4π d, (3) 式中：
$ \tau $ 为延迟时间，在$ {\boldsymbol{y}} $ 处产生的声压传到声音接收点$ {\boldsymbol{z}} $ 处的时间延迟为$ \left| {{\boldsymbol{z}} - {\boldsymbol{y}}} \right|/{c_0} $ ，${\boldsymbol{z}} = \left( {{{\textit{z}}_1},{{\textit{z}}_2},{{\textit{z}}_3}} \right)$ ，${\boldsymbol{y}} = \left( {{y_1},{y_2},{y_3}} \right)$ 为空间位置；$d= \left| {{\boldsymbol{z}} - {\boldsymbol{y}}} \right| $ 为$ {\boldsymbol{z}} $ 到$ {\boldsymbol{y}} $ 的矢径的模.式（2）的解为
p1(z,t)=−14π∫R31d∂fi(y,t−τ−d/c0)∂yidy, (4) 式中：
$ {R^3} $ 为三维积分空间；$\partial {f_i}({\boldsymbol{y}},t - \tau - d/{c_0})/\partial {{\boldsymbol{y}}_i}$ 为对力源矢量$ {\boldsymbol{f}}({\boldsymbol{y}},t - \tau - d/{c_0}) = {{\boldsymbol{e}}_{\boldsymbol{i}}}{{{f}}_i} $ 求散度，$ {{{f}}_i} $ 为力源在i方向上的分量.用
$ \delta $ 函数描述起伏力源，有${\boldsymbol{f}}({\boldsymbol{y}},t) = {{\boldsymbol{e}}_{\boldsymbol{i}}}{{{f}}_i}(\boldsymbol{y},t)\delta ({\boldsymbol{y}})$ 将其代入式（4）可得p1(z,t) = −14π∫R31d∂∂yi[fi(y,t−τ−d/c0)δ(y))]dy = −14π∭ (5) 利用链式微分法则有
\begin{split}& \frac{\partial }{{\partial {{\textit{z}}_i}}}\frac{{{f_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}d= \\& \quad \frac{{\partial d}}{{\partial {{\textit{z}}_i}}}\frac{\partial }{{\partial d}}\left[\frac{{{f_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}d\right]= \\ & \quad \frac{{{{\textit{z}}_i} - {y_i}}}d\frac{\partial }{{\partial d}}\left[\frac{{{f_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}d\right]. \end{split} (6) 因此，式（5）可以写为
\begin{split}& p_{1}\left( {{\boldsymbol{z}},t} \right) {{ = - }}\frac{{{{\textit{z}}_i} - {y_i}}}{{4{\text{π}}d}}\times \left[\frac{1}{d}\frac{\partial }{{\partial d}}{f_i}({\boldsymbol{y}},t - \tau - d/{c_0}) + \right. \\ & \left.\;\; {f_i}({\boldsymbol{y}},t - \tau - d/{c_0})\frac{\partial }{{\partial d}} \left(\frac{1}{d}\right) \right] {\text{=}} \frac{{{{\textit{z}}_i} - {y_i}}}{{4{\text{π}}d}}\left[\frac{1}{{d{c_0}}} \frac{{\partial {{{f}}_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}{{\partial t}} + \right. \\& \left. \;\; \frac{{{{\boldsymbol{f}}_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}{{{d^2}}}\right]. \end{split} (7) 高速列车表面的脉动力源可通过求解高速列车周围的绕流流场得到. 式（7）为基于自由空间的Green函数求解，适用于声源和接收器之间没有障碍物以及声反射等情况. 高速列车位于地面上，需考虑地面声反射及声阻抗的影响. 由于运行环境差异目前很难得到一个准确的结论，从数值仿真与实测数据来看该求解可适用于高速列车远场噪声的预测. 因此，本文不考虑地面效应对高速列车远场噪声的影响.
1.2 半模型高速列车远场气动噪声求解
通过半模型高速列车的声源计算预测全模型高速列车的气动噪声时，需考虑对称面镜像的另一半列车模型带来的声源贡献量. 利用半自由空间的广义Green函数求解声压波动方程可考虑半模型声源与镜像声源，如式（8）.
{G_{\text{h}}}\left( {{\boldsymbol{z}},t;{\boldsymbol{y}},\tau } \right) = \frac{{{\delta _{\text{h}}}\left( {t - \tau - d/{c_0}} \right)}}{{4{\text{π }}d}} + \frac{{{\delta _{\text{h}}}\left( {t - \tau_{1} - d_{1}/{c_0}} \right)}}{{4{\text{π}}d_{1}}} \text{，} (8) 式中：
$ {\delta _{\text{h}}} $ 为半空间的Dirac delta函数；$d_{1} = \left| {{\boldsymbol{z}} - {\boldsymbol{y_{{\text{m}}}}}} \right|$ 为$ {\boldsymbol{z}} $ 到${\boldsymbol{y_{{\text{m}}}}}$ 的矢径的模；${\boldsymbol{y_{{\text{m}}}}} = \left( {{y_1}, - {y_2},{y_3}} \right)$ 为声源$ {\boldsymbol{y}} $ 关于对称面镜像的空间位置；$\tau _{1}$ 为镜像声源的延迟时间.考虑半模型高速列车运动时产生声压波动方程的解可表示为
p_{1}\left( {{\boldsymbol{z}},t} \right) = {p_{\text{L1}}}\left( {{\boldsymbol{z}},t} \right) + {p_{\text{R1}}}\left( {{\boldsymbol{z}},t} \right)\text{，} (9) 式中：
${p_{\text{L1}}}\left( {{\boldsymbol{z}},t} \right)$ 为半模型声源声压解，推导同式（7）；${p_{\text{R1}}}\left( {{\boldsymbol{z}},t} \right)$ 为镜像声源的声压解，对应于式（8）右端第二项的解，类似于1.2小节推导，可得\begin{split}& {{p}}_{\text{R1}}\left({\boldsymbol{z}},t\right)= \frac{{{\textit{z}}}_{i}-{{y}}_{{\text{m}}i}}{4\text{π}{d}_{1}}\times\left[\frac{1}{{d}_{1 }{c}_{0}}\frac{\partial {f}_{{\text{R}}i}({{\boldsymbol{y}}}_{{\text{m}}},t-{\tau }_{1}-d_{1 }/{c}_{0})}{\partial t} + \right.\\ & \left.\quad \frac{{{{f}}}_{{\text{R}}i}({{\boldsymbol{y}}}_{{\text{m}}},t-{\tau }_{1 }-d_{1 }/{c}_{0})}{{d_{1}}^{2}}\right], \end{split} (10) 因此，式（9）为
\begin{split}& p_{1}\left( {{\boldsymbol{z}},t} \right) = \frac{{{{\textit{z}}_i} - {y_i}}}{{4{\text{π}}d}}\times \quad\left[\frac{1}{{d{c_0}}}\frac{{\partial {f_{{\text{L}}i}}({\boldsymbol{y}},t - \tau - d/{c_0})}}{{\partial t}} + \right. \\ & \left. \frac{{{f_{{\text{L}}i}}({\boldsymbol{y}},t - \tau - d/{c_0})}}{{{d^2}}}\right] + \frac{{{{\textit{z}}_i} - {{y}_{{\text{m}}i}}}}{{4{\text{π}}d_{1}}}\left[\frac{1}{{d_{1}{c_0}}} \times \right. \\ & \left. \quad\frac{{\partial {f_{{\text{R}}i}}({\boldsymbol{y_{{\text{m}}}}},t - \tau _{1} - d_{1}/{c_0})}}{{\partial t}} +\right.\\ &\quad\left. \frac{{{f_{{\text{R}}i}}}({\boldsymbol{y_{{\text{m}}}}},t - \tau_{1} - d_{1}]/{c_0})}{{{{d_{1}}^2}}}\right],\\[-12pt] \end{split} (11) 式中：
${\tau }_{1}、d_{1}$ 均由镜像控制面来决定；脉动力源${f_{{\text{L}}i}}$ 与${f_{{\text{R}}i}}$ 关于镜像面对称；ymi为ym在i方向的分量.2. 数值仿真
2.1 数值计算模型
2.1.1 几何模型
以三车编组的高速列车模型为研究对象，忽略受电弓、转向架、转向架舱以及风挡等结构，仅考虑光滑车体，简化后的几何模型如图1所示，图中：c1为第1个截面位置与鼻尖间的距离，c1～c5类似. 全模型高速列车的长L=78.4 m，宽W=2.9 m，高H=3.6 m，半模型列车的宽度为1.45 m.
2.1.2 计算域及边界条件
全模型高速列车的计算域尺寸约为4L × 20W × 11H，半模型高速列车的计算域尺寸约为4L × 10W × 11H，半模型计算时所采用的计算域为全模型的一半，如图2所示. 计算域正前方表面距离高速列车头车鼻尖约80 m，尾车鼻尖距计算域正后方表面约200 m，列车离地距离为0.376 m. 计算域入口设定为速度入口，来流速度大小为350 km/h；计算域出口设定为压力出口，表压为0；地面设定为滑移固定壁面，滑移速度大小等于来流速度；列车表面设定为无滑移固壁边界. 全模型与半模型计算区域两侧以及顶部面均设定为对称面，这包括半模型计算域的镜像面.
2.1.3 网格划分及独立性验证
获得高速列车周围流场的高精度解需要高质量的网格[19]. 列车表面附近和尾流区域存在尺度不一的漩涡，细化列车周围和尾流区域的网格有利于捕捉涡流结构. 因此，对高速列车周围和尾流区域进行了多层网格加密处理，加密区如图2所示，网格划分结果如图3（a）所示. 同时为了较好捕捉列车表面的附着流动，还划分了较为详细的车体表面边界层网格，网格第一层高度为0.1 mm，共计14层，网格增长率为1.2，如图3（b）所示.
针对全模型高速列车以不同网格尺度划分了5套不同数量的网格进行对比分析. 选取列车时均气动阻力系数作为参考，不同网格量的计算结果如表1所示. 由表可知，当网格量大于4652万时，继续增大网格量对结果的影响较小，误差在2%以内. 因此，考虑第三套网格的尺寸进行网格划分，半模型与全模型采用相同的网格划分尺寸，网格划分总量分别为4652万和2341万. 列车表面的y + 分布如图4所示，网格划分保证了壁面y +＜1，以适应湍流模型的计算要求.
表 1 网格独立性验证Table 1. Independence verification for grids网格 基础
尺寸/m边界层第一
层高度/mm网格
量/万时均气动
力系数误差/% 1 2.08 0.1 3291 0.214 2 1.92 0.1 3944 0.219 2.34 3 1.80 0.1 4652 0.221 1.84 4 1.76 0.1 5236 0.224 1.36 5 1.60 0.1 5878 0.222 −0.89 2.1.4 求解方法
采用定常SST k-ω湍流模型（k为湍动能；ω为比湍流耗散率）求解高速列车周围稳态流场，然后以稳态流场的结果作为非稳态流场计算的初始流场，采用改进延迟分离涡模拟（IDDES）方法进行瞬态求解. 采用压力耦合方程组的半隐式方法（SIMPLE）对压力速度耦合进行求解，连续性方程离散采用标准格式，动量方程、湍动能方程和湍流耗散率方程离散采用二阶迎风格式. 瞬态流场计算的时间步长为1 × 10−4 s，计算可分析的最高频率为5 kHz. 当非定常流场求解时，流场物理量脉动呈现周期性波动后，开始进行声源数据（列车表面的脉动压力信息）提取，储存每一个时间步的声源数据，作为全模型和半模型高速列车远场气动噪声计算中声源项的输入.
2.1.5 测点布置
列车表面脉动压力测点和远场噪声测点位置如图5所示. 压力测点P1和P2分别布置于高速列车头、尾车流线型区域. 噪声测点纵向布置，距离列车纵向中心截面的距离为25 m，离地高度为3.5 m，相邻噪声测点之间的距离为3 m. 通过噪声测点计算所得的声压级可获得列车沿线噪声的分布特性.
2.2 验证
在中国空气动力研究与发展中心开展了高速列车的气动噪声风洞试验，声学风洞试验段的基本尺寸为14 m × 5.5 m × 4 m，选取缩比尺度为1/8的列车模型进行试验，如图6所示[20]. 30个远场传声器平行布置于模型的左侧，离模型轨道中心线的距离为5.8 m. 试验模型采用光车体模型，转向架及受电弓区域采用堵块填充.
为了验证本文数值计算方法的合理性与正确性，建立了与风洞试验相同的数值仿真计算模型. 图7给出了30个远场传声器处的声压级的算术平均值对比结果. 受试验时地面附面层的影响，不同风速下的试验结果均比仿真计算结果大，差值最大为1.37 dBA. 总体上，数值模拟具有较高的计算精度，本文所建立的数值仿真计算模型合理可信.
图 7 数值仿真与试验结果对比Figure 7. Comparison of results between numerical simulation and experiment2.3 数值计算结果
计算结果将从流场结构、气动噪声源和远场气动噪声特性3个方面展开讨论分析.
2.3.1 流场结构
流体流动发声的根本原因和内在机制是流场中漩涡与势流以及漩涡之间的相互作用. Q准则可以很好地判别流场中涡的位置以及涡的结构. 图8给出了全模型和半模型高速列车尾流区域涡旋的拟序结构（涡量 Q = 103）. 由图可得：高速列车尾车表面的气流分离和与旋转方向相反的对涡结构是列车尾车附近以及尾流区域产生气动噪声的主要原因； 从整体来看，全模型高速列车两侧漩涡结构分布镜像对称，这显示了高速列车车体周围绕流流场的对称性； 半模型高速列车尾涡的空间结构分布与全模型类似，尾涡均是由列车表面形成的蠕虫型涡逐步向下游发展成马蹄形涡. 从涡尺度以及涡量幅值上看两者存在一定差异，这会对尾车表面的脉动压力产生影响. 在给定适定的物理边界条件后，通过半模型计算可以近似模拟全模型周围绕流流场结构.
图9给出了列车不同横截面位置处的时均涡流分布情况，横截面位置如图1所示. 在列车的非流线型区域，列车两侧出现逆向旋转的大尺度涡对. 由图可知：列车左上和右上表面形成的一对旋转方向相反的涡对，涡旋转方向均为从车体顶部朝向车体两侧；列车左下和右下表面形成另一对旋转方向相反的涡对，涡旋转方向为从车体底部朝向车体两侧. 涡对均表现为从车体高曲率部分脱落至低曲率部分. 从截面c2到c4车体表面边界层变厚，车体表面的大涡对开始脱离并产生一些小涡. 对比两种列车计算模型，列车非流线型区域周围的涡流分布类似，通过半模型镜像可近似表征全模型列车周围的涡流分布.
图 9 不同截面处的时均流向涡量分量ωxFigure 9. Time-averaged streamwise vorticity component ωx at different cross-sections2.3.2 气动噪声源
高速列车气动噪声主要来自于车体表面的脉动力源，即表面脉动压力. 图10给出了列车表面测点的脉动压力系数时程曲线. 由图可得，列车表面的压力具有很强的非定常性，脉动显著. 表2给出了测点P1、P2的时均压力系数和标准差对比. 由表可得，全模型和半模型高速列车计算下，测点P1、P2的时均压力系数差异小于2%. 但是，半模型计算下尾车表面的压力波动更强. 通过半模型计算时，镜像面忽略了尾流对涡结构的相互作用，进而导致半模型计算时尾涡对尾车表面的压力反馈作用增强.
图 10 列车表面压力测点的时程曲线对比Figure 10. Comparison of time-history curves of train surface pressure measuring points表 2 表面压力测点对比Table 2. Comparison of surface pressure monitoring points测点 时均压力系数 标准差/× 10−3 全模型 半模型 全模型 半模型 P1 −0.1019 −0.1035 1.66 1.77 P2 −0.0487 −0.0492 0.93 1.37 噪声的本质在于其频谱特征，图11给出了列车表面测点P1、P2的功率谱密度分布. 脉动压力的能量分布在很宽的频带内. 两个测点均位于易发生气流分离的头、尾车流线型区域，脉动压力主要能量集中在800～2500 Hz. 对比不同列车计算模型，头车表面测点脉动压力的频谱特征基本相同，尾车表面测点相差较大. 采用半模型计算时，尾车表面的脉动压力在低频和中高频范围内的能量更高，噪声辐射能量更强，主要集中在60～600 Hz和1600 Hz以上.
图 11 列车表面压力测点的功率谱密度对比Figure 11. Comparison of power spectral density of train surface pressure measuring points图12给出了列车表面不同横截面位置处的表面声功率级分布情况. 由图可得：两种不同的计算模型下，头车表面的声功率级差异较小，尾车表面的声功率级差异较大；当采用半模型进行计算时，尾车表面的声功率级会更大. 这是由于镜像面忽略了高速列车尾部对涡结构的相互作用，离尾车一定距离的尾涡之间会产生很大程度上的干扰、重组等现象，进而影响上游尾车表面的压力脉动.
2.3.3 远场气动噪声
已经对比分析了全模型和半模型高速列车进行数值计算时周围的流场结构以及气动噪声源. 可知高速列车周围的流场结构以及表面气动噪声源均具有较强的对称性. 图13给出了通过半模型高速列车数值计算去预测整车噪声源远场声压级的结果. 由图可得：全模型和半模型预测的声压级结果在沿线纵向空间上的噪声分布规律基本一致. 采用半模型进行计算时，尾车噪声源会过度估计，预测得到的整车模型在尾部的声压级偏大，最大差值为3.04 dBA.
图 13 全模型高速列车远场噪声预测Figure 13. Far-field noise prediction of full-model high-speed trains基于声源能量叠加原理，表3进一步给出了远场所有纵向噪声测点的平均声压级结果. 由表可得，全模型高速列车计算时提取整车声源计算得到的远场平均声压级为85.76 dBA，半模型高速列车计算时提取半模型声源和镜像声源得到的远场平均声压级为86.64 dBA. 两种计算模型下，远场平均声压级相差0.88 dBA. 因此，采用半模型去预测全模型高速列车的远场气动噪声具有可行性，且误差在可接受范围内.
表 3 远场噪声测点的平均声压级对比Table 3. Comparison of average sound pressure level of far-field noise measurement points模型 气动噪声源 平均声压
级/dBA差值/
dBA全模型 整车声源 85.76 半模型 半模型声源 + 镜像声源 86.64 0.88 3. 结 论
利用半自由空间的Green函数求解FW-H方程，给出考虑镜像面时半模型高速列车的远场声学积分公式. 建立了全模型和半模型高速列车的气动噪声数值计算模型，采用两种不同的模型计算获得高速列车周围的流场和气动噪声源，通过对比列车周围的流场结构、表面噪声源和远场气动噪声特性，可以得出以下结论：
1） 半模型高速列车数值计算获得的周围流场结构、表面脉动压力以及表面声功率级分布与全模型计算得到的规律相似. 采用半模型计算时会过高估计尾车表面压力的波动程度和噪声源辐射强度. 通过镜像，由半模型高速列车的计算结果可近似估计全模型周围的涡流分布.
2） 全模型和半模型计算得到高速列车整车声源在远场所有噪声测点处的平均声压级分别为85.76 dBA和86.64 dBA，两者相差小于1 dBA. 采用半模型高速列车进行计算时，网格总量相比全模型而言减少约一半. 此方法可对长编组高速列车的远场气动噪声进行快速预测.
致谢：牵引动力国家重点实验室自主课题（2023TPL-T05）.
-
图 7 数值仿真与试验结果对比
Figure 7. Comparison of results between numerical simulation and experiment
图 9 不同截面处的时均流向涡量分量ωx
Figure 9. Time-averaged streamwise vorticity component ωx at different cross-sections
图 10 列车表面压力测点的时程曲线对比
Figure 10. Comparison of time-history curves of train surface pressure measuring points
图 11 列车表面压力测点的功率谱密度对比
Figure 11. Comparison of power spectral density of train surface pressure measuring points
图 13 全模型高速列车远场噪声预测
Figure 13. Far-field noise prediction of full-model high-speed trains
表 1 网格独立性验证
Table 1. Independence verification for grids
网格 基础
尺寸/m边界层第一
层高度/mm网格
量/万时均气动
力系数误差/% 1 2.08 0.1 3291 0.214 2 1.92 0.1 3944 0.219 2.34 3 1.80 0.1 4652 0.221 1.84 4 1.76 0.1 5236 0.224 1.36 5 1.60 0.1 5878 0.222 −0.89 
下载: 导出CSV
表 2 表面压力测点对比
Table 2. Comparison of surface pressure monitoring points
测点 时均压力系数 标准差/× 10−3 全模型 半模型 全模型 半模型 P1 −0.1019 −0.1035 1.66 1.77 P2 −0.0487 −0.0492 0.93 1.37
下载: 导出CSV
表 3 远场噪声测点的平均声压级对比
Table 3. Comparison of average sound pressure level of far-field noise measurement points
模型 气动噪声源 平均声压
级/dBA差值/
dBA全模型 整车声源 85.76 半模型 半模型声源 + 镜像声源 86.64 0.88
下载: 导出CSV
-
[1] 李田,戴志远,刘加利,等. 中国高速列车气动减阻优化综述[J]. 交通运输工程学报,2021,21(1): 59-80. doi: 10.19818/j.cnki.1671-1637.2021.01.003LI Tian, DAI Zhiyuan, LIU Jiali, et al. Review on aerodynamic drag reduction optimization of high-speed trains in China[J]. Journal of Traffic and Transportation Engineering, 2021, 21(1): 59-80. doi: 10.19818/j.cnki.1671-1637.2021.01.003 [2] TIAN H Q. Review of research on high-speed railway aerodynamics in China[J]. Transportation Safety and Environment, 2019, 1(1): 1-21. doi: 10.1093/tse/tdz014 [3] 朱自未,李牧皛,成功,等. 高速列车噪声源声功率与速度的函数关系[J]. 西南交通大学学报,2020,55(2): 290-298. doi: 10.3969/j.issn.0258-2724.20180023ZHU Ziwei, LI Muxiao, CHENG Gong, et al. Functional relationships between sound Powers radiated from noise sources of high-speed train and its speed[J]. Journal of Southwest Jiaotong University, 2020, 55(2): 290-298. doi: 10.3969/j.issn.0258-2724.20180023 [4] LU W T, WANG Y, ZHANG C Q. Research on the distribution of aerodynamic noises of high-speed trains[J]. Journal of Vibroengineering, 2017, 19(2): 1438-1452. doi: 10.21595/jve.2017.18139 [5] NOH H M, CHOI S, HONG S, et al. Investigation of noise sources in high-speed trains[J]. Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit, 2014, 228(3): 307-322. doi: 10.1177/0954409712473095 [6] 刘晓日,罗江泽,赵哲,等. 车头长度对高速列车气动特性与声场特性影响的数值分析及降噪研究[J]. 中国铁道科学,2018,39(5): 88-96. doi: 10.3969/j.issn.1001-4632.2018.05.12LIU Xiaori, LUO Jiangze, ZHAO Zhe, et al. Numerical analysis of influence of head length on aerodynamic and sound field characteristics of G-series high-speed train and research on noise reduction[J]. China Railway Science, 2018, 39(5): 88-96. doi: 10.3969/j.issn.1001-4632.2018.05.12 [7] 张亚东,张继业,张亮,等. 高速列车动车转向架气动噪声数值分析[J]. 西南交通大学学报,2016,51(5): 870-877. doi: 10.3969/j.issn.0258-2724.2016.05.008ZHANG Yadong, ZHANG Jiye, ZHANG Liang, et al. Numerical analysis of aerodynamic noise of motor car bogie for high-speed trains[J]. Journal of Southwest Jiaotong University, 2016, 51(5): 870-877. doi: 10.3969/j.issn.0258-2724.2016.05.008 [8] 刘国庆,杜健,刘加利,等. 车端风挡类型对高速列车气动噪声影响规律的研究[J]. 噪声与振动控制,2018,38(2): 87-90,101. doi: 10.3969/j.issn.1006-1355.2018.02.018LIU Guoqing, DU Jian, LIU Jiali, et al. Investigation on the influence of inter-car windshield types on the aerodynamic noise of high speed trains[J]. Noise and Vibration Control, 2018, 38(2): 87-90,101. doi: 10.3969/j.issn.1006-1355.2018.02.018 [9] LI T, QIN D, LI M, et al. Aerodynamic drag reduction of a high-speed train nose with bionic round pits[J]. Computing in Science & Engineering, 2019, 21(3): 31-41. [10] YAO Y F, SUN Z X, YANG G W, et al. Analysis of aerodynamic noise characteristics of high-speed train pantograph with different installation bases[J]. Applied Sciences, 2019, 9(11): 23-32. [11] IKEDA M, YOSHIDA K, SUZUKI M. A flow control technique utilizing air blowing to modify the aerodynamic characteristics of pantograph for high-speed train[J]. Journal of Mechanical Systems for Transportation and Logistics, 2008, 1(3): 264-271. doi: 10.1299/jmtl.1.264 [12] XIAO Y G, QUN Y, SUN L, et al. Longitudinal type-line optimization of high-speed train for low aerodynamic noise[J]. Journal of Central South University, 2014, 21(6): 2494-2500. doi: 10.1007/s11771-014-2204-0 [13] 李辉,肖新标,金学松. 基于简化模型的头车转向架气动噪声特性研究[J]. 机械工程学报,2016,52(8): 152-161. doi: 10.3901/JME.2016.08.152LI Hui, XIAO Xinbiao, JIN Xuesong. Investigation into aerodynamic noise characteristics of train head car bogie based on simplified models[J]. Journal of Mechanical Engineering, 2016, 52(8): 152-161. doi: 10.3901/JME.2016.08.152 [14] IGLESIAS E L, THOMPSON D J, SMITH M G. Component-based model to predict aerodynamic noise from high-speed train pantographs[J]. Journal of Sound and Vibration, 2017, 394: 280-305. doi: 10.1016/j.jsv.2017.01.028 [15] LIGHTHILL M J. On sound generated aerodynamically I: general theory[J]. Proceedings of the Royal Society of London. Series A, Mathematical and Physical Sciences, 1952, 211(1107): 564-587. [16] FFOWCS-WILLIAMS J E, HAWKINGS D L. Sound generation by turbulence and surfaces in arbitrary motion[J]. Philosophical Transactions for the Royal Society of London, Series A, Mathematical and Physical Sciences, 1969, 264(1151): 321-342. [17] XIAO C H, YANG M Z, TAN C D, et al. Effects of platform sinking height on the unsteady aerodynamic performance of high-speed train pantograph[J]. Journal of Wind Engineering and Industrial Aerodynamics, 2020, 204: 104284.1-104284.15. doi: 10.1016/j.jweia.2020.104284 [18] 刘加利,张继业,张卫华. 考虑地面效应的高速列车远场气动噪声计算方法研究[J]. 计算力学学报,2013,30(1): 94-100. doi: 10.7511/jslx201301016LIU Jiali, ZHANG Jiye, ZHANG Weihua. Study of computational method of far-field aerodynamic noise of a high-speed train considering ground effect[J]. Chinese Journal of Computational Mechanics, 2013, 30(1): 94-100. doi: 10.7511/jslx201301016 [19] 李田,秦登,安超,等. 计算网格对列车空气动力学不确定性的影响[J]. 西南交通大学学报,2019,54(4): 816-822. doi: 10.3969/j.issn.0258-2724.20180503LI Tian, QIN Deng, AN Chao, et al. Effect of computational grid on uncertainty in train aerodynamics[J]. Journal of Southwest Jiaotong University, 2019, 54(4): 816-822. doi: 10.3969/j.issn.0258-2724.20180503 [20] ZHANG Y D, ZHANG J Y, LI T, et al. Research on aerodynamic noise reduction for high-speed trains[J]. Shock and Vibration, 2016: 6031893.1-6031893.21. -
下载:
下载:
点击查看大图
计量
- 文章访问数: 569
- HTML全文浏览量: 184
- PDF下载量: 56
- 被引次数: 0