采用能量有限元分析的高速列车车内噪声预测
Prediction of high-speed train interior noise using energy finite element analysis
通讯作者:
收稿日期: 2018-11-15
Received: 2018-11-15
作者简介 About authors
代文强(1991—),男,博士生,从事高速列车振动噪声与控制研究.orcid.org/0000-0003-1948-2428.E-mail:
采用能量有限元分析(EFEA)并引入车体隔声效应建立高速列车(HST)车厢结构和声腔模型,综合考虑机械激励和声激励源,预测分析车内全频噪声. 通过试验及仿真计算获取模型结构和声腔参数;采用多体动力学仿真、声学有限元法和非线性声学方法求解得到车外激励源,包括轮轨力、二系悬挂力、轮轨噪声和气动噪声. 通过验证激励源频谱结果的声压级(SPL)峰值频率保证激励源的准确性. 将模型参数和激励源施加到车内噪声EFEA模型上,并预测不同区域的车内噪声。将车内声腔各区域的预测与搭载试验车内噪声SPL进行对比,结果显示,仿真与试验车内噪声声压级在分析频段内的变化趋势基本一致,声压级总值(OASPL)误差小于3 dB(A). 由此验证了提出的方法对于HST车内全频噪声仿真预测的有效性和准确性.
关键词:
The carriage structural and sound cavity models of a high-speed train (HST) were established based on energy finite element analysis (EFEA) and structural insulation effect for full-spectrum interior noise analysis, considering the mechanical excitation and harmonic excitation sources comprehensively. Then, the model structure and sound cavity parameters were obtained by experiments and simulation calculation. The exterior excitation sources, including wheel-rail contact force, secondary suspension force, wheel-rail noise and aerodynamic noise, were obtained by multi-body dynamic calculation, acoustic finite element method and nonlinear acoustic solver. In order to validate the accuracy of excitation sources, the frequency bands of sound pressure level (SPL) peaks were verified. The model parameters and excitation sources were applied to interior noise EFEA models, and the interior noise in different regions was predicted. The predicted SPL of interior noise in different regions was compared with on-line experimental results, which indicates that the tendencies of simulation and experimental SPL of interior noise are in good agreement in the analytical frequency bands, and the error of overall sound pressure level (OASPL) is less than 3 dB(A). Thus, the proposed method is validated to be efficient and accurate in predicting full-spectrum interior noise of HST.
Keywords:
本文引用格式
代文强, 郑旭, 郝志勇, 邱毅.
DAI Wen-qiang, ZHENG Xu, HAO Zhi-yong, QIU Yi.
随着运行速度的不断提高,高速列车车内噪声问题对乘坐舒适性的影响越来越显著,车内噪声控制已成为高速列车研发设计过程中的关键技术之一[1]. 仿真预测是车内噪声研究的重要手段,研究者们开展了许多列车车内噪声仿真预测与分析研究. 有限元法(finite element analysis, FEA)和边界元法(boundary element analysis, BEA)适用于低频结构-声耦合分析,常用来分析列车车厢系统低频声振特性以及预测低频车内噪声[2-4]. 统计能量分析方法(statistical energy analysis, SEA)常用于预测、分析高速列车车内的中、高频噪声[5-7],不过其子系统只能获取平均能量结果,难以准确预测、分析结构及声腔的声学响应. 能量有限元方法(energy finite element analysis, EFEA)是用来预测分析中、高频振动噪声响应的新方法,是基于微单元边界上能量流和能量密度的一阶导数成正比关系的假设而提出. 其以波动理论为基础,将能量以波动形式在结构中传递,以平均能量密度作为控制微分方程的变量,采用FEA建立单元节点之间能量密度的关系方程组并求解[8]. 相比于FEA,EFEA具有模型简单、计算量小的优势;相比于SEA,EFEA能够对加载局部阻尼或局部结构的局部响应进行预测.
随着理论的不断研究和完善,能量有限元方法在复杂系统中的振动声耦合分析应用不断扩展. Zhang等[9]采用EFEA预测了声腔-板-声腔系统的内部噪声. Sbragio等[10]结合有限元方法FEA和EFEA预测了汽车结构的振动响应. Wang等[11]采用EFEA预测了车辆结构在外部声激励作用下车内声腔的声学响应. 陈书明等[12-13]采用EFEA方法建立了声腔-平板-声腔的耦合模型,并预测了汽车结构在外部机械激励和声激励作用下的中高频车内噪声响应. Vlahopoulos等[14]建立了汽车结构和声腔EFEA模型,分析了车内结构噪声以及结构板件贡献量. Washington等[15]建立了飞机舱体EFEA模型,预测分析了边界层激励作用下舱内振动噪声响应.
高速列车车厢是结构尺寸很大并且复杂的系统,结构及声腔内振动噪声能量分布的不均匀性更加明显. 可见EFEA在高速列车车内振动噪声响应预测中是很有潜力的方法,目前尚未见将其应用在高速列车振声预测的报道. 本文采用能量有限元方法,并引入板件隔声效应预测高速列车车内全频噪声. 首先,建立高速列车车厢EFEA结构和车内外声腔模型,EFEA结构及声腔参数通过试验测试和仿真得到. 接着,完整考虑高速列车车外激励源,采用多体动力学仿真、声学有限元法和非线性声学方法获取机械激励、轮轨噪声激励和气动噪声激励. 最后,将模型参数和激励源施加到EFEA模型上,预测高速列车车内噪声,并通过对比仿真与搭载试验结果验证预测模型的准确性.
1. 理论背景
在稳态情况下,一个体积为dV的单元体的能量平衡方程如下:
式中:q为结构内流出功率流,
对于简单薄板结构,其动力学方程可以表述为
式中:D为板的弯曲刚度,w为板的切向位移,ρ为板的质量密度,h为板的厚度,F0为集中力的幅值,δ为狄拉克函数,t为系统的时间变量.
式(2)的通解可以用下式描述:
式中:Ax、Bx、Ay和By为波函数在x和y方向的幅值常数,Kx和Ky 为波函数在不同方向上的分量.
根据位移通解分别对薄板系统的动能密度和输出功率流进行表述,对两者在单位周期内和波长上进行平均后得到系统的平均动能密度和平均功率流表达式:
式中:
其中,vg为薄板的群速度,
联立式(1)和(4)可得板能量密度控制方程:
声腔内声压场的微分控制方程可表示为
式中:p为声压;K为波数,
能量有限元理论采用有限元方法求解能量密度平衡方程(式(7)和(9)),其中求解变量为能量密度,求解的准确性对有限单元尺寸要求不高.
2. 车厢EFEA模型的建立及参数确定
2.1. 建立高速列车EFEA模型
图 1
图 1 高速列车能量有限元(EFEA)模型
Fig.1 Energy finite element analysis (EFEA) prediction model of high-speed train
2.2. 确定模型参数
2.2.1. 声腔内损耗因子
在混响声场中,声腔内损耗因子可由下列经验关系式计算得到:
式中:混响时间T60为声腔内声能量级衰减60 dB所用的时间.
列车车厢内声腔混响时间可采用随机信号猝发混响衰减方法测试、计算得到. 列车车内不同位置的声学环境相差较大,测试多个位置的混响时间计算得到车厢内损耗因子,结果如图2所示. 声腔内损耗因子总体上随频率升高而逐渐递减,空气对声能的损耗作用主要集中在中、低频段内.
图 2
图 2 车内声腔内损耗因子(ILF)测试结果
Fig.2 Internal loss factor (ILF) test results of interior cavity
2.2.2. 结构阻尼损耗因子
图 3
图 3 车厢铝型材板件结构阻尼测试结果
Fig.3 Structural damping loss factor test results of carriage aluminum profile
2.2.3. 车体隔声性能
图 4
图 4 车窗、木质和玻璃间壁隔声量(STL)测试结果
Fig.4 Sound transmission loss (STL) test results of window, woody wall and glass wall
图 5
图 5 车厢结构STL预测模型及结果
Fig.5 STL prediction model and results of carriage structure
3. 激励源预测
3.1. 机械激励源
为获取机械激励源,开展高速列车车辆与轨道耦合动力学研究. 轨道随机不平顺性是车辆动态响应的主要输入,可采用中国铁路无砟轨道的不平顺谱作为不平顺激励. 目前刚柔耦合动力学分析是研究轮轨动力学更为准确的方法,但本文考虑到计算效率,采用刚性多体动力学方法建立车辆轨道耦合模型以获取轮轨间相互作用力. 在建立高速列车拖车车体的刚性多体动力学模型过程中,将车身等效为刚性质量块,包括质量、侧滚惯量、点头惯量、摇头惯量和重心高度等基本刚体参数,转向架包括构架、轮对、转臂等刚体以及减振器等弹簧阻尼单元,如表1所示为部分刚性体参数. 经过多体动力学计算后得到列车在匀速(350 km/h)直线行驶工况下的机械激励源,包括垂向轮轨接触力F1和二系悬挂力F2频谱结果(频率上限均为2 000 Hz),如图6所示.
表 1 拖车车厢部分刚性多体动力学参数
Tab.1
车体物理量 | 数值 | 单位 | 悬挂物理量 | 数值 | 单位 | |
质量 | 38.9 | t | 一系纵向刚度 | 919.8 | kN / m | |
侧滚惯量 | 125.9 | t∙m2 | 一系横向刚度 | 919.8 | kN / m | |
点头惯量 | 1 905.3 | t∙m2 | 二系横向刚度 | 125 | kN / m | |
摇头惯量 | 1 797.9 | t∙m2 | 二系垂向刚度 | 195 | kN / m | |
重心高度 | 1.656 | m | 二系垂向阻尼 | 10 | kN∙s / m |
图 6
图 6 列车垂向轮轨接触力和二系悬挂力频谱结果
Fig.6 Frequency spectrum of vertical wheel-rail contact force and secondary suspension
3.2. 轮轨噪声激励
图 7
图 7 车轮、轨道有限元模型(FEMs)及噪声预测模型
Fig.7 Finite element models (FEMs) and noise prediction models of wheel-rail
表 2 轮轨材料及结构参数
Tab.2
结构 | Er/GPa | μr | ρr /(kg·m−3) | wr /m | hr /m |
车轮 | 210 | 0.30 | 7 800 | − | − |
钢轨 | 210 | 0.30 | 7 850 | − | − |
轨道板 | 42 | 0.17 | 2 500 | 2.8 | 0.3 |
砂浆 | 7 | 0.17 | 2 400 | 2.8 | 0.3 |
图 8
图 8 轮轨噪声在车厢表面形成的声激励
Fig.8 Acoustic excitation on coach surface caused by wheel-rail noise
3.3. 气动噪声激励
图 9
4. 车内噪声预测与分析
将车厢结构参数、机械激励、车厢结构隔声量、结构阻尼损耗因子和二系悬挂力应用到EFEA车厢结构模型中;将车内声腔参数、声腔内损耗因子和内饰吸声系数应用到EFEA车内声腔模型中;将各区域的不同车外声激励耦合叠加后加载到车外声腔模型. 如图10所示为高速列车EFEA模型外部激励加载示意图. 将机械激励以点力的形式施加在车厢二系悬挂连接位置,将声激励施加在车外声腔模型的声学点上.
图 10
图 10 能量有限元分析(EFEA)模型激励加载示意图
Fig.10 Excitations loading diagram of energy finite element analysis (EFEA) model
计算得到车外声激励和机械激励耦合作用下车内声腔的声学响应. 为验证仿真预测结果,开展高速列车车内噪声试验,测点布置参考国际标准ISO 3381: 2005,在车厢纵向中心线距离地板1.2 m 位置处布置测点. 试验测试列车(350 km/h)行驶速度下车厢两端部以及中心声腔的车内噪声. 选取对应位置声腔的预测与试验声压级结果进行对比分析,如图11所示.
图 11
图 11 车厢中部车内噪声预测与试验结果对比
Fig.11 Comparison of interior noise prediction and experimental results at middle part of carriage
从图中可以看到,在分析频段内,车内中心声腔的仿真预测与试验声压级曲线趋势总体上保持一致. 仿真预测值整体上略小于试验数据,这是因为仿真过程中考虑的是车外主要的声激励源,未考虑车厢连接处气动噪声、车内空调风噪以及其他电子设备的电磁噪声对车内噪声的影响. 在200 Hz以下频段内预测误差较大,因为车厢组合结构隔声性能预测过程在低频段受到边界条件影响较大,隔声量的预测精度降低了. 总体上,仿真预测与试验结果在各频段内的误差小于3 dB(A),声压级变化趋势吻合较好. 在分析频段内,车内中心声腔的仿真与测试A计权声压级总值分别为66.9 和67.8 dB(A),相差0.9 dB(A),满足工程要求.
选取车厢两端声腔的仿真与试验结果进行对比,进一步验证车内噪声预测的准确性,如图12所示. 仿真结果与试验结果吻合较好,A计权声压级总值误差分别为0.2 和1.5 dB(A). 在受电弓一端,仿真结果在500 Hz以下的误差变大,其原因是列车实际高速行驶中受电弓表面受到脉动压力激励而产生振动,受电弓振动会激励车厢向内辐射低频噪声,而目前无法在仿真过程中考虑受电弓振动激励. 在后续的研究中可考虑建立受电弓与电网的动力学模型以获取受电弓振动激励,使得车内噪声预测精度更高.
图 12
图 12 车厢前、后端车内噪声预测与试验结果对比
Fig.12 Comparison of interior noise prediction and experimental results at front and rear part of carriage
与SEA方法相比,EFEA方法能求解得到振声响应的空间分布特性. 如图13所示为高速列车车内噪声在车厢内的分布情况,可见EFEA预测模型很好地捕捉到了车厢两端噪声更显著的特性.
图 13
5. 结 论
(1)本研究建立了完整的高速列车拖车车厢结构与内、外部声腔模型. 通过试验及仿真等方法准确获取了车内声腔内损耗因子、车厢结构阻尼和隔声性能.
(2)采用车辆-轨道多体动力学、声学有限元和非线性声学求解等方法获取列车外部机械和声学激励,包括轮轨相互作用力、轮轨噪声和气动噪声激励. 通过对激励频谱结果的峰值频段进行验证,保证了激励预测模型以及车体表面激励的准确性.
(3)采用能量有限元方法预测了高速列车车内全频噪声,对比了分析车厢内不同区域声压级与实车试验结果,发现车内多个声学观测点的仿真与试验声压级1/3频程曲线具有一致的变化趋势,声压级幅值误差在合理范围内,A计权声压级总值误差小于2 dB(A). 因此,验证了基于EFEA预测高速列车车内声学响应的可靠性和有效性. 此外,预测得到了车内噪声在车厢内较为详细的分布情况,体现出EFEA方法具有获取响应空间分布特性的优势.
能量有限元方法在中大型结构系统的振动噪声响应预测中很有潜力,本文成功将其应用于高速列车车内噪声预测中,并取得了良好的预测精度. 后续研究可进一步考虑采用刚柔耦合分析,以更准确地获取车厢机械激励以及车厢结构振声特性,并完整考虑车顶受电弓振动等激励的影响.
参考文献
Key problems faced in high-speed train operation
[J].
多物理场耦合激励下的高铁车内噪声分析
[J].
High-speed train interior noise analysis under multi-physical-field coupled excitations
[J].
铁路客车结构—声耦合系统的声学特性
[J].DOI:10.3969/j.issn.1673-9590.2008.05.008
Acoustic property of structure-acoustic coupling system for rail car
[J].DOI:10.3969/j.issn.1673-9590.2008.05.008
高速列车车体结构振动和车内声学特性分析
[J].
Analysis of structural vibration and internal acoustical characteristics of high-speed passenger train
[J].
基于SEA高速列车车内噪声计算
[J].DOI:10.11953/j.issn.1673-9590.2015.06.010 [本文引用: 1]
Calculation of noise in high-speed train based on SEA
[J].DOI:10.11953/j.issn.1673-9590.2015.06.010 [本文引用: 1]
Modelling the interior sound field of a railway vehicle using statistical energy analysis
[J].DOI:10.1016/j.apacoust.2011.09.012
SEA and contribu-tion analysis for interior noise of a high speed train
[J].DOI:10.1016/j.apacoust.2016.05.019 [本文引用: 1]
Vehicle NVH analysis using EFEA & EBEA methods
[J].
基于能量有限元方法的声腔内部噪声预测
[J].
Prediction of cavity interior noise based on energy finite element method
[J].
Estimation of frequency-averaged loss factors by the power injection and the impulse re-sponse decay methods
[J].DOI:10.1121/1.1835512 [本文引用: 1]
基于结构-声耦合法研究高铁铝型材的隔声性能
[J].
Sound in-sulation performance analysis of high-speed train alu-minum extrusions based on structure-sound coupling method
[J].
High speed train noise emission: latest investigation of the aerodynamic/rolling noise contribution
[J].DOI:10.1016/j.jsv.2005.08.069 [本文引用: 1]
/
〈 |
|
〉 |
