APP下载

高速列车气动噪声仿真与试验对比分析

2015-02-18马晓龙

大连交通大学学报 2015年1期
关键词:声场声源声学

马晓龙,高 阳

(中国北车集团 长春轨道客车股份有限公司技术中心 基础研发部,吉林 长春 130062)*

0 引言

随着高速列车技术的快速发展,噪声影响越来越受到广泛的关注.研究表明随运行速度提高,牵引系统噪声以及轮轨噪声等机械噪声以大约速度的3次方增加,而气动噪声则以速度的6次方左右快速增长,且列车运行速度超过250 km/h后气动噪声源将取代牵引系统噪声以及轮轨噪声成为主要噪声源[1-2].

目前,高速列车气动噪声的研究有计算机仿真、缩尺模型在声学风洞中的气动噪声试验和实车线路测试等方法.实车线路测试更为有效,可以直接测量车外噪声,但需要耗费大量的人力物力,并且可执行的机会非常有限.

研究借助Actran建立某高速列车1∶8缩尺比例的三辆编组列车气动噪声CFD/CAA混合数值分析模型[3],采用基于声类比的气动噪声混合算法模拟外场气动噪声,并将仿真分析数据与声学风洞中的试验数据进行对比分析,验证仿真分析结果的准确性.

1 基于声类比的气动噪声混合算法

基于声类比气动噪声混合算法最早由Lighthill先生提出.声类比基于流场和声场是非耦合的基本假设,低马赫数(Ma <0.2 ~0.4)、高雷诺数(Re~106)、均匀介质传播,气体流动产生噪声不影响流体内部动态[4].

无外力作用的流体质量和动量守恒方程如下:

其中:ρ为流体密度;v为速度;p为压力;τ为粘性力张量.

合并方程(1)和(2),得到声类比方程为

其中非定常声源项中Lighthill张量为:

对于低马赫数、高雷诺数的空气流场,Lighthill张量可近似表示为:

远离声源区,密度表示为ρa=ρ-ρ0,则声类比方程(3)表示为:

基于大涡模拟和声类比混合算法,通过STAR-CCM+和ACTRAN两种软件计算高速列车气动噪声流程如图1所示.

图1 大涡模拟和声类比的气动噪声混合算法流程图

2 气动噪声仿真分析

(1)计算首先采用雷诺时均方法(RANS)得到非定常流场的初始准定常解,然后采用大涡模拟方法进行非定常流场计算[5].为了更好地刻画流动在近壁面边界层内的行为,在近壁面位置均进行了边界层网格划分,建立了15个边界层,第一层边界层厚度设定为2.5×10-4m,相邻两层边界层网格保持1.1倍的增长比.计算时需要统一非定常流场计算的时间步长和远场声场计算的时间步长.对于任意一个时间步长为Δt的噪声时间序列而言,经 FFT变换后的最高频率为1/(2Δt)Hz,N个CFD流体结果经FFT变换后的最低频率为1/(NΔt)Hz.气动噪声为宽频带噪声,如本文高速列车外场气动噪声计算的最高频率为5 kHz,相对应的时间步长为1e-4 s,共计算了500步CFD流体结果,得到气动噪声计算的最低频率为20 Hz.当非定常流场求解过程趋于平稳后,开始进入声学计算模块.由于CFD模型单元数达到3 000万左右,如果直接输出STAR-CCM+自身格式*.ccm结果,数据量较大,因此,为减少数据量,采用STAR-CCM+输出中间格式Ensighgt结果方式,由于选择不可压求解,密度为定常值,只输出速度参量,供Actran读取.

(2)CAA湍流气动噪声分析步骤如下:①首先利用Actran中ICFD的功能,将CFD基本量(速度、密度、压力)转换为声源;②划分声学网格,建立Actran声学分析模型,将①中所获得的声源用积分法插值到声学网格上;③执行傅里叶转换,将时域声学量转换为频域量;④利用Actran计算声传播,导出预设场点的声场云图和声压频响函数.

声学计算域网格(见图2),以三辆编组列车总长度L为特征长度,来流方向取L,出口方向取3 L,外场高度0.5 L,宽度取0.3 L,车体离地面高度为实车运行时轮轨接触点距离地面高度.采用一阶线性四面体单元及六面体单元划分,考虑到计算效率与精度的平衡,共划分四面体单元15 253 473个,六面体单元4 003 738个,节点总数4 532 785个.网格划分保留了许多列车附属部件,并加密了复杂结构处的网格分布,保证较精细的刻画其结构特征.

图2 声学计算域网格

3 仿真分析结果

列车高速行驶过程中形成湍流脉动噪声源,如图3所示,该声源在以地面为边界的半无界空间进一步向远场传播,形成声传播分布云图[6],如图4所示,从分析结果可以看出,列车高速行驶过程中主要声源集中在车头、受电弓、转向架以及车尾部等地方,这些地方是关注的重点,因此,在提取声源时必须对其进行网格细化,以便保证提取的声源精确.经过声传播计算后发现列车附近的声场分布都比较大.

图3 湍流脉动噪声源声压级(dB(A))分布云图

图4 声传播计算域声压级(dB(A))分布云图

4 仿真与试验数据对比

以250 km/h速度工况为例就列车的仿真分析数据与试验数据进行对比,试验在同济大学上海地面交通工具风洞中心的气动-声学风洞试验平台上进行.试验段尺寸为27 m×17 m×12 m,喷口面积27 m2,试验段沿射流方向有效长度15 m.试验段按照半消声室设计,来自于风机的噪声及流道内的气动噪声主要通过多级消声处理得到控制,致使试验段的背景噪声满足高速列车气动噪声的试验需求[7].列车模型为某高速列车的1∶8缩尺模型,由头车、中间车和尾车组成,包含了列车附属结构细节特征.

图5 流场外传声器测点分布(高度0.8 m)

流场外对比测点如图5所示,对比结果如图6所示.测点1在1 000、1 600、2 000 Hz处仿真数据与试验数据吻合度较高,测点2在600、1 600、3000 Hz处仿真数据与试验数据吻合度较高,测点3在600、1 400、2 000 Hz处仿真数据与试验诗句吻合度较高,测点4在600、1200、2400 Hz处仿真数据与试验数据吻合度较高.

图6 流场外测点仿真与试验结果对比图

5 结论

(1)仿真与试验对比分析表明建立的仿真分析模型基本能够反映声学风洞中缩尺模型的试验情况,仿真分析数据与试验数据吻合度较高,在某些特征量上基本一致,为以后的设计改进和新车型的开发提供了一套可行的方法;

(2)列车高速行驶过程中的气动噪声在车头、车尾、受电弓以及转向架表面A计权总声压级分别达到 98、104、121、113 dB(A),今后设计中应在以上部位多采取降噪措施;

(3)为获得精确的声场计算结果,需要减少CFD采样时间步,增加采样时长,即增加CFD计算的瞬态数据量,以反映真实的声场变化情况.

[1]MARTENS A,WEDEMANN J,MEUNIER N,et al.High Speed Train Noise-SoundSource Localization at Fast Passing Trains[C].Deutsche Bahn AG,Sociedad Espanola de Acustica,S.E.A.,2009.

[2]LAUTERBACH A,EHRENFRIED K ,KROBER S,et al.Microphone ArrayMeasurementsonHigh-speed Trains in Wind Tunnels[C].Berlin Beamforming Conference,2010.

[3]王丹,白俊强,黄江涛,等.基于转捩/尺度适应模型与FW-H声学方程的气动噪声数值模拟研究[J].计算力学学报,2013(5):704-711.

[4]刘加利,张继业,张卫华.高速列车车头的气动噪声数值分析[J].铁道学报,2011(9):19-26.

[5]孙振旭,王一伟,安亦然.高速列车气动噪声的计算研究[J].水动力学研究与进展(A 辑),2010(5):660-668.

[6]MARTENS A,WEDEMANN J,MEUNIER N,et al.High Speed Train Noise-Sound Source Localization at Fast Passing Trains,Deutsche Bahn AG[C].Sociedad Espanola de Acustica,S.E.A.,2009.

[7]LAUTERBACH A,EHRENFRIED K,KROBER S,et al.Microphone Array Measurements on High-speed Trains in Wind Tunnels[C].Berlin Beam forming Conference,2010.

猜你喜欢

声场声源声学
虚拟声源定位的等效源近场声全息算法
爱的就是这股Hi-Fi味 Davis Acoustics(戴维斯声学)Balthus 70
基于深度学习的中尺度涡检测技术及其在声场中的应用
基于BIM的铁路车站声场仿真分析研究
基于GCC-nearest时延估计的室内声源定位
Acoustical Treatment Primer:Diffusion谈谈声学处理中的“扩散”
探寻360°全声场发声门道
Acoustical Treatment Primer:Absorption谈谈声学处理中的“吸声”(二)
Acoustical Treatment Primer:Absorption 谈谈声学处理中的“吸声”
运用内积相关性结合迭代相减识别两点声源