高速列车外部噪声源空间指向性建模与测试分析

With the development of high speed train( speed is even more than 350km/h). External noise sources(rolling noise,aerodynamic noise,track noise et al) of train caused serious noise pollution, which are difficult to be identified. External noise sources space directivities are key factor to noise pollution identification and prediction. The project main goals, (1)To model rolling noise, aerodynamic noise and track noise space directivity, traditional monopole source model was improved based noise spectrum characteristics, stochastic oritented point sources composed extend source,distributed source model are used to model external noise of train based on sum of multi-poles series.(2) Based on space Fourier transform, extend and distributed noise sources radiation characteristics were analyzed. Noise (vertical and horizontal)directivity expression was concluded in common use.(3)Hexagonal microphone array measurement system was designed, second order cone optimization method was used to optimize beamforming computation.(4) Broad band focusing beamforming algorithm is proposed to identify noise sources. Phase complex vector and hexagonal space Fourier transform was used to design inverse QR-Recursive least squares fast algorithm (HFFT-IQR-RLS). (5) An experimental approach for studying the space directivity pattern of noise radiated from a passing train is presented. Two sets of noise measurements are conducted at different sites and speed. Then noise directivity data compared with theoretic model. The empirical model are revised to be applicable to different high speed train at train speeds more than 350 km/h.

随着高速列车的发展(速度已大于350km/h)，高铁外部噪声严重且声源识别困难。噪声源空间指向性研究对于噪声源辨识和预测影响很大。本项目主要研究：(1)对于气动、滚动、轮轨噪声空间指向性建模，基于噪声频谱特性，改进传统点源模型，以多极子形式（偶极子、四极子）随机指向性点源，形成扩展源、分布源模型表征噪声；（2）采用空间傅立叶变换，分析扩展源、分布源的空间辐射特征，探索比较通用的三种噪声（水平、垂直）指向性表达方式；（3）设计六角形麦克风阵测量系统，以二阶锥方法优化阵列波束形成，设计基于空间指向性模型的波束形成方法；（4）设计适用宽带噪声信号（100-4000Hz）的聚焦波束形成算法，以相位复矢量为变换基结合六角阵空间傅立叶波变换，研究基于逆QR分解和递归最小二乘的快速算法。（5）六角阵现场测试不同车速时，外部噪声数据，分析噪声空间指向性并同理论模型比较，对模型修正并归纳相应的建模准则。

准确测试到高铁在运行过程中各主要位置产生噪声分布图，对于控制高速列车外部噪声产生的根源非常重要。课题组基于麦克风阵列系统进行噪声源识别的相关工作，传统的波束形成算法（受瑞利限制不能分辨出间距较小的声源）对于扩展性声源、分布式声源的定位误差特别大，对于轮轨滚动噪声、牵引驱动噪声、气动噪声识别比较困难。高铁外部噪声可视为由多个单极子点源组成的扩展性声源、分布式声源构成，课题组引入于广义逆波束形成算法，提出可实现阵列小型化的基于奇异截断正则化广义逆波束形成的声源识别方法，以扩展性声源、分布式声源的有效识别为主线，进行了数值仿真和实验研究。.（1）在广义逆波束形成算法(GIB)的基础上，采用六角形阵、矩形阵和十字型平面阵列，对噪声源指向性进行测量和分析。采用随时指向性点源构成扩展源，建立扩展性声源模型。基于Matlab平台开发GIB算法代码，仿真分析其定位性能，GIB算法对于单极子声源、间距较大的分布式扩展性声源识别效果较好，分辨率较高。课题组在扩展性声源辐射模型的基础上，进行了GIB算法、L2-GIB算法声源识别仿真研究。结果表明：基于扩展性声源模型，GIB算法较常规波束形成，能更有效地减弱声源旁瓣对声成像图的影响，对于单极子声源、间距分布较大的扩展性声源均能有效识别，分辨率较高，而且阵元数对声源识别效果影响不大，使信号接收阵列所需要的阵元数目大幅度降低，但对于间距较近的扩展性声源GIB算法性能有所下降。（2）采用奇异值分解方法进行GIB算法中对采集数据的敏感性分析，通过TSVD正则化来抑制或者消除病态来改进GIB算法，提出TSVD-GIB声源识别算法，对该算法的性能进行仿真分析，证明TSVD-GIB算法有较好的稳健性，在准确识别扩展性声源的基础上，同时能有效消除旁瓣干扰、提高声源识别的分辨率。（3）为验证SVD-GIB算法的工程实用性，设计基于不同阵列形式的广义逆波束形成算法进行声源识别的实验。在半消声室内，采用矩形阵列和十字形阵列，对单声源、多声源所构成的扩展性和分布式声源进行识别，实验结果表明基于奇异截断正则化的广义逆波束充分结合正则化方法的优势，在保证声源识别结果的稳健性基础上具有较高的空间分辨率，可有效识别相距较近的扩展性声源和分布式声源。项目研究过程中，共发表学术论文5篇，授权发明专利1项，公开发明专利1项。