多场耦合激励下高速列车主观声学舒适性演化机理及预测方法研究

Focued on high-speed train interior noise, the evolution mechanisms and prediction method of subjective acoustic comfort under multi-physical-field coupling excitations are studied in this project. Firstly, the modified statistical acoustic energy flow (MSAEF) method is proposed and the coupling characteristics of high-speed train mechanical excitations and acoustic excitations are studied. The MSAEF method is used to predict the characteristics of the full-spectrum interior noise. Secondly, by comprehensive application of the psychoacoustics and signal processing theories, an adaptive Moore loudness algorithm is designed based on nonlinear cochlear filters spectrum form to analyze the interior sound quality characteristics under different speed. Thirdly, the subjective evaluation experiments of passengers’acoustic comfort are carried out on the multi-axis vibration table. Based on the Stevens'Power Law and nonparametric statistical test methods, the evolution mechanisms and rules of the passengers’subjective acoustic comfort are studied under frequency and amplitud varied seat excitations. Finally, the system identification methods are studied, and the correlation model of the objective simulation of high-speed train interior sound quality and passengers’ subjective acoustic comfort is established. The prediction method of passengers’subjective acoustic comfort under multi-physical-field coupling excitations is explored. This project is of great theoretical significance to reveal the evolution mechanisms of subjective acoustic comfort under multi–physical-filed coupling excitations. In addition, it provides new theories and method for prediction of high-speed train passengers’subjective acoustic comfort.

本项目以高速列车车内噪声为研究对象，研究多物理场耦合激励下乘客主观声学舒适性演化机理及预测方法。提出改进的统计声学能量流方法（MSAEF），分析高速列车机械激励和声学激励的耦合特性，预测车内全频噪声特性；综合运用心理声学和信号处理理论，提出基于非线性耳蜗滤波器频谱形式的自适应Moore响度算法（AMLA），研究不同运行时速下车内声品质特性；在多轴振动台上进行座椅激励下的声学舒适性主观评价试验，基于Stevens’Power Law和非参数统计检验方法，研究乘客主观声学舒适性随座椅振动频率和幅值变化的演化机理及规律；研究系统辨识算法，建立高速列车仿真预测的客观声品质与乘客主观声学舒适性的关联模型，探求多物理场耦合激励下乘客主观声学舒适性的预测方法。本项目研究对揭示多物理场耦合激励下乘客主观声学舒适性演化机理有着重要的理论意义，并为实现列车乘客主观声学舒适性预测提供新的理论和方法。

本项目针对目前高速列车噪声源特性不明确、车内噪声预测方法在预测频段和预测精度上有缺陷、以及车内声学客观声品质和主观声学舒适性关联性不明确等问题，系统深入地开展了多物理场耦合激励下的高速列车车内噪声特性和乘客主观声学舒适性的预测方法及演化规律研究。主要开展了以下的研究内容并取得了良好的研究成果。.（1）采用非线性声学方法(NLAS)研究了车厢表面及突出结构的气动噪声源，相比传统的大涡模拟方法（LES），具有更高的计算效率和分析精度。.（2）采用高阶声学有限元法建立了拖车轮对的振-声耦合模型并预测车轮的辐射声场，考虑了车厢壁面的声散射对轮轨辐射声场的影响，轮轨噪声源预测结果具有更高的精度。.（3）提出了一种信号自适应的Moore响度计算方法（AMLA），基于该方法对高速列车车内噪声响度的评价结果更符合人耳的主观感受。.（4）在高速列车板件隔声研究基础成果基础上，先后提出了基于统计振声能量流和改进的能量有限元方法的高速列车车内全频噪声预测方法，实现了高速列车舱内噪声预测误差控制在1dB左右，大大提升了预测效率和精度。在此基础上，本项目深入系统地研究了不同噪声源对车内不同区域的噪声贡献，并提出了有效的车内噪声及声品质优化方案，为高速列车声学性能正向开发提供了有效的方法。.（5）系统深入地开展了高速列车车内噪声的客观声品质和主观声学舒适性试验研究，采用卷积神经网络（CNN）的深度学习算法，创新性地在预测模型中使用高速列车噪声时-频分布图作为网络的输入参数，以主观声学舒适性评价试验得到的主观分数为输出参数，研究建立了高速列车车内主观声学舒适性预测模型。与基于多元线性回归方法的模型相比，该预测模型具有更高的预测精度，且模型更具有普适性和物理意义，可为高速列车声学舒适性正向开发提供理论指导。

内容获取失败，请点击重试