噪声测试技术发展与展望
本帖最后由 coohit 于 2019-9-6 10:48 编辑噪声是一类引起人烦躁、或音量过强而危害人体健康的声音。一般噪声高过50dB(A)，就对人类日常工作生活产生有害影响，可能会造成人类听力损伤、视力损伤和心血管系统损伤。高速铁路的噪声控制可以说是取得了显著成果，使人们享受着繁忙但和安逸的旅途。你可知道，硬币在行驶中的高铁中屹立不倒与噪声控制也有很大关系哦~~~
噪声测试是联调联试规定测试项目之一，主要目的是评价高铁开通运营后铁路排放噪声及环境噪声是否满足标准要求，验证高铁噪声控制措施的有效性。我国高铁噪声评价标准主要包括动车组运行辐射噪声标准、噪声排放标准和声环境质量标准，联调联试噪声测试内容主要包含这3个方面。由于高铁是一种多源耦合、宽频复杂运动声源，影响噪声的关键因素较多，因此测试期间噪声数据易呈现较大的波动性，各条线路的噪声数据难以横向对比。多年来对提升噪声测试分析水平开展了大量研究工作。因此，回顾高铁联调联试噪声技术的发展及对未来噪声测试技术提出展望，有利于更好地推进高速铁路联调联试工作的提升和完善。
噪声测试技术发展历程 2007-2010 初期阶段
该阶段高铁联调联试噪声测试以完成基本任务、掌握噪声超/达标情况及基本特性为目标，因此噪声测试手段以声级计为主、多通道数据采集仪为辅。采用声级计测量列车通过声级，需要人工判断开始和停止，每次测量数据具备一定的随机干扰因素，且由于测试时间长，需要测试人员长期保持警备状态，工作强度较大;采用多通道数据采集仪也仅是模拟声级计的功能，分析列车通过声级及频谱特性。在该阶段噪声测试仅是客观反映列车通过测试区段的声级大小，尚未针对不同线路、不同区段噪声数据离散的原因进行分析跟踪。
2010-2014 发展阶段
2010年京沪高铁联调联试和综合试验是噪声测试技术发展的重要阶段，噪声测试手段全面提升为多通道数据采集仪。同时为深入分析高速铁路噪声数据离散分布的原因，加强高速铁路噪声控制，开展噪声源识别分析研究。
高速列车噪声源识别基本都是基于阵列技术开展，早期线阵列能有效识别某一断面的噪声源，对于高速列车噪声源识别主要采用面阵列，同时由于高铁噪声呈宽频特性，峰值频率基本分布在25~125Hz和400~5000Hz，采用近场声全息等方法只能满足1000Hz以下的频率分析，加上列车尺寸较大，采用规则传声器阵列需要大量的传声器。因此，采用波束形成技术进行高速列车声源识别，并结合其他辅助分析技术是目前国内外普遍采用的方法。
在利用波束形成技术进行声源识别时，针对声源特性优化设计阵列布局是一项极为关键的工作，识别效果较好的声阵列，需要同时具备较好的空间分辨率、较低的最大旁瓣级及对频率混叠和栅瓣有较好的抑制能力。因此，基于波束形成原理，根据高铁噪声特征优化阵列设计，在京沪高铁实现最高486.1km/h速度下高速列车噪声源识别分析，明确不同速度下主要噪声源的位置及相对贡献量，初步掌握引起车外噪声变化的关键噪声源特征，空间分辨率基本能满足高铁噪声分析的需求，但是旁瓣级高，影响识别精度。为了抑制传统波束形成算法产生的旁瓣影响，选取3dB的动态范围进行分析，获得主要噪声源的分布及贡献量，但由于动态范围过小，部分次级声源无法有效识别。同时，在京沪高铁开展桥梁结构噪声的测试分析工作。通过京沪高铁联调联试和综合试验，联调联试噪声测试团队逐步突破噪声标准化测试的束缚，提升自主化信号处理分析的能力，对于影响高速铁路噪声的关键因素有了明确认识。
但国内外普遍采用的传统波束形成算法用于高铁噪声源识别存在系列问题：低频空间分辨率差、最大旁瓣级水平较高、列车高速运动产生的多普勒频移严重影响识别精度、仅能识别噪声源的相对大小、无法定量分析噪声源等。同时，我国各研究单位高速铁路声源识别测试分析参数及声源划分的方式均存在显著差异，造成各单位给出的声源贡献量差异较大。
为了解决上述关键问题对高铁噪声源测试分析的制约，2012年，针对高铁噪声特性，进一步优化阵列布局，提升系统最大旁瓣级水平，深入分析研究多普勒频移对于高速铁路噪声的影响，提出修正算法并应用于京石客专联调联试，获得CRH380AL和CRH380BL的声源分布。2014年，在传统波束形成算法的基础上提出了适用于高速铁路噪声源识别分析的FFT-NNLS解卷积算法及计算参数，完成了波束形成的逆运算，声源识别空间分辨率提升3~10倍，实现声源定量化分析，同时研究发展了选择性声强技术，实现了强背景、强干扰条件下高铁多源噪声的分离。
优化阵列设计和多普勒频移修正
波束形成和解卷积技术原理示意图
波束形成和解卷积技术空间分辨率对比(200Hz)
2015-2018 提升阶段
随着原中国铁路总公司进一步控制高铁噪声的要求，联调联试噪声测试也不再仅局限于测试结果的分析，更重要的是对引起噪声增大或减小的原因进行分析，并据此提出噪声控制技术方案。对于高速铁路而言，声源识别已经表明：轮轨噪声、气动噪声及集电系统噪声为最重要的噪声源，对于轮轨噪声而言，轮轨表面的短波不平顺是引起变化的关键因素;对于气动噪声而言，同一动车组主要与运行速度有关;对于集电系统噪声，同一动车组运行时弓网接触张力也不会发生较大改变，主要与列车运行速度有关;2015年开始在联调联试噪声测试中发展轮轨短波不平顺检测和分析技术，深入分析引起噪声变化的主要因素，应用于多条线路联调联试噪声数据分析。测试数据表明：高速动车组车轮出现18阶左右、幅值30dB以上的多边形，关键频带噪声增幅可达10dB以上，噪声总声级增幅可达4~5 dB以上;钢轨出现波长14~20cm、波深0.01mm的波浪形磨耗时，噪声总声级增幅可达2~3dB。
车轮多边形测试
钢轨粗糙度测试
动车组车轮出现多边形镟轮前后噪声变化分析
2017年，在原中国铁路总公司组织下，统一了我国各研究机构高铁噪声源识别方法和信号分析参数，集成了解卷积算法和多普勒频移修正算法，声源识别空间分辨率和精度明显提升，为我国高铁噪声评价和控制提供了统一的分析尺度。
高速列车声源识别云图(350km/h)
对于一些异常噪声，除了验证其噪声超达标情况外，联调联试噪声测试团队也开始以噪声作为手段逆向分析高速铁路运行时产生的部分问题，如针对合福铁路联调联试期间高速运行时出现的道砟飞溅现象，噪声测试团队系统结合主观评价法和信号分析法进行道砟飞溅引起的噪声响应分析，主观评价法用于评价全车各区域是否发生道砟飞溅现象，信号分析法用于评价传声器覆盖区域是否发生道砟飞溅现象。首先使用主观评价法对列车通过有砟轨道时进行分析，初步判断动车组各区域是否发生道砟飞溅现象，并记录道砟飞溅发生的区域是否在传声器附近;然后对采集到的噪声信号进行声学回放，试验人员反复进行监听，进一步判断传声器附近是否发生道砟飞溅或可能发生道砟飞溅，最后对噪声信号进行短时瞬态FFT分析，分析是否存在辐值较高的脉冲信号，最终判断传声器附近是否发生道砟飞溅现象。上述分析方法进一步拓展了噪声测试的范围，逐步开展了对于机车鸣笛、钢轨波磨等特征信号的分析。
2018— 扩展和完善阶段
为了进一步加强我国高速铁路噪声大数据分析，针对我国高速铁路噪声试验数据分散、数据边界条件不清晰等问题，2018年联调联试噪声团队开发完成高速铁路噪声综合信息管理系统，对我国2016年以来获取的大规模高速铁路车内外噪声数据实现集中统一管理与分析。系统针对高速铁路噪声数据多样性特点，研究统一了数据存储和分析模板，实现了噪声数据与钢轨粗糙度、车轮多边形、轨道不平顺、轨道动力学、车辆振动、噪声源识别等试验数据的关联分析。同时，噪声自动监测系统也已在多条线路进行试用，具备车号识别、气象监测、数据自动处理与传输等功能，与噪声综合信息管理系统共同发挥作用，有效支撑探索我国高铁噪声长时间序列演变规律、横向多因素关联分析，为我国铁路和环境管理部门制定噪声影响及控制相关政策、规范等奠定技术基础。
高速铁路噪声综合信息管理系统功能组成
在对于机车鸣笛、钢轨波磨等短时特征信号分析的基础上，进一步研究扩大了声学信号的使用范围。通过研究我国典型动车组车轮和钢轨粗糙度产生、演变和发展规律，掌握了我国典型动车组车轮和钢轨粗糙度主要峰值波长和阶次等特征，研究了动车组高速运行时传声器风噪影响程度及消除方法，发展了短时FFT、小波变换及EEMD等多维度短时信号分析技术，掌握了高速运行、多线路工况影响下钢轨波磨、钢轨异常接头、车轮多边形等声学特性，提出了钢轨波磨声学诊断和评价指标。2018年开始在高速综合检测列车安装声学测量装置，主要用于钢轨短波状态分析和噪声特征分析。
结 论 与 展 望
经过多年高铁联调联试噪声测试实践，噪声测试技术已由单一点位的噪声测试演变为噪声源及轮轨状态的联合测试分析;由简单达标评价逐步发展为支撑超达标原因分析;由噪声单一使用功能监测逐步发展为以噪声为基础，对车辆和轨道等状态诊断的监测;由人工监测方式逐步转向自动监测。下一步，噪声测试技术将更为自动化、智能化，在高铁噪声综合信息管理系统和自动监测系统基础上，集成大数据分析模型，实现噪声与关键影响因素的自动关联，推进高速铁路噪声地图技术研究，最终实现铁路沿线噪声超达标原因快速分析及动车组轮轨状态快速诊断，进一步提升高铁联调联试噪声测试水平，支撑高速铁路噪声控制技术研究。
页:
[1]