如何精确定位和量化高铁外部噪声？

当动车高速行驶时，车外噪声是典型的"多源耦合"系统——气动噪声（车头、受电弓、车身缝隙）、轮轨噪声（车轮、钢轨、转向架）、机械噪声（电机、齿轮箱）相互叠加，不仅成为沿线环境的"干扰源"，更会通过车身结构传递至车内，直接影响乘客体验。明确主要噪声源的位置及贡献占比，成为降噪设计的关键。

车外噪声源识别的核心挑战

移动声源的动态特性干扰：动车高速移动会产生多普勒效应，传统固定声源波束形成方法无法实时跟踪声源位置，导致频率与声压级测量偏差。

背景噪声与空气湍流影响：户外测量中，风噪会干扰传声器信号。动车通行和局部日照加热引起空气湍流，会降低阵列信号相干性，且高频段相干长度缩短，进一步影响测量精度。

空间分辨率不足与伪声源干扰：传声器阵列设计和成像算法存在旁瓣效应和声源分不清问题，易产生“鬼影源”（非真实噪声源），尤其在复杂噪声场（如转向架、受电弓多源叠加）中，难以精准区分各声源贡献。

多噪声源区分难度大：动车外部噪声源涵盖转向架（轮轨、齿轮噪声）、受电弓（气动噪声）、车身缝隙等，各声源空间重叠、频率耦合，需实现子部件级（如轮对）的精准定位与量化。

阵列设计的场景适配问题：不同测试场景（如线路旁测转向架、车站测受电弓）对阵列尺寸、传声器分布要求不同，需平衡空间分辨率、测量距离与抗干扰能力。

HBK解决方案

HBK能够提供完整的解决方案，噪声云图叠加在轨道车辆的图像上，可清晰查看车辆各部件（如车头或第一个转向架）的声压、声压贡献密度和声强等信息，并深入了解声音的辐射特性。

通过对轨道车辆整体或局部进行声成像，能够区分气动噪声与轮轨、轮枕相互作用产生的滚动噪声。还可针对受电弓等较小区域进行分析，并计算其声功率贡献量，按重要性对不同区域进行排序。明确车厢间通道等关键噪声子源的位置、频率成分及声功率辐射特性，有助于确定通过哪些设计改进可最有效地降低整体噪声辐射—— 无论是直接降低噪声级，还是优化噪声的频率成分与传播路径。

核心秘密之一：噪声测量精度的多重保障

采用专利设计的阵列，通过数值优化传声器位置，在宽频带内实现高旁瓣衰减，有效抑制可能出现的“鬼影”（非真实噪声源）图像。

阵列传声器内置TEDS数据包含传感器复频响信息，软件自动读取并对每一只传声器做频响修正，获得更加精确的测量。

传声器可现场校准，可同时进行多个传声器的校准，保证测量精度。

精度与存储平衡：采用上采样（up-sampling）技术，例如将 8192 样本 / 秒的原始测量数据上采样16 倍，在 3kHz 频率可实现 <10% 的相位误差（或 < 0.1dB 误差）。该技术避免了“高采样率直接采集”导致的海量数据存储压力，同时保证了测量精度，简化了设备设置流程。

核心秘密之二：先进的成像算法

自动多普勒修正：通过实时调整传声器阵列的聚焦点，补偿车辆“靠近阵列（高频偏移）”和“远离阵列（低频偏移）”时的频率变化，确保噪声频率测量的准确性。

支持自由场模式（适用于无地面反射干扰的场景）和镜面地面模式（假设存在全反射地面，适配轨道测量环境）。

专门设计的“Array Shading”滤波技术，特别是对于大型阵列，考虑户外空气湍流的影响。

反卷积算法，提高空间分辨率。

案例分享

西南交通大学依据ISO 3095 标准在高架桥开展通过噪声测量（传声器距轨道中线7.5m/25m、高度 3.5m），并采用HBK 78 通道轮式传声器阵列（直径 4m，距轨中线 7.5m，高度2m）和轨道车辆移动声源波束成形技术BZ-5939进行声源识别。

结果表明：转向架和受电弓区域是噪声最强的声源（350km/h时转向架对总声功率贡献达 31.8%）；车厢区域声源对通过噪声的贡献随测量距离增加而上升，转向架和车头则下降；列车速度 200-350km/h 范围内，转向架与下部区域的贡献随速度升高而降低，车厢中部则升高。研究最终为高速列车外部噪声控制提供了依据，同时指出未考虑轨道/ 桥梁噪声、车身声源贡献可能被高估等局限。

更多信息请参阅Zhang, Jie, Xiao, Xinbiao, Wang, Dewei, Yang, Yan, Fan, Jing, Source Contribution Analysis for Exterior Noise of a High-Speed Train: Experiments and Simulations, Shock and Vibration, 2018, 5319460, 13 pages, 2018.

总结

通过“精确测量+ 精准定位 + 定量分析”为降噪设计提供直接依据，HBK移动声源波束形成系统可实现核心能力包括：

噪声源排序：可定义受电弓、轮对、转向架、车厢间通道等小区域，计算各区域的声功率贡献量，按“噪声重要性”对区域排序（例如明确转向架是主要噪声源）。

多维度特性分析：输出噪声源的位置信息（叠加车辆图像，直观显示部件噪声级）、频率成分（明确高噪声对应的频率范围）、声功率辐射特性（量化噪声源的贡献）。

设计改进指导：基于上述数据，工程师可确定“最优改进位置”——例如若车厢间通道是高频噪声主要来源，可针对性优化通道密封结构；若轮轨滚动噪声占比高，可改进轮轨材质或打磨工艺，从而高效降低整体噪声辐射