论文部分内容阅读
摘 要：基于波束形成的球型阵列测试技术可识别室内等密闭空间噪声源，它可为任何声学环境提供完整的全方向噪声地图。针对某地铁司机室噪声偏高的现象，对地铁运行时司机室内噪声源进行识别，分析噪声源的分布和频谱特性，并对司机室各区域进行隔声测试，隔声试验与声源识别结果一致：两侧车门及车门与侧墙连接处声源明显，同时该区域也为隔声薄弱环节。根据该试验分析结果，指导制定了司机室降噪改造方案。
关键词：噪声源识别；地铁列车；隔声
中图分类号：F2
文献标识码：A
doi：10.19311/j.cnki.1672-3198.2017.08.097
0 引言
在大中型城市，地铁逐渐成为人们日常生活的交通首选，与其它交通方式相比，地铁出行的优点有：高效、方便、快捷。但不可避免的是，地铁运行时，车内和车外振动噪声较大，影响乘客的舒适性和沿线居民的日常生活。欧美等发达国家已将地铁噪声列为七大环境公害之一，我国随着环保意识日益加强，对地铁运行环境及乘坐舒适性的要求也逐渐提高。
从噪声的产生、传播与影响特性方面来看，最有效的降噪方式为对噪声源的控制，该方法可以从根本上解决问题。对噪声源进行研究的关键步骤就是对噪声源进行识别及声场重构，从而获得声源辐射特性。在实际工程应用中，早期识别声源的方法，如近场声压法和表面振速法，精度不高。随着电子技术、计算机技术和信号处理技术的发展，频谱分析、相干分析等技术不断应用于噪声源识别，此后又出现了声全息、波束形成等识别声源的新技术。波束形成是一种快速有效的球形阵列噪声源识别、定位技术，工程设计人员可根据声源识别结果为产品的噪声控制、低噪声结构设计方案提供依据。因此，本文应用球形阵列技术对地铁列车进行司机室声源识别，并对司机室各区域进行隔声试验以验证声源识别结果。
1 球形阵列声源识别方法
根据Helmholtz方程可知，封闭表面的声场由其表面的声压和质点速度决定。球形阵列的结构形式为：刚性球面上均匀分布多个传声器，且该球形阵列上均匀布置多个广角摄像头。声源识别测试时，传声器测得球表面声源，经声场分解和重构分析得到声阵列表面声场，摄像头拍摄被测试空间的背景图，声场与背景图结合就可形成完成的三维空间云图，从而得到整个测试密闭空间内、不同方位的声源大小。
某地铁司机室内声源识别采用B&K数采和声源识别分析系统，声学阵列采用B&K50通道球形阵列，如图1所示。
2 司机室噪声源识别结果
2.1 测点布置
声源识别试验的依据以下三个标准及手册：
（1）ISO 3381《Railway applications— Acoustics—Measurement of noise inside railbound vehicles》；
（2）GB/T 3449《声学- 轨道车辆内部噪声测量》；
（3）B&K 《球形阵列测试及声源识别技术手册》。
声源识别试验中所使用的仪器设备在试验前都经过国家级计量检测单位检定，符合ISO 3381、GB/T 3449等相关标准规定的要求。
测试过程中，将阵列放置于司机室内中间位置，测试车辆不同匀速状态下司机室内噪声源特性。测试现场布置图如图2所示。
2.2 噪声源识别结果
声源识别结果显示，车辆以不同速度、在不同区段匀速运行时，识别出的司机室声源特性基本一致。声源识别结果云图如图3所示。
基于球形阵列测试及声源识别技术，对以上各图进行分析，可得司機室噪声源特性相关结论如下：
（1）结合司机室噪声频谱特性可以分析，声源主要来自于160Hz～1250Hz频段的贡献；
（2）车辆运行时，两侧车门以及车门与侧墙连接处声源都十分明显，外部噪声通过车门以及车门与侧墙连接处缝隙传入司机室内。
3 司机室隔声验证
地铁车辆的主要声源为轮轨噪声，轮轨振动噪声一方面通过结构传递，另一方面经由空气途径，通过隔声薄弱环节进入车内。为验证隔声薄弱区域是否与司机室噪声源位置一致，对地铁车辆司机室各关键部件进行隔声试验。
3.1 测试区域及测点布置
车辆静止状态、安静环境下，将十二面体声源放置于司机室内发声，在司机室内外对应位置放置声强测试传声器，同时测试司机室内外对应位置的声压级，计算个测试区域的局部隔声量。
司机室隔声测试区域有：前挡风玻璃、司机室侧门、司机室顶板、司机室地板、司机室侧窗，测试现场如图4所示。
3.2 隔声验证结果
通过对司机室各区域隔声进行分析，可得不同区域的隔声大小如图5所示。
从图5可知，司机室侧门的隔声量最小，总隔声量小于25dB，与声源识别的结果一致。将侧门区域各隔声测试点的隔声量绘制成隔声云图，如图6所示。
从司机室侧门隔声量云图可知，整个门区域隔声量最低位置为车门下部与侧墙连接区域，分析原因为两侧车门区域存在隔声不足现象（特别在车窗区域）以及车门与侧墙连接密封性不好，外部噪声通过车门以及车门与侧墙连接处缝隙传入司机室内。
为降低司机室噪声，应提高司机室车门门缝的密封性能，对司机室车门进行改造，提高司机室侧门的整体隔声性能。
4 结语
本文采用基于波束形成的球形阵列声源识别技术对某地铁车辆司机室噪声源进行识别测试，并对司机室各区域进行了隔声测试，验证声源识别结果，针对试验结果提出了司机室降噪建议。
（1）车辆运行时，司机室声源主要来自两侧车门以及车门与侧墙连接处，分析原因为两侧车门存在隔声不足及密封性能不良现象；
（2）提高司机室车门门缝的密封性能，对司机室车门进行改造，提高司机室侧门的整体隔声性能，均可降低司机室噪声。
参考文献
[1]刘英杰.地铁车站噪声测试与分析[J].铁道标准设计，2009，（08）：110.
[2]宋晶，郝珺.地铁车站对周围环境振动与噪声的影响分析及对策[J].城市轨道交通研究，2008，（03）：26.
[3]陈心昭，毕传兴.近场声全息技术及其应用[M].北京：科学出版社，2013：06-07.
[4]Rossing T D.Springer Handbook of Acoustics[M].New York：Speringer，2007.
[5]张伟.高速列车不锈钢车体低噪声设计初步研究[D].成都：西南交通大学，2010.
关键词：噪声源识别；地铁列车；隔声
中图分类号：F2
文献标识码：A
doi：10.19311/j.cnki.1672-3198.2017.08.097
0 引言
在大中型城市，地铁逐渐成为人们日常生活的交通首选，与其它交通方式相比，地铁出行的优点有：高效、方便、快捷。但不可避免的是，地铁运行时，车内和车外振动噪声较大，影响乘客的舒适性和沿线居民的日常生活。欧美等发达国家已将地铁噪声列为七大环境公害之一，我国随着环保意识日益加强，对地铁运行环境及乘坐舒适性的要求也逐渐提高。
从噪声的产生、传播与影响特性方面来看，最有效的降噪方式为对噪声源的控制，该方法可以从根本上解决问题。对噪声源进行研究的关键步骤就是对噪声源进行识别及声场重构，从而获得声源辐射特性。在实际工程应用中，早期识别声源的方法，如近场声压法和表面振速法，精度不高。随着电子技术、计算机技术和信号处理技术的发展，频谱分析、相干分析等技术不断应用于噪声源识别，此后又出现了声全息、波束形成等识别声源的新技术。波束形成是一种快速有效的球形阵列噪声源识别、定位技术，工程设计人员可根据声源识别结果为产品的噪声控制、低噪声结构设计方案提供依据。因此，本文应用球形阵列技术对地铁列车进行司机室声源识别，并对司机室各区域进行隔声试验以验证声源识别结果。
1 球形阵列声源识别方法
根据Helmholtz方程可知，封闭表面的声场由其表面的声压和质点速度决定。球形阵列的结构形式为：刚性球面上均匀分布多个传声器，且该球形阵列上均匀布置多个广角摄像头。声源识别测试时，传声器测得球表面声源，经声场分解和重构分析得到声阵列表面声场，摄像头拍摄被测试空间的背景图，声场与背景图结合就可形成完成的三维空间云图，从而得到整个测试密闭空间内、不同方位的声源大小。
某地铁司机室内声源识别采用B&K数采和声源识别分析系统，声学阵列采用B&K50通道球形阵列，如图1所示。
2 司机室噪声源识别结果
2.1 测点布置
声源识别试验的依据以下三个标准及手册：
（1）ISO 3381《Railway applications— Acoustics—Measurement of noise inside railbound vehicles》；
（2）GB/T 3449《声学- 轨道车辆内部噪声测量》；
（3）B&K 《球形阵列测试及声源识别技术手册》。
声源识别试验中所使用的仪器设备在试验前都经过国家级计量检测单位检定，符合ISO 3381、GB/T 3449等相关标准规定的要求。
测试过程中，将阵列放置于司机室内中间位置，测试车辆不同匀速状态下司机室内噪声源特性。测试现场布置图如图2所示。
2.2 噪声源识别结果
声源识别结果显示，车辆以不同速度、在不同区段匀速运行时，识别出的司机室声源特性基本一致。声源识别结果云图如图3所示。
基于球形阵列测试及声源识别技术，对以上各图进行分析，可得司機室噪声源特性相关结论如下：
（1）结合司机室噪声频谱特性可以分析，声源主要来自于160Hz～1250Hz频段的贡献；
（2）车辆运行时，两侧车门以及车门与侧墙连接处声源都十分明显，外部噪声通过车门以及车门与侧墙连接处缝隙传入司机室内。
3 司机室隔声验证
地铁车辆的主要声源为轮轨噪声，轮轨振动噪声一方面通过结构传递，另一方面经由空气途径，通过隔声薄弱环节进入车内。为验证隔声薄弱区域是否与司机室噪声源位置一致，对地铁车辆司机室各关键部件进行隔声试验。
3.1 测试区域及测点布置
车辆静止状态、安静环境下，将十二面体声源放置于司机室内发声，在司机室内外对应位置放置声强测试传声器，同时测试司机室内外对应位置的声压级，计算个测试区域的局部隔声量。
司机室隔声测试区域有：前挡风玻璃、司机室侧门、司机室顶板、司机室地板、司机室侧窗，测试现场如图4所示。
3.2 隔声验证结果
通过对司机室各区域隔声进行分析，可得不同区域的隔声大小如图5所示。
从图5可知，司机室侧门的隔声量最小，总隔声量小于25dB，与声源识别的结果一致。将侧门区域各隔声测试点的隔声量绘制成隔声云图，如图6所示。
从司机室侧门隔声量云图可知，整个门区域隔声量最低位置为车门下部与侧墙连接区域，分析原因为两侧车门区域存在隔声不足现象（特别在车窗区域）以及车门与侧墙连接密封性不好，外部噪声通过车门以及车门与侧墙连接处缝隙传入司机室内。
为降低司机室噪声，应提高司机室车门门缝的密封性能，对司机室车门进行改造，提高司机室侧门的整体隔声性能。
4 结语
本文采用基于波束形成的球形阵列声源识别技术对某地铁车辆司机室噪声源进行识别测试，并对司机室各区域进行了隔声测试，验证声源识别结果，针对试验结果提出了司机室降噪建议。
（1）车辆运行时，司机室声源主要来自两侧车门以及车门与侧墙连接处，分析原因为两侧车门存在隔声不足及密封性能不良现象；
（2）提高司机室车门门缝的密封性能，对司机室车门进行改造，提高司机室侧门的整体隔声性能，均可降低司机室噪声。
参考文献
[1]刘英杰.地铁车站噪声测试与分析[J].铁道标准设计，2009，（08）：110.
[2]宋晶，郝珺.地铁车站对周围环境振动与噪声的影响分析及对策[J].城市轨道交通研究，2008，（03）：26.
[3]陈心昭，毕传兴.近场声全息技术及其应用[M].北京：科学出版社，2013：06-07.
[4]Rossing T D.Springer Handbook of Acoustics[M].New York：Speringer，2007.
[5]张伟.高速列车不锈钢车体低噪声设计初步研究[D].成都：西南交通大学，2010.