一种列车噪声预测系统及方法技术方案

本发明专利技术公开了一种列车噪声预测系统及方法，涉及高速列车技术领域，包括监测中心、声音数据采集模块、声音数据分析模块、神经网络训练模块、噪声预测模块、声音可视化模块以及存储模块；所述声音数据采集模块，用于实时获取列车运行过程中的声音数据；所述神经网络训练模块，用于通过导入待测声音数据的多个变量值，从而获得列车运行过程中的声音预测值；所述声音数据分析模块，用于根据声音数据采集模块所获取到的声音数据，对列车运行过程的声音数据进行分析所述噪声预测模块，用于对列车在运行过程中的声音数据进行预测；所述声音可视化模块，用于将列车的噪音分布进行3D显示。用于将列车的噪音分布进行3D显示。用于将列车的噪音分布进行3D显示。

【技术实现步骤摘要】
一种列车噪声预测系统及方法


[0001]本专利技术属于高速列车
，具体是一种列车噪声预测系统及方法。

技术介绍

[0002]高速列车线路覆盖面积正在逐步扩大，在给人们出行提供便利的同时也带来了噪声问题。高速列车与普通列车的本质区别在于列车运行过程中的动态环境发生了质变，即起主导作用的机械特性改变为气动特性。随着车速增加和乘坐舒适性要求的提高，声学设计已经是高速列车设计阶段必不可少的元素。若沿用传统的降噪方法，即等到实车搭载试验运行后再评价噪声问题再采取各种应对措施，这对于耗资巨大的高速列车而言，后期优化和生产成本会进一步加大。如果在列车设计阶段能够准确预测车内噪声水平，将会为促进高速列车设计和制造的短周期化、低成本化和低噪声化提供参考；
[0003]现有的技术中，在对列车进行声音数据的检测时，往往只能通过声音的数值，对列车的声音分布情况进行判断，这种判断方式比较抽象，无法直观的对列车的声音分布情况进行观测，为了解决上述问题，现提供一种列车噪声预测系统及方法。

技术实现思路

[0004]本专利技术的目的在于提供一种列车噪声预测系统及方法。
[0005]本专利技术的目的可以通过以下技术方案实现：一种列车噪声预测系统，包括监测中心、声音数据采集模块、声音数据分析模块、神经网络训练模块、噪声预测模块、声音可视化模块以及存储模块；
[0006]所述声音数据采集模块，用于实时获取列车运行过程中的声音数据；
[0007]所述神经网络训练模块，用于通过导入待测声音数据的多个变量值，从而获得列车运行过程中的声音预测值；
[0008]所述声音数据分析模块，用于根据声音数据采集模块所获取到的声音数据，对列车运行过程的声音数据进行分析；
[0009]所述噪声预测模块，用于对列车在运行过程中的声音数据进行预测；
[0010]所述声音可视化模块，用于将列车的噪音分布进行3D显示。
[0011]进一步地，声音数据的获取过程包括：获取叶片通过频率，并将叶片通过频率进行标记；分别获取列车的动压与静压，并对列车的动压与静压分别进行标记；获取列车的行进速度和空气流速，并对列车的行进速度和空气流速分别进行标记，获取列车车身与受电弓的气动激励声音数据，并将气动激励声音数据进行标记。
[0012]进一步地，声音预测值的获取过程包括：将声音数据采集模块所获取到的叶片通过频率、列车的动压、列车静压、列车的行进速度、气动激励声音数据和空气流速导入到神经网络算法中的输入神经元中；通过神经网络算法和训练，得到声音预测值；最后将所获得的声音预测值通过输出神经元进行输出，并发送至噪声预测模块。
[0013]进一步地，声音数据分析模块的分析过程包括：将声音数据采集模块所获取到的
声音数据分别进行时域分析和频域分析；根据时域分析和频域分析的结果分别生成时域分析图谱与频域分析图谱。
[0014]进一步地，对声音数据进行预测的过程包括：首先对声音数据的多个变量值进行赋值，该赋值即为设定变量条件；然后根据所获得的声音预测值生成参考时域分析图谱和参考频域分析图谱；将参考时域分析图谱和参考频域分析图谱与时域分析图谱与频域分析图谱分别对应放置在同一坐标系内，生成组合时域分析图谱和组合频域图谱；并将参考时域分析图谱、参考频域分析图谱和时域分析图谱与频域分析图谱分别标记不同的颜色；最后根据组合时域分析图谱和组合频域图谱，分别获取声音预测值与声音数据之间的差值，并根据差值，生成差值图谱；并保存至存储模块中。
[0015]进一步地，将声音数据进行3D显示的过程包括：建立列车的3D立体模型图；将获取到的列车的声音数据通过插值的方式，对列车的3D立体模型图进行全局渲染；最后将全局渲染后的列车的3D立体模型图中的声音数据分布，通过不同的颜色进行标记，最终形成高速列车噪声实时状态三维图，在具体使用过程中，高速列车噪声实时状态三维图中的暖色部位表示噪声值偏大，冷色部位表示噪声值偏小，且高速列车噪声实时状态三维图能够进行360
°
转动，实时显示列车的声音数据的分布情况。
[0016]进一步地，高速列车噪声实时状态三维图中列车的声音数据的颜色标记方式为：从暖色到冷色的逐渐变化对应声音数据由大到小。
[0017]进一步地，所述声音数据采集模块由多个声音数据采集终端组成。
[0018]一种列车噪声预测方法，包括以下步骤：
[0019]步骤一：获取列车运行过程中的声音预测值；
[0020]步骤二：获取列车运行过程中的声音数据；
[0021]步骤三：对声音预测值和声音数据进行分析，并得到分析结果；
[0022]步骤四：根据分析结果，生成高速列车噪声实时状态三维图。
[0023]进一步地，所述步骤二中对声音数据的获取过程和分析过程均为实时获取和实时分析。
[0024]本专利技术的有益效果：
[0025]1、噪声数据可视化，可以直观、清晰的观测列车三维渲染图的噪声分布情况，通过直接与车辆设计、材料等参数匹配列车预测噪声，实现列车噪声正向开发。
[0026]2、给影响列车待测品噪声的输入参数变量赋值，可准确预测当前变量值下噪声。基于这项技术，技术人员可以在设计时就是知道列车哪里可能会有噪声超标，而不是现在常规做出来产品再各种降噪，而是设计时就可以优化噪声，实现正向开发；节约时间、经费、资源；很大程度上减少了噪声开发、降噪的重复性。
附图说明
[0027]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0028]图1为一种列车噪声预测系统及方法的原理框图。
具体实施方式
[0029]如图1所示，一种列车噪声预测系统，包括监测中心、声音数据采集模块、声音数据分析模块、神经网络训练模块、噪声预测模块、声音可视化模块以及存储模块；
[0030]所述声音数据采集模块由多个声音数据采集终端组成，用于实时获取列车运行过程中的声音数据，具体获取过程包括以下步骤：
[0031]步骤S1：获取叶片通过频率，并将叶片通过频率标记为YF；
[0032]步骤S2：分别获取列车的动压与静压，并分别标记为DY和JY；
[0033]步骤S3：获取列车的行进速度和空气流速，并分别标记为XV和LV；，获取列车车身与受电弓的气动激励声音数据，并将气动激励声音数据进行标记。
[0034]步骤S4：将步骤S1
‑
S3所获得的数据分别发送至神经网络训练模块和声音数据分析模块。
[0035]所述神经网络训练模块用于通过导入待测声音数据的多个变量值，从而获得列车运行过程中的声音预测值，具体过程包括以下步骤：
[0036]步骤Y1：将声音数据采集模块所获取到的叶片通过频率Y本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种列车噪声预测系统，其特征在于，包括监测中心、声音数据采集模块、声音数据分析模块、神经网络训练模块、噪声预测模块、声音可视化模块以及存储模块；所述声音数据采集模块，用于实时获取列车运行过程中的声音数据；所述神经网络训练模块，用于通过导入待测声音数据的多个变量值，从而获得列车运行过程中的声音预测值；所述声音数据分析模块，用于根据声音数据采集模块所获取到的声音数据，对列车运行过程的声音数据进行分析；所述噪声预测模块，用于对列车在运行过程中的声音数据进行预测；所述声音可视化模块，用于将列车的噪音分布进行3D显示。2.根据权利要求1所述的一种列车噪声预测系统，其特征在于，声音数据的获取过程包括：获取叶片通过频率，并将叶片通过频率进行标记；分别获取列车的动压与静压，并对列车的动压与静压分别进行标记；获取列车的行进速度和空气流速，并对列车的行进速度和空气流速分别进行标记，获取列车车身与受电弓的气动激励声音数据，并将气动激励声音数据进行标记。3.根据权利要求1所述的一种列车噪声预测系统，其特征在于，声音预测值的获取过程包括：将声音数据采集模块所获取到的叶片通过频率、列车的动压、列车静压、列车的行进速度气动激励声音数据以及空气流速导入到神经网络算法中的输入神经元中；通过神经网络算法和训练，得到声音预测值；最后将所获得的声音预测值通过输出神经元进行输出，并发送至噪声预测模块。4.根据权利要求1所述的一种列车噪声预测系统，其特征在于，声音数据分析模块的分析过程包括：将声音数据采集模块所获取到的声音数据分别进行时域分析和频域分析；根据时域分析和频域分析的结果分别生成时域分析图谱与频域分析图谱。5.根据权利要求1所述的一种列车噪声预测系统，其特征在于，对声...

【专利技术属性】
技术研发人员：李涛，吴晓婷，罗竹辉，杨军，胡云卿，许双喜，肖磊，查国涛，刘永江，刘勇，赵凯辉，汪敏琪，
申请(专利权)人：湖南工业大学，
类型：发明
国别省市：