震动与噪声期刊 飞轮啸叫幅度的建模与减缓外文翻译资料

英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料

震动与噪声期刊 飞轮啸叫幅度的建模与减缓

关键词 飞轮啸叫 震动幅度 仿真建模 极限环分析

摘要

震动幅度和飞轮尖锐噪声的等级可以通过一种精确的数学模型进行分析，这种模型同时通过了双轮试验台滚动接触和实际例子的检测。这种模型被用来呈现基于能量的分析从而得到在振鸣时爬行和振动幅度的极限环稳定状态的封闭形式解。这种分析法和实验上协调的完全非线性模型得到的数值解契合地很好。尖锐噪音等级的趋势预测和不同实验台转速所记录的不同的横向速度（和攻角相对应）也较为完美的契合。另外，进一步的证明反对了许多飞轮噪音在300m的骤变曲线。在一个来源于Rudd[1]的简化模型的对比中，也体现了当前模型的准确性和优点。这个分析结果提供了两个深刻见解，一个是尖锐噪音压力等级如何随着横向速度（或者攻角）而增大，一个是包含了具体的模态阻尼研究的重要噪音参数如何影响振幅。

最后，这个高效的模型用来把参数研究变为降低6dB噪音的方法。这个结果强调了横向速度（和攻角）和可以被第三人控制（摩擦修改器）的蠕变曲线参数的重要性。最终结果和实验和实地观测一致并为减缓飞轮噪音和量化相对的优点的实用机制提供了重要的理论观点。

1. 引言

飞轮尖锐噪音是一个高声调的噪音，它在火车越过铁轨的角落时会产生。它经常在我们耳朵最敏感的频率范围内出现，因此那些铁轨附件的人对它非常厌恶。这个现象也困扰了铁路部门好多年并随着铁路使用的增加和人们主观承受噪音的能力降低其重要性持续上升。例如，飞轮噪音是澳大利亚曲线运输道路上的一个主要影响，尤其在都市区域。虽然在过去几十年获得了许多有关尖锐噪音机制的研究，飞轮噪音的产生和幅度在实际中由于依赖广泛的车辆和轨迹参数仍然无法预测。噪音幅度也由非线性极限环幅度决定，这使得除了复杂的仿真外建立模型变得困难。大量飞轮噪音模型的模型按照Rudd [1]的工作进行并由Remington [2]和Thompson et al. [3]在基础机制方面审查，因为侧面蠕动是一个统一的整体。弯曲噪音被认为来源于当火车轮越过角落时引起巨大的蠕滑力造成的不稳定的振动幅度响应。传统观念认为飞轮噪音来源于接触部位横向粘滑运动机构，这和小提琴弦弯曲类似。特别地，当小车经过轨道的弯曲部分，旋转速度和车轮速度不同，也就是攻角，导致了车轮经过轨道顶部的横向速度和测滑速度，如图一所示。

Figure 1铁路轮轨接触的横向蠕变特性。a)滑移/粘附的区域，b)临界点，在该区域，滑移首先发生，c)负斜率区域增加滑动，导致蠕变振荡负阻尼。

由图1知，尖锐噪音原理和拉小提琴类似，依赖于侧面爬行力行为和在车轮激励下的蠕动条件。[4,5].摩擦力系数和牵引力倾斜曲线受到所谓的第三者接触，一个界面层包含着任何润滑剂，污染物和相互接触产生的物质[6]。如果横向速度足够大它的振幅会引起完全滑动区域，这个区域的负斜率就会和横向振动的负阻尼联系在一起这样就导致了噪音不稳定。这就会导致自激爬行振幅，它反过来激励飞轮（或者琴弦）振动并发出声音。相反，一些近期的研究声称常规和切向动力学的模态耦合现象可能导致不稳定 [7].。噪音的纯音部分大部分与飞轮固有频率相关，这和平面外的飞轮弯曲模式一致。在过去关于飞轮机械阻抗建模细节的不同已经有了大量研究（分析方面[8e12], FEM [4,13,14]）垂直力学性能[4,14]，接触力和飞轮噪音[4,13,14]。一些也介绍了飞轮粗糙和旋转效应[11,12]。最近，有人对车轮的横向蠕变进行了瞬态分析，以解释摩擦力的非线性，由此产生的激发轮模态可以更好地与现场观测相匹配[15]。值得注意的是，由Heckl和Abrahams[11]提出了一个时域模型，该模型聚焦于一个由圆盘速度所依赖的干摩擦力沿边缘上的一个点激发的扁平圆片所产生的噪声。本文的结论是，曲线噪声是一种不稳定的车轮振动，它增长到极限环振荡，其速度幅值等于或非常接近于爬行的速度。此外，Chiello等[16]的仿真结果也表明，振动速度稳定在横向滑动速度下。Rudd[1]开发了一种近似的尖叫噪声振幅模型，假设了特定的简化(指数级)蠕变和转弯机制，仅限于较低的横向滑动速度(或攻角)。对于更高的攻角，他还表示振动速度接近横向滑动速度（爬行速度)。目前的作者在参考文献[17 23]中对此进行了进一步的研究。利用数值功率平衡分析，却没有达到分析预测和解释。

最近的许多研究也集中在摩擦发生和摩擦修正因子[18]对现象的影响情况下用实验验证模型预测的情况。最近的预测模型包括[4,19]，其中包括车轮和铁路的动态行为的详细描述和饱和区域的蠕变。在受控环境下，对双盘和转向架进行了验证[20]。实验结果包括de Beer et al.[4]、Monk-Steel et al.[19]在内的滚动接触力条件。在Monk-Steel et al.[19]中，引入纵向蠕变可以减小侧向蠕变力，从而改变摩擦曲线的斜率。这导致了在纵向蠕变的情况下，出现了较低的尖叫声，并增加了对尖叫的侧向爬升的阈值。在Koch等[21]中，对1/4规模的试验台进行了测量，其中包括一个单块轮轴，以及抗尖声解决方案的测试。在Monk-Steel et al.[19]中，引入纵向蠕变可以减小侧向蠕变力，从而改变摩擦曲线的斜率。这就导致了在纵向蠕变的情况下，出现了较低的尖叫声，并且在必要的侧蠕变的门槛上增加了。在Koch等[21]中，对1/4规模的试验台进行了测量，其中包括一个单块轮毂，以及抗尖声解决方案的测试。通过实验确定了噪声水平、轧制速度和攻角之间的关系，并在干燥条件和水条件下测量了平均摩擦系数作为横向蠕变的函数。在Ref[20]的新型仪器中，直接在双盘车轮靠近处接触补丁，这样为获得更多直接侧向力的测量提供了一些验证不能预测的模型。虽然第三者接触的存在似乎影响试验台结果的可靠性。在参考文献[18]中，摩擦修改被证明会引起大量(~12 d B)噪音的减少，这与在欧洲的一系列公共交通站点上的高铁尖声和法兰噪声有关。

尽管做出了这些巨大的努力，但在理解、预测和验证噪声如何随重要参数(如爬行速度和攻角)变化的趋势方面存在不确定性。特别是，模型通常涉及的复杂程度太大，无法有效地预测噪声振幅，并对临界参数对噪声水平的影响进行详细的理论和现场研究。本研究采用一种简洁的数学模型，对车轮声振动的振动幅度和声压级进行了有效的预测，并通过滚动接触两个圆盘试验平台和现场测量结果验证了该模型的有效性。主要贡献包括

1.振动和噪声极限环幅值的理论预测，作为临界噪声参数的函数。

2通过实验和现场测量验证了噪声振幅趋势，并与Rudd[1]的简化修正预测进行了比较。

3理论解释了为什么噪声的声压级强烈地依赖和增加了爬行的速度以及振幅是如何受其他参数影响的。

4识别和量化关键参数所要求的变化，从而大幅度降低车轮声噪声，包括对模态阻尼的影响进行详细的研究。

本文着重于车轮声振幅的预测和减少，与以往的许多论文集中于车轮声的发生(即开始时的临界条件)相比。本文将首先描述用于调查的试验台、场测量和数学方法。在此基础上，提出了一种对声振和噪声振幅的封闭形式解的极限环分析。然后与数值、实验和现场测量趋势进行比较。最后，利用有效的理论模型进行关键参数敏感性分析，以确定在得出结论之前可以降低噪声振幅的方法。

1. 方法

本文的实验结果是在参考文献[24]中得到的，使用了一个滚动接触的两个圆盘测试平台，用于对尖叫噪声的调查(在第2.1节中为方便起见，本文描述了以下内容)。在第2.2节中描述了对尖叫的实地调查的详细情况。为了方便起见，本文在第2.3节中重新描述了时域的理论模型(在Ref.[24]中引入)。在这里为方便起见，时域理论模型(在Ref.[24]中引入)在第2.3节中重新描述。随后的分析方法在2.4节中详细描述了啸叫振荡幅度。数值和分析模拟的参数也来源于测试设备的特性描述。

2.1实验方法

在参考文献[24]中，采用滚动接触两个圆盘试验装置，研究了爬行速度对啸叫噪声的影响，如图2所示。

Figure 2滚动接触两个盘式试验台，用于调查试验台的尖叫噪声(a)前视图，(b)测试钻机结构的FEM模型[22]

上轮和下轮之间的侧向力可以用应变计桥来测量，如图2(b)所示，并在参考文献[22]中详细介绍了该方法。该试验台的参数如表1所示

表1 试验台和仿真参数

本文采用参考文献[17]中引入的方法对上下轮之间的攻角进行了调整和测量。测试平台发出的声音压力水平被记录在靠近(5厘米远)的下盘和80厘米的地面上，如图2所示。利用国家仪器和Matlab对调理放大器、模拟数字转换器(ADC)和Labview的信号表达3.0进行处理，并将参考压力设置为20 m Pa RMS。每一次的声音被记录为2秒，每一次爬行的速度增量为8000赫兹。采用硬顶冲击锤对试验台的振动特性进行了试验研究，并采用有限元法进行了分析。从有限元分析和模态测试中得到的下轮的振动特性与声音记录的结果相吻合。在参考文献[17]中提供了更多的细节。

2.2实践测量

为了验证有效的尖叫模型，从澳大利亚网络的状态监测装置中获得了噪声和攻角(车轮相对于钢轨的角度)数据。该系统位于一条300米半径曲线的中段附近，该曲线主要承载着货运和客运列车。来自路边系统的数据包括噪音水平，Ao A，侧向位置，以及每个转轮的速度。在负值指示车轮倾向于攻击高铁的情况下，记录了正面和负的攻击角度，但在本文中考虑了攻击角度的绝对值(尽管在正反两种情况下都发现了类似的结果)。

在不同的噪音水平范围内观察到车轮声的水平相当于相当于背景滚动。从铁路上测量1.2米时，噪音超过115分贝。其他噪声源，如法兰噪声、机车噪音，或滚动的噪音，是存在的，但很少超过这个水平，因此没有被特别排除。一个简单的在此基础上，开发和测试了算法，以识别噪声和噪声。频率谱，详见参考文献[29]。基本的尖叫声被认为是纯粹的色调，高频和高水平的噪音，当法兰噪声被识别为宽带高频噪声时。通过使用该算法，我们发现120个dBA或更高的噪声事件(测量值为1.2 m)只能发出噪声。旅客列车在这个地点不会产生严重的噪音，因此在分析中被排除在外。为了与分析预测相比较，在现场测量中使用了10%的过路轮的声压级超过10%。这种测量方法通常用于交通噪音，因为它提供了一

全文共18137字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[13773]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 在数控机床导轨上设计并制造-一个加工精准、低油耗自动润 滑控制系统外文翻译资料
• 压电传感器与执行器集成夹层悬臂梁损伤检测方法 的有限元建模与分析外文翻译资料
• 柔性自动装配系统的机器视觉外文翻译资料
• 对小直径同轴电缆的无连接器精确高频率测量方法外文翻译资料
• 胶结钢齿轮轴的功能级配 以及对阻尼和微观结构的影响外文翻译资料
• 浮动球阀.外文翻译资料
• 塔机碰撞实时预防超宽带技术实验。外文翻译资料
• 基于生命周期评估的选择，可持续的轻量化白色车身 设计外文翻译资料
• 液压自动开挖规划 挖掘机外文翻译资料
• 一种挖掘机的装载独立控制外文翻译资料