Numerical study on aerodynamic noise reduction of bogies with cylindrical leading-edge disturbances
Notice bibliographique
Résumé
This study proposes a passive noise reduction method using cylindrical leading-edge perturbation structures in the bogie region of high-speed trains. Large Eddy Simulations combined with the Ffowcs Williams–Hawkings acoustic analogy were performed on a 1:8 scale simplified bogie model at 400 km/h to assess the effectiveness of this approach. Cylindrical leading-edge structures with diameters of 0.5δ, 0.625δ, 0.75δ, and 0.875δ (δ: local boundary layer thickness) were assessed for their impact on flow disturbances, Spectral Proper Orthogonal Decomposition modes, dipole source power, and far-field noise. The 0.875δ cylindrical leading-edge structure achieved the greatest noise reduction, lowering far-field Overall Sound Pressure Level by up to 3.7 dB. This reduction is primarily due to the suppression of tonal peaks near 250 and 500 Hz. The 250 Hz tonal peak primarily originates from a large-scale recirculating feedback flow (L1) within the bogie cavity. The cylindrical leading-edge disturbance modifies the shear layer separation angle, reduces flow impingement on the rear cavity wall, and displaces the recirculation zone (L2) downward, thereby weakening the tonal feedback loop. The 500 Hz tonal peak arises from strong dipole sources observed near the front axle, bogie frame, and the lower surfaces of both front and rear wheels. The cylindrical leading-edge disturbance modifies the dominant flow modes, reducing their interaction with the axle and bogie frame and thereby disrupting flow-structure coupling. This results in a substantial reduction in noise energy, with small-scale feedback structures (S1 and S2) nearly eliminated and the intensity of S3 significantly reduced.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».