基于L-M贝叶斯正则化方法的BP神经网络在潜艇声纳部位自噪声预报中的应用

基于L-M贝叶斯正则化方法使BP神经网络在推广能力、收敛速度和逼近精度上能够获得很大的提高.文中将BP神经网络和L-M贝叶斯正则化算法相结合用于潜艇声纳部位自噪声预报.分析了影响声纳部位自噪声的各种参数.利用潜艇声纳实测数据进行网络训练,训练好的神经网络可以对潜艇声纳部位自噪声进行精确预报.     

声呐平台噪声控制机理分析

文章针对舰艇声呐平台的噪声问题,研究了三大噪声源对声呐自噪声的影响。研究表明,声呐舱水动力噪声分量主要受肋骨结构影响,在设计中应避免肋骨的形函数与湍流脉动压力波数—频率谱耦合。舰艇自身的螺旋桨噪声和辐射噪声主要从后部和底部向声呐平台传递,在声呐壁面附近和声呐区域产生较高噪声,为提高声呐自噪声控制效果,应在非透声壁面采取隔声措施。舷侧声呐受艇体振动影响较大,应在声呐单元安装导轨的振动传递途径上采取阻尼控制措施,有效降低声呐单元的振动响应。     

基于免疫径向基网络的舰载无人机维修性预计模型

介绍了舰载无人机维修性预计的主要影响因素和维修性参数,将免疫算法与径向基函数相结合,建立了舰载无人机维修性预计的免疫径向基神经网络模型,并与BP网络和常规径向基函数网络进行了对比模拟实验.实验表明,免疫径向基神经网络具有更高的预测性、准确性和更短的训练时间.     

神经网络算法在舰船声呐设备自噪声预报的应用

舰船声呐设备利用声波在水下的传播特性,将采集的声音信号转换为电信号,从而确定水下目标的位置信息、速度信息和形态信息等,是舰船上重要的水声学探测装置。在舰船声呐的正常工作中,噪声信号会对声呐的探测和目标定位精度产生不利影响,常见的噪声源包括舰船螺旋桨噪声、舰船机械噪声、声呐设备自噪声等。本文主要研究舰船声呐设备的自噪声频段分布和形成原理,利用神经网络算法对声呐设备自噪声预报技术进行研究,该研究对改善舰船声呐设备的探测水平、提高声呐采集信号的信噪比、降低声呐设备自噪声等有重要意义。     

潜艇声呐腔自噪声预报平台

本文应用统计能量分析(SEA)对潜艇声呐腔自噪声预报问题进行了研究,编制了界面友好的通用软件预报平台.计算结果与有关实验结果吻合较好,验证了预报平台的有效性和可靠性.本预报平台已应用到多型潜艇声呐腔的自噪声预报中,对选取声呐腔的声学处理方案具有重要的指导作用.     

水下潜器首部声基阵区流噪声研究方法

水下潜器在航行过程中,主要使用声呐来探测敌方舰艇以及自身位置.主声呐一般安放在潜艇首部位置,可分为主动声呐与被动声呐.在探测目标时,噪声是2种声呐系统都必须克服的干扰因素.针对自噪声中的流噪声,首先使用LES模型对水下潜器的外流场进行仿真计算.在获得流场中的脉动压力分布后,将其导入基于Lighthill声类比理论的声学软件ACTRAN中进行声场仿真计算,实现了对水下潜器首部声基阵区流噪声的数值预报.研究了航速、共形阵的安装位置和基阵单元安装面形状对声基阵区流噪声传播的影响.结果表明:航速越大,流噪声越大;增大声呐安装面与导流罩的距离以及使用较光滑的安装面,可以减小声基阵区流噪声的大小.     

再论声呐方程中的声源级与自噪声级

从声呐方程出发,论述了提高舰艇隐蔽性和增大本艇声呐作用距离,缩小水中兵器（制导鱼雷,音响水雷）作战半径的核心是控制声呐方程中的声源级和自噪声级。对与声源级与自噪声级相关的机械噪声,螺旋桨噪声,动力噪声等进行了理论分析。     

论声呐方程中的声源级与自噪声级

本文从声呐方程出发，论述了舰艇降噪的核心是控制声呐方程声源级与自噪声级。通过声呐方程预估舰艇降噪后的声源级与自噪垢级降低，提高了舰艇隐蔽性和本艇声呐作用距离，获得了缩短水中兵器作战半径的战术效果，使打击威力提高。     

基于BP神经网络与L-M算法的潜艇声纳自噪声预报

L-M（Levenberg-Marquart）算法与BP（Back-Propagation）神经网络相结合，使神经网络在多样本、大变量输入的情况下，具有更快的收敛速度和更高的逼近精度。将BP神经网络与L-M算法相结合应用于潜艇声纳自噪声预报；分析了影响潜艇声纳自噪声的各种声源参数；利用潜艇声纳实测数据进行网络训练，训练好的神经网络可以对潜艇声纳自噪声进行精确预报。     

周期加肋夹芯透声窗的声呐自噪声特性研究

以舰船声呐罩透声窗的低噪声设计为背景,针对周期加肋夹芯平板和平行腔体组成的简化声呐罩模型,采用Fourier变换方法和功率谱密度函数,建立加肋夹芯透声窗受平稳随机湍流脉动压力激励产生的声呐部位水动力自噪声的计算方法,数值计算肋骨几何尺寸和间距等参数对声呐自噪声的影响.研究结果表明加肋透声窗在湍流脉动压力激励下产生的声呐自噪声,取决于声呐罩的空间滤波特性.肋骨引起的波数迁移,使透声窗与湍流脉动压力的传输峰值分量发生空间吻合共振,明显增大声呐自噪声.加肋夹芯透声窗的弹性波传播截止效应,部分抵消肋骨产生的空间调制效应,可降低声呐自噪声5 dB～10 dB.     

Underwater vehicle sonar self-noise prediction based on genetic algorithms and neural network

1Introduction Sonarself noiseisakeyfactorinfluencingthehiding capabilityofanunderwatervehicleanddetectioncapa bilityofsonar.Decreasingsonarself noisehasimpor tanteffectonenhancingtheprobabilityofsonardetec tionandbattleeffectivenessofunderwatervehicle.An …     

统计能量法计算声呐自噪声的水动力噪声分量

本文针对水下航行器舷侧的声呐基阵,采用统计能量法建立自噪声中水动力噪声分量的计算模型,并计算分析不同罩壁材料、吸声处理对声呐自噪声的影响.     

集成统计能量法计算声呐自噪声水动力噪声分量

针对舰船艏部非规则形状声呐罩的自噪声预报,借鉴集成模态法思路[1,2],采用虚拟弹性膜技术,建立集成统计能量法(Integro-SEA),并以矩形腔声呐罩为例验证计算精度.在此基础上,采用集成统计能量法计算舰船艏部声呐自噪声的水动力噪声分量,并修正计算艏部边界层转捩区湍流猝发声源对声呐自噪声的作用.研究表明:用经典SEA和集成SEA方法计算矩形腔声呐罩自噪声,偏差小于1dB,集成SEA方法加边界层转捩区声源修正,计算的舰船艏部声呐自噪声与实艇测试结果比较,在200Hz～6kHz的中频范围内相差2～3dB.     

基于AutoSEA2的声呐自噪声水动力分量分析

利用基于统计能量分析法的声仿真软件AutoSEA2分析湍流边界层激励下水下航行器声呐腔自噪声水动力分量。采用一种新的回转体模型模拟声呐罩,重点讨论了空间分布不均匀的湍流边界层对声呐罩的输入功率的计算。利用Fluent软件计算边界层的分离点及一些重要参数。分析结果可作为空间不均匀湍流边界层激励下声呐腔自噪声工程估算的参考。     

敷设空腔尖劈的声呐平台声学特性研究

基于变截面波导理论建立吸声系数方程,讨论了不同静压下尖劈吸声性能,开展了空腔尖劈声管测试,并将计算值与实验值进行对比分析。在此基础上,通过数值试验预报了声呐平台区的自噪声分布,对比分析了空腔尖劈敷设方案对其声学特性的影响。结果表明：随着静水压力的增大,尖劈吸声系数第一谐振峰向高频移动;高静压下,尖劈吸声系数下降较快。敷设空腔尖劈的声呐平台区的自噪声总声压级显著降低,尖劈部分优化敷设既要考虑全频段平台区的自噪声总声级,又要兼顾声呐基阵位置处的声压分布。     

基于RBF神经网络的水面船舶轨迹跟踪控制

针对速度矢量不可测、动态参数不确定以及具有未知扰动和磁滞特性的水面船舶系统,提出一种基于径向基函数神经网络的自适应反馈轨迹跟踪控制方案。根据船舶的状态矢量,利用高增益观测器估计水面船舶系统的不可测速度矢量,并通过一个函数描述间隙类磁滞对系统的影响。利用径向基函数神经网络的逼近能力和反步法设计控制器,基于李雅普诺夫稳定性理论,验证所设计控制器的稳定性,证明系统所有的闭环信号都是半全局一致有界的。通过仿真验证了控制器的有效性。     

一个基于MPLS和分布式数据库的双网络舰船数字化系统

针对舰船数字化系统设计特点，应用MPLS技术、分布式数据库实时控制网络技术及CORBA技术等网络和软件集成技术，构建一个双网络环境的舰船数字化系统。首先提出了舰船数字化系统的总体结构，并在分布式数据库实时控制网络和MPLS信息管理网络的双网络基础上，利用CORBA代理服务来实现系统的软件集成，从而将舰船数字化系统的各个分系统集成为一个整体，以解决舰船信息管理和控制一体化问题。