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.     

随机面激励的非规则声腔自噪声计算方法研究

舰船声呐罩以及舱室、车厢等常见的非规则声腔受湍流边界层脉动压力随机面激励产生的水(气)动力噪声,已经或将成为声呐自噪声和舱室噪声的主要成因。文中以一个非规则形状的三维声腔为例,考虑声腔结构振动与内外声场的耦合,采用虚拟膜技术和集成模态法以及功率谱密度概念,建立了声腔受湍流边界层脉动压力随机面激励的自噪声计算模型和方法。数值计算分析表明:虚拟膜技术和集成模态法可用于舰船声呐罩以及列车和汽车车厢等非规则声腔自噪声计算的声学建模,预报声腔内部水动力噪声或气动力噪声的低中频分量,具有数值方法能够模拟复杂形状声腔和解析方法相应的声振耦合方程维数少的优点。     

舷侧阵声纳自适应噪声抵消器的海试数据处理

自适应本舰噪声抵消技术已成为舷侧阵声纳信号处理技术中的主要研究课题,实艇数据分析对寻求舷侧阵声纳自适应噪声抵消的实用方法有着重要的意义.结合实艇数据,本文对潜艇舷侧部分自噪声分布及特点;舷侧阵的最佳安装和噪声传感器的布置;自适应噪声抵消器的实用结构和算法;理想参考通道数据融合等问题进行了分析.     

船舶声学建模和阻尼结构对舱室噪声影响研究

利用基于统计能量分析方法的商用软件AutoSEA2,对船舶结构进行三维声学建模.计算分析表明:在激励源所在舱室敷设阻尼材料,不会明显降低此舱室噪声,但对其它舱室有降噪作用,并且自由阻尼材料比约束阻尼材料效果更好;在非激励源舱室敷设阻尼材料,能起到降噪作用,并且约束阻尼材料比自由阻尼材料效果更好.而后探讨不同声学模型对船舶舱室噪声影响:空气噪声激励对激励所在舱室声腔子系统噪声响应影响显著,结构噪声激励则对远离激励的舱室声腔子系统影响比较明显;加筋板结构对船舶舱室降噪略有作用;船舶舱底是否加载压载油、水,对船舶舱室噪声无明显影响.     

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。     

潜艇自噪声检测中亟待研究的课题——如何排除海洋环境噪声的影响

现代潜艇随着声学设计的深入研究，潜艇的声隐身性能不断的提高，潜艇的声纳平台区自噪声也逐渐降低，在本艇声纳工作频段范围内，海洋环境噪声在某些场合下的量级与声纳部位的自噪声级相当。因此，如何排除海洋环境噪声对实艇自噪声检测分析的影响，是亟待研究的问题。     

基于径向基函数神经网络的舰艇声呐部位自噪声预报

径向基函数神经网络具有学习速度较快,函数逼近能力强的特点.文章分析了影响声呐部位自噪声的各种声源参数,以舰艇声呐部位自噪声作为目标函数,将径向基函数神经网络用于舰艇声纳部位自噪声预报.利用舰艇声呐实测数据进行网络训练,训练好的神经网络可以对舰艇声呐部位自噪声进行精确预报.     

流固耦合船舶舱室中低频噪声数值分析

文章介绍了封闭声腔结构区域内流固耦合声学有限元数值分析理论、方法和计算流程,并用该方法进行封闭区域内声学特性分析,应用于船舶舱窀噪声数值预报.文中计算考虑了船舶动力激励源引起的结构振动响应噪声、空调风口噪声源引起的空气噪声及舱室周围复合吸声材料.     

声纳脉冲抑制的技术研究

针对声纳设备工作过程中,如果同时接收到噪声目标信号和声纳脉冲信号,脉冲信号对噪声工作方式而言是干扰信号,直接影响对噪声目标信号的检测和跟踪,影响了声纳正常功能的发挥。围绕这个问题,提出了应用全数字自适应线谱抵消技术实现对脉冲干扰进行抑制的技术研究。     

加肋透声窗水动力自噪声的数值/解析混合计算方法研究

针对声呐透声窗薄壳加肋结构声学优化设计,将声呐部位简化为弹性矩形板和矩形腔组成的规则模型,采用结构有限元方法求解结构模态振动,并采用近似结构模态函数计算外场Rayleigh积分方程,采用模态解析方法求解声腔内部声场,建立声振耦合方程,进一步考虑湍流边界层脉动压力的时空随机激励特性,形成数值/解析混合的声呐水动力自噪声快速计算方法。以弹性平板为例计算声呐舱的水动力自噪声,并与理论解析法比较,验证本方法的准确性。计算了垂向肋骨的间距对声呐部位水动力自噪声的影响,研究结果表明：在保证声呐透声窗强度要求的前提上,减少垂向肋骨数量,扩大垂向肋骨间距,有利于降低流激水动力自噪声。     

模型的某些简化对船舶舱室噪声预报的影响研究

本文以某化学品油船为目标船舶,利用VA One软件建立其统计能量分析模型并预报其舱室噪声,随后对模型进行了某些简化,研究了液舱内的液体介质和双层底结构的改变对舱室噪声预报的影响.研究结果表明液舱内的液体介质和双层底的具体结构形式对于舱室的噪声影响很小,可以不予考虑,今后在建立船舶的统计能量分析模型时,可以将双层底简化为一个大的声腔,从而减少建模工作量,提高效率.     

主动声纳的低截获性数字仿真研究

在现代海战中,舰艇面临着越来越严峻的敌方侦察声纳的威胁.低截获是一项非常诱人的技术.低截获声纳通过选择合适的发射信号,在保持探测能力的同时,降低被敌方侦察声纳截获的概率.采用数字仿真的形式,分析浅海侦察声纳信号能量的变化,研究主动声纳的低截获性.仿真结果表明在高斯噪声背景下,主动声纳实现低截获性相当困难.     

基于自抗扰控制器的猎雷声纳基阵姿态稳定系统研究

依据声纳基阵姿态控制稳定回路数学模型及工作环境的特点,采用具有非线性结构的自抗扰控制器实现了声纳基阵姿态稳定系统的控制.仿真结果说明,稳定系统的动、静态性能满足指标要求;与经典的PID控制效果相比,控制性能得到了全面改善.     

宽带多普勒声纳系统原理及特性研究*

宽带多普勒声纳采用重复相位编码信号和复协方差算法,相对于窄带技术大大提高了测量精度。论文分析了宽带多普勒声纳的系统结构和工作原理,介绍了复协方差方法,通过对湖试数据的分析,研究了多普勒声纳接收到的信号特性,分析了时域波形和包络,指出了回波首先以混响为主,经过一定的延时后接收的信号以限带白噪声为主;分析了海底回波的幅度特征并采用滑动谱矩估计分析了接收的整个时域信号的速度特征。分析了噪声的概率密度和功率谱,并与高斯白噪声比较,得到宽带多普勒声纳接收到的噪声近似服从高斯分布的结论。     

海洋水声特性与潜艇声学设计

潜艇的声学特性是由传到水中的辐射噪声组成的，同时潜艇的自噪声会降低潜艇上各种传感器和声纳的工作性能。潜艇噪声源发出噪声，必须经过海洋水声传播过程，才能被敌方反潜水声侦察仪器发现。因此，了解海洋水声特性对潜艇声学设计十分重要。     

水介质弹性共振腔的中低频吸声特性研究（英文）

文章以降低声呐罩自噪声为背景,将声呐罩简化为矩形声腔,建立了弹性共振腔阵列及声学覆盖层与矩形声腔的声振耦合模型;计算分析了弹性共振腔构型参数对声腔中低频声场控制效果的影响,进而提出能够有效扩展中低频吸声效果的格栅式弹性共振腔;通过试验验证了弹性共振腔的吸声效果,并计算分析了弹性共振腔阵列和声学覆盖层组合作用的宽频带吸声效果;在100～2 000 Hz的中低频段内矩形声腔取得了3～10 dB的吸声效果。     

基于灰色层次分析法的声纳搜索效能评估

针对声纳系统性能参数的层次性,以灰色系统理论为基础,结合层次分析法,建立了基于AHP和灰色评估法的声纳搜索效能评估模型,论述了该模型应用的基本步骤。并以某型声纳系统为例,论证了评估模型在声纳搜索效能分析中的可行性,为声纳装备效能评枯提供了可靠的分析方法。     

主动全向声纳浮标回波信号仿真研究

声纳浮标是航空反潜主要的搜潜装备之一,对主动声纳浮标回波信号的研究是航空反潜作战的重要方面。从信号级对目标回波、混响和海洋噪声进行了计算机仿真,在此基础上建立了主动全向声纳浮标回波信号模型,并进行了计算机仿真。仿真结果参照主动声纳浮标系统将仿真的声纳浮标回波信号进行了频率历程图像显示。     

声源激励下锥柱组合壳体水下声辐射特性试验研究

针对单层壳和锥柱组合壳2种典型壳体结构内部强噪声源引起的水下辐射噪声问题,开展小比例缩比模型的振动声辐射试验,给出不同结构形式对声激励下,圆柱壳结构振动与声辐射的影响规律及主导因素。试验结果表明：相同声源激励条件下锥柱组合壳结构声辐射频段总声压级最小。低频段下,单层壳与锥柱组合壳之间总声级差值可达8 dB;500 Hz以下频段声腔模态起主导作用,500～1 500 Hz频段内声腔模态和结构模态共同作用;内部声腔在其固有频率处会造成壳体的强烈耦合效应,从而出现声压级峰值。     

船舶结构振动噪声时域预报方法研究

针对船舶结构振动噪声频域预报方法存在计算规模大、求解效率差和易出现"峰值遗漏"等现象的不足,本文基于波动理论,提出了船舶结构振动噪声时域预报方法,形成了船舶结构振动噪声时域预报方法流程,并辅以相应的数值验证.研究结果表明,船舶结构振动噪声时域预报方法可有效解决频域分析方法存在的计算规模大、求解效率差和易出现"峰值遗漏"等现象的不足,提高了预报效率和精度,可为船舶结构振动噪声预报评估提供方法支撑.