基于降阶模型的结构声耦合系统的极点配置

基于结构声耦合系统的降阶模型实现了水下结构振动和声辐射的极点配置.文中的降阶模型可完全基于结构声耦合系统的振动响应通过实验来获取,可以不需要形成或知道结构的质量阵、阻尼阵、刚度阵和流体的声阻抗矩阵.以水中板结构的振动和声辐射为例使用同位的传感器/作动器布置采用输出反馈控制对流体加载下的板的固有频率和阻尼进行了配置,并对不同的控制构型进行了分析和讨论.数值模拟结果表明基于降阶模型进行水下结构振动和声辐射的极点配置是可行的.     

柔性立管涡激振动响应轨迹特性研究

为了深入研究细长柔性立管的涡激振动响应特性,进行了柔性立管的拖曳水池试验。由拖车拖动立管产生相对来流,根据应变测试得到的应变数据,基于模态叠加法得到位移响应。试验分析前,通过数值方法先针对刚性立管的涡激振动响应轨迹特性进行了分析。紧接着,通过试验方法对柔性立管的单模态以及多模态涡激振动响应轨迹特性进行了深入的分析和讨论。通过分析发现:柔性立管在低速下具有与刚性立管类似的轨迹响应特性,均呈现经典的8字形状;柔性立管在高速下,其轨迹开始变得混乱,这主要是由位移的多模态响应特性所产生。     

船舶水下噪声研究三十年的基本进展及若干前沿基础问题

三十年来,船舶水下噪声研究取得了显著的进展,同时也面临新的需求和挑战。文章从船体结构振动和声辐射、低噪声设备、管路系统振动和噪声、隔振及声振隔离方法、声学材料和元器件、推进器及推进轴系声学特性、水动力噪声、声呐自噪声、声目标强度、声学测量方法等十个方面,简要回顾和梳理了船舶水下噪声研究取得的主要进展及进一步的发展方向,并提出了若干前沿的基础性问题。     

一种识别声源噪声辐射区域的方法

针对大型结构体的声辐射问题,提出了一种利用声辐射模态识别声源表面的噪声辐射区域的方法。分析了各阶声辐射模态对声源的辐射声功率的贡献量,找出了对远场辐射声功率贡献最大的几个主要的声辐射模态,然后利用这几个主要的声辐射模态重建声源表面法向振速,通过声源表面法向振速的重建结果实现了声源表面噪声辐射区域的识别。通过对平板声源在几种不同频率下的噪声辐射区域的仿真分析验证了文中方法的正确性。该文方法对于确定特定频率下声源表面的噪声辐射区域,从而进一步进行辐射噪声控制具有积极的意义。     

舰船辐射声场及声源特性测量方法研究综述

舰船辐射声场及声源特性测量是船舶声学研究的主要方向。文章梳理了舰船模型和实船声学测量的基本问题,重点综述了频响逆矩阵法、无限与有限空间波束形成、无界近场声全息、有界空间近场声全息和远场声全息、声强和声矢量及时反声聚焦等测量方法的发展脉络和取得的进展。     

基于辐射声压反馈的结构极点配置研究

提出了基于声压反馈的结构振动声辐射主动控制的极点配置方法.该控制方法所使用的传声器不作为误差传感器,而是将所测得的声压信号作为反馈信号来对结构实施主动控制.以空气中平板结构为例,进行了数值仿真研究,结果表明,通过使用复数增益基于声压反馈可以配置结构的固有频率和阻尼比,从而实现基于声压反馈进行结构振动声辐射主动控制的目的.     

管路敷设橡胶层对圆柱壳结构振动与声辐射的影响

以内部设有管路的圆柱壳结构为研究对象,采用结构有限元耦合流体边界元算法,针对管路内、外敷设不同厚度橡胶层时,圆柱壳结构水下振动与声学特性进行数值计算,从圆柱壳结构振动位移和辐射噪声2个方面探讨管路内、外敷设橡胶层对圆柱壳结构水下振动与声辐射的影响.这对水下结构物的声学结构优化具有重要意义.结果表明:对于本算例,管路内、外敷设橡胶层对降低圆柱壳结构水下振动与辐射噪声具有良好效果,并且管路敷设橡胶层越厚,减振降噪效果越好.     

能量法估计全息面信噪比研究

在近场声全息技术中,全息面信噪比是一个非常重要的参数,但无法直接测量得到.为了解决该问题,给出了基于能量法的波数域内信噪比估值公式,并根据该公式分析估值误差的来源,指出全息面采样间隔对估值具有重要影响.为了判别估值是否准确,提出了选取全息面不同区域的数据进行重复估计的判别方法.当估值不准确时,指出可以通过减小全息面采样间隔来降低估值误差.仿真给出满足不同误差条件的不同采样间隔所对应的最大信噪比估值,可作为实际应用中的参考.     

基于表面贡献法的船壳远场声辐射热区识别

对舰船水下远场声场的声辐射热区进行识别可为后续降噪工作指明方向.舰船外壳表面振动的不同位置之间具有复杂相位关系,其近场声场和远场声场有很大不同,导致使用表面有功声强进行远场声辐射热区定位并不准确.本文尝试使用声能量表面贡献方法对某巡逻艇船壳表面的远场声辐射热区进行识别.表面贡献方法在振动结构表面构造了一个和位置相关的正值,表示对应小块面积对声场的绝对贡献.使用表面贡献方法,本文准确地标示出船壳表面的远场声辐射热区,这一尝试展现了表面贡献方法在舰船降噪中的应用前景.     

基于注意力Seq2Seq网络的高速公路交织区车辆变道轨迹预测

针对交通状态复杂的高速公路交织区域,经验丰富的驾驶人能够通过正确地推断周围车辆的未来运动进行及时的车道变换,这对于实现安全高效的自动驾驶至关重要,然而目前的自动驾驶车辆往往缺乏这种预测能力。为此,基于深度学习理论,提出了一种结合注意力机制和编-解码器结构的交织区车辆强制性变道轨迹预测方法,利用Next Generation Simulation（NGSIM）数据集提取车辆变道过程中的关键特征,并引入碰撞时间（Time to Collision,TTC）和避免碰撞减速度（Deceleration Rate to Avoid a Crash,DRAC）2种风险指标,将变道车辆及其周围车辆视为一个整体状态单元,同时补全状态单元内部不同车辆在横向和纵向上的时空状态特征,从而更有效地刻画车辆间的动态交互行为;然后将不同观测车辆的连续窗口序列输入基于长短期记忆网络（Long Short-term Memory,LSTM）的编-解码器,预测交织区车辆变道的未来运动轨迹,通过添加软注意力模块,使模型能够集中聚焦于影响车辆在不同时刻下位置变化的关键信息,再现了真实交通场景下车辆的变道行为。试验验证表明：基于注意力机制的编-解码器模型与当前流行的卷积长短期记忆网络、极限梯度提升树等模型相比具有更高的轨迹预测精度,在长时域的变道轨迹拟合上有显著的优越性,为辅助和自动驾驶领域的发展提供了新思路。