【技術實現步驟摘要】
本專利技術屬于船舶噪聲監測與評估，具體地，涉及一種船舶水下輻射噪聲在線預測模型的構建方法。
技術介紹
1、船舶在海上航行過程中，動力裝置等機械設備運行會引起船體振動，振動能量通過水介質向遠場傳播，進而產生水下輻射噪聲。過高的輻射噪聲不僅影響船舶聲隱身性能，還會造成水下環境噪聲污染。因此，實時監測與預報船舶水下輻射噪聲，對于及時掌握與維護船舶聲學性能、指導開展船舶減振降噪工作、控制船舶產生的水下輻射噪聲具有重大意義。
2、對于船舶水下輻射噪聲的預測方法研究，目前工程中應用較為廣泛的是試驗傳函法。將船舶表面振動作為參考點響應，遠場輻射噪聲作為目標點響應，利用船舶不同工況下參考點響應與目標點響應，構建“響應-傳遞路徑-響應”的振動-輻射噪聲傳遞函數，再結合船體振動的實時監測數據即可實現在航期間船舶輻射噪聲的實時預報。然而，實際工程中船舶輻射噪聲測試工況數量少于振動監測傳感器數量，導致求解傳遞函數的線性方程組欠定，在微小擾動下可能產生較大的計算誤差，模型魯棒性較差。
技術實現思路
1、針對現有技術中的存在的上述問題，本專利技術提供了一種船舶水下輻射噪聲在線預測模型的構建方法，用于解決傳統試驗傳函法在試驗工況樣本少于傳感器數量條件下產生的不適定問題。利用“黑箱”模型，刻畫振動-輻射噪聲之間的復雜映射關系，采用差分進化算法優化樣本數據的輸入特征，提高有限數據利用率；并通過集成學習算法融合多個基學習器，降低預測模型對數據擾動的敏感性，提高模型預測精度。
2、為實現上述目的
3、s1：利用船舶的振動聲輻射試驗，在船舶主機、發電機和螺旋槳噪聲源位置布置振動傳感器用于測量船體振動，在遠場布置水聽器用于測量船舶水下輻射噪聲，按一定采樣率采集船舶穩定航行工況下的船體振動及輻射噪聲時域信號。
4、s2：對所述船體振動及輻射噪聲時域信號進行預處理，對其進行傅里葉變換，將時域信號轉化為頻域的1/3倍頻程形式，同時對輻射噪聲的1/3倍頻程頻帶聲壓級進行環境背景噪聲修正。
5、s3：基于船體振動及輻射噪聲信號預處理結果，構建基于差分進化集成學習的船舶輻射噪聲預測模型。
6、s4：船舶在航期間，將船體振動監測數據按照如步驟s2所述的預處理方法進行處理，并將處理后的數據輸入步驟s3所述的船舶輻射噪聲預測模型。
7、s5：每隔一定時間間隔，利用所述船舶輻射噪聲預測模型計算船舶的實時水下輻射噪聲大小。
8、具體的，所述步驟s3基于船體振動及輻射噪聲信號預處理結果，構建基于差分進化集成學習的船舶輻射噪聲預測模型，包括以下步驟：
9、s31：建立一個嶺回歸模型，用于差分進化算法中計算個體適應度函數值。
10、s32：按照差分進化算法步驟對預處理后的振動信號數據進行輸入特征迭代優化，確定各輻射噪聲預測頻段對應的最優的振動傳感器及最優1/3倍頻程頻段，形成新的樣本數據集d。
11、s33：以嶺回歸模型作為集成學習模型基學習器，將所述步驟s32的樣本數據集d隨機劃分為n份大小相同的數據集 d 1 ,d 2 ,… ,d n，每次選取一份數據集 d j不參與訓練，剩下數據集 d -j作為集成學習模型基學習器的樣本數據，采用網格搜索及交叉驗證得到n個具有不同超參數的基學習器。
12、s34：利用求均值的集成學習方法將n個基學習器的輸出結果進行融合，形成基于差分進化集成學習的船舶水下輻射噪聲預測模型。
13、具體的，所述步驟s31包括以下步驟：
14、s311：將預處理后的振動及輻射噪聲信號數據作為原始數據集訓練樣本，并進行樣本歸一化處理，采用網格搜索及交叉驗證確定嶺回歸模型最優超參數。
15、s312：利用嶺回歸模型計算差分進化過程中的個體適應度函數，
16、個體適應度函數計算方法可表示為：
17、；
18、其中， h( x)為嶺回歸模型；( x,y)∈ d train和( x,y)∈ d val分別為訓練集數據和驗證集數據； l 1 、l 2分別為迭代后的傳感器及頻段索引； x( l 1 ,l 2)為迭代過程中的樣本特征； α,β分別為訓練集誤差和驗證集誤差所占權重。
19、具體的，所述步驟s32包括以下步驟：
20、s321：定義初始種群，確定種群個數及算法迭代次數。
21、s322：采用隨機初始化方法獲得種群中個體的初始解。
22、s323：按照步驟312所述個體適應度函數計算每一代個體的適應度值。
23、s324：進行變異、交叉和選擇操作。
24、s325：重復步驟s323和s324，直至滿足預先設定的最大迭代次數。
25、s326：獲得最優的振動傳感器和最優頻段。
26、具體的，步驟s34的方法中，船舶輻射噪聲預測模型的預測結果計算公式為：
27、；
28、其中， y pred為預測模型的最終輻射噪聲預測結果，n為集成學習模型的基學習器數量，為第i個基學習器的輻射噪聲預測結果。
29、進一步，預測船舶某一個1/3倍頻程頻段的輻射噪聲時，使用對應頻段的船體振動數據和非預測頻段的船體振動數據。
30、進一步，預測船舶輻射噪聲的不同1/3倍頻程頻段時，采用不同參數下的差分進化集成學習模型，以適應船舶輻射噪聲不同1/3倍頻程頻段對應的最優振動傳感器及最優頻段的變化，和構建模型采用的樣本數據輸入特征的變化。
31、總體而言，通過本專利技術所構思的以上技術方案，能夠取得以下有益效果：
32、1、本專利技術提供了一種船舶水下輻射噪聲在線預測模型的構建方法，其通過船體布置的振動本文檔來自技高網...
【技術保護點】
1.一種船舶水下輻射噪聲在線預測模型的構建方法，其特征在于，其包括以下步驟：
2.根據權利要求1所述的船舶水下輻射噪聲在線預測模型的構建方法，其特征在于，所述步驟S3基于船體振動及輻射噪聲信號預處理結果，構建基于差分進化集成學習的船舶輻射噪聲預測模型，包括以下步驟：
3.根據權利要求2所述的船舶水下輻射噪聲在線預測模型的構建方法，其特征在于，所述步驟S31包括以下步驟：
4.根據權利要求3所述的船舶水下輻射噪聲在線預測模型的構建方法，其特征在于，所述步驟S32包括以下步驟：
5.根據權利要求2所述的船舶水下輻射噪聲在線預測模型的構建方法，其特征在于，所述步驟S34中船舶輻射噪聲預測模型的預測結果計算公式為：
6.根據權利要求1-5任一項所述的船舶水下輻射噪聲在線預測模型的構建方法，其特征在于，預測船舶某一個1/3倍頻程頻段的輻射噪聲時，使用對應頻段的船體振動數據和非預測頻段的船體振動數據。
7.根據權利要求1-5任一項所述的船舶水下輻射噪聲在線預測模型的構建方法，其特征在于，預測船舶輻射噪聲的不同1/3倍頻程
...【技術特征摘要】
1.一種船舶水下輻射噪聲在線預測模型的構建方法，其特征在于，其包括以下步驟：
2.根據權利要求1所述的船舶水下輻射噪聲在線預測模型的構建方法，其特征在于，所述步驟s3基于船體振動及輻射噪聲信號預處理結果，構建基于差分進化集成學習的船舶輻射噪聲預測模型，包括以下步驟：
3.根據權利要求2所述的船舶水下輻射噪聲在線預測模型的構建方法，其特征在于，所述步驟s31包括以下步驟：
4.根據權利要求3所述的船舶水下輻射噪聲在線預測模型的構建方法，其特征在于，所述步驟s32包括以下步驟：
5.根據權利要求2所述的船舶水下輻射噪聲在線預測模...
【專利技術屬性】
技術研發人員：徐榮武，李瑞彪，黃欣，
申請(專利權)人：中國人民解放軍海軍工程大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。