原文传递
基于机器学习的混合谱辐射噪声有源控制方法研究
| 论文题名： | 基于机器学习的混合谱辐射噪声有源控制方法研究 |
| 关键词： | 潜艇;有源噪声控制;机器学习;人工神经网络;最近邻回归 |
| 摘要： | 水下湿结构振动引起的声弹性辐射是影响现代潜艇安静性和隐蔽性的重要因素之一。这类噪声通常由潜艇内部旋转或往复运动的机械系统激励船体结构和壳体振动产生，其能量主要集中在中低频带内，且具有明显的线谱或混合谱特征。敷设高分子吸声隔振材料是目前减少水下目标辐射信号的主要手段，这种被动控制方法对于高频噪声具有很好的衰减作用，但是难以对低频噪声形成有效抑制。有源降噪技术是一种通过人为引入控制声波，与噪声信号发生相消性干涉从而抑制噪声能量的主动控制手段。本文对现有的有源控制理论进行了研究，在此基础上将机器学习和人工神经网络技术引入了低频混合谱噪声控制问题，提出了一种具有特殊网络结构的最近邻-滤波器链接型人工神经网络（NFLANN）反馈控制模型。 本文提出的NFLANN模型以一种预训练滤波器元层网络结构作为核心，这种元层结构是“惰性”的，在使用时需要通过一种最近邻回归器算法对其进行局部激活。激活后的元层退化为一个与噪声谱线特征相关的梳状滤波器组，其滤波器系数是稳态线谱信号对应的时域维纳解。这种方法能够有效利用噪声信号的先验特征，在控制开始前对网络参数进行预训练，使其在参数空间内能够从一个较优解开始自适应更新，从而避免了人工神经网络模型中常见的“冷启动”问题，大大缩减了系统的收敛速度，有利于实现潜艇的快速降噪隐身。 本文还通过计算机仿真和实验对NFLANN模型的可行性和有效性进行了验证。实验结果表明，本文算法基本不受滤波器阶数、迭代步长等参数变化对控制性能的影响；当噪声信号存在复杂的时频特征时，其收敛速度、降噪效果均优于传统算法，是声弹性辐射控制问题的一种合理方案，并为机器学习与有源噪声控制问题的有机结合提供了一种新的研究思路。在军事声学对抗领域也具有较好的现实意义和工程应用价值。 |
| 作者： | 施麟 |
| 专业： | 船舶与海洋工程 |
| 导师： | 唐俊;陈君 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
