一种水下航行器消声瓦减噪优化方法及减噪系统与流程

本发明涉及水下航行器减噪，尤其涉及一种水下航行器消声瓦减噪优化方法及减噪系统。

背景技术：

1、水下航行器是一种隐蔽的水下战斗平台，能够有效地保障国家海洋战略利益。水下航行器的隐身技术越好，敌人的声呐就越难探测到它的位置，因此增加了水下航行器的生存能力。然而，它在水下行驶时的壳体振动会产生复杂的噪声，这些噪声可能会被敌方声呐探测到，从而暴露水下航行器的位置和行动意图，为其带来威胁。国内外水下航行器减振降噪工作多聚焦于低噪声设备研发和辐射噪声控制研究。前者是属于从噪声源头降低噪声，如艇壳设计、浮筏隔振、新型推进器、斯特林发动机等。后者是从传递路径进行减噪，如消声瓦、声学覆盖层的使用等等。这些技术极大改善了水下航行器隐蔽性能。然而传统的隐身技术主要是通过减少水下航行器外壳的反射面积和减少引擎噪音等方式来实现的。

2、铺装消声瓦是目前常规的技术，现在的消声瓦通常由橡胶或合成聚合物制成，吸音瓦的厚度往往不超过7cm，这对付波长比这厚度短、低频信号最有效。此外，现在主动声呐的频率越来越低，波长越来越长。因此，无论怎么改变消声瓦的材料与结构都无法满足水下航行器的隐身需求，且铺装消声瓦只是削减一部分噪声，无法实现预测与调控壳体振动噪声。现有方法大多在考虑如何将噪声消除在水下航行器及其内部。很少同时对在水下航行器内外部已经传播出来的噪声进行实时控制。

技术实现思路

1、有鉴于此，本发明提出了一种水下航行器消声瓦减噪优化方法及减噪系统，通过采集当前时刻噪声数据输入基于时空注意力机制时序网络，预测出下一时刻噪声波形，并将其进行反相减噪声波，将减噪声波与下一时刻真实噪声声波相加，进而消除噪声，且可对水下航行器自身振动噪声与外部声呐噪声进行同时抵消。

2、本发明的技术方案是这样实现的：

3、一方面，本发明提供了一种水下航行器消声瓦减噪优化方法，包括以下步骤：

4、s1、采集水下航行器在不同运行环境下的训练振动噪声数据，以及远离水下航行器发出的训练声呐噪声数据；

5、s2、将训练振动噪声数据与训练声呐噪声数据随机分成相等的时间段，作为训练数据集；

6、s3、构建时空注意力机制时序网络模型，将训练数据集输入时空注意力机制时序网络，得到预测噪声数据；

7、s4、根据预测噪声数据与下一时刻的实际噪声数据的差异进行反向传播，并进行迭代计算，直至完成时空注意力机制时序网络模型的训练与测试；

8、s5、获取实时振动噪声数据以及外部实时声呐噪声数据，将噪声数据传输至训练好的时空注意力机制时序网络模型，进行下一时刻的振动与声呐噪声预测，得到预测噪声结果；

9、s6、将预测噪声结果处理为频率、传播方向、振幅相同，相位相反的减噪声波；

10、s7、发射减噪声波与下一时刻真实声波噪声进行累加，实现噪声消除。

11、在以上技术方案的基础上，优选的，所述时空注意力机制时序网络模型包括依次连接的空间注意力机制模块、lstm单元与时间注意力机制模块。

12、进一步优选的，所述空间注意力机制模块包括residual-cnn模块与空间注意力机制单元。

13、更进一步优选的，所述residual-cnn模块由多层一维网络堆叠跳跃连接组成，每一层均包含卷积层、批标准化层、非线性层与池化层。

14、在以上技术方案的基础上，优选的，所述步骤s4中预测噪声数据与实际噪声数据的差异通过损失函数计算，设定损失阈值与次数阈值，当损失函数损失阈值或者模型训练迭代次数达到次数阈值，完成时空注意力机制时序网络模型的训练。

15、在以上技术方案的基础上，优选的，所述训练振动噪声数据与实时振动噪声数据均通过设置在水下航行器壳体内部和外侧的传感器进行采集，所述训练声呐噪声数据与实时声呐噪声数据通过水听器或水下航行器声呐系统进行采集。

16、在以上技术方案的基础上，优选的，所述训练数据集包括训练集与测试集，所述训练振动噪声数据与训练声呐噪声数据分别分成相等时间段后，分别按照相同比例归入训练集与测试集，所述训练集用于训练时空注意力机制时序网络模型，所述测试集用于测试时空注意力机制时序网络模型准确度。

17、更进一步优选的，所述空间注意力机制单元包括特征聚合部分和尺度恢复部分，所述特征聚合部分用于从跨尺度子序列中提取关键特征，所述尺度恢复部分用于将关键特征恢复到和residual-cnn模块输出特征的大小保持一致。

18、更进一步优选的，所述注意力机制模块支路输入序列覆盖residual-cnn模块的输入，并堆叠与跳跃连接卷积层和池化层。

19、另一方面，本发明提供了一种水下航行器消声瓦减噪系统，基于上述减噪优化方法实现，包括设置在水下航行器壳体上的噪声采集模块、噪声预测智能模块与声波发射模块，所述噪声采集模块用于采集水下航行器自身与远离水下航行器的噪声数据，所述噪声预测智能模块用于接收噪声采集模块采集到的噪声数据，并输出下一时刻的预测噪声结果及减噪声波数据，所述声波发射模块用于接收减噪声波数据并发射减噪声波。

20、本发明的水下航行器消声瓦减噪优化方法及减噪系统相对于现有技术具有以下有益效果：

21、(1)通过设置时空注意力机制时序网络模型，对水下航行器壳体噪声与外部声呐信息进行下一时刻预测，并通过预测噪声结果获得与其反相的减噪声波，发射减噪声波，可改善单独使用消声瓦无法同时辨别与消除壳体振动、外部声纳噪声技术难点，达到优化消声瓦减噪目的，进一步提高水下航行器的隐蔽性能，极大推动水下航行器水下航行技术发展；

22、(2)时空注意力机制时序网络模型采用了时间与空间注意力机制网络模型，通过空间注意机制网络对输入的数据特征赋予一定的权重，使其更关注重要噪声信息，通过时间注意力机制网络赋予时序网络隐藏层序列不同权重，使其更加关注重要的时间序列数据。通过加入时空注意力机制网络，可提升时序网络噪声预测精度。

技术特征：

1.一种水下航行器消声瓦减噪优化方法，其特征在于，包括以下步骤：

2.如权利要求1所述的水下航行器消声瓦减噪优化方法，其特征在于，所述时空注意力机制时序网络模型包括依次连接的空间注意力机制模块、lstm单元与时间注意力机制模块。

3.如权利要求2所述的水下航行器消声瓦减噪优化方法，其特征在于，所述空间注意力机制模块包括residual-cnn模块与空间注意力机制单元。

4.如权利要求3所述的水下航行器消声瓦减噪优化方法，其特征在于，所述residual-cnn模块由多层一维网络堆叠跳跃连接组成，每一层均包含卷积层、批标准化层、非线性层与池化层。

5.如权利要求1所述的水下航行器消声瓦减噪优化方法，其特征在于，所述步骤s4中预测噪声数据与实际噪声数据的差异通过损失函数计算，设定损失阈值与次数阈值，当损失函数损失阈值或者模型训练迭代次数达到次数阈值，完成时空注意力机制时序网络模型的训练。

6.如权利要求1所述的水下航行器消声瓦减噪优化方法，其特征在于，所述训练振动噪声数据与实时振动噪声数据均通过设置在水下航行器壳体内部和外侧的传感器进行采集，所述训练声呐噪声数据与实时声呐噪声数据通过水听器或水下航行器声呐系统进行采集。

7.如权利要求1所述的水下航行器消声瓦减噪优化方法，其特征在于，所述训练数据集包括训练集与测试集，所述训练振动噪声数据与训练声呐噪声数据分别分成相等时间段后，分别按照相同比例归入训练集与测试集，所述训练集用于训练时空注意力机制时序网络模型，所述测试集用于测试时空注意力机制时序网络模型准确度。

8.如权利要求3所述的水下航行器消声瓦减噪优化方法，其特征在于，所述空间注意力机制单元包括特征聚合部分和尺度恢复部分，所述特征聚合部分用于从跨尺度子序列中提取关键特征，所述尺度恢复部分用于将关键特征恢复到和residual-cnn模块输出特征的大小保持一致。

9.如权利要求3所述的水下航行器消声瓦减噪优化方法，其特征在于，所述注意力机制模块支路输入序列覆盖residual-cnn模块的输入，并堆叠与跳跃连接卷积层和池化层。

10.一种水下航行器消声瓦减噪系统，其特征在于，基于权利要求1-9任一项所述的减噪优化方法实现，包括设置在水下航行器壳体上的噪声采集模块、噪声预测智能模块与声波发射模块，所述噪声采集模块用于采集水下航行器自身与远离水下航行器的噪声数据，所述噪声预测智能模块用于接收噪声采集模块采集到的噪声数据，并输出下一时刻的预测噪声结果及减噪声波数据，所述声波发射模块用于接收减噪声波数据并发射减噪声波。

技术总结本发明涉及水下航行器减噪技术领域，并提出了一种水下航行器消声瓦减噪优化方法及减噪系统，包括以下步骤：S1、采集水下航行器在不同运行环境下的训练振动噪声数据，以及远离水下航行器发出的训练声呐噪声数据；S2、将训练振动噪声数据与训练声呐噪声数据随机分成相等的时间段，作为训练数据集；S3、构建时空注意力机制时序网络模型，将训练数据集输入时空注意力机制时序网络，得到预测噪声数据。该水下航行器消声瓦减噪优化方法及减噪系统，通过设置时空注意力机制时序网络模型，对水下航行器壳体噪声与外部声呐信息进行下一时刻预测，并获得反相的减噪声波，发射减噪声波，达到优化消声瓦减噪目的，进一步提高水下航行器的隐蔽性能，极大推动水下航行器水下航行技术发展。技术研发人员：张向东,黄贻苍,赵志高,夏兴隆,李巧娇,李想,罗思琦受保护的技术使用者：中国船舶集团有限公司第七一九研究所技术研发日：技术公布日：2024/2/19