潛艇緩變聲學故障預報研究

陳聲皖章林柯何 琳盧 兵

1海軍工程大學振動與噪聲研究所，湖北武漢4300332武漢第二船舶設計研究所，湖北武漢430064

潛艇緩變聲學故障預報研究

陳聲皖1章林柯1何 琳1盧 兵2

1海軍工程大學振動與噪聲研究所，湖北武漢430033
2武漢第二船舶設計研究所，湖北武漢430064

潛艇在使用過程中，因設備產生的振動噪聲異常可能使潛艇的聲隱身性能惡化，從而顯著增加在敵方水聲威脅中的暴露率。利用多輸入多輸出(MIMO）模型獲得潛艇機械噪聲源對其水下噪聲貢獻比大小，通過分析噪聲源貢獻比時間序列是否異常，判斷潛艇是否存在潛在聲學故障。跟蹤故障變化情況，調整噪聲源貢獻的計算時間間隔，同時根據貢獻時間序列的變化趨勢，線性預估發生故障的時間。最后通過試驗驗證該方法的可行性。

聲學故障；預報；MIMO模型；貢獻比

1 引言

良好的隱身性是潛艇發揮作用的重要保障。潛艇在使用過程中由于種種原因，設備不可避免會出現振動噪聲異常，這些異常可能導致潛艇聲隱身性能的惡化。一旦潛艇隱身性惡化，自身暴露在敵方水聲威脅中的幾率大大增加。將導致潛艇聲隱身性能出現惡化的現象，稱為 “潛艇聲學故障”［1］。防止潛艇聲學故障的發生，是潛艇面臨的重要安全性問題。潛艇聲學故障預報技術的研究可望能有效判斷出潛在聲學故障，最終將其 “消滅”在故障發生的萌芽階段。

一般故障按發生的時間快慢可分為突變故障和緩變故障［2］，對于緩變故障的預報，可以根據歷史時刻的輸入、輸出數據，判斷未來時刻是否有故障狀態出現［3］。現有的故障預報技術［4］包括：基于時間序列預測的方法、早期微小故障檢測的方法和定性分析的方法。對于潛艇這個復雜系統，單獨應用上述方法存在一定局限性。考慮到潛艇聲學故障預報的關鍵是要能夠對各噪聲源相對水下噪聲貢獻大小進行量化分析，在此基礎上分析貢獻比的變化趨勢，判斷是否存在潛在的聲學故障，將定量分析和時間序列分析方法結合，實現潛艇聲學故障預報。文獻［5，6］利用MIMO模型計算噪聲源對艦艇水下噪聲的貢獻比大小，實現定量化分析噪聲源的貢獻比大小。文獻［7］描述根據噪聲源貢獻比變化預報聲學故障的可行性。

以各噪聲源機腳或基座信號為輸入，艇殼測點信號為輸出，建立定量分析的MIMO模型。通過分析量化各噪聲源對潛艇水下噪聲的貢獻比大小，構造貢獻比時間序列，分析時間序列是否出現異常值。對于緩變故障而言，這種異常值可能是聲學故障的初期狀態，所以可認為潛艇存在潛在聲學故障。若判斷存在潛在聲學故障，跟蹤聲學故障發展過程，調整噪聲源貢獻的計算時間間隔，構造不等間隔貢獻時間序列，根據時間序列變化趨勢，線性預估聲學故障的發生時間。在故障判定和時間預測時，前者采用噪聲源貢獻比作為參數，后者采用噪聲源貢獻值作為參數，噪聲源貢獻比更能靈敏地反映故障早期的微小變化，而噪聲源貢獻值直接反映潛艇聲隱身性狀態。

2 基于MIMO模型噪聲源量化分析

MIMO模型可以看成由多個多輸入單輸出(MISO）模型組成。下面主要以MISO為例闡述該模型原理。MISO模型具體結構形式如圖1所示，其中Xi(i=1，2，…，q）為輸入信號隨機譜；N為附加噪聲隨機譜；Y為輸出信號隨機譜；Hiy為輸入Xi到輸出Y的傳遞函數。

圖1 多輸入單輸出模型

由Xi和Y的同時多次平均測量得到其輸入輸出互譜矩陣，由輸入輸出互譜矩陣可以計算各輸入在輸出中的貢獻。其輸出自譜與輸入自譜、互譜有如下關系：

當各種噪聲源之間相互獨立之時，式(1）可以寫成：

相應可以得到各噪聲源對輸出的貢獻為：

則各噪聲源對輸出的貢獻比為：

當各噪聲源之間相互獨立時，式(3）就能很好地估算各噪聲源的貢獻大小。但潛艇噪聲源之間存在一定的耦合，所采集的信號不是“干凈”的源信號，上述方法會過高地估計各噪聲源的貢獻大小。在噪聲源單向耦合時，偏相干法能夠扣除一定的耦合，正確地估計出各噪聲源的貢獻大小。偏相干函數定義為［8-9］：

式中，Siy·(i-1）！為噪聲源i和測點Y分別扣除源(1，2，i-1）的線性影響后的互譜；Sii·(i-1）！為噪聲源i扣除源(1，2，i-1）的線性影響后的自譜；Syy·(i-1）！為測點Y扣除源(1，2，i-1）的線性影響后的自譜。

則輸入源i對輸出的貢獻：

則輸入源i對輸出的貢獻比：

3 潛在聲學故障的判定及時間預測

3.1 潛在聲學故障的判定

若式(8）成立，則判定時間序列存在異常情況，即存在潛在的聲學故障［10］，同時定位潛在聲學故障源為貢獻比增加的源(通常認為增加最大的為故障源）。

3.2 時間預測

為節約計算成本，MIMO模型計算各噪聲源的貢獻大小時，潛艇正常狀態下每隔固定的時間計算一次，但判定有潛在聲學故障后，應根據故障的發展趨勢，調整噪聲源貢獻的計算時間間隔［11］。這樣在每個時間間隔里，也可近似認為貢獻大小變化是趨于穩定的。噪聲源貢獻的計算時間間隔，可按如下規定：

圖2 k～λ-θ曲線

圖3 Δt～k曲線

根據故障源的貢獻大小變化速率預測聲學故障的時間。假設潛艇聲隱身性預警時，機械設備分配的最大貢獻為PA，以Δt時間間隔計算貢獻前后聲學故障源貢獻分別為PΔti和Pi，則線性預測聲學故障發生的時間為：

式中，n為以Δt計算貢獻大小的次數。

在不同時間間隔下，即在聲學故障不同發展階段，可根據式(10）實時更新聲學故障出現時間。

4 試驗

4.1 試驗設計

為驗證上述方法的有效性，試驗采用潛艇艙段模型，模型內裝有兩臺設備用以模擬噪聲源，分別為激振器(直接激勵內殼）、海水泵(裝在隔振器上）。加速度傳感器則分別布置在泵的基座、激振器激勵耐壓殼體上。

試驗中，利用兩臺設備(海水泵、激振器）模擬實艇激振源，并通過改變工況使得源相對貢獻大小發生變化。分析頻率800 Hz，采樣頻率800× 2.56 Hz，采樣時間8 s。

具體測試程序為：泵(半開）+激振器，激振器工作在360 Hz，其工作電壓為150 mV，為狀態1，每間隔1 h采樣計算貢獻比一次，共20次；逐漸增加電壓200 mV、250 mV、300 mV、400 mV、450 mV，分別為狀態2～6，每狀態采樣5次，時間間隔按式(9）決定。

4.2 數據分析

從圖4各源貢獻比變化趨勢分析，激振器的貢獻比逐漸增大，泵的貢獻比逐漸減小。當激振器貢獻比變化符合判據條件，而同時圖5中，故障源貢獻值未達到聲隱身性預警的振動級時，可認為此時存在潛在的聲學故障。同時故障源可判定為激振器，因為其貢獻比增加最大。這也符合實際情況，激振器逐漸增加電壓，導致出現聲學故障。

從圖6就可以看出，隨著激振器電壓的逐漸增大，出現故障的時間會逐漸減小，基本反應貢獻變化規律。

圖4 噪聲源貢獻比變化趨勢

圖5 故障源貢獻大小各狀態變化趨勢

圖6 聲學故障時間預測

5 結論

本文將MIMO模型和時間序列分析方法相結合，前者量化噪聲源對潛艇水下噪聲的貢獻大小，后者在動態時間間隔下，對貢獻(比）大小序列趨勢和異常值的分析，實現對潛艇聲學故障預報。工程上簡單易用，能較好地解決潛艇聲學故障預報的若干問題。此方法中存在以下不足：

1）該方法中假設了聲學故障是緩變的，對于突變故障還有待進一步考慮；

2）偏相干法能扣除噪聲源之間單向耦合的線性影響，相互耦合時就無能為力。

3）該方法假定在計算的時間序列內只存在單一的故障源，未考慮多故障源情況。

［1］ 章林柯.潛艇聲學故障識別技術及其應用研究 ［D］.武漢：海軍工程大學，2006.

［2］ 唐照千，黃敦樸.振動與沖擊手冊(工程應用）［M］.北京：國防工業出版社，1992.

［3］ 何英，周東華，喻榮.一種基于性能退化數據的電子設備緩變故障預報方法 ［J］.儀器儀表學報，2008，29(7）：1526-1529.

［4］ 陳敏澤，周東華.動態系統的故障預報技術［J］.控制理論與應用，2003，20(6）：819-824.

［5］ 張寶成，徐雪仙.潛艇噪聲源貢獻量化估計的分析方法［J］.船舶力學，1997，1(1）：56-66.

［6］ 張寶成，徐雪仙.艦船水下噪聲測量和多輸入/輸出模型分析方法及其應用［J］.目標與環境特性研究，1998(1）：48-58.

［7］ 章林柯，何琳，江涌.基于MIMO模型的潛艇聲學故障預報研究 ［J］.武漢理工大學學報 (交通科學與工程版），2008，32(2）：320-322.

［8］ 貝達特J S，皮爾索A G.相關分析和譜分析的工程應用［M］.凌福根，譯.北京：國防工業出版社，1983.

［9］ 馬忠成.偏相干方法分析及其工程應用 ［J］.應用聲學. 1994，13(3）：25-30.

［10］呂述望，劉恒，沈昌祥.TCP/IP骨干通信網流量規律性及異常檢測方法［J］.北京郵電大學學報，2005，28(6）：1-4.

［11］肖鸞.基于GPS的變形監測數據處理時間間隔的合理確定［J］.河南理工大學學報，2008，27(4）：414-419.

Gradual Acoustic Fault Prediction of Submarine

Chen Sheng-wan1Zhang Lin-ke1He Lin1Lu Bing2
1 Institute of Vibration&Noise，Naval University of Engineering，Wuhan 430033，China
2 Wuhan Second Ship Design and Research Institute，Wuhan 430064，China

Abnormal vibration noise created by equipment during operation will degrade the acoustic stealth performance of submarine，and increase the possibility of the boat exposing to the underwater acoustic threat in hostile water field.This paper aims to obtain a rate of mechanical noise sources'contribution to the overall underwater noise of submarine via multi-input/multi-output(MIMO）model.In order to find out abnormal conditions of submarine，the time series of noise source's contribution rate were analyzed for determining the latent acoustic fault.Following the track of acoustic fault together with regulating the calculation interval of noise sources'contribution，the fault time would be linearly predicated according to the tendency of contribution time series.The feasibility of the proposed approach has been validated by an experimental model.

acoustic fault；prediction；MIMO model；contribution rate

O427.5

A

1673-3185(2010）03-18-04

10.3969/j.issn.1673-3185.2010.03.004

2009-09-23

國家自然科學基金項目(50775218）

陳聲皖(1984-），男，碩士研究生。研究方向：艦船聲學故障預報。E-mail：csw.123456@163.com