低频矢量声场建模及其应用研究

浅海近距离矢量声场携带了丰富的信息可以用来识别目标。采用射线理论对浅海低频矢量声场进行建模,并且分析了该模型在浅海或深海低频时的适用性。经过与波动理论的比较,说明该模型仅是矢量声场传播损失的简单近似。通过分析浅海声压场的特性,提出了一种目标运动参数估计的方法,海试数据分析说明了其有效性。近距离目标辐射的低频宽带噪声通过浅海声场后,在LOFAR图上形成双曲线干涉条纹。运用图像处理中边缘提取的常用方法——Hough变换,提取双曲线参数,可以得到运动目标的航速、航深及距离的信息。     

偏斜非高斯随机振动信号幅值概率密度函数研究

偏斜非高斯振动信号幅值概率密度没有明确、简洁的解析表达式。研究概率密度的解析表达式,对于非高斯振动理论研究具有重要意义。针对以上需求,提出了一种基于高斯混合模型的概率密度函数表示方法。首先,通过时间样本序列得到偏斜非高斯振动信号前五阶矩的估计值。其次,根据平稳高斯随机过程各阶矩之间的定量关系,结合二阶高斯混合模型的数学表达式建立方程组,求解得到混合模型中每个高斯分量的均值、标准差和权重系数。然后,将每个高斯分量的参数代入高斯混合模型,得到偏斜非高斯振动信号的幅值概率密度的解析表达式。最后,将所提出的方法应用于仿真非高斯加速度信号和实测非高斯振动应力信号,充分验证了该方法的有效性和适用性。     

分层浅海海洋环境噪声场的射线预报方法

海洋环境噪声场是一个随地域、时间变化的复杂的场，现场快速预报对于环境匹配的声纳系统有重要意义。文章中利用射线声学模型计算了等声速分布、负梯度声速分布、正梯度声速、及任意声速分布条件下分层浅海海洋环境噪声场的指向性、噪声强度和相关函数随深度变化的规律。研究表明：分层浅海海洋环境噪声场与海底特性及声速分布有很大关系；利用射线预报方法可以快速预报分层浅海海洋环境噪声场。     

典型浅海声场环境中的简正波估计

海洋环境的复杂性和多变性严重影响了水下信号处理系统的性能。若能在信号处理之前辨识出海洋环境参数,并将其融入信号处理框架中,则有希望提高信号处理器的性能,得到更好的滤波、检测、定位和跟踪效果。将海洋环境建模为高斯-马尔可夫模型,利用声速梯度数据和由Kraken模型得到的声压场数据,结合扩展的卡尔曼滤波器算法,实现了对简正波的估计。利用该模基处理方法,可以辨识出简正波的模函数和水平波数,并能估计出基阵所在位置的声压场。在两种典型浅海声场环境下进行的计算机仿真证明了算法的有效性。     

非高斯噪声激励下非线性漂移Fokker-Planck方程的非稳态解及其应用

非高斯噪声广泛存在于各种非线性系统，对非高斯噪声所驱动系统的非稳态演化行为进行研究可以更为深入的了解其内在的演化机理．本文对非高斯噪声和高斯白噪声共同驱动的非线性动力学系统的非稳态演化问题进行研究．首先应用格林函数的 $\Omega$ 展开理论在初始区域对非线性动力学系统进行线性化，然后结合本征值和本征矢理论推导出了该系统 Fokker-Planck 方程的近似非稳态解的表达式，最后以 Logistic 系统模型为例分析了非高斯噪声强度，关联时间及非高斯噪声偏离参数对非稳态解以及一阶矩的影响．研究结果表明，用 Logistic 模型描述产品产量增长时，其非稳态解可更好地反映产品产量在不稳定点附近的演化行为．     

基于广义高斯噪声模型的低频线谱检测

研究浅海环境噪声中低频线谱的检测问题.首先对实测海洋环境噪声的统计特性进行分析,提出了应用广义高斯分布对海洋环境噪声建模方法.在此基础上,针对低频线谱检测问题,推导了广义高斯噪声场中的最大似然检测器和渐近检测器,给出了弱线谱条件下线谱频率的最大似然估计.最后,利用实测数据对三种检测器的线谱检测性能进行了验证,结果表明:...     

基于AR模型和谱峭度法的滚动轴承故障诊断

自回归(AR)模型是平稳信号分析的重要工具,本文利用峭度最大原则确定AR模型最优阶次,然后利用此AR模型对滚动轴承故障信号进行预处理,剔除可线性预测的平稳成分,得到的残余分量中理论上只包含了噪声信号和信号的非平稳部分,从而降低了后期数据分析难度。谱峭度对于非平稳信号非常敏感,它可以将非平稳信号从噪声中检测出来,因此将两者结合起来可以更有效的对滚动轴承故障进行诊断,实验结果验证了此方法的有效性。     

非高斯风压极值估计:基于无可行区限制的传递函数对比研究EI北大核心CSCD

非高斯风压的极值估计对建筑围护结构抗风设计是极其重要的。由于简便性和无可行区限制,基于矩的piecewise HPM(PHPM)、Johnson转换模型(JTM)和piecewise JTM(PJTM)常用于非高斯风压极值估计。现阶段,PJTM对非高斯风压极值的估计效果还缺乏系统的研究,且对于三种无可行区限制模型的极值估计差别尚不明确。为探明三种模型的差别,从而提供一定的选择原则,该文系统对比了三种模型估计非高斯风压极值的精度。该文从理论上对比了三种模型的母本概率密度函数和传递函数;选用超长风洞试验风压数据对三种模型估计非高斯风压极值的精度进行了评估。结果表明:PHPM对非高斯风压(负偏度)极小值的估计精度比PJTM和JTM高,PHPM和PJTM对非高斯风压(负偏度)极大值的估计精度比JTM高。     

基于潜标的海洋环境噪声测量系统

对海洋环境噪声测量系统技术进行了研究,设计和实现了一种基于潜标的海洋环境噪声测量系统,并进行了海上试验.该系统采用潜标的布放方式,利用矢量水听器测量浅海海洋环境噪声场的低频噪声.矢量水听器同步测量声场空间一点处的声压和质点振速三个正交分量, 测量信号经预处理后,对信号进行数模变换,得到的噪声数据可以在潜标中自记录或通过水面浮标传输到岸站存储.对噪声测量方法进行的分析和海上试验的结果表明,该系统稳定可靠,能正确地拾取海洋环境噪声.     

双树复小波域隐Markov树模型降噪及在机械故障诊断中的应用

提出一种基于双树复小波变换的隐Markov树模型的信号降噪方法,并将其成功应用于机械故障诊断中。机械设备的振动信号中不可避免的存在着噪声,使得微弱故障信息的提取一直是故障诊断的难点和热点。双树复小波变换具有近似平移不变性,而隐Markov树模型能有效刻画小波系数间的相关性和非高斯性,两种优势的结合可以获得比常规软、硬阈值小波降噪法和小波域隐Markov树模型降噪法更好的降噪效果。它不仅能有效抑制高斯白噪声,还能够去除异常冲击干扰,仿真信号验证了这一点。对于实际滚动轴承信号,使用该方法同样可以获得满意的结果     

东中国海夏季海洋环境噪声特性分析

海洋环境噪声不仅是水中目标探测的背景干扰声场之一,还可用以反演海洋物理参数。文章基于实测东中国海某海区夏季海洋环境噪声数据,分析其时频特性、统计特性以及风关特性。研究结果表明,试验期间该海区100 Hz以下频段的海洋环境噪声级约为110 dB,频率为100和300 Hz的海洋环境噪声级分别服从自由度为8和6的卡方分布,频率为1 kHz和3 kHz的噪声级服从正态分布;海况对低频海洋环境噪声级概率分布无明显影响,但是对高频段噪声级正态分布的均值和方差会产生一定影响;随着频率的增加,海洋环境噪声级与风速对数间的相关系数逐渐增大,1 kHz以上相关系数在0.6～0.7之间;100 Hz以上频段的噪声谱级基本不随深度发生变化。文中的结果可以为水中目标的探测以及浅海海洋环境噪声的应用研究提供技术支持。     

远离航道海域低频海洋环境噪声垂直指向性

海洋环境噪声垂直指向性是声呐背景场的典型空间特性之一,既可体现噪声源的空间特性及其传播特性,还可用来反演海洋环境的特征参数。分析了南海某岛礁海域实测海洋环境噪声的垂直指向性,发现当接收阵远离航道时,低频海洋环境噪声垂直指向性的主瓣集中在-30°～30°范围内(0°对应水平方向),且水平方向不存在凹槽。基于舰船自动识别系统(Automatic Identification System, AIS)航船分布数据得到简化航道区域航船噪声源模型,利用3D射线声传播算法,结合实际岛礁海域地形数据,计算的低频海洋环境噪声垂直指向性与实测数据处理结果相符。研究结果表明,当接收阵距航道较远时,由航道航船引起的低频海洋环境噪声以接近水平方向入射垂直接收阵,研究结果可为声呐在远离航道海域的性能提高提供技术支持。     

基于矢量水听器的南海海洋背景噪声测试

矢量声压振速联合处理建立在信号的声压和振速相位基础上,海洋环境边界影响将改变矢量声场声压振速的幅度和相位特性．首先根据南海环境条件结合水下目标辐射噪声测量,采用声场矢量简正波理论估算海面非相干偶极子噪声和水下点声源矢量强度随深度的变化,然后设计了可用于深海海域噪声测量的矢量水听器测试系统,获取了南海海域典型深度上的背景噪声矢量强度并进行了特性分析．结果表明：深海背景噪声谱级在500Hz以下基本上不随深度变化,在500Hz～3kHz频段浅深度背景噪声谱级略高于较深深度的背景噪声;振速垂直分量的背景噪声要小于声压和振速水平分量的噪声谱级．     

稀疏贝叶斯学习用于噪声互相关提取格林函数

在较窄频带条件下,传统的噪声互相关提取时域格林函数(Time Domain Green’ s Function, TDGF)方法分辨率低,影响了海洋被动声层析的应用。针对这一问题,提出了一种基于稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)的噪声互相关提取 TDGF的方法。首先,构造了 TDGF的稀疏表示模型,其中字典矩阵由傅里叶变换算子构成,观测矩阵由频域噪声互相关函数组成。然后,使用预累积处理来折中 SBL估计 TDGF的分辨率与稳定性。仿真与海试实验数据表明,联合预累积处理的 SBL方法有效地从较窄频带的海洋环境噪声中提取了传统方法无法分辨的TDGF到达时间,从而为自适应选取噪声频段、实现快速海洋被动声层析提供了一种可行思路。     

Importance sampling for reliability assessment of dynamic systems under general random process excitation

This paper develops a reliability assessment method for dynamic systems subjected to a general random process excitation. Safety assessment using direct Monte Carlo simulation is computationally expensive, particularly when estimating low probabilities of failure. The Girsanov transformation-based reliability assessment method is a computationally efficient approach intended for dynamic systems driven by Gaussian white noise, and this approach can be extended to random process inputs that can be represented as transformations of Gaussian white noise. In practice, dynamic systems may be subjected to inputs that may be better modeled as non-Gaussian and/or non-stationary random processes, which are not easily transformable to Gaussian white noise. We propose a computationally efficient scheme, based on importance sampling, which can be implemented directly on a general class of random processes — both Gaussian and non-Gaussian, and stationary and non-stationary. We demonstrate that this approach is in fact equivalent to Girsanov transformation when the uncertain inputs are Gaussian white noise processes. The proposed approach is demonstrated on a linear dynamic system driven by Gaussian white noise and Brownian bridge processes, a multi-physics aero-thermo-elastic model of a flexible panel subjected to hypersonic flow, and a nonlinear building frame subjected to non-stationary non-Gaussian random process excitation.     

基于GARCH模型MSVM的轴承故障诊断方法

针对振动信号因非平稳性导致自回归(AR)模型无法有效描述信号特征的不足,提出一种基于广义自回归条件异方差(GARCH)模型多类支持向量机(MSVM)的故障诊断方法。该方法首先利用GARCH模型拟合各种故障信号,将所得模型参数作为故障诊断特征,以MSVM作为故障诊断方法。试验结果验证了GARCH模型方法的可行性和有效性,同时将该方法同基于AR模型的方法及其改进方法进行比较,结果表明该方法在诊断率及诊断时间上都有明显提高。