线列阵亚声速声电定位装置的研究

针对传统声电定位装置近距离和大靶面射击时亚音速弹丸的报靶精度误差大、装置使用寿命短等问题,研制了一种传感器"一"型等间距布阵方式的线列阵亚声速声电定位自动报靶装置.基于声电定位自动报靶装置的工作原理,给出了该装置的组成、结构及使用方法.实验结果表明:该装置能确保亚声速弹丸穿过传感器阵列时不受外界环境影响,快速、准确地对弹丸定位,适用于亚声速弹丸近距离和大靶面射击时的定位和自动报靶.     

基于距离门限的水声网络自适应路由协议

针对水声传感器网络长时延和高能耗的问题,提出了基于距离门限的自适应路由协议ARBDT（AdaptiveRouting Protocol Based on Distance Threshold）。该协议采用单路径逐跳信息传输方式,节省了路由开销;同时根据网络密集程度自适应地调整距离门限,抑制了冗余节点的回应,降低了控制包冲突的概率,使发送节点能快速获取转发节点。仿真结果表明,与SBR（Sector-Based Routing）协议相比,ARBDT协议能缩短时延,降低网络能耗,从而获得更好的性能。     

声参数的高性能混凝土强度推定模型

为研究高性能混凝土的声波传播特性及实现其强度的快速、准确、无损检测,基于超声波检测方法,应用嫩江、多宝山附近的沙石料,对高性能混凝土对声波的扩散性及其抗压性能与声参量之间的模型关系进行了研究.建立了高性能混凝土抗压强度与声速之间的多种数学模型.通过实测检测数据进行验证,满足精度要求.高性能混凝土的非均质性降低,其抗压强度与声速相关性较好,用超声的方法完全可以实现强度的快速推定.同时,也为将来高性能混凝土地区强度推定曲线的建立奠定了研究基础.     

多途信道中声屏蔽及声聚焦

针对传统阵处理无法分辨同一方向上2个点源的缺陷,提出了多途信道中声屏蔽技术.将声屏蔽技术应用于抗拖船干扰,把拖曳线列阵接收的拖船干扰和同方向的目标信号在频域通过一个屏蔽、聚焦权滤波器,在对干扰屏蔽的同时,对目标聚焦.仿真结果表明,干扰源的辐射噪声被显著抑制,而所期望的目标信号清晰可见,其输出相干信噪比大幅度提高,该技术在抑制拖船干扰的同时可以有效消除在该方向的探测盲区.     

点荷载下岩石记忆效应的声发射数值模拟试验研究

利用岩石破裂过程数值模拟软件RFPA对点荷载下岩石的声发射特征进行数值模拟,通过对试验循环声发射事件数强度百分比、声发射累积数的应变百分比及声发射空间分布进行对比,发现点荷载下岩石不仅对先期应力具有很好的记忆效应,对先期最大线应变也有明显的记忆能力.     

基于声音识别的多阀门泄漏检测系统

阀门在石油工业中使用频繁且出现泄漏现象不易检测。论文阐述了通过软件方式根据声音信号识别阀门泄漏的方法。系统利用声音传感器采集有效时间段的声音信号,提取其MFCC特征参数作为观测序列,并利用隐马尔可夫模型对其进行建模训练,使其能够识别故障信号,及时发现阀门泄漏,并进行报警处理,从而保证输油泵正常工作。实验证明,系统能够有效地识别阀门泄漏故障。     

混凝土结构声发射检测参数设置研究

为系统解决混凝土声发射检测参数设置依靠经验选取的问题,通过模拟加载和断芯试验确定了适合试验检测环境的门槛值;通过断芯试验确定了适合被检测混凝土材料的检测时间参数值(PDT,HDT,HLT),并测定了信号在被检测材料中传播的波速和衰减。试验确定声发射检测参数的方法在混凝土结构声发射检测中具有普遍适用性。     

水声环境特征参数并行预报方法研究

随着水声装备的快速发展,其性能发挥与海洋环境的耦合越来越紧密,如何为水声传感器提供长时间、大范围、精细化水声环境参数信息,对优化水声传感器设计,充分发挥其探测性能,实现海洋环境与传感器性能发挥的最佳匹配具有重要意义。利用MPI并行编程环境开发了水声环境特征参数并行预报程序,实现了水声环境特征参数的快速预报,针对并行程序存在的任务负载不均衡问题,分析了造成负载分配不均衡的原因,给出了性能优化的策略和方法。测试结果表明,优化后的并行程序,负载均衡问题得到了有效改善,计算时间大幅缩短,大大提升了水声环境参数预报能力。     

基于门控循环单元网络的输电杆塔螺栓紧固检测

输电塔杆螺栓紧固检测是保障高压电网安全的重要依据,传统的人工检测方法需要员工爬上输电杆塔检测操作,通常伴有一定程度的风险,而采用无人机巡检受许多外在的因素的影响,其检测效果并不理想.因此,本文提出一种基于门控循环单元网络的输电杆塔螺栓紧固检测方法,利用振动传感器和传感分析仪构建一套采集输电铁塔声波数据的作业流程,提取训练样本中声波数据的线性预测倒谱系数LPCC构成特征向量;训练门控循环单元网络(Gated Recurrent Unit,GRU)分类模型从而检测未知紧固状态的声波样本,实验结果达到实用分析性能.通过本算法的应用,解决了在检测输电铁塔螺栓紧固问题上传统方法上的人力和方法性能问题.     

基于深度学习的小样本声目标识别方法

声目标分类识别是声源识别领域的核心问题,然而,在应用深层神经网络进行声目标分类识别时,从少量样本中学习(样本复杂度较低)是一个具有挑战性的问题;针对此问题,提出了一种基于深度学习的小样本声目标识别方法,该方法将手工设计特征和对数梅尔声谱特征结合到一起,扩充了深度学习模型的可利用特征量,提高了声信号识别效率和精度;在实验验证中,该方法在测试集上实现了87.6%的识别精度;更进一步地,用较少量的训练样本对该方法和其它几种主流的深度学习模型的性能进行了比较验证,结果表明,该方法只需要更少量的数据即可实现同样的识别精度,在声源探测领域具有一定应用价值。