潜艇缓变声学故障预报研究

陈声皖章林柯何 琳卢 兵

1海军工程大学振动与噪声研究所，湖北武汉4300332武汉第二船舶设计研究所，湖北武汉430064

潜艇缓变声学故障预报研究

陈声皖1章林柯1何 琳1卢 兵2

1海军工程大学振动与噪声研究所，湖北武汉430033
2武汉第二船舶设计研究所，湖北武汉430064

潜艇在使用过程中，因设备产生的振动噪声异常可能使潜艇的声隐身性能恶化，从而显著增加在敌方水声威胁中的暴露率。利用多输入多输出(MIMO）模型获得潜艇机械噪声源对其水下噪声贡献比大小，通过分析噪声源贡献比时间序列是否异常，判断潜艇是否存在潜在声学故障。跟踪故障变化情况，调整噪声源贡献的计算时间间隔，同时根据贡献时间序列的变化趋势，线性预估发生故障的时间。最后通过试验验证该方法的可行性。

声学故障；预报；MIMO模型；贡献比

1 引言

良好的隐身性是潜艇发挥作用的重要保障。潜艇在使用过程中由于种种原因，设备不可避免会出现振动噪声异常，这些异常可能导致潜艇声隐身性能的恶化。一旦潜艇隐身性恶化，自身暴露在敌方水声威胁中的几率大大增加。将导致潜艇声隐身性能出现恶化的现象，称为 “潜艇声学故障”［1］。防止潜艇声学故障的发生，是潜艇面临的重要安全性问题。潜艇声学故障预报技术的研究可望能有效判断出潜在声学故障，最终将其 “消灭”在故障发生的萌芽阶段。

一般故障按发生的时间快慢可分为突变故障和缓变故障［2］，对于缓变故障的预报，可以根据历史时刻的输入、输出数据，判断未来时刻是否有故障状态出现［3］。现有的故障预报技术［4］包括：基于时间序列预测的方法、早期微小故障检测的方法和定性分析的方法。对于潜艇这个复杂系统，单独应用上述方法存在一定局限性。考虑到潜艇声学故障预报的关键是要能够对各噪声源相对水下噪声贡献大小进行量化分析，在此基础上分析贡献比的变化趋势，判断是否存在潜在的声学故障，将定量分析和时间序列分析方法结合，实现潜艇声学故障预报。文献［5，6］利用MIMO模型计算噪声源对舰艇水下噪声的贡献比大小，实现定量化分析噪声源的贡献比大小。文献［7］描述根据噪声源贡献比变化预报声学故障的可行性。

以各噪声源机脚或基座信号为输入，艇壳测点信号为输出，建立定量分析的MIMO模型。通过分析量化各噪声源对潜艇水下噪声的贡献比大小，构造贡献比时间序列，分析时间序列是否出现异常值。对于缓变故障而言，这种异常值可能是声学故障的初期状态，所以可认为潜艇存在潜在声学故障。若判断存在潜在声学故障，跟踪声学故障发展过程，调整噪声源贡献的计算时间间隔，构造不等间隔贡献时间序列，根据时间序列变化趋势，线性预估声学故障的发生时间。在故障判定和时间预测时，前者采用噪声源贡献比作为参数，后者采用噪声源贡献值作为参数，噪声源贡献比更能灵敏地反映故障早期的微小变化，而噪声源贡献值直接反映潜艇声隐身性状态。

2 基于MIMO模型噪声源量化分析

MIMO模型可以看成由多个多输入单输出(MISO）模型组成。下面主要以MISO为例阐述该模型原理。MISO模型具体结构形式如图1所示，其中Xi(i=1，2，…，q）为输入信号随机谱；N为附加噪声随机谱；Y为输出信号随机谱；Hiy为输入Xi到输出Y的传递函数。

图1 多输入单输出模型

由Xi和Y的同时多次平均测量得到其输入输出互谱矩阵，由输入输出互谱矩阵可以计算各输入在输出中的贡献。其输出自谱与输入自谱、互谱有如下关系：

当各种噪声源之间相互独立之时，式(1）可以写成：

相应可以得到各噪声源对输出的贡献为：

则各噪声源对输出的贡献比为：

当各噪声源之间相互独立时，式(3）就能很好地估算各噪声源的贡献大小。但潜艇噪声源之间存在一定的耦合，所采集的信号不是“干净”的源信号，上述方法会过高地估计各噪声源的贡献大小。在噪声源单向耦合时，偏相干法能够扣除一定的耦合，正确地估计出各噪声源的贡献大小。偏相干函数定义为［8-9］：

式中，Siy·(i-1）！为噪声源i和测点Y分别扣除源(1，2，i-1）的线性影响后的互谱；Sii·(i-1）！为噪声源i扣除源(1，2，i-1）的线性影响后的自谱；Syy·(i-1）！为测点Y扣除源(1，2，i-1）的线性影响后的自谱。

则输入源i对输出的贡献：

则输入源i对输出的贡献比：

3 潜在声学故障的判定及时间预测

3.1 潜在声学故障的判定

若式(8）成立，则判定时间序列存在异常情况，即存在潜在的声学故障［10］，同时定位潜在声学故障源为贡献比增加的源(通常认为增加最大的为故障源）。

3.2 时间预测

为节约计算成本，MIMO模型计算各噪声源的贡献大小时，潜艇正常状态下每隔固定的时间计算一次，但判定有潜在声学故障后，应根据故障的发展趋势，调整噪声源贡献的计算时间间隔［11］。这样在每个时间间隔里，也可近似认为贡献大小变化是趋于稳定的。噪声源贡献的计算时间间隔，可按如下规定：

图2 k～λ-θ曲线

图3 Δt～k曲线

根据故障源的贡献大小变化速率预测声学故障的时间。假设潜艇声隐身性预警时，机械设备分配的最大贡献为PA，以Δt时间间隔计算贡献前后声学故障源贡献分别为PΔti和Pi，则线性预测声学故障发生的时间为：

式中，n为以Δt计算贡献大小的次数。

在不同时间间隔下，即在声学故障不同发展阶段，可根据式(10）实时更新声学故障出现时间。

4 试验

4.1 试验设计

为验证上述方法的有效性，试验采用潜艇舱段模型，模型内装有两台设备用以模拟噪声源，分别为激振器(直接激励内壳）、海水泵(装在隔振器上）。加速度传感器则分别布置在泵的基座、激振器激励耐压壳体上。

试验中，利用两台设备(海水泵、激振器）模拟实艇激振源，并通过改变工况使得源相对贡献大小发生变化。分析频率800 Hz，采样频率800× 2.56 Hz，采样时间8 s。

具体测试程序为：泵(半开）+激振器，激振器工作在360 Hz，其工作电压为150 mV，为状态1，每间隔1 h采样计算贡献比一次，共20次；逐渐增加电压200 mV、250 mV、300 mV、400 mV、450 mV，分别为状态2～6，每状态采样5次，时间间隔按式(9）决定。

4.2 数据分析

从图4各源贡献比变化趋势分析，激振器的贡献比逐渐增大，泵的贡献比逐渐减小。当激振器贡献比变化符合判据条件，而同时图5中，故障源贡献值未达到声隐身性预警的振动级时，可认为此时存在潜在的声学故障。同时故障源可判定为激振器，因为其贡献比增加最大。这也符合实际情况，激振器逐渐增加电压，导致出现声学故障。

从图6就可以看出，随着激振器电压的逐渐增大，出现故障的时间会逐渐减小，基本反应贡献变化规律。

图4 噪声源贡献比变化趋势

图5 故障源贡献大小各状态变化趋势

图6 声学故障时间预测

5 结论

本文将MIMO模型和时间序列分析方法相结合，前者量化噪声源对潜艇水下噪声的贡献大小，后者在动态时间间隔下，对贡献(比）大小序列趋势和异常值的分析，实现对潜艇声学故障预报。工程上简单易用，能较好地解决潜艇声学故障预报的若干问题。此方法中存在以下不足：

1）该方法中假设了声学故障是缓变的，对于突变故障还有待进一步考虑；

2）偏相干法能扣除噪声源之间单向耦合的线性影响，相互耦合时就无能为力。

3）该方法假定在计算的时间序列内只存在单一的故障源，未考虑多故障源情况。

［1］ 章林柯.潜艇声学故障识别技术及其应用研究 ［D］.武汉：海军工程大学，2006.

［2］ 唐照千，黄敦朴.振动与冲击手册(工程应用）［M］.北京：国防工业出版社，1992.

［3］ 何英，周东华，喻荣.一种基于性能退化数据的电子设备缓变故障预报方法 ［J］.仪器仪表学报，2008，29(7）：1526-1529.

［4］ 陈敏泽，周东华.动态系统的故障预报技术［J］.控制理论与应用，2003，20(6）：819-824.

［5］ 张宝成，徐雪仙.潜艇噪声源贡献量化估计的分析方法［J］.船舶力学，1997，1(1）：56-66.

［6］ 张宝成，徐雪仙.舰船水下噪声测量和多输入/输出模型分析方法及其应用［J］.目标与环境特性研究，1998(1）：48-58.

［7］ 章林柯，何琳，江涌.基于MIMO模型的潜艇声学故障预报研究 ［J］.武汉理工大学学报 (交通科学与工程版），2008，32(2）：320-322.

［8］ 贝达特J S，皮尔索A G.相关分析和谱分析的工程应用［M］.凌福根，译.北京：国防工业出版社，1983.

［9］ 马忠成.偏相干方法分析及其工程应用 ［J］.应用声学. 1994，13(3）：25-30.

［10］吕述望，刘恒，沈昌祥.TCP/IP骨干通信网流量规律性及异常检测方法［J］.北京邮电大学学报，2005，28(6）：1-4.

［11］肖鸾.基于GPS的变形监测数据处理时间间隔的合理确定［J］.河南理工大学学报，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

国家自然科学基金项目(50775218）

陈声皖(1984-），男，硕士研究生。研究方向：舰船声学故障预报。E-mail：csw.123456@163.com