水下空腔多格角反射体声散射特性研究

摘 要：针对水下单层薄金属板多格角反射体存在频率特性强烈，难以形成较为稳定目标强度的问题，设计了一种新的空腔多格角反射体。采用结构有限元结合流体直接边界元法，对水下空腔多格角反射体声散射特性进行了仿真计算，在5.0～15.0 kHz入射频率范围内，研究分析了平板厚度、空腔厚度、入射角度等因素对其目标强度的影响机理。结果表明：与薄金属板多格角反射体相比，空腔多格角反射体频率特性较弱，去耦作用明显，散射能力强;空腔多格角反射体在一定角度范围内都能保持稳定的目标强度，具有更优的反射性能，是较为理想的水下声反射装置。

关键词：水下;空腔;多格;角反射体;散射声场

中图分类号：TB56;U666.7 文献标志码：A DOI：10.3969/j.issn.1673-3819.2024.04.021

引用格式：

王杰亚，罗祎，褚子超，等.

水下空腔多格角反射体声散射特性研究

.指挥控制与仿真，2024，46（4）：156-160.

WANG J Y，LUO Y，CHU Z C，et al.

Acoustic scattering characteristics of underwater multicell cavity corner reflectors

.Command Control & Simulation，2024，46（4）：156-160.

Acoustic scattering characteristics of underwater multicell cavity corner reflectors

WANG Jieya1，2， LUO Yi1， CHU Zichao1， WANG Xiaowei2

（1. College of Weaponry Engineering， Naval University of Engineering， Wuhan 430033;

2. Ordnance NCO Academy， Army EngineeringUniversity of PLA， Wuhan 430075， China）

Abstract：Underwater multicell single-layer thin metal plate corner reflectors cant form a relatively stable TS in a large space because of its strong frequency characteristics. To solve the problem， the paper designs the underwater multicell cavity corner reflectors. Then using FEM coupled DBEM solver to simulated its scattering acoustic field in incident wave frequence varies from 5.0 kHz to 15.0 kHz. The results show that the underwater multicell cavity corner reflectors has weak frequency characteristics， obvious decoupling effect and strong scattering ability. Underwater multicell cavity corner reflectors can maintain stable target strength in a large space， and has better reflection ability， so it is an ideal underwater acoustic reflection device.

Key words：underwater; cavity; multicell; corner reflectors; scattering acoustic field

收稿日期： 2023-06-06

修回日期： 2023-06-19

作者简介：

王杰亚（1988—），男，硕士，工程师，研究方向为军械装备保障。

罗 祎（1974—），男，博士，副教授。

利用角反射器能够多次反射的特性做成无源干扰目标，是一种新的水下对抗方式［1-3］。将多个角反射器在空间内组合成多格角反射体［4］，可有效提升散射宽度，其与单个角反射器相比，具有较强应用优势。

角反射器常用金属材料制成。研究发现，由金属材料制成的水中薄金属板多格角反射体，其弹性散射特征表现突出［5-6］，目标强度受入射频率及入射角度等因素影响比较明显，不能稳定地模拟水中目标的回波特性。

金属材料的声阻抗与水介质的声阻抗只相差一个数量级，在声波激励下，其引起的结构振动明显［7-8］，因而弹性散射突出。由于空气的声阻抗与水严重失配，据此设计了带有空腔结构的多格角反射体，以达到提升角反射体目标强度稳定性的目的。

有限元结合边界元法（FEM-BEM）是开展水下声-固耦合研究的常用数值计算方法［9-10］，其主要原理是分别用有限元和边界元法分析结构振动和声学响应，再通过耦合矩阵进行方程联立［11-13］。基于此方法，本文联合采用商用有限元计算软件ANSYS和声学软件LMS virtual lab开展仿真研究。

评估建模方法是海战场环境影响评估的核心，涉及运筹学、系统学、管理学等诸多学科在军事海洋领域的交叉运用，学者们采用了多种评估方法开展海战场环境影响评估，但关于海战场环境影响评估方法的系统梳理与综述分析几乎为空白。本文基于国内外文献资料以及笔者所在团队多年的研究积累，对海战场环境影响评估方法进行系统化、体系化梳理，将其划分为四类：基于动力学仿真的评估方法、基于决策科学的评估方法、基于数据科学的评估方法、基于不确定性人工智能的评估方法，并对不同方法的特点进行综述分析。

2 四类典型海战场环境影响评估方法

2.1 基于动力学仿真的评估方法

基于动力学仿真的评估方法，以海上武器装备或平台的空间运动方程为基础，引入不同控制因素，通过仿真软件开展数值仿真，定量分析环境因素对装备平台的影响，以评估环境影响安全边界。文献［3-4］从海洋内波、海浪的生成机理和潜艇水下运动特点入手，以潜艇的空间运动方程为基础，将内波或海浪作为干扰力加入控制方程，基于CFD平台分析内波或海浪对潜艇航行稳定性的影响。文献［5］在舰载机弹射起飞动力学模型的基础上，设计了标准起飞航迹并进行了数值仿真。分别对航母、飞机、环境等参数对安全起飞的影响规律进行了仿真研究，获得了安全起飞的边界参数。

2.2 基于决策科学的评估方法

基于决策科学的评估方法，通过建立某种数学函数或映射关系，将多个评估指标值合成为一个整体综合评估值，将评估问题转化为多源信息的融合问题。现代科学评估理论产生了多种以运筹学模型为代表的评估方法，包括层次分析法、模糊综合评估法、灰色综合评估法等，学者将其应用于海战场环境影响评估建模并取得了较为可靠效果。

1）层次分析法

层次分析法（AHP）是最经典的综合评估方法，是一种定性与定量相结合的层次化评估分析方法。层次分析法处理复杂评估决策问题的基本过程为：首先，建立层次结构模型，构造成对比较矩阵，进而计算权向量并做一致性检验，计算组合权向量并做组合一致性检验，完成评估与决策分析。此后，考虑到指标体系的复杂性，层次分析法进一步改进为网络层次分析法，评估建模时既建立递阶层次结构，又建立内部相互作用的网络结构。基于其处理复杂评估问题方面具有较好的实用性和有效性，层次分析法已经应用于海上舰艇的威胁能力评估、潜艇航行安全评估、舰艇目标识别等海战场环境影响评估场景，是使用最广泛的综合评估方法［6-8］。

2）模糊综合评估法

模糊综合评估法（FCE）是一种以模糊数学为基础的综合评估方法，该评估方法根据模糊数学的隶属度理论把定性评估转化为定量评估［9］，基本原理是：首先，确定评估对象的指标因素集和等级隶属集;然后，分别确定各评估指标的权重及其隶属度向量，获得模糊评判矩阵;最后，把模糊综合评判矩阵与评估指标的权向量进行模糊运算，并进行归一化得到模糊综合评估结果。文献［10-11］针对水面舰艇编队、潜艇在不确定海战场环境中的威胁估计问题，采用直觉模糊集理论建立了一种舰艇空中威胁评估模型。

3）灰色综合评估法

灰色综合评估法（GCE）是一种以灰色关联分析理论为指导的综合评估方法，根据因素之间发展形态（序列曲线几何形状）的相似或相异程度来衡量因素间关联程度的方法［12］。灰色系统理论是针对信息的非完备性研究复杂系统的理论，它没有从系统内部特殊的规律出发去讨论，而是对系统某一层次的观测资料进行数学处理，以了解系统内部变化趋势、相互关系等机制。文献［13］采用最小二乘灰色关联分析法构建了海战场环境对两栖舰艇兵力投送的影响评估模型，对两栖兵力投送时间进行了优选。

2.3 基于数据科学的评估方法

随着计算机科学理论的革新，以神经网络为代表的人工智能技术蓬勃发展，为复杂系统的评估建模提供了新思路。不少学者开始将统计模型、机器学习算法等数据科学方法应用于海战场环境影响评估建模，评估技术逐步趋向于智能化。

1）基于经典数理统计的评估方法

随着观测样本和实验数据的积累，主成分分析、因子分析、聚类分析、判别分析等经典数理统计方法被应用于海战场环境影响评估与态势区划［14-15］。相比于运筹学评估方法，基于数理统计的评估方法完全依赖于客观数据而非专家经验，可以根据客观样本消除评估指标之间的相关性，非常适用于对高维度、强相关的指标系统进行评估建模。此外，基于数理统计的评估方法能够充分利用历史样本建立相对独立、通用的数学模型，如回归模型、聚类判别模型等，避免了采用运筹学方法进行评估建模时重复性的操作流程。

2）基于神经网络的评估方法

海战场环境包含要素非常多，影响因素与评估对象之间的非线性效应非常显著，基于经典数理统计的评估方法无法有效处理非线性复杂关系，并且历史的经验信息不能得到充分利用。为了解决上述问题，人工智能领域的神经网络开始应用于海战场环境影响评估。

反向传播（BP）神经网络是在海战场环境的影响评估建模中应用最广泛的多层反馈网络。文献［16］提出一种基于粗糙集和神经网络的海上无人机侦察效能评估方法。利用粗糙集理论去除评估体系中的冗余因素，然后利用遗传算法优化BP神经网络的参数学习，构建无人机侦察效能的评估模型。文献［17］针对海洋环境要素的模糊性和非线性，提出了基于模糊BP神经网络的海上舰载武器作战效能评估模型，将环境因子的模糊隶属度矩阵输入BP神经网络中，通过非线性分析处理的神经网络进行学习和测试，输出作战效能的评估等级。

3）基于支持向量机的评估方法

海战场环境影响评估中，有些评估指标的数据量非常有限，为此机器学习中的支持向量机（SVM）被引入综合评估建模。SVM模型采用核函数方法，向高维空间映射不但不增加计算的复杂性，而且有效克服了维数灾难问题。SVM针对小样本学习中的有限样本信息，在模型的复杂性和学习能力之间寻求一个最佳的折中，以实现学习的最好泛化能力。文献［18］针对武器系统效能评估中仿真实验样本有限的情况，提出了基于支持向量机的效能评估方法，并对该评估方法进行算子化，该模型在小样本条件下比神经网络表现出更好的评估优越性。

2.4 基于不确定性人工智能的评估方法

近些年，随着人工智能与知识工程的发展，人工智能的另一新兴方向，不确定性人工智能越来越受到研究关注。学者们尝试将不确定性人工智能技术应用于海战场环境影响评估建模，以期更好地表达和处理海战场要素的不确定性。

1）云模型

云模型理论是不确定性人工智能的重要理论之一，云模型将模糊理论与概率随机性相结合，定义了隶属云模型及其发生器，由于其优秀的不确定性处理能力、定性概念与定量信息之间的转化能力，因此被引入海战场环境影响评估领域。

文献［19］采用云模型进行海战场电磁威胁度评估，利用云发生器、条件规则发生器，实现了定性概念与定量数据之间的相互转化，有效处理了目标电磁威胁度评估中的不确定性和模糊性的问题。为处理海战场环境评估过程中出现的不确定性问题，文献［20］提出基于数据场和云模型的海战场环境风险等级评估方法，首先，用数据场对不完备数据进行扩散，其次，利用云模型对孕灾环境进行等级划分，最后，对两者进行融合得到海战场环境风险等级划分。

2）DS证据理论

证据理论（Dempster-Shafer，DS）是一种不确定性推理理论，属于人工智能范畴。此方法基于信度结构表示不确定和不完备信息，具备良好的多样化信息融合能力，可以有效处理由未知引起的不确定性因素，最早应用于专家系统中。证据理论的主要思想是基于各证据的基本可信度分配，利用证据理论中的证据合成规则进行证据融合，从而实现多源不确定信息的融合。

近几年，DS证据理论初步被引入海战场环境影响评估和战场环境态势评估，文献［21］采用DS证据理论对海洋环境安全态势进行了评估，针对DS证据理论在不同建模阶段的问题进行了全面优化，解决了复杂海洋空间多尺度安全态势的生成演化问题。文献［22］针对复杂海洋环境的不确定性，利用DS证据理论建立了智能水下机器人（AUV）的海洋环境态势评估模型，通过不确定推理实现AUV对环境的自主认知。该方法充分利用了改进的DS证据理论在处理不确定性问题上的优点和冲突信息融合方面的优势。

3）贝叶斯网络

贝叶斯网络作为不确定性人工智能的典型代表，是概率论与图论相结合的产物，用于表达随机变量之间的不确定因果关系。通过贝叶斯网络学习能够挖掘和辨识影响要素之间的因果关系，以数字网络的形式直观、定量地表达要素之间的影响。近年来，贝叶斯网络被引入海战场环境影响评估研究，文献［23］结合专家知识和环境数据，基于贝叶斯网络建立了水下航行器的威胁评估模型。文献［24］基于专家经验和仿真实验数据，首次将贝叶斯网络运用于航母编队作战中识别水下目标和评估威胁等级，为航母编队指挥员反潜作战提供一定的辅助决策。

笔者所在团队致力于基于不确定性人工智能的海战场环境影响评估研究，针对海战场环境的多维性、动态性、不确定性的特点以及复杂多样的信息条件，采用贝叶斯网络、云模型等方法，先后提出了大数据、小样本和零样本条件下基于不确定性人工智能的评估建模技术。基于遗传算法、粒子群算法等启发式搜索算法，结合信息扩散理论，笔者开展了信息不完备条件下海战场环境影响评估技术研究［25］。基于云模型理论建立定性信息表达与推理机制，笔者采用高斯云变换算法优化贝叶斯网络参数估计，提出了定性信息与定量数据相融合的评估建模技术［26］。基于贝叶斯网络理论，结合云模型、随机森林等智能算法，笔者建立了信息不完备和知识不确定条件下海战场环境态势评估模型［27］。

2.5 评估方法分析

本文将海战场环境影响评估方法划分为四类，如图2所示。

1）基于动力学仿真的评估方法

基于动力学仿真的评估方法，以海上武器装备或平台的空间运动方程为基础，通过数值仿真定量分析环境因素对装备平台的影响，确定环境影响的安全边界，评估武器装备效能发挥。此评估方法属于精细化小尺度的定量评估，适用于刻画小尺度海洋环境系统对武器装备的细微影响，但武器装备或平台的空间运动方程是非线性的高阶多维的方程组，加入海洋环境因素的影响，不易求解分析。此外，大尺度环境系统的影响难以通过动力学仿真进行分析。

2）基于决策科学的评估方法

基于决策科学的评估方法，将定性分析和定量计算有机结合，考虑了海战场环境要素的复杂性和信息的模糊性。此类方法在专家经验知识的基础上引入定量分析，但数学论证与定量分析非常简单，定量数据支撑较少，较大的定性成分使得评估结果可靠性有所欠缺。海战场环境是包含众多要素的复杂系统，要素之间相互作用、相互影响，要素与评估对象之间的非线性效应显著，具有极大的不确定性，仅依靠专家经验知识和简单数学分析无法有效处理。

3）基于数据科学的评估方法

以数理统计分析为基础的经典统计模型和机器学习模型在海战场环境影响评估中也得到了一定程度应用。经典统计评估方法具备一定的自学习能力，能够充分利用海洋环境历史样本建立相对独立的数学模型，但上述方法对战场要素之间非线性关系的处理能力有限。基于机器学习的智能化评估方法通过从海战场环境数据中挖掘因素之间的复杂关系建立评估模型，相比于经典数理统计评估方法，具备更强的非线性关系和多维度特征处理能力。构建完成的智能化评估模型可作为独立单元应用，具有强大的自学习和自适应能力，节省了大量的时间成本和劳动成本。但是，上述评估方法需要大规模数据支撑模型训练，在不完备信息条件下应用非常受限，并且机器学习方法均为确定型输出模型，无法处理复杂系统评估中的知识不确定性。

4）基于不确定性人工智能的评估方法

不确定性人工智能作为人工智能领域的新兴前沿方向，因其具备处理复杂系统信息不完备、知识不确定和影响非线性的能力，近几年被引入海战场环境影响评估领域。云模型充分考虑了模糊性和随机性之间的关联性，构成“定性—定量”之间的不确定性转换模型，但是云模型的不确定性推理能力较弱，没有考虑要素之间的相互作用，复杂关系无法量化表达。因此，云模型更适合于局部建模，而对复杂的评估系统建模时效率较低，不具备自学习能力。

DS证据理论使用非精确概率来描述不确定性，通过运用Dempster融合规则，可以对多指标数据和知识进行融合，参照融合结果判断各命题的支持程度，根据决策规则对命题等级进行判断，进而给出评估决策结果。此方法的不足主要是证据冲突时的融合问题，并且确定证据的基本概率赋值函数主观性较强，模型的自学习能力和推理能力也较弱。

贝叶斯网络能够从主客观信息中挖掘海战场环境要素之间的复杂关系并以网络形式直观表达，以概率形式表达不确定知识，同时能够融合定量数据和定性信息进行推理。贝叶斯网络的技术优势能够针对性处理海战场环境影响评估的多要素、非线性、不完备、不确定等建模难点。

美海军综合战术环境系统（NITES）已嵌入上述不确定性人工智能方法，用以分析海洋环境对武器和作战系统的影响，进而为指挥员提供战场空间表征和态势感知。应用云模型、贝叶斯网络等方法将环境预测信息和作战信息进行融合，预测敌我双方部队、作战平台、武器系统等在既定战场环境中的效能发挥，评估海洋环境对作战计划、力量结构、目标、时机和程序的影响，基于不确定性人工智能的评估方法更加适应未来智能化作战条件下海战场环境影响评估。

3 结束语

海战场环境影响评估方法随着新兴技术的发展在不断进步，评估方法由定性化趋向于定量化，由机械化趋向于智能化，由确定性评估趋向于不确定性评估。本文所述评估方法中，动力学仿真方法多用于小尺度建模且数值求解难度较大;决策科学方法的主观性较强，难以处理海战场环境要素之间的非线性影响关系;数据科学方法需要充足的量化数据进行模型训练，难以在海战场环境信息多样化、不完备、不确定条件下进行评估建模;以贝叶斯网络、云模型为代表的不确定性人工智能方法，能够较好地处理海战场环境评估中信息不完备、知识不确定、影响非线性的问题，具备较好的自适应能力和推理能力，应用前景十分广阔。

参考文献：

[1] 申家双， 周德玖. 海战场环境特征分析及其建设策略［J］. 海洋测绘， 2016， 36（6）： 32-37.

SHEN J S， ZHOU D J. The characteristic analysis and its construction strategy of sea battlefield environment［J］. Hydrographic Surveying and Charting， 2016， 36（6）： 32-37.

［2] 方书甲. 海军武器装备与海战场环境概论［M］. 北京： 海洋出版社， 2007： 125-132.

FANG S J. Introduction of Naval Weapons and Equipment and Naval Battle Environment［M］. Beijing： Ocean Press， 2007： 125-132.

［3］ XIONG Y， XU J. Simulation of submarine hovering based on PID control[C]. 2010 2nd International Asia Conference on Informatics in Control， Automation and Robotics， Wuhan， 2010：224-226.

［4］ Licéaga-Castro Eduardo， Licéaga-Castro Jesús， Ugalde-Loo Carlos E， et al. Efficient multivariable submarine depth-control system design[J]. Ocean Engineering.2008，35（17）：1 747-1 758.

［5] 车竞， 和争春. 舰载机弹射起飞动力学仿真与安全边界评估［J］. 飞行力学， 2015， 33（1）： 9-12.

CHE J， HE Z. Dynamic simulation and safe boundary evaluation of CATO for carrier-based aircraft［J］. Flight Dynamics， 2015， 33（1）： 9-12.

［6］ Jonathan W. United States navy meteorological and oceanographic support manual［M］. Mississippi： Naval Meteorology and Oceanography， 2014.

［7］ Burnett W， Harper S， Preller R. Overview of operational ocean forecasting in the US navy： past， present， and future［J］. Oceanography， 2014， 27（3）：24-31.

［8] 张振涛. 海洋环境下武器装备作战效能评估与系统实现［D］. 南京： 东南大学， 2015.

ZHANG Z T. Operational effectiveness evaluation and system implementation of weapons and equipment in marine environment［D］.Nanjing： Southeast University， 2015.

［9] 杜栋， 庞庆华， 吴炎. 现代综合评价方法与案例精选［M］. 3版. 北京： 清华大学出版社， 2015.

DU D， PANG Q H， WU Y. Modern comprehensive evaluation method and case selection［M］. 3rd ed. Beijing： Tsinghua University Press， 2015.