文章编号:1009-3486(2007)05-0040-04
潜艇水动力噪声的自航模试验技术研究①毕　毅，高霄鹏，王　波，杨国桢
(海军工程大学船舶与动力学院，武汉430033)
摘　要：探讨了一种新型的潜艇流噪声与螺旋桨噪声的模型试验方法———自航模水动力噪声测试技术。该方法通过合理的试验方案设计及信号处理手段，在背景噪声相对较低的测试环境中，可得到具有时间通过特性的噪声信号，识别出流噪声与螺旋桨噪声。
关键词：自航模；噪声测试；流噪声；螺旋桨噪声
中图分类号:U674.76    文献标志码:A
Acoustic test technique for submarine using remote submersible model
BI Y i ,GAO Xiao 2peng ,WAN G Bo ,YAN G Guo 2zhen
(College of Naval Architect ure and Power ,Naval Univ.of Engineering ,Wuhan 430033,China )Abstract :A new acoustic test technique using remote submersible model is int roduced to st udy t he underwate
r noise of a submarine.The remote model test p roject can be properly designed for t he a 2coustic signal collecting ,and wit h t he help of approp riate data processing met hod ,noise sources can be analyzed successf ully.Much valuable work on fluid noise and propeller noise can be done by means of remote submersible model.
K ey w ords :remote submersible model ;acoustic test ;fluid noise ;propeller noise
现代潜艇声隐身性能的好坏已成为其十分重要的一项技术指标，而利用各种手段有效地预报、降低潜艇的水下噪声亦已成为目前该领域各国研究的一个重点与难点。
传统的水动力噪声模型测试一般在水槽中进行，模型不动，流体流动，测量水动力噪声，由于信噪比的问题，这类方法对于水动力噪声中的低频信号分析存在一定的局限性。
潜艇水动力噪声的自航模试验技术[1]就是在背景噪声相对较低的操纵水池环境中，建立一套低噪声的模型水下拖带装置，形成模型运动，流体不动，配合有效的信号处理方法，可得到具有时间通过特性的水动力噪声信号，从而将流噪声与无空泡螺旋桨噪声特别是其低频信号识别出来加以分析，补充了传统水动力噪声模型试验方法在低频信号获取方面的不足。
在对潜艇的水动力噪声研究中，自航模测试具有其独特的优势，可以完成实艇难以完成的航行工况，
包括水下高速、大攻角强机动等特殊工况。借助于水下拖带装置，模型可以完成无桨、无动力等特殊运动方式，从中对比分析出潜艇的水动力噪声。利用它完成潜艇水动力噪声的测试与研究是一项可行的试验研究方法。据了解俄罗斯在大水深、背景噪声较低的湖中释放具有正浮力的潜艇模型以研究其流噪声；法国亦已开展了利用自航和拖曳模型预测潜艇辐射噪声的工作。
　第19卷　第5期　2007年10月  　海军工程大学学报　
J OURNAL OF NAVAL UN IV ERSIT Y OF EN GIN EERIN G    　Vol.19　No.5　Oct.2007　①收稿日期:2007204204；修回日期:2007206218。
基金项目：水动力学预研基金资助项目(40104050202)。
作者简介：毕　毅(19632)，男，副教授，硕士。
1　时频信号分析法利用自航模进行水动力噪声测试，由于在试验时间段模型与水听器之间的距离是变化的，即由水听器采集到的信号随着模型的由远至近再至远具有时间通过特性，这种信号必须使用适当的信号分析方法加以处理。
在信号处理领域，传统的分析方法为傅立叶变换法。该方法可把时域信号变换到频域，或从频域变换到时域。不过傅立叶变换也存在一定的局限性，即基于傅立叶变换的频谱是时间平均频谱，无法反映频率随时间的变化趋势。傅立叶变换提供了信号的平均特性，而不适用于瞬变信号。解决这一问题的最直接方法是将数据分成块，按块对数据进行傅立叶变换，其结果可看作信号在对应数据块所覆盖的时间区间中的频率形态，这种方法称为短时傅立叶变换[2]，其数学表达式为:
S T F T (t ,ω)=∫∞
-∞s (τ)γ3(τ-t )e -j ωτd τ=∫
s (τ)γ3t ,ω(τ)d τ式中:S T F T (t ,ω
)为时间和频率的函数。它建立了信号的时域与时间2频率域之间的映射关系，本文中出现的时频图正是基于此做出的。利用它来分析具有时间通过特性的潜艇自航模噪声信号，可将信号的时间特性凸现出来加以辨识分析。
2　潜艇自航模的噪声成分
潜艇自航模辐射噪声的主要成分可以分解为机械振动引起的结构噪声、水流绕过船体的流噪声和螺旋桨噪声，因此自航模航行时测量的噪声包括4个部分[3]：即P 1=P 背景噪声 P 机械噪声 P 流噪声 P 螺
旋桨噪声。
由于船模的结构、材料及机械装备与实船完全不同，因此单独分析其机械噪声是没有意义的，而利用自航模可研究潜艇的流噪声与螺旋桨噪声，这正是利用自航模测试研究噪声的意义所在。
为了对测量的噪声进行分析，从中得到有用的噪声成分，应该在实际进行测量时同时记录背景噪声，即在自航模完全静止的条件下测得:P 2=P 背景噪声。
在每次进行实际测试前对背景噪声进行测量，以作为测试结果分析的基础。
3　利用自航模测试流噪声的试验方法
对潜艇流噪声的研究主要通过自航模的拖曳试验来实现。
为此作者专门设计安装了一套自航模水图1　自航模水下拖曳装置下拖曳装置，其简图如图1所示。
利用这套装置可实现潜艇自航模的水下无桨无动力拖
曳，此时可获得的具有时间通过特性的声压信号为:P 3=
P 背景噪声σP 流噪声。此时的背景噪声中包括拖曳系统噪声。
对比P 2与P 3，采用时频信号分析方法，可将无时间通过
特性的背景噪声与具有时间通过特性的自航模流噪声辨识出
来，而其量值的比对反映了流噪声的贡献[4]。
图2和3分别为无桨、桨轴不转情况下背景噪声时频图与典型流噪声时频图。图中横坐标为时间轴，纵坐标为频率轴，块的亮暗反映了声压信号的强弱。在背景噪声的时频图中，信号分布比较均匀，没有明显具有变化特征的块。而在无桨、桨轴不转的拖曳状态下，随着时间的变化，具有明显的不均匀块———亮黄块。时间的变化反映了模型与水听器相对距离的远近，即模型距离水听器越近，在时频图中黄块越亮，信号越明显，该信号具有时间通过特性，而此时所测试的信号成分中仅包含背景噪声和流噪声，背景噪声不具备时间通过特性，因此这一不均匀块为流噪声信号所贡献。
・14・　第5期　毕　毅等：潜艇水动力噪声的自航模试验技术研究  　
  图2　典型背景噪声时频图　图3　无桨、桨轴不转拖曳情况下典型流噪声时频图
  借助这种方法可成功识别出流噪声，寻其时间通过特性并对其加以研究。4　利用自航模测试螺旋桨噪声的试验方法
4.1　利用自航模研究螺旋桨噪声
对于螺旋桨噪声的测试通过系泊状态与自航及拖曳状态等多种特征工况，可分为非稳态噪声信号测试与稳态噪声信号测试两大类。
由潜艇模型的自航与拖曳试验得到的是声压的非稳态信号，对这类信号采用非稳态信号处理方法，可利用信号的时间通过特性，辨识信号的组成成分，特别是螺旋桨的信号成分，甚至包括100Hz 以下的低频线谱成分，而由系泊试验所得到的信号属稳态信号，即不具备时间通过特性，对这类信号可应用传统的频谱分析法。
4.2　自航模的非稳态信号采集
试验中自航模的非稳态信号采集包括以下测试工况:
(1)自航模的自航工况
该工况所测得的声压信号包括背景噪声、机械噪声、流噪声及螺旋桨噪声这几类成分，并可表示为:P 1=P 背景噪声σP 机械噪声σP 流噪声σP 螺旋桨噪声。其中具有时间通过特性的噪声成分包括机械振动噪声、螺旋桨噪声与流噪声。
(2)自航模的无桨转轴拖曳工况
该工况所测得的声压信号包括背景噪声、流噪声和机械噪声这几类，可表示为:P 4=P 背景噪声σP 流噪声σP 机械噪声。其中具有时间通过特性的噪声成分包括流噪声与机械振动噪声。
比对P 1与P 4，其共同成分背景噪声无时间通过特性，在时频图上均匀分布;P 1中具有时间通过特性的成分为流噪声、机械噪声与螺旋桨噪声,P 4中具有时间通过特性的成分为流噪声与机械噪声,P 1与P 4这两者的差别在于成分中是否包括螺旋桨噪声。
  P 1与P 4的典型时频图如图4、5所示。两张图中具有时间通过特性的共同成分为流噪声、
机械噪
图4　潜艇自航模自航状态噪声时频图图5　潜艇自航模无桨拖曳状态噪声时频图
声，两者的差别在于螺旋桨噪声，观察低频段，可发现图4中90Hz 左右有一条明显的线谱，这条线谱在・24・海　军　工　程　大　学　学　报          　
第19卷　
图5中没有出现，该线谱属于螺旋桨信号。利用这种思路，分析对比潜艇自航模自航状态与无桨拖曳状态噪声信号的时频图，可出螺旋桨的信号频率特征，特别是低频率段的线谱，再利用系泊状态的稳态信号进行相应频段信号的强度分析。
4.3　自航模的稳态信号采集submarine
潜艇自航模噪声的稳态信号可通过系泊试验测得。对所测得的稳态信号可进行传统的频谱分析。(1)带桨系泊试验
将自航模系泊于水听器制定附近指定点，转动电机带动螺旋桨旋转，此时所测得的噪声信号为稳态信号，即信号无时间特性。通过其信号成分包括背景噪声、机械噪声及螺旋桨噪声，并可表示为:P 5=L 背景噪声σL 机械噪声σL 螺旋桨噪声。
由于此时螺旋桨的工况为进速为0的系泊工况，与其航行时的工况是完全不同的，其噪声信号的特征与前面测试的工况完全不同，主要表现在以下两方面:①P 5为稳态噪声信号，即信号的强度不随时间变
化而变化;②P 5中不包含流噪声成分。
(2)无桨系泊试验
将自航模系泊于水听器制定附近指定点，转动电机无桨旋转，此时所测得的噪声信号为稳态信号，其信号成分包括背景噪声及机械噪声，并可表示为:P 6=L 背景噪声σL 机械噪声。
此时噪声信号同样属于不随时间变化的稳态信号，其中不包含螺旋桨成分。通过P 5和P 6的比对可分析螺旋桨噪声信号的强度。
5　自航模噪声测试的特性
潜艇的各类噪声源对水下辐射噪声的总声级的贡献和传递规律，除部分可通过理论计算完成外，多数均需要模型试验来研究。即使理论上能够计算的内容也需要经过模型或实船试验检验和修正。因此，在潜艇的声学研究中，模型试验必不可少，而利用自航模进行噪声试验研究正是对传统试验方法的一个有益的补充。
自航模水动力噪声试验研究具有流场模拟真实、模型便于改型等优点，它可以在机理研究和实艇应用之间建立一个中间环节，还可以进行以往试验中只能在实艇上进行的各种试验，以验证和改进所采用的降噪措施的效果。
利用自航模测试噪声，具有以下几点突出特点:
(1)潜艇的运动形式多样，包括上浮、下潜、变速、直航、回转等，利用自航模模拟其流场真实可靠，这是保障噪声测试研究的前提基础;
(2)自航模噪声测试可完成很多实艇所不能完成的工况，包括高速、无动力拖曳等，这不仅使实船测试所不便于研究的流噪声测试成为可能，而且便于噪声源的识别和分离;
(3)自航模噪声测试可根据研究内容的不同合理灵活地安排各种试验状态，包括无桨状态、无动力状态以及系泊状态等;
(4)针对噪声测试过程中自航模与水听器距离的变化，噪声信号具有时间通过特性，配合合理的信号分析手段，可有效地识别和分析潜艇的各噪声源及其变化规律;
(5)采用高灵敏度的水听器，利用自航模噪声测试所得的具有时间通过特性的噪声信号，可研究我们十分感兴趣的潜艇辐射噪声中的低频信号，特别是螺旋桨的相关线谱。
6　结　论
综上所述，利用自航模在背景噪声较低的试验环境中进行潜艇水动力噪声测试研究是一种有效的试验研究手段，是对传统测试方法的一个有益的补充。利用它，可针对潜艇流噪声与螺旋桨噪声开展相
关工作，特别是可用它来研究一直以来仅能通过经验公式估算的螺旋桨低频线谱。
(下转第55页)・34・　第5期　毕　毅等：潜艇水动力噪声的自航模试验技术研究  　
30.[2]　XIROS N I ,KYR TA TOS N P.A neural predictor of propeller load demand for improved control of diesel ship pro 2pulsion [C]//Proceedings of the 15th IEEE International Symposium on Intelligent Control.Rio Patras ,Greece ,2000.
[3]　吴杰长，陈国钧.未知非线性系统的神经网络建模与控制仿真研究[J ].海军工程大学学报,2004,16(4):53-56.
[4]　张乃尧，阎平凡.神经网络与模糊控制[M ].北京：清华大学出版社,1998.
[5]　贾　平，麻红昭，俞蒙槐.p H 值的神经网络多步预测控制算法[J ].科技通报,2000,16(1):31-36.
[6]　XU X Y ,MAO Z Y.The neural network predictive control of time 2delay systems [J ].Control Theory and Appli 2
cations ,2001,18(5):932-934.
[7]　靳其兵，王建辉.多步预测性能指标函数下的神经网络逆动态控制方法[J ].控制与决策,1999,14(4):308-313.
[8]　N ФR GAARD M.Technical Report of “Neural Network Based Control System Design Toolkit ,Ver2”,002E 2892
[R].Denmark :Technical University of Denmark ,2000.
(上接第20页)
参考文献:
[1]　H EB ER T T S R ,CARLOS A I ,MI J U EL S C.Exact state reconstructors in the recovery of messages encrypted by
the states of nonlinear discrete 2time chaotic systems [J ].Int.J.Bif urcation and Chaos ,2002,12(1):169-177.
[2]　HU G J ,FEN G Z J ,M EN G R L.Chosen ciphertext attack on chaos communication based on chaotic synchroniza 2
tion [J ].IEEE Trans.Circuits and Systems I ,2003,50(2):275-279.
[3]　UDAL TSOV V S ,GO ED GEBU ER J P ,L AR GER L ,et al .Cracking chaos 2based encryption systems ruled by non 2
linear time delay differential equations [J ].Physics Letters A ,2003,308(1):54-60.
[4]　刘树勇，朱石坚，俞　翔.改进相空间重构方法在混沌识别中的应用研究[J ].海军工程大学学报,2006,18(2):69-
72.
[5]　MA T T H EWS R.On the derivation of a “chaotic ”encryption algorithm [J ].Cryptologia ,1989,XIII (1):29-42.
[6]　L I S J ,MOU X Q ,CA I Y L.Pseudo 2random bit generator based on couple chaotic systems and its application in
stream 2ciphers cryptography [C]//Progress in Cryptology -INDOCR YPT 2001,Lecture Notes in Computer Sci 2ence.Berlin :Springer 2Verlag ,2001.
[7]　李树钧.数字化混沌密码的分析与设计[D ].西安：西安交通大学,2003.
[8]　SAN G T ,WAN G R L ,YAN Y X.Perturbance 2based algorithm to expand cycle length of chaotic key stream [J ].
Electronics Letters ,1998,34(9):873-874.
[9]　杨义先.密鈅序列设计的迹函数方法[J ].电子学报,1995,23(10):6-11.
(上接第43页)
  值得指出的是，由于这方面的工作刚刚起步，有许多工作有待于深入细化完善，包括试验方案的确定、试验数据的处理、适合自航模噪声测试的试验模型的合理改造、试验环境的优选等。
参考文献:
[1]　王　波，毕　毅，李和平.潜艇自航模水下长波遥控系统[J ].海军工程大学学报,2007,19(2):17-20.
[2]　MITRA S K.数字信号处理[M ].北京：电子工业出版社,2005.
[3]　何谟钦，王锡良，沈弘萃，等.潜艇遥控自航模螺旋桨噪声测量分析方法[J ].船舶力学,2001,5(1):5
5-61.
[4]　王之程，陈宗歧.舰船噪声测量与分析[M ].北京：国防工业出版社,2004.・
55・　第5期  吴杰长等：水力测功器模拟螺旋桨高海情负载的神经网络预测控制仿真研究