申请/专利权人：中国科学院力学研究所

申请日：2023-08-14

公开（公告）日：2024-06-21

公开（公告）号：CN117094219B

主分类号：G06F30/27

分类号：G06F30/27;G06F30/28;G06F30/15;G06N3/08;G06F113/08;G06F119/14;G06F119/10

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2023.12.08#实质审查的生效;2023.11.21#公开

摘要：本发明涉及了一种水下空腔噪声控制方法、装置及介质。一种水下空腔噪声控制方法，用于空腔噪声控制装置中，包括：设计多个分布在预设范围内的所述喷水机构位置的样本值；利用CFD开展流体动力学仿真计算得到计算结果，将计算结果、预设流动控制方程和预设涡流物理模型作为训练数据集；基于训练数据集对神经网络进行训练，得到用于快速预测的代理模型；根据所得代理模型获得在空腔几何尺寸和航行器航行速度下的预测结果；判断预测结果的噪声是否满足之前的设定值，若不满足，则用喷水机构的控制系统调节噪声。本发明提高降低水下航行器空腔噪声的灵活性和有效性。

主权项：1.一种水下空腔噪声控制方法，其特征在于，用于空腔噪声控制装置中，所述空腔噪声控制装置包括一空腔、设置于所述空腔一侧的喷水机构和所述喷水机构的控制系统，包括：设计多个分布在预设范围内的所述喷水机构位置的样本值；利用CFD开展所述样本值的流体动力学仿真计算得到计算结果，将所述计算结果、预设流动控制方程和预设涡流物理模型作为训练数据集；基于训练数据集对神经网络进行训练，构建作业工况与涡流强度、涡流脱落频率以及涡流位置的关联关系，得到用于快速预测的代理模型；获取空腔几何尺寸和航行器航行速度，根据所得代理模型获得在所述空腔几何尺寸和所述航行器航行速度下的预测结果，其中，所述预测结果至少包括涡流强度、涡流脱落频率和涡流位置；将获得的所述预测结果输入噪声阈值判别器中，判断预测结果的噪声是否满足之前的设定值，若不满足，则确定噪声控制失败，采用喷水机构的控制系统调节噪声，若满足，则结束分析；其中，所述基于训练数据集对神经网络进行训练，构建作业工况与涡流强度、涡流脱落频率以及涡流位置的关联关系，得到用于快速预测的代理模型，具体包括：网络搭建过程中采用深度神经算子神经网络：网络输入u基于自变量控制，输入于另一自变量控制，并使用分支网Branchnet和主干网Trunknet分别表示所述网络输入u经过流形G作用后在位置处的值，其统一公式得到： 其中，ux1,ux2,...,uxm为用于训练算子Gu的函数组，自变量为空腔流速及其他监测数据，m为函数组数据的维度，为算子的自变量，bk为分支网Branchnet的变换，tk为主干网Trunknet的变换；两组数据和作为模型的输入，网络需要两个部分分支网Branchnet和主干网Trunknet分别处理，其中主干网Trunknet以作为输入，输出分支网Branchnet以作为输入，输出最后将两个网络结果相乘得到目标学习的算子深度学习神经算子的Branchnet是由编码算子和逼近算子复合得到，加入使用深度学习算子N来逼近函数G，定义其中的误差函数，通过考虑概率测度定义L2范数： 网络的训练过程为：网络的训练将所述计算结果和所述预设流动控制方程得到的运动数据和对应监测数据作为自变量输入，将所述预设涡流物理模型的涡流物理特性参数作为自变量输入，输出得到涡流特性与空间坐标，形成一个用于空腔涡流物理特性参数智能识别的深度算子；将所述航行器航行速度、空腔几何尺寸和空腔涡流的深度算子神经网络输出作为输入数据，输出得到涡流强度、脱落频率与空间位置，训练以形成用于快速预测的代理模型。

全文数据：

权利要求：

百度查询： 中国科学院力学研究所 一种水下空腔噪声控制方法、装置及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD