基于局部优化和深度学习的壳体高频声辐射预报方法

本发明涉及噪声预测技术领域，公开了基于局部优化和深度学习的壳体高频声辐射预报方法，包括：获取水下航行器的壳体的历史运行数据，历史运行数据包括速度数据、振动数据和声辐射数据；对历史运行数据进行处理，并提取关键特征；构建深度学习网络模型，根据关键特征对深度学习网络模型进行训练；并采用局部优化算法对深度学习网络模型进行优化，得到深度学习网络模型参数的最优解；将参数的最优解赋予训练后的深度学习网络模型，得到壳体高频声辐射预报模型；获取水下航行器的壳体的实时运行数据，并基于壳体高频声辐射预报模型，根据实时运行数据确定壳体的高频声辐射预报数值。本发明提高了声辐射预测的准确性和效率，实现在线监测壳体噪声。