摘要
本发明公开了一种船舶水下辐射噪声在线预测模型的构建方法,其通过采集船体振动信号和远场辐射噪声信号做为辐射噪声预测模型的样本数据库;基于差分进化特征优化算法,对预测模型输入特征的振动传感器和1/3倍频程频段两个维度进行优化,获得最优的特征子集作为预测模型的输入;建立集成学习预测模型,以岭回归模型作为基学习器,采用网格搜索及交叉验证确定各基学习器最优参数,得到n个不同的基学习器;最终取各基学习器预测结果的均值作为辐射噪声预测模型的最终预测结果,实现船舶辐射噪声的在线预测。本发明能够提高现有试验数据利用率,降低预测模型对特定分布类型数据的依赖程度,缓解模型对数据分布微小变化的敏感性,提高模型鲁棒性和预测精度。
技术关键词
船舶水下辐射噪声
船舶辐射噪声
集成学习模型
学习器
振动传感器
噪声预测模型
频段
船体
在线
函数计算方法
进化算法
振动监测数据
集成学习方法
样本
初始化方法
超参数
系统为您推荐了相关专利信息
学习评价方法
因子
Stacking集成学习
分区
学习器
需求预测模型
需求预测方法
无功负荷
门控循环单元
实时数据
非线性回归模型
声发射特征参数
土样
X射线扫描装置
数据采集装置
自动化设备故障
故障诊断模型
工业互联网
历史故障数据
自动化设备管理技术
数据分析模块
预警装置
气体浓度传感器
数据采集模块
预警模块