船舶的噪声与振动控制

构破坏问题，而且船员在此种工作环境下工作容易出现身体健康问题，所以船舶噪声和振动控制处理非常重要，要求研究人员可以对船舶发出的噪声与振动进行研究，找出有效控制的办法，指导船舶设计人员可以在后续的设计工作中利用控制噪声与振动元件，合理设计船舶结构，从而确保设计出的船舶有着较长的使用寿命，船员可安全的在船舶上开展各项海上生产及作业工作。

1 振动源与噪声源分析
船舶结构中的主机、柴油机、主推进及主螺旋桨等装置是造成船舶振动源（噪声源）的主要因素，分析多因素与振动源（噪声源）之间的相关性，发现柴油机、螺旋桨装置为重要的影响因素，其中柴油机运转期间可以为船舶提供运行动力，会产生修复力矩、惯性力等振动（噪声）干扰力，而螺旋桨则可以在工作中产生轴承力、叶频干扰力等影响振动振幅大小的激振力。

分析船舶发出的噪声可知主要包括三类：空气动力、电磁、机械噪声，划分依据为发出噪声的声源，还可以依照船舶上噪声发出的具体位置，将噪声划分为船体振动、结构激振、螺旋桨噪声等多类。

研究船舶振动源、噪声源期间，需要对船舶作以局部结构模态分析，从而可让研究人员充分掌握船舶结构阻尼、振型及频率等参数，进而依据参数明确船舶出现振动及噪声期间，是否同时出现谐振现象，并且通过参数还可以对船舶频率、振型的正确性进行测试，从而可结合多项分析结果来预测船舶振动源位置[1]。

2 常用船舶振动与噪声模拟
以往开展船舶噪声与振动问题模拟的方式包括数学公式、模型计算、海上船舶试验等，研究人员依次利用上述方式进行问题模拟工作，能够在掌握噪声、振动发出位置的情况下良好的模拟噪声振动控制情况，但是分析常规方式的应模拟，该种模拟方式具体操作时可以依照下面方法完成模拟工作：
首先为有限元方法，该法属于求解方法，实际模拟应用中具有确定性特点，应用后能够准确预测低频振动环境，分析出的结构模态参数也非常精确。

使用有限元法时，同时需要联合边界元法共同来模拟应用，从而可以联合模拟出结构振动情况、噪声强度。

但是此种有限元模拟方法使用期间在高频问题求解时容易出现求解时间过长的问题，求解效率较低，而且应用期间高阶模态参数对于结构细节、未明确的结构参数有着较强的敏感度，易导致结构求解精度低的问题发生，此外通过有限元方法分析结构声振情况时，在结构振动（噪声导致）、噪声辐射（振动所致）等问题干扰之下，会影响耦合计算结果，所以上述几方面的应用问题需要引起船舶噪声及振动问题模拟求解人员的高度重视，对于有限元方法适用条件作以深入的调查了解，从而能够在适合有限元方法应用的低频振动噪声环境求解预示条件下合理利用该种求解方法[2]。

其次为统计能量分析方法，该种方法主要应用在高频声振问题统计能量分析中，可从统计角度，对结构振动声场问题予以有效处理，统计精度与模态密集型呈正相关关系，若模态密集度高，那么统计精度将会显著提升，将该方法与有限元方法进行应用范围的对比发现此种方法的适用范围更广[3]。

3 船舶的噪声与振动控制
■3.1 流程
分析船舶振动及噪声期间，首先需要对结构振动、声场进行局部分析，内容涉及船舶结构频率、振型，船舶结构敏感点响应值，可选择船舶上的甲板、驾驶室、机舱、控制室以及船员作为重点分析区域与对象，具体分析时需要先明确模型边界，之后对振动源和噪声源参数进行完整收集，从而
96 | 电子制作 2019年04月
应用技术
可以参考参数构建仿真模型、划分网格、荷载施加、提取计算结果等流程的分析。

其次进行结构振动及声场整体分析，即研究人员可以先整理分析局部分析结构，之后便可从整个船舶角度出发，进行整船的声场计算[4]。

同时，在对船舶噪声与振动进行控制分析时，需要加强电子技术使用，并通过对噪声与振动控制电子元件的合理设置，获取相应的信息，进而在计算机三维空间中进行有效分析，为船舶噪声与振动问题的科学控制提供参考信息，优化船舶应用过程中的安全性能。

除此之外，为了实现对船舶低频声能的有效吸收，则需要考虑共振吸声结构的合理设置，进而为船舶性能的不断优化提供支持，增强其噪声与振动控制效果。

■3.2 船舶海上试验
对于船舶作以海上航行试验，可以具体分析得出船舶噪声及振动运动情况，以便找出可进行噪声振动控制设计的主要方向。

试验期间主要完成两个方面的测试工作，包括船舶局部振动试验、船舱内部室内空气噪声试验，试验期间需要严格依照“DNV Rules for classification of ships”标准、IMO Resolution A.468XⅡ标准（评价空气噪声）、IS06954标准（评价船体局部振动）进行各个环节的试验；还需要准备精密声级计、动态数据分析仪进行数据分析，辅助试验完成。

试验期间主要分为Transit、DP两种工况，便可得出局部振动数据、船舱内空气噪声参数[5]。

研究期间选择广州市的某一港口停靠船舶为研究对象，将其驶向海上后可开始试验，该艘船长度为150米，型深与型宽分别为13米、25米， 结构组成中的螺旋桨、主机、辅机为发出噪声与振动的振动源（噪声源），每个装置的数量分别为2台，试验过程中船舶的吃水深度分别为5.4米（船尾）、5.1米（船首），试验地点选择在甲板上的三个房间、控制室、餐厅。

试验使用的模型为SEA模型，该模型属于当前模拟船舶噪声及振动问题的常用模型， 应用时可以借助于边界元分析、有限元方法及统计能量分析三种方法共同进行船舶问题的试验模拟，重点分析输入功率、模态密度及内损耗因子等内容。

同时需要依据试验模型分析船舶载荷，由于模型提供的载荷方法较多，结合本文研究船舶的具体情况，选择定义功率、定义约束法进行分析，借助于以上方法可以对船舶施加载荷，进而通过激励频率的增加，可预测出船舶噪声振动发生情况。

得出试验结果后，分析船体局部振动试验结果可以了解到在不同工况下，在轻微振动区域内进行各个测点的数据测试工作，得出的局部振动参数结果较好，而船舱室内空气噪声，在处于Transit工况下，测得数据相差不大，可显示当前舱内空气噪声的实际数据，分析这些数据表示在该工况下舱内空气噪声较小，在另一个工况下，发现在工况右向状态下，对比不同测试点发出的声音分贝，可知存在部分位置的噪声超过60分贝的情况，主要集中在船舶甲板的房间、餐厅位置，分析这些地方分贝过高的主要原因，可知是由于船舶航行期间，海水流速因素、甲板结构设计因素等所致，因此控制船舶噪声振动期间，可以从水流情况、甲板设计方向作以有效设计，确保后续设计的船舶可以规避相关影响因素的干扰，降低航行期间发出的噪声大小与振动幅度，以此给船舶上的船员构建一个良好的工作环境。

具体设计时可结合目前一些常用的船舶隔噪声、隔振设计方法，在船体结构之上进行地板弹性、壁板三者的连接设计，从而可让船体在工作时对于振动、噪声情况进行合理降低控制，避免振动噪声过大情况出现；还可对导致噪声出现的船舶舱内缝隙与孔洞、隔声材料吸声量差、隔声构件阻尼及质量不达标、隔声构件密封性能不良等影响因素予以综合考量，从而选择质量性能优良的隔声构件进行船体室内装修，便可保证船舶行驶过程中出现的噪声振动较小，除了常规应用的隔声构件外，还可采用减振效果较好的阻尼合金材料制成的腹板材料、附加阻尼材料进行船舶减振设计。

本文研究数据受到一些因素影响（参数测量期间仪器位置移动、材料参数选择不当、模型过于简化、载荷施加误差、未对可能造成船舶噪声与振动的舾装部件进行试验分析等），导致数据存在一定的误差，需要研究人员在后续的海上试验研究中合理规避相关因素，从而保证船舶噪声与振动问题被有效的控制。

4 结束语
船舶噪声和振动对于船体结构质量、船员身体健康有着严重的不良影响，由于该问题的发生与船舶结构设计有紧密联系，所以要求设计人员对于船舶发出噪声、振动的具体情况有详细了解，继而可以在后续的船舶设计工作中从噪声与振动发生的原因入手，有效做好船舶结构设计工作，确保优化设计建造而成的船舶能够为我国船舶事业、海洋事业的长远稳健发展提供更多帮助。

参考文献
＊ [1]于继清.基于边界元的船用柴油机振动噪声特性分析[J].科技与创新,2018(23):19-20+25.
＊ [2]王超.基于人工神经网络的船舶舱室噪声抑制算法[J].舰船科学技术,2018,40(22):1-3.
＊ [3]陈燃.船舱内部空气噪声振动及抑制方法研究[J].舰船科学技术,2018,40(22):7-9.（下转第84页）
www�ele169�com | 97
两种算法中朴素贝叶斯算法更突出了其朴素二字，即为独立，从字面意思可知这种算法的独特处就是独立，独立的意思就是把每个需要进行研究的特征假设成相互独立的个体，这样我们就可以运用我们的朴素贝叶斯的方法对我们的结果进行预测。

最后我们可以通过那个简单的公式来简便的了解一下朴素贝叶斯公式的运行，其中A代表的是特征即进行心脏疾病问题预测时的原因，B代表的是类别也就是我们需要的结果即心脏疾病问题是否发生，接下来我们只需要将各个概率的带入到公式中而P（A）由于是多项特征的结合而这多项特征又是相互独立的，所以我们需要把每个特征拆分成多个特征的概率的乘积再进行计算，但在我们计算时我们有时会算出概率是零的结果，而这样的一个结果不符合我们的实际背景，这种情况是由于我们所需要的特征没有出现在该类别中，所以我们会引用到另一个知识，即拉普拉斯平滑又被称为加一平滑，这可以算作一个预处理的过程，使用这种方法我们可以使我们原本为零的概率变成一个实际背景中存在的概率，即为一个更加准确的数值，这样我们就解决了一个会造成误差的地方，这就是我们对朴素贝叶斯算法的一种优化。

朴素贝叶斯的方法是我们通过对先验概率的计算推导出后验概率，所以后验概率是由于一个事件的发生对另一个事件的一个新的评定，即经过调整因子改变先验概率过的概率。

这就是朴素贝叶斯，通过这样的一个方法，我们可以把一个很复杂的概率推断问题变得很简单，并且我们可以将这个方法运用到大数据分析里，就像本研究。

的研究结果更加的准确，比如数据集中不同特征选取的数据数目相差特别大的时候，则会对结果产生误差；对于朴素贝叶斯算法，当我们所选取的数据量特别大并且相互之间十分的紧密时，朴素贝叶斯算法地使用就会出现比较大的误差会使我们对研究数据的分析预测不是特别的准确；对于决策树模型，当我们选取的数据量中人为的思想对整个过程的的预测有很大影响时会导致整个模型的建立比较混乱，即决策树的叶节点地分裂出现错误导致整个数据分析出现错误。

每种方法都不会是完美的，这时候就需要我们的专业人员帮我们使用多种方法对此方面进行一个准确地预测，而我只是学习了部分的模型来进行研究，只是希望对此实验数据的分析可以使我国人民拥有一个更加健壮的身体，能减少心脏疾病问题发生对家庭的困扰。

参考文献
＊ [1]赵建喆.具有认知特性的贝叶斯网络结构学习方法研究[D].东北大学,2015.
＊ [2]胡笑旋.贝叶斯网建模技术及其在决策中的应用[D].合肥工业大学,2006.
＊ [3]程献礼.贝叶斯推理的逻辑哲学研究[D].南开大学,2013.＊ [4]史滋福.贝叶斯推理问题解决中的认知偏向研究[D].西南大学,2007.
＊ [5]王清,马华,孙静,韩忠东.改进的KNN算法及其在医学图像处理中的应用[J].泰山医学院学报,2006(06):564-566.
＊ [4]温华兵,刘甄真,陈宁.全回转拖轮舱室振动噪声预报与控制[J].船舶力学,2018,22(10):1292-1299.＊ [5]郑荻.船舶低频振动噪声的自主控制方法[J].舰船科学技术,2018,40(18):28-30.
（上接第97页）
84 | 电子制作 2019年04月。