小样本条件下潜艇机械噪声源识别研究

水声隐身性是潜艇的生命线，而机械噪声超标则是破坏潜艇常用低航速工况安静性的主要因素。如何在噪声源样本数量有限的情况下，对于以潜艇为代表的大型复杂系统内部机械噪声源进行有效辨识尚未得到有效解决。.本项目首次从信息论的角度创造性地提出了一套完整的小样本条件下的潜艇机械噪声源识别技术路线，即：（1）基于各种先验信息和知识的集成，建立"虚拟"样本生成（预测）模型，将已有小样本数据合理扩容为"相对足够大样本"；（2）在此基础上研究提出一种新颖的非线性神经网络集成分类器模型，以实现对扩容后样本信息的有效挖掘；（3）进一步研究基于神经网络集成模型的增量学习算法以实现对偶发故障等陌生样本模式的记忆。.项目的研究成果不但有助于提高我国潜艇声隐身性能，而且在一般工业领域同样有广泛的应用前景，同时对统计学和神经网络理论的研究也有相当的推动作用。