水下信号（通用4篇）
水下信号 篇1
0 引言
小型水下潜艇等需要一种便于携带且杀伤力较大的武器作为自卫和攻击的手段。水下火箭弹由于体积小,发射平台要求较低,爆破威力较大,所以非常适用于这一领域[1]。由于水下火箭弹工作环境特点,易产生大着角碰撞,且由于火箭弹在水的阻力下速度下降非常快,因此在弹道后半段碰撞时速度较低,容易出现跳弹现象。同时由于弹体在火箭发动机的作用下可以达到较高的速度(100 m/s左右),此时弹体受到的水流阻力会很大,弹头部压力也就非常大,在发动机停止工作后会出现较大的减加速度并伴随着速度突变。这时弹体轴向加速度变化和头部压力会与低速大着角时碰撞信号相似,如发火条件设计不合理易造成误发火或瞎火。
传统的引信发火作用方式有瞬发、惯性、延期、时间/转数、近炸、指令发火等[2]。由于水下火箭弹体积小、造价低不宜采用近炸方式。其次水下火箭弹在不同水深位置发射时其外弹道速度-时间曲线有较大变化,定时的方法难以获得较高的控制精度[3]。如果利用惯性发火应对以上信号的特点并进行全面的分析以保证发火的稳定性和准确性。但至今未见相应的研究成果发表。相升海、王达成等人在火箭深弹水中阻力特性研究一文中对火箭深弹在水下高速运动时的阻力变化特点进行了仿真和实验研究。证明阻力成分中差压阻力占主要部分。仿真数据与水洞实验数据进行了对比,两者基本一致[4]。刘文辉、胡忠举等人对弹丸对铝合金装甲板斜侵彻的过程进行了数值模拟[5],证明有限元模拟结果与实验结果与宏观物理图像比较接近。Warren T L、陈小伟、王峰等采用有限元模拟和实验相结合的方法分别采用球形钢头、细长尖头、卵形弹头侵彻靶板的过程进行了分析、验证,结果证明仿真的方法和实验数据比较接近[6,7,8]。由以上研究可见,该仿真方法在水中弹道以及侵彻过程的研究中是可行的且精度较高。这些研究未针对水下弹药弹道和碰撞过程进行研究。且由于侵彻过程以及水下高速弹道中存在大变形、空化泡等问题,相关的理论和实验研究仍有待深入[9]。
为了得到水下火箭弹弹道中和碰撞过程中加速度及表面压力特点,从而为该弹选择稳定、可靠的发火方式及控制参数。本文运用ANSYS 14.0的FLUENT和LSDYNA模块进行了仿真分析,并提出了一种适合于该弹的发火控制方法。
1 物理模型
1.1 计算方法
本文主要目的是求证水下火箭弹碰撞信号和水下阻力减速信号之间的差别,因此需要分别以碰撞仿真软件和流体仿真软件对相应过程进行仿真。得到不同弹速、着角度下弹体头部加速度及弹道加速度,然后对比其信号特点选择合适的发火控制方式。考虑到信号的可探测性,仿真时主要考虑加速度的大小、方向和时间以及弹体表面压力大小。
1.2 三维参数设计
碰撞和弹道仿真均采用三维模型,为了在计算机计算能力内保证较好收敛效果,对三维模型进行了简化,忽略了弹体本身的细小结构。弹体建模为空心模型,为了使弹体质量及质心不变,增加了后部弹体的厚度。弹体基本尺寸根据某火箭弹尺寸设计为弹长900 mm,其中头部长200 mm,弹外径50 mm,头部最前端直径12 mm。碰撞靶板长1 800 mm,宽1 200 mm,厚度20 mm。着角(弹轴与碰撞平面法向夹角)分别为75°,60°,30°,0°,覆盖了弹体碰撞过程可能出现的角度。流场区域根据常用流场计算推荐选择尺寸为直径400 mm,长2 200 mm。最终模型如图1,图2所示。
2 仿真设置
2.1 仿真软件选择
LS-DYNA是世界上最著名的通用显式动力分析软件,能够模拟真实世界的各种复杂问题,特别适合求解各种碰撞、爆炸和金属成形等非线性动力冲击问题。该软件经过无数次对比试验证实了其计算的可靠性。根据文献[5-8],可知该软件的仿真结果与实验数据对应良好,仿真精度较高。
FLUENT是目前功能最全、适用性最广、国内使用最广泛的CFD软件之一,具有灵活的网格特性,可以精确仿真计算多种情况下的流体力学。国内外许多科研工作者利用CFD数值仿真模拟技术,研究了流体流动状况[10]。由此可见该方法所得的结果可信度较高。
因此分别选择LS-DYNA和FLUENT对碰撞和流场进行仿真。
2.2 主要参数设置
LS-DYNA碰撞仿真采用三维Lagrange算法,以solid 164单元对模型进行网格划分并加密碰撞变形区域网格密度。采用CONTACT_SURFACE_TO_SURFACE接触算法进行接触面破坏计算,采用cm-g-μs单位,材料为钢,采用PLASTIC KNEMATIC,模型参数见表1。
FLUENT仿真采用Mixure多相流模型,其中空化模型选择Schnerr-sauer模型,空化值为2 338 Pa(10℃下空化压力),并选择K-O湍流模型。计算方法选用SIMPLEC算法,校正系数设为4。
3 仿真结果
着角(弹轴与碰撞面夹角)在75°,60°,30°,0°情况下弹体轴向和法向碰撞加速度与弹速之间的关系如图3,图4所示。
由图3,图4可见,轴向加速度在碰撞过程中随着弹速的增加而增加,其中在低速下着角越大,轴向加速度越小,法向加速度越大。当速度增大到一定值后,大着角的情况下产生的轴向加速度变大。但是弹着角大于75°情况下,不会出现较大的轴向加速度。法向加速度随弹速增加而增大,且在60°着角情况下产生的法向加速度最大。着角75°时弹体轴向和法向加速度随弹速的变化曲线如图5所示。
由图5可见,在着角75°时,法向碰撞加速度较轴向信号大,且较为稳定。
由图6可见,水流对弹体的阻力基本成正相关趋势,但是在弹速为50~60 m/s范围内呈负相关。
4 结果分析
4.1 碰撞仿真结果分析
4.1.1 轴向加速度
由轴向加速度曲线可见,在碰撞过程中随弹速的增加碰撞产生的加速度变大。
在低速大着角碰撞时轴向加速度较小。此时弹体不能穿入靶面发生弹跳现象。当速度增大到一定值后(着角越大,需要的速度也越大),由于弹头穿入靶面,此时着角越大,相应的有效靶面厚度也就越大,所以碰撞加速度也就越大。但着角大于75°时,由于夹角过大弹体不能穿透靶面,也就不会出现较大的轴向加速度。
4.1.2 法向加速度
大着角碰撞时由于弹体偏转角度较小,相应法向加速度也就越小。小着角碰撞时由于是正碰,产生的法向加速度也相应较小。仿真显示在60°着角情况下产生的法向加速度最大,且在75°时法向碰撞加速度较轴向加速度信号大,且较为稳定。
4.2 弹道仿真结果分析
在弹速为0~50 m/s内,由于弹速增加,水流阻力迅速增大,虽然在30 m/s左右出现了空化现象,但是空泡数较少,对弹道影响不明显。
当弹速超过50 m/s后,由于空化泡的增加,大面积弹体表面被出现的空化泡覆盖,空化减阻现象明显出现,使弹体阻力随弹速增加而减小。弹速到达60 m/s时,空化泡已基本闭合,此时空化减阻效应最为明显。该现象对于增大有效弹射程有积极作用。
当弹速超过60 m/s后由于空化泡已经闭合,弹体表面空化泡覆盖面积不再增加,但是由于弹速的增加,弹体头部未空化部分受到的压力迅速增加,使弹体所受阻力增大。弹速为60 m/s,80 m/s,100 m/s时空化对比如图7所示。
该过程中弹体最大水流阻力加速度约为180 m/s2,方向为沿弹轴反向,弹体法向受力主要为重力,相对较小。弹头部最大压强约为2.57 MPa。
4.3 对比分析
4.3.1 低速大着角碰撞分析
由以上分析可见,着角60°,速度20 m/s以下或着角75°,速度30 m/s以下时碰撞产生的轴向加速度和弹道减加速度在同一个数量级上(75°着角,20 m/s以下碰撞轴向加速度约为217 m/s2,而在100 m/s以下由水流产生的阻力加速度约为280 m/s2),容易产生误操作,而且在弹速最大时弹顶部受力达548 N,压强达5.83 MPa,而若弹着角过大时产生跳弹情况下弹头受力很小,容易产生误操作。
由以上分析可见水下火箭弹很难以简单轴向加速度或压力方式控制发火。而大角度碰撞时弹体的法向加速度较大且与弹道减速阶段区分较为明显,可以作为发火控制信号。
4.3.2 正碰时分析
由于引信装在弹体头部,高速正碰时,由于电路探测、处理时间需要1 ms左右,弹头变形过快可能会在发火前破坏电路造成哑火,针对这一现象可以在弹体头部装一个敏感度低的触发开关,在弹头前部变形较大时控制发火。
4.3.3 控制方法设计
为了探测水下环境,在弹体头部引信电路上安装三轴加速度传感器,并且在弹体头部安装低敏感度的触发开关。从而实现加速度-触发联合的发火控制方式。
4.4 结果可靠性分析
由以上分析可见,弹道及碰撞过程中的空化及跳弹等现象在结果数据中有明显体现,可见仿真结果与事实对应性良好。且由2.1节可知该仿真软件得到了国内外的认可,可靠度较高。所以该仿真结果能够体现水下火箭弹弹道及碰撞过程中加速度基本情况。
5 结论
针对水下火箭弹自减速阶段和碰撞阶段弹体加速度特点,运用ANSYS 14.0中的LS-DYNA和FLUENT模块,对该弹弹道阶段和碰撞阶段弹体加速度和受力学参数进行了仿真分析。结果表明在低速大倾角碰撞时,轴向加速度信号小于弹道上的最大加速度信号(75°着角,20 m/s以下碰撞轴向加速度约为217 m/s2,而在100 m/s下由水流产生的阻力加速度约为280 m/s2),但是大着角碰撞时弹体法向加速度会较大且较为明显。根据该信号特点提出了一种加速度和触发复合的发火控制方法。
分析表明该仿真方法成熟、结果可信度较高,数据中存在的问题有合理的解释。提出的发火控制方法可以实现水下火箭弹碰撞信号和弹道信号的区别,且可靠性较高,可以在设计中应用。
摘要：根据水下火箭弹使用环境,易出现低速大着角碰撞,此时弹体轴向加速度与弹道水流阻力下加速度大小会较为接近,导致发引信误发火问题,但未见相关研究成果发表。针对水下火箭弹弹道和碰撞时的加速度特点问题,运用ANSYS 14.0中的LS DYNA和FLUENT模块进行了仿真分析,结果表明在低速大倾角碰撞时轴向加速度信号小于弹道上的最大加速度信号,但此时弹体法向加速度差别较明显。根据仿真结果特点提出了一种加速度触发复合的发火控制方法,分析表明该软件仿真方法成熟、结果可信度较高,数据中存在的问题有合理的解释,该方法可以实现水下火箭弹碰撞信号和弹道信号的区别,且准确度较高,可以在设计中应用。
关键词：水下火箭弹,引信,大着角碰撞,数值仿真
参考文献
[1]石秀华,王晓娟.水中兵器概论[M].西安:西北工业大学出版社,2005.
[2]张合,李豪杰.引信机构学[M].北京:北京理工大学出版社,2007.
[3]沈德璋,张合,李豪杰.基于数值仿真的水下火箭弹引信远解机构取压点优选[J].弹道学报,2010,12(4):36-44.
[4]相升海,王达成,张健,等.火箭深弹水中阻力特性研究[J].弹箭与制导学报,2012,32(1):139-141.
[5]刘文辉,胡忠举,刘德顺,等.弹丸对铝合金装甲板斜侵彻的数值模拟[J].弹箭与制导学报,2012,32(1):78-81.
[6]WARREN T L,KEVIN L P.Penetration of 6061-T6511 alumi num targets by ogive VAR 4340 steel bullets at oblique an gles:experiments and simulations[J].International Journal ofImpacting Engineering,2001,25(10):993-1022.
[7]陈小伟,李维,宋成.细长尖头刚性弹对金属靶板的斜侵彻/穿甲分析[J].爆炸与冲击,2005,25(5):393-399.
[8]王峰,王肖钧,胡秀章,等.卵形杆弹对铝靶的斜侵彻[J].爆炸与冲击,2005,25(3):265-270.
[9]JENA P K,JAGTAP N,KUMAR K S.Some experimentalstudies on angle effect in penetration[J].International Journalof Impacting Engineering,2010,37(5):489-501.
[10]张凯,王瑞金,吴立军.Fluent技术基础与应用实例[M].北京:清华大学出版社,2010.
[11]常青.弹道目标识别中基于目标翻滚特征分析的仿真研究[J].现代电子技术,2008,31(1):109-112.
水下信号 篇2
蓝绿激光在水下可用波长为0.45～0.55 μm波段内, 在海水中的穿透深度可达300 m以上。在用于水下通信时, 准直性好, 不易被截获, 且不受电磁辐射和核辐射的影响;它的发射设备更为轻巧, 隐蔽安全。在用于水下目标探测时, 搜索效率和探测点密度远远高于声纳, 可用于精度和机动性要求高的场合[1]。
激光在水下传输以及探测都和海水介质以及水下的流场环境有很大的关系, 激光的衰减有其规律性, 因此通过采集连续激光探测到目标产生的回波信号, 然后与理想的激光功率曲线对比, 就可以准确地分析出水下激光传输的相关特性, 从而为水下目标探测和水下通信提供很好的理论基础。
目前, 文献[2,3]主要是用蒙特卡罗模拟的方法研究激光在水中的传输机制, 而随着APD (Avalanche Photo Diode, 雪崩光电二极管) [4]以及DSP (Digital Signal Processor, 数字信号处理器) 的发展[5], DSP芯片在各种领域得到广泛的应用, 如文献[6,7,8]设计的基于DSP的数据采集系统, 这使得水下信号的采集以及后处理分析变得成熟。因此本文根据水下连续激光传输环境的特殊性, 设计了激光水下发射控制以及回波信号采集的系统, 它是基于DSP的高精度、低功耗系统。
1 系统设计
该系统的水下实验环境如图1所示。该系统由激光发射模块、APD接收模块、DSP电路、PC机四大主要部分组成。将激光发射和接收的载体置于实验环境中。上位机通过DSP控制激光发射模块, 发射连续的蓝绿激光, 激光探测目标后产生回波, APD接收到该回波信号进行预处理, 并发送到DSP的外围处理模块, 然后经过DSP内部集成的A/D转换模块转换为数字量, 最终通过串口通信将数据输出到上位机中进行显示和后处理, 系统结构框图如图2所示。DSP芯片作为下位机的MCU (Micro Control Unit, 微控制单元) , 它主要实现的是激光器发射电源通断控制以及激光回波信号采集和A/D转换。
2 硬件设计
该系统的硬件系统主要由APD接收模块、中间调理电路、DSP控制电路三大部分组成。
2.1 APD接收模块
该模块主要包括光学透镜、APD、放大电路以及电源电路, 如图3所示。光学透镜的选择取决于激光的作用距离、传输介质、焦距、透光直径要求、几何尺寸要求等, 具体设计可参考文献[9]。
APD称为雪崩二极管[4], 它是利用光电效应把光信号转变为电信号的光电检测器件, 主要作用是检测经过传输的微弱光信号, 并放大、整形、再生成原传输信号。APD的工作原理是通过光电效应产生电子和空穴在高电场区运动时被迅速加速, 可能多次碰撞其他原子产生的结果使载流子迅速增加, 反向电流迅速加大, 形成雪崩倍增效应。选择使用APD的原因主要为通过利用雪崩倍增效应使光电流得到倍增后的接收高灵敏度。它的优点很多, 具有灵敏度高、响应快、噪声小、成本低和可靠性高等特点。APD工作条件:需要有一定的反向偏压才能产生相应的倍增效应, 其计算公式如下:
APD的光电流:
倍增:
式中:Io为初始的光电流;Iop为倍增后的光电流。
APD存在击穿电压Vbr, 当Vapd=Vbr时, M为∞, 此时雪崩倍增噪声也变得非常大, 这种情况为APD击穿。该处APD选择的是上海欧光公司的AD500-8TO, 它的击穿电压在80～200 V, 最大倍增M可以达到100, 暗电流最大值为0.25 mA。
选用MAXSIM的MAX5026主要是提供大于90 V的高压, 用于APD的反向击穿。MAX5026是固定频率、脉冲宽度可调的低噪音升压式转换器, 是能产生高电压的低压系统。由于具有低噪音、输出电压高的特点, 因此被广泛用于升压、反馈、隔离输出等拓扑结构中。其工作电压最低为3 V, 转换频率为500 kHz。固定频率、电流式PWM的结构使其低的输出噪音很容易被滤掉。MAX5026用于提高输出电压时需要外接一个反馈电阻, 其输出电压通过两个外接电阻R1和R2确定。如图4所示, R2为固定值, 通过调节R1可调电阻的阻值提供一定范围的高压。由于MAX5026的转换频率高, 因此需要一个高速整流器。肖特基二极管可以满足很多应用的要求, 是因为其具有恢复时间快, 管压降低的优点。选择二极管的额定电流值要大于或等于电感电流的峰值, 并且二极管的反向截止电压必须大于输出电压, 因此选择串联两个1N4148, 其单个的耐压值为100 V。
集成运放供电采用±5 V的双电源供电模式, 选用National Semiconductor生产的LM2661M, 它的输入电压为1.5～5.5 V, 可以提供反相、双倍增益、半分压三种模式, 输出阻抗6.5 Ω, 在100 mA的转换效率可以达到88%。
放大电路主要芯片选择集成运放AD8066, 它集激光调整FET输入级与ADI公司的超快速互补双极性 (XFCB) 工艺于一体, 实现了高精度与高速度的卓越组合。AD8066是一款高性能、带宽145 MHz的电压反馈型双路运算放大器, 其工作噪声极低, 输入阻抗非常高, 具有轨对轨的输出, 并且成本很低。图5所示为APD与AD8066的综合电路, MAX5026提供的高压经过多阶滤波, 给APD提供稳定的反向击穿电压。APD接收到激光的回波, 通过光电效应产生反向电流, 由于雪崩效应反向电流倍增, 最终产生电流信号。该电流通过AD8066的两次电流转电压并增益, 形成电压信号输出到P1。还有一点值得注意的是, 在布线时应该考虑到高压电源部分尽量远离信号处理模块, 并且在高压电源的元器件外围加屏蔽罩, 消除噪声对信号的影响。
2.2 中间处理模块
如图6所示, 中间处理模块中选用德州仪器公司的满电源输出幅度双运算放大器TLC2272, 器件提供相当好的AC性能, 具有较现存CMOS运放更好的噪声, 输入失调电压和功耗性能。TLC2272所具有的低噪声和高输入阻抗非常适宜用于诸如电压/电流传感器之类的小信号的调理。在将APD接收并转换的信号发送给DSP之前, 还需要预处理, 因为ADC采样端口的最高输入电压为3 V, 实际设计中通常需要考虑余量, 一般输入的最大值设计在3 V的80%左右, 即2.5 V。如果输入的电压过高, 如超过3 V或者输入的电压为负电压, 都会烧毁DSP, 因此需要将采样输入的信号先经过调理电路进行调整使其输入电压范围在ADC正常工作范围之内。
2.3 DSP控制模块
本系统采用TI的32位定点数字信号处理芯片TMS320F2812作为信号采集和处理的核心[5], 基于其高处理速度和处理精度的优势, 在电子控制系统中有着广泛的应用, 其主要特点有外部时钟经过锁相环倍频后达到150 MHz (时钟周期为6.67 ns) 、有着丰富的外设接口 (异步串行接口SCI, 同步串行接口SPI, CAN, EV, ADC等) 、具有多达56个可复用的GPIO口。充分利用TMS320F2812芯片内部的12位的A/D模块对数据进行不同采样频率采集, 每次A/D采样完成后通过中断调用数据处理程序对所采集到的数据进行处理并进行存储。TMS320F2812芯片中集中了一个伪双12位A/D转换器模块, 是一个带流水线的模数转换器, 该模数转换单元的模拟电路包括前向模拟多路复用开关 (MUXs) 、采样/保持电路、变换内核、电压参考以及其他模拟辅助电路, 它完全能满足该系统的采样速度和精度要求。关于ADC的时钟控制, 采用30 MHz外部晶体给DSP提供时钟并使能DSP上的PLL电路进行5倍频使DSP工作在150 MHz的主频下。其工作的主要功能图如图7所示, 后面将做详细介绍。
2.3.1 DSP电源电路
TMS320F2812是双电源供电器件, 采用1.8 V (或1.9 V) 和3.3 V作为其内核及I/O口的工作电压。在该芯片上、下电的过程中必须满足一定的时序要求。因此在设计电源模块时, 为保证系统主机、系统从机可靠工作并延长TMS320F2812的使用寿命, 采用了TI公司推出的TPS767D318作为TMS320F2812的电源管理芯片, 它能同时提供3.3 V和1.8 V的电压。同时考虑到数字电路工作在高速脉冲状态, 瞬时的涌浪电流很大, 会对直流电压产生高频干扰, 影响小信号的模拟电路工作, 所以要求高的电路设计是把模拟电源和数字电源分开的, 数字地与模拟地只在各自汇流后一点共地, 使干扰降至最低, 因此该电源模块还设计了相应的隔离电路, TPS767D318引脚和接法如图8所示。
2.3.2 DSP激光发射控制模块
为了保证系统可靠性, 提供了两个通道的通用I/O输出口, 外围电路运用了一个三极管2N4401和P-MOS管NTR4171P, 芯片引脚输出高电平时导通三极管, R10上分有电压, PMOS管导通, P3的1引脚接通AVDD5电, 这样就实现了小电压控制大电源的通断, 如图9所示。
2.3.3 DSP A/D采集部分电路
模/数转换模块ADC有16个通道[5], 可配置为2个独立的8通道模块, 分别服务于事件管理器A和B, 两个独立的8通道模块也可以级联构成一个16通道模块。尽管在模数转换模块中有多个输入通道和2个排序器, 但仅有1个转换器。两个8通道模块能够自动排序, 每个模块可以通过多路选择器 (MUX) 选择8通道中的任何一个通道。在级联模式下, 自动排序器将变成16通道。对于每个通道而言, 一旦ADC转换完成, 将会把转换结果存储到ADCRESULT (结果寄存器) 中。本系统采用了级联和同时顺序工作方式, 连续转换模式, 双通道信号采集, 具体电路如图10所示。
开始ADC转换由事件管理器启动转换, 每次转换结果放在ADCRESULT寄存器的高12位, 而ADCRESULT寄存器是16位的数字量, 所以取数时要对ADCRESULT寄存器的值进行右移4位的操作, 实际输入的模拟电压值计算公式如下:
式中:ADRESULT为结果寄存器中的数字量;VOLTInput是模拟电压输入值;ADCLO是ADC转换的参考电平, 实际使用时与AGND相连, ADCLO为0。DSP串口通信部分, 采用的是非常成熟的RS 232接口。
3 软件设计
整个系统的系统信号采集、处理及数据传输程序都在DSP上完成, DSP编程工具采用TI公司的DSP集成开发环境CCS 3.3[10], DSP程序结构化编程, 从系统初始化到算法实现划分成不同的子任务模块, 包括各级初始化函数、外部输入函数、算法实现函数以及中断处理函数等, 系统根据不同的任务调用不同的子任务模块。程序主体采用C语言。为保证程序运行效率, 中断向量表和DSP初始化程序采用汇编语言编写。
DSP上电后, 先调用一系列的初始化子任务模块, 具体包括初始化系统控制部分 (包括PLL, 看门狗以及外设时钟等) 、通用目的数字量I/O (GPIO) 功能设置、初始化PIE控制寄存器、映射PIE中断向量表、初始化SPI/eCAN/SCI通信设置等, 然后给I/O口输出一个高电平, 经过激光发射控制模块电路后, 给激光发射器供电, 而后启动中断, 程序交由中断控制。数据采集模块由DSP控制内部集成的ADC模块对经过调理过的光电转换的电压信号进行模/数转换和采样, 并将采集到的数据送入DSP内部对采样数据进行软件滤波和前端处理, 将处理结果通过SCI串口通信传入PC机进行后端分析、处理和显示, 程序结构图如图11所示。
主程序如下:
4 实验分析
通过实物测试实验, 选取空气、玻璃和自来水三种传输介质, 进行激光的发射和回波接收, 采集变换后的信号波形图如图12～图14所示。
图12显示的是在干净的空气中, 激光传输探测到目标后产生回波, 由于连续激光器的作用, APD接收到光信号, 电压上升, 并且保持高电平。
通过玻璃介质, 在发射端和接收端分别经过两个空气和玻璃的交界面, 激光的传输角度受到影响, 调整角度位置后, 系统准确接收到回波信息, 如图13所示。
而从图14可以看出激光通过自来水介质的时候, 由于流动水中的散射和吸收影响, 回波信号产生波动变化。总结三幅图可以看出, 该激光回波采集系统正常工作, 满足设计要求。后续的研究中还需要要将接收到的信号通过串口传输到上位机PC中, 详细比较三种传输介质中, 激光回波功率曲线的变化, 进行分析。
5 结 论
文中介绍的基于DSP2812和APD雪崩管的激光发射控制以及回波信号采集系统, 能实时准确地控制激光的发射并采集回波的信号, 并通过SCI串口通信将数据传输到上位PC机。实验证明该系统可以满足设计要求, 并且为进一步实现水下激光传输特性的研究提供了基础, 在水下通信和水下探测具有一定的应用前景。
摘要：针对水下蓝绿激光传输环境的特殊性, 提供了一种基于定点DSP芯片TMS320F2812和APD (雪崩二极管) 技术的水下激光发射控制及回波信号采集的系统。给出了系统的总体结构、硬件实现和软件程序设计, 其中对APD处理电路和DSP的ADC控制模块做了详细的设计。通过实验测试表明, 该系统能够准确地采集水下激光的回波信号, 便于后期的水下激光传输特性的研究。
关键词：水下激光,APD,TMS320F2812,信号采集
参考文献
[1]徐啟阳, 杨坤涛, 王新兵, 等.蓝绿激光雷达海洋探测[M].北京:国防工业出版社, 2002.
[2]周亚民, 吴克启, 陈金来, 等.激光脉冲水下传输时域展宽的蒙特卡罗模拟[J].激光与红外, 2011, 41 (3) :259-263.
[3]王广聪, 董淑福, 温东, 等.海水中蓝绿激光传输特性研究[J].电子技术, 2010 (3) :68-70.
[4]郭婧, 张合, 张祥金, 等.激光引信雪崩二极管光电探测[J].探测与控制学报, 2010, 32 (1) :77-83.
[5]顾卫刚.手把手教你学DSP:基于TMS320X281X[M].北京:北京航空航天大学出版社, 2011.
[6]黄惠钦, 杨威棣, 潘雪峰.基于TMS320F2812的高速数据采集系统[J].计算机与数字工程, 2011, 39 (8) :87-90.
[7]简毅, 廖声冲.基于DSP和USB2.0的声音信号采集系统设计[J].现代科学仪器, 2012 (2) :54-56.
[8]张静.基于TMS320F2812的水下电磁场信号采集与处理单元设计[J].舰船科学技术, 2011, 33 (9) :91-95.
[9][日]近藤文雄.透镜设计技巧[M].西安:西安交通大学出版社, 1989.
水下信号 篇3
关键词：小波变换,水下焊接,电弧信号,消噪处理
1. 引言
水下焊接是一个声、光、电、磁等多种因素共同作用的复杂的物理、化学反应过程。在焊接过程中,电弧信号和噪声混杂在一起,具有很强的随机性和非线性特征。当噪声信号强度较大时,原始电弧信号特征可能被淹没,严重影响熔深的在线检测结果。因此,在正确提取焊接电流和电弧电压特征信息前,需要对采集到的信号进行滤波消噪处理。如果采用常用的数字滤波算法对采集到的电弧信号进行处理,由于这些算法的局限性,很难获得准确、可靠的真实电弧信号的特征信息。本文研究基于小波变换的改进阈值消噪法,对水下焊接电流信号进行滤波消噪处理。
2. 小波变换基本原理
设ψ(x)∈L2(R)(L2(R)表示平方可积的实数空间),其傅里叶变换为。当满足允许条件时,则称平方可积函数ψ(x)为小波母函数。将小波母函数进行平移和伸缩后就可得到一个小波序列[1,2]。对于连续情况,小波序列为:
其中,a为伸缩因子,b为平移因子,a、b均为实数,且a≠0。
设f(x)∈L2(R),则连续小波变换定义为:
简记为Wf(a,b)=
在实际应用中,连续小波必须加以离散化。这里的离散化是针对连续的伸缩因子a和平移因子b的,而不是针对时间变量的。正交小波变换可以满足同时将参数a和b离散化的要求,对应的小波序列为:
此时,对于任意函数或信号f(x),由以下小波级数展开
其中,称为小波系数,正好是f(x)的连续小波变换Wf(a,b)在ak=2-k,bj=2-kj所构成的点(2-k,2-kj)上的取值,此即为f(x)的离散小波变换。
3. 基于小波改进阈值量化消噪法
设含有噪声的信号表示为:
其中,s(i)为含噪声信号;f(i)为真实信号;σ为噪声强度;e(i)为高斯白噪声。
在实际工程应用中,有用信号通常表现为低频信号或是一些比较平稳的信号,而噪声则通常表现为高频信号。对真实信号进行消噪处理,可以使用小波将原信号分解为一系列低频分量和高频分量,然后再使用一定的阈值方法处理高频分量,最终经过小波重构信号即可达到消噪的目的。
含噪声信号s的三层小波分解结构示意图如图1所示,其中c A1,c A2和c A3为分解的低频近似部分,而高频的噪声则包含在c D1,c D2和c D3中,用公式可表示为:
在信号的小波分解、高频分量系数阈值量化以及重构过程中,最关键的就是阈值量化,它直接关系到信号消噪的质量。目前应用较多的阈值消噪方法有硬阈值消噪和软阈值消噪两种[3,4,5]。
对于硬阈值消噪方法,设λi为选择的阈值,c Di为小波分解的高频分量系数,c Dj为阈值量化后的高频分量系数。阈值量化函数体现了对高过和低于阈值的小波分解高频分量系数的不同处理策略。定义下式为硬阈值量化法:
此量化法将小波分解后的高频分量系数的绝对值与阈值λi进行比较,小于阈值的点变为0,大于或等于阈值的点保持原值。
将信号小波系数的绝对值和阈值比较,小于或等于阈值的点置零,大于阈值的点变为该点与阈值的差值,这样的阈值称为软阈值。定义下式为软阈值量化法。
图2和图3分别表示了这两种阈值量化法。其中图2的硬阈值量化法得到的估计小波系数值连续性差,可能引起重构信号的振荡。图3的软阈值量化法,虽然高频分量系数连续性好,易于处理,但当高频分量系数较大时,得到的估计高频分量系数与原来的系数值相比有固定的偏差,这势必会给重构信号带来不可避免的误差。为了避免这两种阈值量化法的缺点,本文提出了一种改进阈值量化消噪法。构造一个新阈值函数,定义为:
其中,0≤α≤1为调整因子,当α=1时为软阈值量化法。
在图4中实线表示改进阈值量化算法,虚线表示硬阈值量化法和软阈值量化法。可以看出,这种改进阈值量化算法是硬阈值量化法和软阈值量化法的折衷,克服了这两种方法的缺点,既保留了软阈值量化法高频分量系数连续性的优点,又减小了估计的高频分量系数与原来的系数值之间的偏差。
4. 电弧信号小波消噪实验研究
在水下焊接过程中,由于水环境对焊接电弧的影响,使得所采集的实际电弧信号不可避免地带有各种形式的噪声。为消除这些噪声对真实电弧信号的影响,采用小波改进阈值量化法进行滤波消噪。
为定量比较不同小波母函数下焊接电流的消噪效果,利用下式定义的均方根误差(RMSE)来进行评估。
式中,f(i)为消噪前信号在取样点i的幅值,f(i)为消噪后的信号在该位置的幅值,N为信号的长度。
实验时,在MATLAB中用thselect函数sqtwolog产生阈值,N为信号长度)。
根据前面分析,焊接电流的消噪信号的消噪步骤主要包括以下3步:
(1)信号的小波分解。选择一个小波并确定一个分解层次N,根据(7)对信号s进行N层分解;
(2)小波分解高频系数的阈值量化。对第一层到第N层的每一层高频系数,选择(10)式进行阈值量化处理;
(3)小波的重构。根据小波分解的第N层的系数和经过量化处理后的第一层到第N层的高频系数,进行信号的重构。
表1为α调整因子为0.1时,在不同小波母函数下采用5 层小波分解对同一组采集焊接电流原始信号进行改进阈值量化法消噪计算得到的均方根误差。
图5为其中一段焊接电流原始信号存储波形和这些小波母函数完成改进阈值量化法消噪后的信号波形。
分析表1和图5可以看出,采用db4和sym3小波母函数可以获得较好的消噪效果,采用db1或haar小波母函数消噪信号会出现畸变,而采用dmey小波母函数则消噪效果最差。本研究选用db4和sym3小波母函数,进一步分析α调整因子为不同值时消噪信号的消噪效果。表2为db4和sym3小波母函数5层分解后,不同α调整因子对应的同一组焊接电流信号测量数据采用改进阈值量化法消噪均方根误差。
从表2中可以看出,同一小波母函数随着α调整因子的增加消噪效果越来越差。当α=1时,则为小波软阈值法消噪,此时消噪效果最差,说明小波改进阈值量化法消噪效果要好于小波软阈值法消噪。当α=0时消噪效果最好,本研究取α为0时的db4小波母函数经5层分解完成对焊接电流的小波改进阈值量化法消噪。
5. 结论
本文基于小波变换法,研究了水下焊接电弧信号的消噪处理,改进了阈值量化消噪法,将它用于焊接电流信号的消噪处理。实验研究结果表明,本文给出的方法在水下焊接信号的处理应用中是可行的。
参考文献
[1]Mallat S.A wavelet tour of signal processing[M].Beijing:China Machine Press,2003.
[2]潘泉,张磊,孟晋丽等.小波滤波方法及应用[M].北京:清华大学出版社,2005.
[3]郭代飞,高振明,张坚强.利用小波门限法进行信号去噪[J].山东大学学报(自然科学版),2001,36(3):306-309.
[4]张维强,宋国乡.基于一种新的阈值函数的小波域信号去噪[J].西安电子科技大学学报,2004,31(2):296-299.
水下信号 篇4
卡尔曼滤波[3]是20世纪60年代初提出的一种滤波方法,经过30多年的研究、应用与发展,已在航空、航天、航海等各个领域得到非常广泛的应用[4,5]。卡尔曼滤波作为一种有效的信号处理方法[6,7,8,9,10,11],是应用最为广泛的一种动态数据处理方法,它可以完全不依靠起始数据,而是一个不断根据新的数据修正、更新的过程,在量测噪声甚至在轻微非线性存在的情况下仍然非常有效,但标准的卡尔曼滤波方法必须清楚的知道系统噪声和量测噪声的统计特性,由于相关传感器受各种因素影响波动很大,噪声的统计特性不易获得,从而限制了卡尔曼滤波方法的应用。对水下机器人来说,水下环境更为复杂多变,干扰信号的统计特性更难预先获取,这使得卡尔曼滤波在水下机器人传感器信号处理中的应用受到很大的影响。对此,本文在普通卡尔曼滤波器基础上引入了遗传算法[12,13,14,15],探索水下机器人信号处理新的滤波方法,以提高水下机器人传感器测量数据处理精度。
1 基于遗传算法优化的卡尔曼滤波模型
1.1 卡尔曼滤波器模型
卡尔曼滤波是根据前一个估计值和最近一个观察数据来估计信号的当前值。它是用状态方程和递推方法来进行估计的,而它的解是以估计值(常常是状态变量的估计值)的形式给出的。
卡尔曼滤波器的信号模型是由状态方程和量测方程得到的。离散时间系统状态方程定义为:
其中xk代表一组状态变量组成的多维状态矢量,Ak,k-1为k-1到k时刻的一步转移矩阵,wk是系统激励噪声序列。
若用yk表示量测或观察到的信号矢量序列,则它与状态变量xk的关系可以写成
这里的yk包括信号的真值和噪声ak。ak是量测噪声序列,Bk称为量测矩阵。
同时,ak和wk满足
这里把Qk=Var[wk]=E[wkwkt]称为动态噪声协方差阵,Rk=Var[ak]=E[akakt]称为量测噪声协方差阵,系统的初始状态x0设定为一与wk、ak独立的随机向量。
状态xk的估计可按下述求解。卡尔曼一步递推公式为:
式(4)、(5)、(6)和(7)表示了卡尔曼滤波器的基本方程。当我们已知增益矩阵Hk,利用前一个xk-1的估计值x赞k-1与当前的量测值yk,就可以求得当前状态xk的估计值x赞k。
1.2 遗传算法
以往卡尔曼滤波器系数是在假设噪声特性的情况下给定参数,而实际情况下,水下机器人噪声情况复杂,我们无法知道确切的噪声特性,因此,这里我们引入遗传算法去求解卡尔曼滤波器的系数。
遗传算法(GA)是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法,其本质是一种高效、并行、全局搜索的方法,它能在搜索过程中自动获取和积累有关搜索空间的知识,并自适应地控制搜索过程以求得最优解。
它把待解决问题的参数编成二进制码或十进制码即基因,若干基因组成一个染色体(个体),许多个体染色体进行类似于自然选择、配对交叉和变分的运算,经过多次重复迭代直至得到最后的优化结果。选择、交叉、变异是遗传算法的主要操作算子:
(1)选择:是在群体中选择生命力强的个体产生新的群体的过程。选择的目的是为了从当前群体中选出优良的个体,使它们有机会作为父代为下一代繁殖子孙,避免有用遗传信息的丢失,提高全局收敛性和计算效率。
(2)交叉:是按较大的概率从群体中选择两个个体,交换两个个体的某个或某些位。通过交叉操作可以得到新一代个体,新个体组合了个体的特性。
(3)变异:在群体中随机选择一个个体,对于选中的个体以一定的概率随机改变串结构数据中某个串的值,为新个体的产生提供了机会。
遗传算法通过适应度函数来确定结果的优劣,所以必须根据实际问题的需要选择适应度函数,假设滤波器输出的理想值为Xk,则优化目标即适应度函数为所设计的滤波器输出值与理想输出值Xk的均方差:
式中:m为离散频率点的最大采样点数。
1.3 用遗传算法设计卡尔曼滤波器的步骤
根据遗传算的操作过程,其步骤如下:
1)种群表示和初始化:生成长度为20的40个个体为初始种群P(0),设置进化计数器t←0,最大进化代数T为30。
2)适应度计算
3)选择操作:设定代沟G为0.9,即选择当代种群的90%复制到下一代种群中去,我们选用随机遍历抽样的选择方法。
4)交叉操作:交叉概率为Pc=0.7。
5)变异操作:变异概率为Pm=0.035.
6)子代重插到当前种群,把经过遗传操作的子代插入子代到当前种群,用子代代替父代。
7)终止条件判断:若t≦T,则t←t+1,转到步骤(2);若t>T,则以进化过程中所得到的具有最大适应度的个体作为最优解输出,终止运算。
2 基于遗传算法优化的卡尔曼滤波的水下机器人信号处理
2.1 OUTLAND1000水下机器人控制系统介绍
该文的实验及数据采集是基于上海海事大学水下机器人与智能系统实验室的OUTLAND1000机器人,OUTLAND1000为一开放式水下机器人实验平台,它由水下实验载体部分、传感器部分、推进器部分、通信系统组成。
水下机器人运动控制的主要参数是深度、高度、航行速度、航向角等。水下机器人任意一个自由度的运动都和其它自由度运动有关,也就是在6个自由度之间存在交叉耦合,大多数情况下,为了讨论问题方便,又不使问题复杂化,假设水下机器人在垂直面和水平面之间的耦合很小,可以忽略不计,这里只考虑水平面运动,对高度、航行速度、航向角参数采用单回路闭环控制,而不考虑各自由度之间的耦合。图1为自动定向回路结构图。
自动定向控制回路是机器人自动保持给定的航向角,图中ф为标准航向角度,这里取100°,θ1为传感器输出角度,θ2为经过卡尔曼滤波后输出角度,若只用传感器输出值θ1与ф之差作控制输入,势必受到噪声的影响,经过卡尔曼滤波后,除去噪声,用θ2代替θ1进行控制,从而降低了系统噪声和量测噪声对控制系统的影响,进而提高机器人控制性能的稳定性和精确性。
2.2 实验数据结果分析
此处以2008年10月15日OUTLAND1000水下机器人定向航行的实验数据为基础,讨论改进滤波算法在水下机器人信号处理中的应用效果。该实验是一定向控制,设定期望航向为100度,机器人根据罗经的方向输出信号,依据图1的控制算法进行状态控制。为了比较常规卡尔曼滤波器和遗传算法优化卡尔曼滤波器的性能,我们在罗经实际输出数据的基础上,人为的加上白噪声干扰信号,再分别应用常规卡尔曼滤波器和遗传算法优化卡尔曼滤波器分别进行处理,图2中为试验所得传感器数据及滤波后数据。图2中“—”表示经常规卡尔曼滤波后所得数据,“━”表示经遗传算法优化卡尔曼滤波后所得的数据,从图中可明显看出,卡尔曼滤波后数据仍受噪声影响较大,遗传算法优化卡尔曼滤波器输出的拨动较小,对噪声的影响有了较好的抑制作用。
图3为改进前后均方误差比较图。图3中“-.”表示经常规卡尔曼滤波器的均方误差,“━”表示遗传算法优化卡尔曼滤波的均方误差,从图3中可以看出,由于初始化的原因,常规卡尔曼滤波与遗传算法优化卡尔曼滤波的均方误差均为1.5,在一段时间后,均方误差将保持在一个固定的值,可以看出,基于遗传算法优化算法的卡尔曼滤波器的均方误差明显小于常规卡尔曼滤波器,说明对噪声的影响有更好的抑制作用。
3 结束语