[发明专利]基于BP神经网络的飞机结冰气象参数MVD预测方法

权利要求书

1.一种基于BP神经网络预测结冰气象参数MVD的方法，其特征在于：所述方法包括以下步骤：

步骤一，计算不同机翼外形，不同结冰条件情况下的机翼结冰情况，建立结冰数据库；

步骤二，利用所述数据库对BP神经网络模型进行训练；

步骤三，训练后的模型根据输入条件飞行攻角、飞行速度、温度以及结冰厚度和结冰时间映射关系输出MVD，即对MVD进行实时预测。

2.根据权利要求1所述的一种基于BP神经网络预测结冰气象参数MVD的方法，其特征在于：所述步骤一具体包括以下过程：

步骤1.1，根据国家标准，结合飞行参数，随机取值设置不同结冰条件；

步骤1.2，计算上述条件下的结冰冰形，通过结冰冰形图获得机翼上测量点处的结冰厚度和结冰时间的映射关系，建立冰厚度数据库。

3.根据权利要求1所述的一种基于BP神经网络预测结冰气象参数MVD的方法，其特征在于：所述步骤二具体为，

步骤2.1，将所述数据库中的飞行速度、飞行攻角、温度、结冰时间和测量点处的结冰厚度的参数作为输入条件，气象参数MVD作为输出条件，对BP神经网络模型进行训练；

步骤2.2，训练过程中根据预测误差反馈逐渐调整网络结构，直至该神经网络模型能对数据库样本进行准确预测。

4.根据权利要求3所述的一种基于BP神经网络预测结冰气象参数MVD的方法，其特征在于：所述步骤三具体为，实时飞行条件下，通过实时获取步骤2.1中描述的输入参数，将其输入训练好的BP神经网络模型，即可实时预测此时的结冰气象参数MVD。

5.根据权利要求2所述的一种基于BP神经网络预测结冰气象参数MVD的方法，其特征在于：步骤1.1中的国家标准指《中国运输类飞机适航标准[CCAR-25-R4]》附录C列出的LWC、MVD与T的关系。

6.根据权利要求3所述的一种基于BP神经网络预测结冰气象参数MVD的方法，其特征在于：所述BP神经网络包括输入层input layer、隐含层hide layer和输出层output layer实现；训练步骤分为两步：

a.数据正向输入：权值和阈值初始化之后，网络随机选取一组样本的输入向量进行运算，得到输出层对应的该组样本的输出，并与原样本的期望输出比较得出误差值；

b.误差反向传递：若误差值未达到要求，则将误差反向传递对权值和阈值进行逐层修正。

7.根据权利要求6所述的一种基于BP神经网络预测结冰气象参数MVD的方法，其特征在于：输入层到隐含层传递函数选用双曲正切函数tansig：

隐含层到输出层传递函数选用线性函数purelin：

y＝purelin(x)＝x (2)

训练函数选取Levenberg-Marquardt算法，e(X)表示每个输入样本在输出层的残差，X为权值和阈值组成的向量，X^N表示第N次迭代，基本算法可表示为

X^N+1＝X^N-(J^TJ+λE)^-1J^Te(X) (3)

式中：E为单位矩阵；λ为正数，在迭代中不断调整，使J^TJ+λE保持正定矩阵；J是一个L×K的雅各比矩阵，L为输出层单元数，K为X向量维度。