[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

说明书

本发明公布了一种基于BP神经网络预测结冰气象参数MVD的方法，根据《中国运输类飞机适航标准[CCAR‑25‑R4]》附录C列出的液态水含量LWC、平均有效水滴直径MVD与周围空气温度T三者的关系，计算不同飞行条件下的结冰情况，建立冰厚度随时间变化的结冰厚度数据库；利用结冰厚度数据库对BP神经网络模型进行训练，由实时提供的飞行条件(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作为输入，对结冰气象参数MVD进行预测。本发明提出的基于BP神经网络、结合实时飞行参数和结冰厚度预测MVD的方法精度高，误差较小，并且响应时间短、可实现实时测量，为结冰适航认证提供有效可靠的技术支持，应用前景可观。

技术领域

本发明涉及飞机结冰的适航认证测试技术领域，尤其是一种基于BP神经网络的飞机结冰气象参数MVD预测方法。

背景技术

飞机在穿越含有过冷水滴的结冰云层时，会发生机翼结冰现象，引起飞机气动外形改变，导致气动性能和操稳特性降级，为了保证飞行安全，飞机上一般设计安装了结冰防护系统。实时准确地探测结冰气象参数，能够为防除冰系统的开启和关闭、以及能量分配和控制率的优化提供准确的信息和依据，是节约能耗和提高安全性的重要手段。另外，在飞机结冰适航认证中，对于大气结冰测试环境有一定的要求，大气环境的多变性往往为适航认证造成了很大的困难，不易产生相应的测试环境。实时精确地探测大气结冰环境参数有利于搜寻并提供符合测试条件的结冰环境，为飞机结冰的适航认证测试方法提供另一有效可靠的技术手段。

发明内容

为了解决上述背景技术中的问题，本发明的目的是提供一种基于BP神经网络的通过机翼结冰厚度预测气象参数MVD(平均水滴尺寸Mean Volumetric Diameters)的方法，能够实时精确地探测大气结冰环境参数有利于搜寻并提供符合测试条件的结冰环境，为结冰探测提供技术支持。

本发明基于BP神经网络的飞机结冰气象参数MVD预测方法如下：

首先计算不同机翼外形，不同结冰条件情况下的机翼结冰情况，建立结冰数据库，利用数据库对BP神经网络模型进行训练，训练后的模型可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。训练和预测步骤如下：

(1)根据《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，结合其他飞行参数，随机取值设置不同结冰条件；

(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)将结冰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等参数作为输入条件，气象参数MVD作为输出条件，对BP神经网络模型进行训练；

(4)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；

(5)实时飞行条件下，通过实时获取步骤(3)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。

本发明可以应用于二维或三维问题，通过多点测量冰厚度确定MVD，从而提高本发明的可靠性与准确性。

附图说明

图1为[CCAR-25-R4]附录C中的LWC与T、MVD三者的关系示意图；

图2为三处测量点所在位置及结冰冰形示意图；

图3为BP神经网络基本原理示意图；

图4为不同隐含层节点数时的样本均方差变化图；

图5为本文所训练的BP神经网络结构图；

图6为测试样本相对误差分布图。