[發明專利]一種基于深度置信網絡的翼型結冰冰形預測方法及裝置

有效

• 申請號: 202010382051.0
• 申請日: 2020-05-08
• 公開（公告）號: CN111291505B
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 柴聰聰;易賢;王強;郭磊;王瑞林
• 申請（專利權）人: 中國空氣動力研究與發展中心低速空氣動力研究所
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F17/14;G06N3/04;G06N3/08
• 代理公司: 北京勁創知識產權代理事務所(普通合伙) 11589
• 代理人: 李康

本發明適用于冰形預測技術領域，提供了一種基于深度置信網絡的翼型結冰冰形預測方法及裝置，包括如下步驟：預先構建和訓練傅里葉系數深度置信網絡模型、上下極限深度置信網絡模型；將待預測的結冰條件進行數據歸一化，得到歸一化后的結冰條件；將歸一化后的結冰條件輸入所述傅里葉系數深度置信網絡模型、上下極限深度置信網絡模型；將a_i、b_i、ξu、ξl代入冰形曲線傅里葉級數展開式中，得到翼型結冰冰形曲線；傅里葉系數深度置信網絡模型和上下極限深度置信網絡模型由多個受限玻爾茲曼機和一個BP神經網絡層構成。本發明極大地減少了網絡訓練的時間，提高了網絡預測精度，解決了單純的BP神經網絡易發生梯度消失和局部最小的技術問題。

技術領域

本發明屬于冰形預測技術領域，尤其涉及一種基于深度置信網絡的翼型結冰冰形預測方法及裝置。

背景技術

飛機在低于零度的環境中飛行，如果遇到含有過冷水滴（即溫度低于零度但仍保持液態的水滴）的云層，云層中的水滴撞擊在飛機機翼表面，就會在碰撞區域及其附近發生結冰。飛機翼面結冰不僅增加了機翼部件的重量，還會改變機翼周圍的流場分布、影響飛機氣動性能,導致飛行阻力增加、最大升力減小、飛行失速迎角減小，給飛行安全帶來危害，嚴重時可能導致墜機事故的發生。如果能夠根據當前飛機所處的氣象條件和飛行條件對翼面結冰進行快速預測，實時了解飛行過程中翼型的結冰情況和氣動特性的變化，及時做出相應措施，有利于預防飛機事故的發生。

目前用于飛機翼型結冰及其氣動特性預測的方法主要有飛行試驗、結冰風洞試驗和結冰數值模擬計算。其中通過飛行試驗獲取的試驗數據真實可信，但試驗周期長、耗資巨大并伴有一定的風險性。結冰風洞試驗獲取冰型數據相對飛行試驗較為方便經濟，試驗預測結果也比較可靠，但其建造成本和試驗費用高。結冰數值模擬計算所需時間和成本是三種方法中最少的，也是進行飛機結冰預測研究最常用的方法，結冰數值模擬計算是通過流場計算、水滴撞擊特性計算以及結冰計算等過程，模擬結冰成長，基于已有的軟件，結冰數值模擬計算所需成本大大降低，所需時間也比飛行試驗和結冰風洞試驗短，并且隨著復雜物理模型的提出，其預測結果與結冰風洞試驗結果的差異在逐漸減小，但是該種方法存在計算量大、網格劃分過程較為繁瑣等問題，此外預測的精度易受模型影響，尚未達到快速結冰預測的效果。基于人工神經網絡的冰形預測（主要以BP網絡為主）在試驗數據的基礎上通過多次訓練網絡模型不斷逼近結冰條件和結冰冰形之間復雜的映射關系，實現了結冰冰形的快速預測，相比其他三種方法所需的計算資源少，算法易實現、易訓練，但該類方法存在因樣本有限和計算單元情況下對復雜函數表示能力不足的情況等問題，特別是BP網絡預測易發生梯度消失和局部最小等問題。

發明內容

本發明的目的在于提供一種基于深度置信網絡的翼型結冰冰形預測方法及裝置，旨在解決現有技術中冰形預測的網絡訓練的時間長、網絡的預測精度低等技術問題。

本發明是這樣實現的，一種基于深度置信網絡的翼型結冰冰形預測方法，包括如下步驟：

預先構建和訓練傅里葉系數深度置信網絡模型、上下極限深度置信網絡模型；

將待預測的結冰條件進行數據歸一化，得到歸一化后的結冰條件；

將歸一化后的結冰條件輸入所述傅里葉系數深度置信網絡模型，分別得到冰形曲線傅里葉級數展開式中的傅立葉級數正弦項、傅立葉級數余弦項；將歸一化后的結冰條件輸入所述上下極限深度置信網絡模型，得到冰形曲線傅里葉級數展開式中的上翼面結冰極限處對應的弧長ξu、下翼面結冰極限處所對應的弧長ξl；

將、、ξu、ξl代入冰形曲線傅里葉級數展開式中，得到翼型結冰冰形曲線，所述冰形曲線傅里葉級數展開式為：

，其中，m為傅里葉級數展開項個數，ξ為翼型表面弧長；

所述傅里葉系數深度置信網絡模型和所述上下極限深度置信網絡模型由多個受限玻爾茲曼機和一個BP神經網絡層構成。