[发明专利]一种基于深度置信网络的翼型结冰冰形预测方法及装置

说明书

本发明适用于冰形预测技术领域，提供了一种基于深度置信网络的翼型结冰冰形预测方法及装置，包括如下步骤：预先构建和训练傅里叶系数深度置信网络模型、上下极限深度置信网络模型；将待预测的结冰条件进行数据归一化，得到归一化后的结冰条件；将归一化后的结冰条件输入所述傅里叶系数深度置信网络模型、上下极限深度置信网络模型；将a_i、b_i、ξu、ξl代入冰形曲线傅里叶级数展开式中，得到翼型结冰冰形曲线；傅里叶系数深度置信网络模型和上下极限深度置信网络模型由多个受限玻尔兹曼机和一个BP神经网络层构成。本发明极大地减少了网络训练的时间，提高了网络预测精度，解决了单纯的BP神经网络易发生梯度消失和局部最小的技术问题。

技术领域

本发明属于冰形预测技术领域，尤其涉及一种基于深度置信网络的翼型结冰冰形预测方法及装置。

背景技术

飞机在低于零度的环境中飞行，如果遇到含有过冷水滴（即温度低于零度但仍保持液态的水滴）的云层，云层中的水滴撞击在飞机机翼表面，就会在碰撞区域及其附近发生结冰。飞机翼面结冰不仅增加了机翼部件的重量，还会改变机翼周围的流场分布、影响飞机气动性能,导致飞行阻力增加、最大升力减小、飞行失速迎角减小，给飞行安全带来危害，严重时可能导致坠机事故的发生。如果能够根据当前飞机所处的气象条件和飞行条件对翼面结冰进行快速预测，实时了解飞行过程中翼型的结冰情况和气动特性的变化，及时做出相应措施，有利于预防飞机事故的发生。

目前用于飞机翼型结冰及其气动特性预测的方法主要有飞行试验、结冰风洞试验和结冰数值模拟计算。其中通过飞行试验获取的试验数据真实可信，但试验周期长、耗资巨大并伴有一定的风险性。结冰风洞试验获取冰型数据相对飞行试验较为方便经济，试验预测结果也比较可靠，但其建造成本和试验费用高。结冰数值模拟计算所需时间和成本是三种方法中最少的，也是进行飞机结冰预测研究最常用的方法，结冰数值模拟计算是通过流场计算、水滴撞击特性计算以及结冰计算等过程，模拟结冰成长，基于已有的软件，结冰数值模拟计算所需成本大大降低，所需时间也比飞行试验和结冰风洞试验短，并且随着复杂物理模型的提出，其预测结果与结冰风洞试验结果的差异在逐渐减小，但是该种方法存在计算量大、网格划分过程较为繁琐等问题，此外预测的精度易受模型影响，尚未达到快速结冰预测的效果。基于人工神经网络的冰形预测（主要以BP网络为主）在试验数据的基础上通过多次训练网络模型不断逼近结冰条件和结冰冰形之间复杂的映射关系，实现了结冰冰形的快速预测，相比其他三种方法所需的计算资源少，算法易实现、易训练，但该类方法存在因样本有限和计算单元情况下对复杂函数表示能力不足的情况等问题，特别是BP网络预测易发生梯度消失和局部最小等问题。

发明内容

本发明的目的在于提供一种基于深度置信网络的翼型结冰冰形预测方法及装置，旨在解决现有技术中冰形预测的网络训练的时间长、网络的预测精度低等技术问题。

本发明是这样实现的，一种基于深度置信网络的翼型结冰冰形预测方法，包括如下步骤：

预先构建和训练傅里叶系数深度置信网络模型、上下极限深度置信网络模型；

将待预测的结冰条件进行数据归一化，得到归一化后的结冰条件；

将归一化后的结冰条件输入所述傅里叶系数深度置信网络模型，分别得到冰形曲线傅里叶级数展开式中的傅立叶级数正弦项、傅立叶级数余弦项；将归一化后的结冰条件输入所述上下极限深度置信网络模型，得到冰形曲线傅里叶级数展开式中的上翼面结冰极限处对应的弧长ξu、下翼面结冰极限处所对应的弧长ξl；

将、、ξu、ξl代入冰形曲线傅里叶级数展开式中，得到翼型结冰冰形曲线，所述冰形曲线傅里叶级数展开式为：

，其中，m为傅里叶级数展开项个数，ξ为翼型表面弧长；

所述傅里叶系数深度置信网络模型和所述上下极限深度置信网络模型由多个受限玻尔兹曼机和一个BP神经网络层构成。