CN113420503A - 基于温度序列相似性度量的积冰检测方法、系统、终端及应用 - Google Patents
基于温度序列相似性度量的积冰检测方法、系统、终端及应用 Download PDFInfo
- Publication number
- CN113420503A CN113420503A CN202110653028.5A CN202110653028A CN113420503A CN 113420503 A CN113420503 A CN 113420503A CN 202110653028 A CN202110653028 A CN 202110653028A CN 113420503 A CN113420503 A CN 113420503A
- Authority
- CN
- China
- Prior art keywords
- sequence
- temperature change
- wing
- ice
- temperature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了基于温度序列相似性度量的积冰检测方法、系统、终端及应用,涉及机翼积冰检测技术领域。采集有积冰现象的机翼表面温度变化序列,求得机翼温度变化率序列;通过动态时间规整方法计算机翼表面温度变化序列与当前气象条件下机翼表面结冰时标准的温度变化序列之间的距离D1及机翼温度变化率序列与机翼表面积冰时标准的温度变化率序列之间的距离D2;再根据积冰模型对上述距离D1、距离D2值进行处理,得到积冰检测结果,并能在结冰时及时示警。本发明提供的积冰检测方法具有响应快、抗干扰能力强、易于实施等优势;结合非接触式红外温度传感器可以做到无接触积冰检测,避免机翼气动外形受影响,有较好的应用前景。
Description
技术领域
本发明属于机翼积冰检测技术领域,尤其涉及基于温度序列相似性度量的积冰检测方法、系统、终端及应用。
背景技术
目前,飞机作为现代化的高效率的运输工具,给人们出行带来了极大方便。保证飞行安全是各国航空公司最关心的头等大事,也是每个乘机旅客最大的愿望。尽管飞机性能不断提高,地面保障设备不断改善,但飞机积冰仍是影响飞行安全的重要因素之一。机体表面尤其是机翼积冰会严重影响飞机起降安全,根据有关飞行试验,机翼上附着2-3毫米的积冰,会使飞机失速速度增加约35%,起飞滑跑距离增长一倍,起飞时离地升力系数比正常飞机小15%-20%,相当危险;民航局明确规定,任何飞机都不能带冰、雪、霜起飞。因此在飞机起飞前进行积冰检测,保证及时除冰是保障人民安全出行中至关重要的任务。目前广泛应用的积冰检测方法主要有图像处理方法和各种传感器检测方法。
图像处理方法是根据机翼表面结冰时,其光学特性会发生变化的机理,通过对采集到的机翼图像进行处理判断是否有积冰发生。由于其只需采集机翼表面图像,因此不会破坏机翼结构,容易实施;但这种方法对图像质量要求较高,受设备质量与环境等因素影响,图像可能会产生大量噪点,导致检测结果出现较大误差。
传感器检测方法主要是利用冰介质和空气介质各种不同的特性设计不同的传感器实现结冰检测;(1)根据红外光在空气和冰中的反射特性不同设计了红外式积冰传感器,通过检测接受到的反射回的红外光强弱判断是否有积冰;红外式积冰传感器具有精度高,响应快等优点,但是造价昂贵,受环境光影响较大,抗干扰能力弱;(2)根据膜片表面有积冰时其刚度和质量会发生变化,从而引起谐振频率改变的原理设计了谐振式积冰传感器,通过检测膜片的谐振频率来判断是否有积冰;谐振式积冰传感器具有高精度,良好的抗干扰能力等优势,但是体积较大,安装困难,不易实施。(3)此外还有光纤式结冰传感器,电容式结冰传感器,超声波结冰传感器等,但都普遍存在体积大,抗干扰能力弱,实时性差,布线繁杂,难以实现微型化智能化的需求等方面的缺陷;贾雅娜等人提出一种基于声表面波的积冰传感器(专利号:CN201811603907.1),该传感器体积小,可无线无源测量,具有良好的应用前景,但制作工艺复杂繁琐,目前仍处于研究阶段,并未得到实际应用。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有技术中,使用图像处理方法进行积冰检测时对图像质量要求较高,各种外界因素对其检测精度影响较大,抗干扰能力较弱;
(2)现有技术中,大多数积冰传感器存在体积大、布线繁杂、安装困难、难以应用与推广等问题;
(3)受各种外界因素的影响,现有的积冰检测技术实际应用时在检测范围以及检测精度等方面都会受到一定限制。
解决以上问题及缺陷的意义为:
因此找寻一种抗干扰能力强,易于实施的积冰检测方法对飞机除冰作业的快速高效执行以及保障人民生命财产安全有极大的意义。
当有积冰发生时,机翼表面的温度(积冰曲线)会在某一范围内按照一定的趋势进行变化,基于此种特征,使得通过度量温度序列的相似性来实现积冰检测成为可能,但目前还未有相关方面的研究;Marcel Boschung等人基于积冰曲线的变化特征设计了一种检测溶液冰点的装置(专利号:US4383770),通过液体冷却时的温度变化曲线来判断其冰点,但并未将其用于实际的积冰检测中。
本发明为了解决现有积冰检测方法抗干扰能力弱,体积大、实际应用难等问题;结合机翼表面结冰时的温度变化特征提出了一种基于温度序列相似性度量的积冰检测方法。
发明内容
为克服相关技术中存在的问题,本发明公开实施例提供了一种基于温度序列相似性度量的积冰检测方法、系统及终端。所述技术方案如下:
根据本发明公开实施例的第一方面,提供一种基于温度序列相似性度量的积冰检测方法,包括:
采集有积冰现象的机翼表面温度变化序列,求得机翼温度变化率序列;
通过动态时间规整方法(DTW)计算机翼表面温度变化序列与机翼表面结冰时标准的温度变化序列之间的距离D1及机翼温度变化率序列与机翼表面积冰时标准的温度变化率序列之间的距离D2;
再根据积冰模型对上述距离D1、距离D2值进行处理,得到积冰检测结果,并及时示警。
在本发明一实施例中,所述基于温度序列相似性度量的积冰检测方法具体包括以下步骤:
1)采集当前时刻大气温度T、风速v、气压p;
2)若T≤0,采集机体机翼表面温度值的变化得到机翼表面温度变化序列W={w1,w2,…,wm};否则返回步骤1);
3)从积冰曲线样本库中提取步骤1)中采集到的气象条件下机翼表面结冰时的标准温度变化序列Q={q1,q2,…,qn};
4)按照下式求出上述温度变化序列W、Q对应的温度变化率序列V={v1,v2,…,vm-3}、U={u1,u2,…,un-3};
5)利用动态时间规整方法(DTW)求得采集到的温度变化序列W和机翼表面结冰时标准的温度变化序列Q间的距离D1;机翼表面温度变化率序列V和积冰时标准的温度变化率序列U间的距离D2;
6)利用积冰模型f(D1,D2)对上述D1、D2进行处理,得到积冰检测结果;
7)上述积冰模型最终的输出结果为1或0,若输出结果为1,则表明有积冰发生,停止检测,及时向机场控制中心终端发布示警信息,若输出为0,则表明目前无积冰风险,返回步骤1)。
在本发明一实施例中,所述步骤3)中,积冰曲线受大气温度T、风速v、气压p气象因素的影响;通过理论分析确定各参数之间的相互作用关系,再通过数值模拟得到不同条件下的积冰曲线形成积冰曲线样本库。
在本发明一实施例中,所述步骤5)中,动态时间规整方法(DTW)包括:
序列W与Q之间的距离D1通过下式进行计算,D2与D1的计算方法类似;
D1=D(wm,qn),其中,
在本发明一实施例中,所述步骤6)中,所述积冰模型为BP神经网络模型,输出采用阈值函数,设置相似阈值,输出最终的积冰检测结果;通过输入样本对模型各部分阈值和权值进行修正,得到训练好的神经网络。
根据本发明公开实施例的第二方面,提供一种基于温度序列相似性度量的积冰检测系统,包括:
数据采集模块,用于采集当前时刻大气温度、风速、气压;若大气温度≤0,采集机体机翼表面温度值的变化得到机翼表面温度变化序列;若大气温度>0,则重新采集当前时刻大气温度、风速、气压;
标准温度变化序列提取模块,用于从积冰曲线样本库中提取数据采集模块采集到的气象条件下机翼表面结冰时的标准温度变化序列;
温度变化率序列获取模块,用于获取温度变化序列和机翼表面结冰时标准的温度变化序列对应的温度变化率序列;
积冰检测结果获取模块,用于利用动态时间规整方法(DTW)求得采集到的温度变化序列和机翼表面结冰时标准的温度变化序列间的距离D1;机翼表面温度变化率序列和积冰时标准的温度变化率序列间的距离D2;利用积冰模型对上述D1、D2进行处理,得到积冰检测结果;
示警模块,用于对积冰模型最终输出结果发布示警信息。
根据本发明公开实施例的第三方面,提供一种接收用户输入程序存储介质,所存储的计算机程序使电子设备执行所述基于温度序列相似性度量的积冰检测方法。
根据本发明公开实施例的第四方面,提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
采集有积冰现象的机翼表面温度变化序列,求得机翼温度变化率序列;
通过动态时间规整方法(DTW)计算机翼表面温度变化序列与机翼表面结冰时标准的温度变化序列之间的距离D1及机翼温度变化率序列与机翼表面积冰时标准的温度变化率序列之间的距离D2;
再根据积冰模型对上述距离D1、距离D2值进行处理,得到积冰检测结果,并及时示警。
根据本发明公开实施例的第五方面,提供一种信息数据处理终端,所述信息数据处理终端包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述基于温度序列相似性度量的积冰检测方法。
根据本发明公开实施例的第六方面,提供一种所述基于温度序列相似性度量的积冰检测方法在机翼积冰检测上的应用。
本发明公开的实施例提供的技术方案可以包括以下有益效果:
本发明提供的基于温度序列相似性度量的积冰检测方法,基于当有积冰发生时,机翼表面的温度会在某一范围内按照一定的趋势进行变化的特征;采集机翼表面温度变化序列W,求得其温度变化率序列V,通过动态时间规整方法(DTW)计算W与当前气象条件下机翼表面结冰时标准的温度变化序列Q之间的距离D1及V与机翼表面积冰时标准的温度变化率序列U之间的距离D2;再根据积冰模型f(D1,D2)对上述值进行处理,得到积冰检测结果,并能在有积冰发生时及时示警。本发明提供的基于温度序列相似性度量的积冰检测方法,解决了现有大多数积冰传感器体积大、抗干扰能力弱、安装困难等问题;能够为相关部门进行除冰作业提供有效依据,保障人们正常安全出行。
本发明提供的基于温度序列相似性度量的积冰检测方法,通过度量机翼表面温度变化曲线与结冰时标准温度变化曲线之间的相似度来实现积冰检测:
(1)适用于不同气象条件、机翼喷洒除冰液后的二次结冰等各种情况下,抗干扰能力强;
(2)所需的环境温度、风速等气象信息可由相关机载设备或者机场气象站提供,因此只需采集机翼表面的温度,易于实施;
(3)结合非接触式红外温度传感器可以做到无接触积冰检测,不会破坏机体结构,不影响飞机气动特性,有较好的应用前景。
当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明的公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是本发明实施例提供的基于温度序列相似性度量的积冰检测方法流程图。
图2是本发明实施例提供的积冰模型示意图。
图3是本发明实施例提供的基于温度序列相似性度量的积冰检测系统示意图。
图中:1、数据采集模块;2、标准温度变化序列提取模块;3、温度变化率序列获取模块;4、积冰检测结果获取模块;5、示警模块。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
下面结合具体实施例及附图对本发明技术方案作进一步描述。
实施例一:
基于温度序列相似性度量的积冰检测方法,所述标准温度变化序列提取模块2中内嵌有积冰曲线样本库,在使用之前应先建立样本库,具体方法为:
积冰曲线会受大气温度T、风速v、气压p等气象条件的影响。大气温度越低,水溶液降温越快;风速越大,水面换热系数越大;压强越小,分子运动越剧烈;这些因素都会导致积冰曲线发生变化。通过理论分析确定各参数之间的相互作用关系,再通过数值模拟得到不同条件下的积冰曲线形成积冰曲线样本库。
如图1所示,本发明实施例提供的基于温度序列相似性度量的积冰检测方法,包括按顺序进行的下列步骤:
1)采集当前时刻大气温度T、风速v、气压p;
2)若T≤0,采集机体机翼表面温度值的变化得到机翼表面温度变化序列W={w1,w2,…,wm};否则返回步骤1);
3)从积冰曲线样本库中提取步骤1)中采集到的气象条件下机翼表面结冰时的标准温度变化序列Q={q1,q2,…,qn};
4)按照下式求出上述温度变化序列W、Q对应的温度变化率序列V={v1,v2,…,vm-3}、U={u1,u2,…,un-3};
5)利用动态时间规整方法(DTW)求得采集到的温度变化序列W和机翼表面结冰时标准的温度变化序列Q间的距离D1;机翼表面温度变化率序列V和积冰时标准的温度变化率序列U间的距离D2;
6)利用积冰模型f(D1,D2)对上述D1、D2进行处理,得到积冰检测结果;
7)上述积冰模型最终的输出结果为1或0,若输出结果为1,则表明有积冰发生,停止检测,及时向机场控制中心终端发布示警信息,以提醒工作人员做好除冰工作;若输出为0,则表明目前无积冰风险,返回步骤1)。
实施例二:
基于温度序列相似性度量的积冰检测方法,所述积冰检测结果获取模块4利用积冰模型输出最终的积冰检测结果;如图2所示,所述积冰模型采用BP神经网络模型,其中,模型输入层有两个神经元,即采集的温度变化序列与积冰时标准的温度变化序列间的距离D1以及温度变化率序列间的距离D2,隐含层神经元数目根据具体实验来确定,输出层有一个神经元,采用阈值输出函数,设置相似阈值,输出结果为0或1,若输出结果为1,则表明有积冰发生;输出为0,则说明目前无积冰风险。
网络模型初始化时,赋予连接权和阈值很小的随机数,并设置最大学习次数和检测准确度。由实验数据样本对BP神经网络模型进行训练学习,修正各部分权值和阈值,直到检测准确度达到期望值为止,得到训练好的神经网络。
实施例三:
基于温度序列相似性度量的积冰检测方法;受各种外界因素的影响,机翼表面温度变化幅值存在一定差异,温度变化序列和温度变化率序列会沿时间轴发生拉伸或压缩,与标准的温度变化或温度变化率序列曲线峰值不对应,导致无法用传统的欧式距离来度量两序列之间的相似性。针对这种波形为动态对应而非一一对应的距离度量,使用DTW方法可以取得较好的效果。所述积冰检测结果获取模块4利用动态时间规整方法(DTW)计算采集到的机翼表面温度变化序列W={w1,w2,…,wm}与当前气象条件下机翼表面结冰时的标准温度变化序列Q={q1,q2,…,qn}间的距离D1,具体计算方法为:
D1=D(wm,qn),其中,
如图3所示,本发明提供一种基于温度序列相似性度量的积冰检测系统,包括数据采集模块1、标准温度变化序列提取模块2、温度变化率序列获取模块3、积冰检测结果获取模块4、示警模块5。
数据采集模块1用于采集当前时刻大气温度、风速、气压;若大气温度≤0,采集机体机翼表面温度值的变化得到机翼表面温度变化序列;若大气温度>0,则重新采集当前时刻大气温度、风速、气压。标准温度变化序列提取模块2用于从积冰曲线样本库中提取数据采集模块1采集到的气象条件下机翼表面结冰时的标准温度变化序列。温度变化率序列获取模块3用于获取温度变化序列和机翼表面结冰时标准的温度变化序列对应的温度变化率序列。积冰检测结果获取模块4用于利用动态时间规整方法(DTW)求得采集到的温度变化序列和机翼表面结冰时标准的温度变化序列间的距离D1;机翼表面温度变化率序列和积冰时标准的温度变化率序列间的距离D2;利用积冰模型对上述D1、D2进行处理,得到积冰检测结果。示警模块5用于对积冰模型最终输出结果发布示警信息。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围应由所附的权利要求来限制。
Claims (10)
1.一种基于温度序列相似性度量的积冰检测方法,其特征在于,所述基于温度序列相似性度量的积冰检测方法包括:
采集有积冰现象的机翼表面温度变化序列,求得机翼温度变化率序列;
通过动态时间规整方法计算机翼表面温度变化序列与机翼表面结冰时标准的温度变化序列之间的距离D1及机翼温度变化率序列与机翼表面积冰时标准的温度变化率序列之间的距离D2;
再根据积冰模型对上述距离D1、距离D2值进行处理,得到积冰检测结果,并及时示警。
2.根据权利要求1所述的基于温度序列相似性度量的积冰检测方法,其特征在于,所述基于温度序列相似性度量的积冰检测方法具体包括以下步骤:
1)采集当前时刻大气温度T、风速v、气压p;
2)若T≤0,采集机体机翼表面温度值的变化得到机翼表面温度变化序列W={w1,w2,…,wm};否则返回步骤1);
3)从积冰曲线样本库中提取步骤1)中采集到的气象条件下机翼表面结冰时的标准温度变化序列Q={q1,q2,…,qn};
4)按照下式求出上述温度变化序列W、Q对应的温度变化率序列V={v1,v2,…,vm-3}、U={u1,u2,…,un-3};
5)利用动态时间规整方法求得采集到的温度变化序列W和机翼表面结冰时标准的温度变化序列Q间的距离D1;机翼表面温度变化率序列V和积冰时标准的温度变化率序列U间的距离D2;
6)利用积冰模型f(D1,D2)对上述D1、D2进行处理,得到积冰检测结果;
7)上述积冰模型最终的输出结果为1或0,若输出结果为1,则表明有积冰发生,停止检测,及时向机场控制中心终端发布示警信息,若输出为0,则表明目前无积冰风险,返回步骤1)。
3.根据权利要求2所述的基于温度序列相似性度量的积冰检测方法,其特征在于,所述步骤3)中,积冰曲线受大气温度T、风速v、气压p气象因素的影响;通过理论分析确定各参数之间的相互作用关系,再通过数值模拟得到不同条件下的积冰曲线形成积冰曲线样本库。
5.根据权利要求2所述的基于温度序列相似性度量的积冰检测方法,其特征在于,所述步骤6)中,所述积冰模型为BP神经网络模型,输出采用阈值函数,设置相似阈值,输出最终的积冰检测结果;通过输入样本对模型各部分阈值和权值进行修正,得到训练好的神经网络。
6.一种实现如权利要求1-5任意一项所述基于温度序列相似性度量的积冰检测方法的系统,其特征在于,该基于温度序列相似性度量的积冰检测系统包括:
数据采集模块,用于采集当前时刻大气温度、风速、气压;若大气温度≤0,采集机体机翼表面温度值的变化得到机翼表面温度变化序列;否大气温度>0,则重新采集当前时刻大气温度、风速、气压;
标准温度变化序列提取模块,用于从积冰曲线样本库中提取数据采集模块采集到的气象条件下机翼表面结冰时的标准温度变化序列;
温度变化率序列获取模块,用于获取温度变化序列和机翼表面结冰时标准的温度变化序列对应的温度变化率序列;
积冰检测结果获取模块,用于利用动态时间规整方法求得采集到的温度变化序列和机翼表面结冰时标准的温度变化序列间的距离D1;机翼表面温度变化率序列和积冰时标准的温度变化率序列间的距离D2;利用积冰模型对上述D1、D2进行处理,得到积冰检测结果;
示警模块,用于对积冰模型最终输出结果发布示警信息。
7.一种接收用户输入程序存储介质,所存储的计算机程序使电子设备执行权利要求1-5任意一项所述基于温度序列相似性度量的积冰检测方法。
8.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
采集有积冰现象的机翼表面温度变化序列,求得机翼温度变化率序列;
通过动态时间规整方法计算机翼表面温度变化序列与机翼表面结冰时标准的温度变化序列之间的距离D1及机翼温度变化率序列与机翼表面积冰时标准的温度变化率序列之间的距离D2;
再根据积冰模型对上述距离D1、距离D2值进行处理,得到积冰检测结果,并及时示警。
9.一种信息数据处理终端,其特征在于,所述信息数据处理终端包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1-5任意一项所述基于温度序列相似性度量的积冰检测方法。
10.一种如权利要求1-5任意一项所述基于温度序列相似性度量的积冰检测方法在机翼积冰检测上的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110653028.5A CN113420503B (zh) | 2021-06-11 | 2021-06-11 | 基于温度序列相似性度量的积冰检测方法、系统、终端及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110653028.5A CN113420503B (zh) | 2021-06-11 | 2021-06-11 | 基于温度序列相似性度量的积冰检测方法、系统、终端及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113420503A true CN113420503A (zh) | 2021-09-21 |
CN113420503B CN113420503B (zh) | 2022-08-12 |
Family
ID=77788398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110653028.5A Active CN113420503B (zh) | 2021-06-11 | 2021-06-11 | 基于温度序列相似性度量的积冰检测方法、系统、终端及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113420503B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113777931A (zh) * | 2021-11-09 | 2021-12-10 | 中国空气动力研究与发展中心计算空气动力研究所 | 结冰翼型气动模型构造方法、装置、设备及介质 |
CN114091185A (zh) * | 2022-01-24 | 2022-02-25 | 中国民航大学 | 一种飞机表面积冰演化状态辨识方法及系统 |
CN114487101A (zh) * | 2021-12-31 | 2022-05-13 | 中国民航大学 | 冰点检测及积冰预警方法、装置、存储介质及计算机设备 |
CN115416854A (zh) * | 2022-11-07 | 2022-12-02 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于温度测量的结冰探测装置及结冰探测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101866525A (zh) * | 2010-05-28 | 2010-10-20 | 中国民航大学 | 基于多传感器的地面飞机表面结冰预报装置及方法 |
US20120061482A1 (en) * | 2010-09-10 | 2012-03-15 | Stothers Ian Mcgregor | Ice detection system and method |
CN102407942A (zh) * | 2011-09-06 | 2012-04-11 | 中国商用飞机有限责任公司 | 结冰条件探测器 |
CN102706389A (zh) * | 2012-06-19 | 2012-10-03 | 中国民航大学 | 采用滚动预测的飞机表面积冰短时预报系统及预报方法 |
US9242735B1 (en) * | 2014-08-28 | 2016-01-26 | The Boeing Company | Detecting inflight icing conditions on aircraft |
CN108128467A (zh) * | 2018-04-26 | 2018-06-08 | 中国商用飞机有限责任公司 | 结冰探测器及结冰探测方法 |
CN109661348A (zh) * | 2016-08-22 | 2019-04-19 | 挪威科技大学 | 结冰控制系统 |
CN111709184A (zh) * | 2020-06-12 | 2020-09-25 | 中国民航大学 | 基于道面温度预测和模拟的积冰组合决策方法 |
CN111738481A (zh) * | 2020-04-01 | 2020-10-02 | 南京航空航天大学 | 基于bp神经网络的飞机结冰气象参数mvd预测方法 |
CN112710409A (zh) * | 2020-12-17 | 2021-04-27 | 长飞光纤光缆股份有限公司 | 一种高压输电线网的覆冰状态监测方法 |
-
2021
- 2021-06-11 CN CN202110653028.5A patent/CN113420503B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101866525A (zh) * | 2010-05-28 | 2010-10-20 | 中国民航大学 | 基于多传感器的地面飞机表面结冰预报装置及方法 |
US20120061482A1 (en) * | 2010-09-10 | 2012-03-15 | Stothers Ian Mcgregor | Ice detection system and method |
CN102407942A (zh) * | 2011-09-06 | 2012-04-11 | 中国商用飞机有限责任公司 | 结冰条件探测器 |
CN102706389A (zh) * | 2012-06-19 | 2012-10-03 | 中国民航大学 | 采用滚动预测的飞机表面积冰短时预报系统及预报方法 |
US9242735B1 (en) * | 2014-08-28 | 2016-01-26 | The Boeing Company | Detecting inflight icing conditions on aircraft |
CN109661348A (zh) * | 2016-08-22 | 2019-04-19 | 挪威科技大学 | 结冰控制系统 |
CN108128467A (zh) * | 2018-04-26 | 2018-06-08 | 中国商用飞机有限责任公司 | 结冰探测器及结冰探测方法 |
CN111738481A (zh) * | 2020-04-01 | 2020-10-02 | 南京航空航天大学 | 基于bp神经网络的飞机结冰气象参数mvd预测方法 |
CN111709184A (zh) * | 2020-06-12 | 2020-09-25 | 中国民航大学 | 基于道面温度预测和模拟的积冰组合决策方法 |
CN112710409A (zh) * | 2020-12-17 | 2021-04-27 | 长飞光纤光缆股份有限公司 | 一种高压输电线网的覆冰状态监测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113777931A (zh) * | 2021-11-09 | 2021-12-10 | 中国空气动力研究与发展中心计算空气动力研究所 | 结冰翼型气动模型构造方法、装置、设备及介质 |
CN114487101A (zh) * | 2021-12-31 | 2022-05-13 | 中国民航大学 | 冰点检测及积冰预警方法、装置、存储介质及计算机设备 |
CN114487101B (zh) * | 2021-12-31 | 2023-06-16 | 中国民航大学 | 冰点检测及积冰预警装置及方法 |
CN114091185A (zh) * | 2022-01-24 | 2022-02-25 | 中国民航大学 | 一种飞机表面积冰演化状态辨识方法及系统 |
CN114091185B (zh) * | 2022-01-24 | 2022-04-12 | 中国民航大学 | 一种飞机表面积冰演化状态辨识方法及系统 |
CN115416854A (zh) * | 2022-11-07 | 2022-12-02 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于温度测量的结冰探测装置及结冰探测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113420503B (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113420503B (zh) | 基于温度序列相似性度量的积冰检测方法、系统、终端及应用 | |
Kind et al. | Experimental and computational simulation of in-flight icing phenomena | |
Tang et al. | Lagrangian coherent structure analysis of terminal winds detected by lidar. Part I: Turbulence structures | |
CN114091185B (zh) | 一种飞机表面积冰演化状态辨识方法及系统 | |
CN107132278B (zh) | 一种多圆柱阵列结冰探测方法 | |
CN109767518B (zh) | 基于机翼结冰厚度确定气象参数mvd的反推方法 | |
CN114676560B (zh) | 基于光纤结冰探测的云雾参数计算及冰形预测方法、介质 | |
CN102706389A (zh) | 采用滚动预测的飞机表面积冰短时预报系统及预报方法 | |
CN114372960A (zh) | 基于图像理解的飞机地面积冰检测方法、系统、终端及介质 | |
CN105628051A (zh) | 一种嵌入式大气测量装置性能评估方法 | |
CN107677444A (zh) | 一种测量冰风洞云雾均匀性的方法 | |
CN206876374U (zh) | 一种过冷水滴结冰探测装置 | |
CN112572809B (zh) | 一种适用于无人机平台的混合式结冰探测方法 | |
CN109581381B (zh) | 基于垂直载荷因子的增强型湍流检测方法 | |
Schlegl et al. | Wireless and flexible ice detection on aircraft | |
CN114596315A (zh) | 一种飞机地面检测积冰方法、装置、系统及计算机设备 | |
Gui et al. | Atmospheric icing process measurement utilizing impedance spectroscopy and thin film structure | |
Morrow et al. | Large-scale flight measurements of zero-lift drag of 10 wing-body configurations at Mach numbers from 0.8 to 1.6 | |
CN209524883U (zh) | 一种用于检测飞机结冰速率的传感装置 | |
CN113868970B (zh) | 一种基于数值仿真模型及中尺度气象模式的机场区域多源风场融合方法 | |
Potapczuk et al. | Icing simulation: A survey of computer models and experimental facilities | |
Ye et al. | Low-level wind shear of wind field modelling and simulation | |
Hu et al. | Wind Turbine Icing Physics and Anti-/de-icing Technology | |
Rogowski et al. | Performance Assessments of High-Resolution Marine Atmospheric Boundary Layer Observations from a Ship-Deployed Small Unmanned Aerial Vehicle | |
CN114754971B (zh) | 一种无水遮蔽区高度测试方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |