CN114757109B - 一种进气道内外结冰参数关系的测试方法、系统 - Google Patents

一种进气道内外结冰参数关系的测试方法、系统 Download PDF

Info

Publication number
CN114757109B
CN114757109B CN202210668351.4A CN202210668351A CN114757109B CN 114757109 B CN114757109 B CN 114757109B CN 202210668351 A CN202210668351 A CN 202210668351A CN 114757109 B CN114757109 B CN 114757109B
Authority
CN
China
Prior art keywords
air inlet
icing
parameters
inlet channel
model
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.)
Active
Application number
CN202210668351.4A
Other languages
English (en)
Other versions
CN114757109A (zh
Inventor
熊建军
易贤
赵照
冉林
孙才国
张平涛
刘雨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
Original Assignee
Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center filed Critical Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
Priority to CN202210668351.4A priority Critical patent/CN114757109B/zh
Publication of CN114757109A publication Critical patent/CN114757109A/zh
Application granted granted Critical
Publication of CN114757109B publication Critical patent/CN114757109B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
    • G01M9/06—Measuring arrangements specially adapted for aerodynamic testing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • 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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Optimization (AREA)
  • Computing Systems (AREA)
  • Mathematical Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Molecular Biology (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Computational Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

本发明属于结冰风洞实验领域，具体涉及一种进气道内外结冰参数关系的测试方法、系统，获得进气道模型，在进气道模型的出口端设置抽气设备，并在进气道模型内设置至少一组环境参数测量装置；设定结冰试验条件，进行结冰试验，并通过测量装置测量进气道内的环境参数；建立神经网络模型，将设定结冰试验条件的环境参数作为输入参数，测量得到的进气道内的环境参数作为输出参数，训练该神经网络模型，得到训练后的神经网络模型，从而得到进气道内外结冰参数的关系。采用本发明的方法可以通过增加试验数据的方式提高预测模型的准确性，相对于现有技术采用数值模拟的方法进行模拟计算，准确性更高。

Description

一种进气道内外结冰参数关系的测试方法、系统
技术领域
本发明属于结冰风洞实验领域，具体涉及一种进气道内外结冰参数关系的测试方法、系统。
背景技术
飞机在飞行中穿越含有过冷水滴的云层，过冷水滴撞击在飞机表面，在撞击区域附近很可能产生结冰现象。结冰广泛存在于飞行实践中，严重危及飞行安全。
飞机主要依赖机载结冰传感器进行结冰探测，传感器的性能决定了结冰探测的效果，如果传感器报警不及时、误报、漏报或误差太大，都会造成飞行安全隐患。因此，结冰传感器对飞行安全极其重要，是大部分飞机不可或缺的机载装备。气流温度、湿度、液态水含量、液态水滴粒径等结冰参数直接影响结冰传感器工作性能。飞机结冰传感器通常安装于机体表面，一般分为外露安装和齐平安装两种方法，外露安装是结冰探头从飞机机体伸出，通常是安装在机头一侧；齐平安装是将传感器埋装于易结冰部位，结冰探头与飞机表面（如机翼前缘）齐平。
目前外露安装仍然是主流。气流温度、湿度、液态水含量、液态水粒径等结冰参数直接影响结冰传感器工作性能。
为了达到隐蔽性能和低可探测性，减少外露传感器安装，部分飞机结冰传感器安装于进气道壁面，但又不能影响进气道的畸变特性和总压恢复系数。与来流比较，进气道内有大流量高速气流流动，进气道内气流温度、湿度、液态水含量、液态水粒径等结冰参数沿程会发生变化，直接影响进气道结冰探测性能。如果直接将飞机来流环境中的结冰参数分布直接应用到进气道内结冰探测性能分析和评估，忽略了结冰参数在进气道内环境发生的变化，结冰传感器探测精准度会造成一定的误差。
为研究进气道内结冰参数变化，国内外很多学者开展了进气道沿程结冰参数变化数值模拟研究，如南京航空航天大学的胡娅萍、庞黎刚等开展了Ｓ型进气道沿程结冰参数变化的数值模拟，北京航空航天大学的申晓斌、林贵平等开展了三维发动机进气道水滴撞击特性分析，取得一些研究成果，以上成果都是建立在数值计算基础上，缺少试验验证平台和试验模拟方法。
发明内容
为了解决现有技术的不足，本发明提出了一种进气道内外结冰参数关系的测试方法、系统和用途。
本发明通过试验的方法测量得到设定结冰试验条件下，进气道内部沿程的参数变化情况，并建立神经网络模型，带入试验参数进行模型训练，得到训练后的模型。该训练后的模型可以直接用于预测在设定试验条件下进气道内部沿程的结冰参数，由此为将结冰传感器设置在进气道内部对飞机表面的结冰探测的研究提供了数据支撑，相比于完全通过数值模拟的方法，得到的预测结果相对精度更高一些。
一种进气道内外结冰参数关系的测试方法，其特征在于，包括如下步骤：
S100：获得进气道模型，在进气道模型的出口端设置抽气设备，并在进气道模型内设置至少一组环境参数测量装置；
S200：设定结冰试验条件，进行结冰试验，并通过测量装置测量进气道内的环境参数；
S300：建立神经网络模型，将设定结冰试验条件的环境参数作为输入参数，测量得到的进气道内的环境参数作为输出参数，训练该神经网络模型，得到训练后的神经网络模型，从而得到进气道内外结冰参数的关系。
进一步地，步骤S200还包括，设定飞机状态，选定进气道流量系数
Figure 799394DEST_PATH_IMAGE001
：
当飞机为爬升状态，
Figure 665719DEST_PATH_IMAGE002
；
当飞机为俯冲状态，
Figure 801165DEST_PATH_IMAGE003
；
当飞机为平飞状态，
Figure 411138DEST_PATH_IMAGE004
。
步骤S300中，将进气道流量系数作为输入参数进行神经网络模型训练。
进一步地，步骤S300中，神经网络模型的输入参数还包括所测得的环境参数所处在进气道内的位置信息。
进一步地，将所述一组环境参数测量装置设置在进气道的同一截面上。
进一步地，所述环境参数测量装置包括皮托管、温度传感器和云雾参数测量设备。
进一步地，在进气道沿程设置多组环境参数测量设备，从而得到在一个设定结冰试验条件下进气道内沿程的环境参数变化情况。
本发明还提供一种进气道内外结冰参数关系的测试系统，其特征在于，用于执行如前所述的一种进气道内外结冰参数关系的测试方法，包括进气道模型，至少一组环境参数测量装置，以及数据处理模块，所述至少一组环境参数测量装置设置在进气道模型内，将测量的信号传输到所述数据处理模块；所述数据处理模块建立神经网络，并采用采集到的数据进行模型训练，得到进气道内外结冰参数的关系。
进一步地，所述环境参数测量装置包括皮托管、温度传感器和云雾参数测量设备。
进一步地，在进气道沿程设置多组环境参数测量设备。
如前所述的一种进气道内外结冰参数关系的测试系统，其特征在于，用于根据设定结冰试验条件预测进气道内沿程的结冰参数变化。
采用本发明的一种进气道内外结冰参数关系的测试方法、系统，相对于现有技术，至少具有如下优点：
1、本发明提出了一种通过试验的方法测试进气道内外结冰参数的方法，并将试验所得的参数用于训练神经网络模型，得到训练后的神经网络模型能够用于预测给定结冰试验条件下，进气道内部沿程的结冰参数。
2、本发明设定试验条件时，考虑到飞机在不同的飞行状态下，实际进入进气道的空气量可能并不等于前方气流流经入口界面的空气流向，因此定义了进气道流量系数。在飞机不同的飞行状态下设定不同的进气道流量系数，从而更加准确地试验和预测不同飞行状态下进气道沿程的结冰参数的变化。
3、采用本发明的方法可以通过增加试验数据的方式提高预测模型的准确性，相对于现有技术采用数值模拟的方法进行模拟计算，准确性更高。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种进气道内外结冰参数关系的测试方法。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。
实施例1
如图1所示本发明提供了一种一种进气道内外结冰参数关系的测试方法，包括如下步骤：
S100：获得进气道模型，在进气道模型的出口端设置抽气设备，并在进气道模型内设置至少一组环境参数测量装置；
根据实际使用的进气道设计进气道模型，可以采用1:1的模型，也可以根据试验条件设计缩比模型，在此不再详细赘述；
一般发动机进气道都有发动机在吸气，为了准确地模拟真实使用情况，在进气道模型的出口端设置抽气装置，抽气装置的抽气速率根据真实使用情况进行设定。
本实施例中，在进气道模型中设置至少一组环境参数测量装置，作为优选，在进气道沿程设置多组环境参数测量装置，以得到进气道沿程上环境参数的变化情况，作为优选，记录每组环境参数测量装置的测量位置，一起对神经网络模型进行训练（见下文）。
同一组环境参数测量装置设置在进气道的同一截面上，以便准备反映同一截面上的环境参数情况。
所述环境参数测量装置包括皮托管、温度传感器和云雾参数测量设备，皮托管用于测量进气道模型内的气流速度、温度传感器用于测量进气道模型内的气流温度，云雾参数测量设备测得的液态水含量、液态水粒径等参数；当然，本领域技术人员还可以根据实际研究的需求设计测量装置测量所需的参数。
S200：设定结冰试验条件，进行结冰试验，并通过测量装置测量进气道内的环境参数；
本实施例中，设定的结冰试验条件可以根据试验人员的经验确定，也可以通过CCAR25部附录来确定。
飞机结冰状态主要分为“最大连续结冰 ”和“最大间断结冰 ”，其中 “最大连续结冰”状态主要发生于巡航阶段遭遇面积较大的层云导致结冰； “最大间断结冰 ”状态主要发生于起飞或降落阶段遭遇积云导致结冰；参照飞机技术参数和CCAR25部附录C中规定飞机在不同速度、高度、温度条件下可能遭遇的结冰气象条件包线，在飞机不同飞行高度、飞行速度和温度等飞行条件下，选取不同MVD和LWC进行试验，得到设定的结冰试验条件。
本实施例中，考虑到飞机在不同的飞行状态下，实际进入进气道的空气量可能并不等于前方气流流经入口界面的空气流向，因此定义了进气道流量系数。在飞机不同的飞行状态下设定不同的进气道流量系数，从而更加准确地试验和预测不同飞行状态下进气道沿程的结冰参数的变化。
进气道流量系数
Figure 174694DEST_PATH_IMAGE001
定义为：实 际进入进气道的空气流量与远前方气流流经入口界面的空气流量之比。在设定飞机状态下，通过以下方法选定进气道流量系数：
当飞机为爬升状态时，飞机速度低，发动机需求流量大，令
Figure 352866DEST_PATH_IMAGE002
；
当飞机为俯冲状态，飞行速度大，令
Figure 569084DEST_PATH_IMAGE003
；
当飞机为平飞状态，令
Figure 356649DEST_PATH_IMAGE004
。
本领域技术人员可以理解，为了使得后续经过训练的神经网络模型更加准确，应当选用以上三种飞行状态下分别进行多组结冰试验条件进行试验。
S300：建立神经网络模型，将设定结冰试验条件的环境参数作为输入参数，测量得到的进气道内的环境参数作为输出参数，训练该神经网络模型，得到训练后的神经网络模型，从而得到进气道内外结冰参数的关系。
构建神经网络模型和训练神经网络模型的方法属于本领域的常规技术，在此不再赘述。本领域技术人员可以选用合适的神经网络模型，选用尽量多的试验数据进行模型训练即可。
为了便于后续根据训练好的模型预测进气道内沿程上的环境参数，作为优选，将结冰试验条件，进气道流量系数，进气道沿程的位置作为输入参数，将进气道内对应位置处测量得到的环境参数作为输出参数进行模型训练。
实施例2
本实施例提供了一种进气道内外结冰参数关系的测试系统，用于执行实施例1所述的一种进气道内外结冰参数关系的测试方法，包括：进气道模型，至少一组环境参数测量装置，以及数据处理模块，所述至少一组环境参数测量装置设置在进气道模型内，将测量的信号传输到所述数据处理模块；所述数据处理模块建立神经网络，并采用采集到的数据进行模型训练，得到进气道内外结冰参数的关系。
作为优选，在进气道沿程设置多组环境参数测量设备，这样可以测量多组沿程变化的环境参数，用于模型训练时能够得到在一个设定结冰试验条件下进气道内沿程的环境参数变化情况。
同时，环境参数测量装置包括皮托管、温度传感器和云雾参数测量设备，皮托管用于测量进气道模型内的气流速度、温度传感器用于测量进气道模型内的气流温度，云雾参数测量设备测得的液态水含量、液态水粒径等参数；当然，本领域技术人员还可以根据实际研究的需求设计测量装置测量所需的参数。
本领域技术人员可以理解，采用本实施例的测试系统可以获得训练好的神经网络模型，该模型可以用来根据设定结冰试验条件预测进气道内沿程的结冰参数变化，获得进气道沿程上的结冰参数，用以为结冰传感器的位置确定，以及根据进气道内外结冰参数的关系，通过设置在进气道内的结冰传感器探测飞机表面的结冰情况提供试验数据参考。
以上所述仅为本发明较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改，等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种进气道内外结冰参数关系的测试方法，其特征在于，包括如下步骤：
S100：获得进气道模型，在进气道模型的出口端设置抽气设备，并在进气道模型内设置至少一组环境参数测量装置；
S200：设定结冰试验条件，进行结冰试验，并通过测量装置测量进气道内的环境参数；
S300：建立神经网络模型，将设定结冰试验条件的环境参数作为输入参数，测量得到的进气道内的环境参数作为输出参数，训练该神经网络模型，得到训练后的神经网络模型，从而得到进气道内外结冰参数的关系；
步骤S200还包括，设定飞机状态，选定进气道流量系数
Figure 345394DEST_PATH_IMAGE001
：
当飞机为爬升状态，
Figure 996956DEST_PATH_IMAGE002
；
当飞机为俯冲状态，
Figure 370168DEST_PATH_IMAGE003
；
当飞机为平飞状态，
Figure 234219DEST_PATH_IMAGE004
；
步骤S300中，将进气道流量系数作为输入参数进行神经网络模型训练；
步骤S300中，神经网络模型的输入参数还包括所测得的环境参数所处在进气道内的位置信息。
2.如权利要求1所述的一种进气道内外结冰参数关系的测试方法，其特征在于，将所述一组环境参数测量装置设置在进气道的同一截面上。
3.如权利要求2所述的一种进气道内外结冰参数关系的测试方法，其特征在于，所述环境参数测量装置包括皮托管、温度传感器和云雾参数测量设备。
4.如权利要求3所述的一种进气道内外结冰参数关系的测试方法，其特征在于，在进气道沿程设置多组环境参数测量设备，从而得到在一个设定结冰试验条件下进气道内沿程的环境参数变化情况。
5.一种进气道内外结冰参数关系的测试系统，其特征在于，用于执行如权利要求1-4任一所述的一种进气道内外结冰参数关系的测试方法，包括进气道模型，至少一组环境参数测量装置，以及数据处理模块，所述至少一组环境参数测量装置设置在进气道模型内，将测量的信号传输到所述数据处理模块；所述数据处理模块建立神经网络，并采用采集到的数据进行模型训练，得到进气道内外结冰参数的关系。
6.如权利要求5所述的一种进气道内外结冰参数关系的测试系统，其特征在于，所述环境参数测量装置包括皮托管、温度传感器和云雾参数测量设备。
7.如权利要求6所述的一种进气道内外结冰参数关系的测试系统，其特征在于，在进气道沿程设置多组环境参数测量设备。
8.如权利要求5-7任一所述的一种进气道内外结冰参数关系的测试系统，其特征在于，用于根据设定结冰试验条件预测进气道内沿程的结冰参数变化。
CN202210668351.4A 2022-06-14 2022-06-14 一种进气道内外结冰参数关系的测试方法、系统 Active CN114757109B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210668351.4A CN114757109B (zh) 2022-06-14 2022-06-14 一种进气道内外结冰参数关系的测试方法、系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210668351.4A CN114757109B (zh) 2022-06-14 2022-06-14 一种进气道内外结冰参数关系的测试方法、系统

Publications (2)

Publication Number Publication Date
CN114757109A CN114757109A (zh) 2022-07-15
CN114757109B true CN114757109B (zh) 2022-08-23

Family

ID=82336168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210668351.4A Active CN114757109B (zh) 2022-06-14 2022-06-14 一种进气道内外结冰参数关系的测试方法、系统

Country Status (1)

Country Link
CN (1) CN114757109B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115311535B (zh) * 2022-09-29 2022-12-30 中国空气动力研究与发展中心低速空气动力研究所 一种结冰风洞云雾场参数获取方法和存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110702419A (zh) * 2019-10-11 2020-01-17 中国直升机设计研究所 一种发动机进气系统防冰符合性试验系统及方法
CN111291505A (zh) * 2020-05-08 2020-06-16 中国空气动力研究与发展中心低速空气动力研究所 一种基于深度置信网络的翼型结冰冰形预测方法及装置
CN111486034A (zh) * 2019-01-29 2020-08-04 长城汽车股份有限公司 发动机进气道和发动机
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
CN112446091A (zh) * 2020-11-19 2021-03-05 中国航天空气动力技术研究院 一种基于人工神经网络的脉动压力预测方法
CN113252291A (zh) * 2021-07-15 2021-08-13 中国空气动力研究与发展中心低速空气动力研究所 一种结冰风洞供气系统和方法
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
CN114154353A (zh) * 2022-02-07 2022-03-08 中国空气动力研究与发展中心低速空气动力研究所 一种光纤结冰探测传感器数据重构方法、系统及存储介质
CN114166460A (zh) * 2022-02-11 2022-03-11 中国空气动力研究与发展中心低速空气动力研究所 飞行器进气道试验装置、系统和热气防冰试验判稳方法
WO2022055629A1 (en) * 2020-08-26 2022-03-17 Northrop Grumman Systems Corporation Machine-learning-based predictive ice detection
CN114297807A (zh) * 2022-03-09 2022-04-08 中国空气动力研究与发展中心低速空气动力研究所 一种防冰系统笛形管结构参数优化方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107977526B (zh) * 2017-12-18 2019-02-26 哈尔滨工业大学（威海） 大涵道比民航发动机性能诊断方法及系统
CN114596315A (zh) * 2022-05-10 2022-06-07 中国民航大学 一种飞机地面检测积冰方法、装置、系统及计算机设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111486034A (zh) * 2019-01-29 2020-08-04 长城汽车股份有限公司 发动机进气道和发动机
CN110702419A (zh) * 2019-10-11 2020-01-17 中国直升机设计研究所 一种发动机进气系统防冰符合性试验系统及方法
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
CN111291505A (zh) * 2020-05-08 2020-06-16 中国空气动力研究与发展中心低速空气动力研究所 一种基于深度置信网络的翼型结冰冰形预测方法及装置
WO2022055629A1 (en) * 2020-08-26 2022-03-17 Northrop Grumman Systems Corporation Machine-learning-based predictive ice detection
CN112446091A (zh) * 2020-11-19 2021-03-05 中国航天空气动力技术研究院 一种基于人工神经网络的脉动压力预测方法
CN113252291A (zh) * 2021-07-15 2021-08-13 中国空气动力研究与发展中心低速空气动力研究所 一种结冰风洞供气系统和方法
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
CN114154353A (zh) * 2022-02-07 2022-03-08 中国空气动力研究与发展中心低速空气动力研究所 一种光纤结冰探测传感器数据重构方法、系统及存储介质
CN114166460A (zh) * 2022-02-11 2022-03-11 中国空气动力研究与发展中心低速空气动力研究所 飞行器进气道试验装置、系统和热气防冰试验判稳方法
CN114297807A (zh) * 2022-03-09 2022-04-08 中国空气动力研究与发展中心低速空气动力研究所 一种防冰系统笛形管结构参数优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Ｓ型进气道沿程结冰参数变化的数值模拟;胡娅萍等;《航空动力学报》;20131220;第29卷(第1期);23-30 *
基于BP神经网络的冰形特征参数预测;柴聪聪等;《实验流体力学》;20210615;第35卷(第3期);16-21 *
船用燃气轮机进气部件结冰影响规律研究;任永鹏;《万方数据》;20210422;1-98 *

Also Published As

Publication number Publication date
CN114757109A (zh) 2022-07-15

Similar Documents

Publication Publication Date Title
Kind et al. Experimental and computational simulation of in-flight icing phenomena
EP3845465B1 (en) Aerostat icing characteristic numerical simulation and experimental verification system
US11401044B2 (en) Method and assistance system for detecting a degradation of flight performance
CN106248139A (zh) 大气数据测量探头
CN114757109B (zh) 一种进气道内外结冰参数关系的测试方法、系统
CN108195510A (zh) 一种热膜式剪应力传感器的热风洞校准方法
CN114894423B (zh) 一种亚声速风洞可压缩流体声模态传播特性测量与分析方法
CN114117822B (zh) 一种基于管壁温度条件检测瞬态增压供水管道结冰厚度方法
Oswald et al. Uav icing: Experimental and numerical study of glaze ice performance penalties on an rg-15 airfoil
Beeler et al. Flight techniques for determining airplane drag at high Mach numbers
Weismüller A new approach to aerodynamic performance of aircraft under turbulent atmospheric conditions
Neves et al. Unsteady aerodynamics analysis and modelling of a Slingsby Firefly aircraft: Detached-Eddy Simulation model and flight test validation
CN106644361B (zh) 一种测量跨声速风洞试验段空间流场对称性的简易方法
CN103852101B (zh) 飞机空速系统迟滞时间测量装置
Juttula et al. Study of the aerodynamic sampling effects of a holographic cloud droplet instrument
Carter et al. Experimental Evaluation of Inlet Distortion on an Ejector Powered Hybrid Wing Body at Take-off and Landing Conditions
Twohy Model calculations and wind tunnel testing of an isokinetic shroud for high-speed sampling
CN111487031B (zh) 基于微型扇形探针实现三维流场气流角度实时监测的装置与方法
RU2701291C1 (ru) Способ исследования макета ламинаризированной поверхности
Strunin Estimation of Accuracy of Temperature and Wind Measurements in the AMDAR System Using the Yak-42D “Roshydromet” Research Aircraft Data
Hervy New SLD Icing Capabilities at DGA Aero-E ngine Testing
CN114754971B (zh) 一种无水遮蔽区高度测试方法和装置
CN114353708B (zh) 一种增压供水系统低流量供水工况管道结冰厚度检测方法
Bousquet Survey of engine integration testing in ONERA wind tunnels
Deck et al. In-flight measurements on the Influence of Freestream Turbulence on a NLF Airfoil

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