CN114877837B - 一种基于远场声压级变化的结冰厚度测量方法及系统 - Google Patents

一种基于远场声压级变化的结冰厚度测量方法及系统 Download PDF

Info

Publication number
CN114877837B
CN114877837B CN202210807810.2A CN202210807810A CN114877837B CN 114877837 B CN114877837 B CN 114877837B CN 202210807810 A CN202210807810 A CN 202210807810A CN 114877837 B CN114877837 B CN 114877837B
Authority
CN
China
Prior art keywords
sound pressure
pressure level
icing
incoming flow
measured
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
CN202210807810.2A
Other languages
English (en)
Other versions
CN114877837A (zh
Inventor
肖春华
车兵辉
马帅
张逊
岳廷瑞
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 CN202210807810.2A priority Critical patent/CN114877837B/zh
Publication of CN114877837A publication Critical patent/CN114877837A/zh
Application granted granted Critical
Publication of CN114877837B publication Critical patent/CN114877837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
    • G01B17/02—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations for measuring thickness
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • 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
    • 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)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明适用于结冰探测技术领域，提供了一种基于远场声压级变化的结冰厚度测量方法及系统，在待测物面周围布置环形麦克风阵列，用于测量待测物面周围的远场噪声；开启试验，获取来流速度和来流攻角，以及结冰前后环形麦克风阵列采集到的声压；根据结冰前后环形麦克风阵列采集到的声压计算平均总声压级变化；将来流速度、来流攻角和平均总声压级变化带入经过训练的神经网络模型，得到待测物面的结冰厚度。采用本发明的方法，相对于现有技术，所测量的参数容易获得，方法简单方便快捷，并且经过试验验证，测量的结冰厚度精度较高。

Description

一种基于远场声压级变化的结冰厚度测量方法及系统
技术领域
本发明涉及结冰探测技术领域，尤其是涉及一种基于远场声压级变化的结冰厚度测量方法及系统。
背景技术
当飞机在有结冰气象条件的大气云层中飞行时，通常会遇到结冰现象，尤其是机翼和尾翼前缘表面。结冰通常会改变气动表面形状，从而导致机翼和尾翼等关键部件气动性能和稳定性的下降，严重影响了飞行安全。由于飞行安全的重要性，结冰的相关研究可以追溯到20世纪20年代，至今已有百年历史，并且已经成为当今非常重要的研究领域。
通过风洞试验来研究飞行器模型表面的结冰情况，是结冰研究的重要途径，现有的飞行器模型表面的结冰厚度测量大多集中在实验结束后的静态测量，或者通过结冰云雾参数来推导计算。静态测量的方式需要破坏结冰冰层，测量精度比较低，而通过结冰云雾参数来推导计算的方法中，由于结冰云雾参数多且获取不易，给结冰厚度的计算带来一定的困难，测量误差很大。
发明内容
为了解决现有技术的不足，本发明提供一种基于远场声压级变化的结冰厚度测量方法及系统，基于待测物面上结冰厚度对远场噪声的影响，反向通过远场噪声的变化来推导待测物面上的结冰厚度，以此来完成待测物面的结冰厚度。
一种基于远场声压级变化的结冰厚度测量方法，其特征在于：
S10. 在所述待测物面周围布置环形麦克风阵列，用于测量待测物面周围的远场噪声；
S20. 开启试验，获取来流速度U和来流攻角α，以及结冰前后环形麦克风阵列采集到的声压；
S30. 根据结冰前后环形麦克风阵列采集到的声压计算平均总声压级变化Δ OASPL；
S40. 将来流速度U、来流攻角α和平均总声压级变化ΔOASPL带入经过训练的神经网络模型，得到待测物面的最大结冰厚度h。
进一步地，所述的环形麦克风阵列中，N个麦克风均匀布置，并且阵列的中心与待测物面的驻点重合。
进一步地，所述的神经网络模型为以平均总声压级变化ΔOASPL、来流速度U和来流攻角α为输入值，以最大结冰厚度h为输出值的预测模型。
进一步地，所述预测模型为：
Figure 616925DEST_PATH_IMAGE001
；
其中，Y为输出值，X为输入值，W 1 是输入层至隐层的连接权值，W 2 是隐层至输出层连接权值，B 1 是隐层阈值，B 2 是输出层阈值，tansig是激活函数：
Figure 20224DEST_PATH_IMAGE002
，
x k 是神经网络模型中的第k个输入，w j 是前一层节点到该层节点j间的权值，S j 为中间变量；
通过带入试验测得的多组最大结冰厚度h与平均总声压级变化ΔOASPL、来流速度U和来流攻角α的值对预测模型进行训练，计算出W 1 ，W 2 ，B 1 和B 2 ，即得到用于所述步骤S40的经过训练的神经网络模型。
进一步地，步骤S30中，环形麦克风阵列采集到的声压计算总声压级变化ΔOASPL通过下述方法计算：
Figure 59593DEST_PATH_IMAGE003
其中，Ei为第i个麦克风在指定频率范围内的能量，
Figure 407398DEST_PATH_IMAGE004
为第i个麦克风的远场声压P经快速傅里叶变换后的压力谱密度，f是噪音频率，f max 和f min 分别为指定频率范围内的最大频率和最小频率；
Figure 878831DEST_PATH_IMAGE005
，
OASPL i 为第i个麦克风所在位置噪声的总声压级，P 0 为参考声压；
Figure 949686DEST_PATH_IMAGE006
，
ΔOASPL i 为第i个麦克风所在位置噪声的总声压级变化，
Figure 973006DEST_PATH_IMAGE007
为无冰状态下第i个麦克风所在位置噪声的总声压级；
Figure 949052DEST_PATH_IMAGE008
，
Figure 66918DEST_PATH_IMAGE009
为平均总声压级变化，N是环形麦克风阵列的总的麦克风数量。
进一步地，所述指定频率范围根据结冰能对噪声产生影响的频率范围来确定。
一种基于远场声压级变化的结冰厚度测量系统，其特征在于，用于执行如前所述的一种基于远场声压级变化的结冰厚度测量方法，包括麦克风阵列以及信号处理模块；
所述麦克风阵列环形布置在待测物周围；
所述信号处理模块接收所述麦克风阵列采集到的声压；并获取来流速度U和来流攻角α，根据步骤S30和S40计算待测物面的最大结冰厚度。
采用本发明的一种基于远场声压级变化的结冰厚度测量方法及系统，相对于现有技术，至少具有以下有益效果：
1. 本发明通过前期试验，建立并训练好神经网络预测模型后，在后续实验中，只需要检测试验过程中的来流速度和攻角，采集并计算声压级变化，将这三个参数带入到训练好的神经网络模型中，即可得到结冰厚度，相对于现有技术的直接测量冰厚显然更加简单方便，相对于通过云雾参数来预测结冰厚度的方法（云雾参数的准确测量很难），所需测量和输入参数获得更加容易，使得采用本发明的方法获得的结冰厚度值更加的接近于真实值；该方法经过试验验证，其预测结果的精确度很高；
2. 本发明不仅适用于飞行器模型表面的结冰厚度测量，也适用于发动机叶片或静子的结冰厚度。因为发动机里面很难用传感器探测到结冰，靠声压的变化可以快速探测到发动机里面叶片或静子是否结冰。
附图说明
为了更清楚地说明本发明实施例的技术方案，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是本发明实施例的一种基于远场声压级变化的结冰厚度测量方法的流程图；
图2是本发明实施例的环形麦克风阵列的安装示意图。
具体实施方式
以下的说明提供了许多不同的实施例、或是例子，用来实施本发明的不同特征。以下特定例子所描述的元件和排列方式，仅用来精简的表达本发明，其仅作为例子，而并非用以限制本发明。
现有技术中，对结冰厚度的研究大多集中在结冰云雾参数对结冰厚度的影响上，实际上，气动表面形状的变化也会改变气动噪声性能。遗憾的是，目前关于结冰对飞机气动噪声影响的研究很少。众所周知，发动机、风机或空调叶片被灰尘污染后，噪声将变大，这类似于冰的积聚，本质上，噪声的增加是由于污染导致的叶片或流道型线的变化。除了形状变化，表面粗糙度也会改变流体部件的表面轮廓或特征，也将影响流致噪声的形成和发展。
申请人在经过大量对于结冰对噪声的影响研究后，发现结冰厚度与噪声和试验条件存在一定的规律，并基于此，通过逆向思维，提出了可以利用这些关系来反推结冰厚度，作为飞机、风力机、发动机等辅助结冰检测系统，可以提高结冰检测的准确性和可靠性，保证飞机和风力机的安全。
值得说明的是，本发明所述的待测物面可以是飞行器翼面、发动机、风力机等任何易结冰的表面。
本实施例中以测量飞行器模型翼型表面的结冰厚度为例，一种基于远场声压级变化的结冰厚度测量方法，如图1所示，包括以下步骤：
S10. 在所述飞行器模型翼型周围布置环形麦克风阵列，用于测量飞行器模型翼型周围的远场噪声；
环形麦克风阵列的布置如图2所示，N个麦克风均匀布置，并且阵列的中心与翼型的驻点重合；
值得说明的是，环形麦克风阵列的半径可以根据试验的实际情况来选择，大型试验中，半径取值较大，小型实验中，半径取值较小，在本发明中对该半径值不做具体限定。
S20. 开启试验，获取来流速度U和来流攻角α，以及结冰前后环形麦克风阵列采集到的声压；
可以理解的是，环形麦克风阵列中的每一个麦克风均采集声压值；
S30. 根据结冰前后环形麦克风阵列采集到的声压计算总声压级变化ΔOASPL：
Figure 772706DEST_PATH_IMAGE003
其中，Ei为第i个麦克风在指定频率范围内的能量，
Figure 655343DEST_PATH_IMAGE004
为第i个麦克风的远场声压P经快速傅里叶变换后的压力谱密度，f是噪音频率，f max 和f min 分别为指定频率范围内的最大频率和最小频率；其中，指定频率范围根据结冰能对噪声产生影响的频率范围来确定，也就是说，根据试验或者根据经验分析，结冰对远场噪声的影响较大的频率范围选定为指定频率范围。
本发明中，选择将指定频率范围的声压进行积分以获得总声压，可以减少计算量，提高计算的效率。
Figure 118685DEST_PATH_IMAGE005
，
OASPL i 为第i个麦克风所在位置噪声的总声压级，P 0 为参考声压；
Figure 790975DEST_PATH_IMAGE006
，
ΔOASPL i 为第i个麦克风所在位置噪声的总声压级变化，
Figure 334958DEST_PATH_IMAGE007
为无冰状态下第i个麦克风所在位置噪声的总声压级；
Figure 575446DEST_PATH_IMAGE008
，
Figure 385139DEST_PATH_IMAGE009
为平均总声压级变化，N是环形麦克风阵列的总的麦克风数量。
S40. 将来流速度U、来流攻角α和平均总声压级变化ΔOASPL带入经过训练的神经网络模型，得到飞行器模型翼型表面的最大结冰厚度h。
本发明中，需要提前建立神经网络模型并采用大量的试验数据对其进行训练，得到经过训练的神经网络预测模型。该神经网络模型是以平均总声压级变化ΔOASPL、来流速度U和来流攻角α为输入值，以最大结冰厚度h为输出值的预测模型。
本发明设定预测模型为：
Figure 815114DEST_PATH_IMAGE010
其中，Y为输出值，X为输入值，W 1 是输入层至隐层的连接权值，W 2 是隐层至输出层连接权值，B 1 是隐层阈值，B 2 是输出层阈值，tansig是激活函数：
Figure 636440DEST_PATH_IMAGE012
x k 是神经网络模型中的第k个输入，本发明中，k取值为3，w j 是前一层节点到该层节点j间的权值，S j 为中间变量；
本领域技术人员可以理解，虽然本发明选用了三个参数来训练与远场声压级变化值的关系，实际上，可以选择更多的与结冰相关的参数作为输入值来训练，可以得到更精确的预测结果。
通过带入试验测得的多组最大结冰厚度h与平均总声压级变化ΔOASPL、来流速度U和来流攻角α的值对预测模型进行训练，计算出W 1 ，W 2 ，B 1 和B 2 ，即得到用于所述步骤S40的经过训练的神经网络模型。值得说明的是，本发明进行神经网络训练用的最大结冰厚度h为实测中多次测得的结冰厚度中的最大值。
本发明还提供基于远场声压级变化的结冰厚度测量系统，用于执行如前所述的一种基于远场声压级变化的结冰厚度测量方法，包括麦克风阵列以及信号处理模块；所述麦克风阵列环形布置在待测物周围；所述信号处理模块接收所述麦克风阵列采集到的声压；并获取来流速度U和来流攻角α，根据步骤S30和S40计算待测物面的最大结冰厚度。
本发明采用16个麦克风的环形麦克风阵列测量翼型的远场噪声，捕获远场功率谱密度和指向性信号。环形麦克风阵列中心在翼型前缘驻点，相邻麦克风间隔为5°，圆弧半径1.2m，定义麦克风和阵列中心连线与来流方向的夹角为
Figure 438043DEST_PATH_IMAGE013
，第一个麦克风的夹角
Figure 939561DEST_PATH_IMAGE014
是50°，最后一个麦克风的夹角
Figure 829019DEST_PATH_IMAGE015
是125°。
本实施例中，将多次试验的数据代入神经网络预测模型中，将均方差作为训练目标，取均方差为10-10，通过对模型进行了18次训练，均方差收敛，得到W1、W2、B1、B2如下：
Figure 160644DEST_PATH_IMAGE016
，
Figure 821563DEST_PATH_IMAGE017
，
Figure 215635DEST_PATH_IMAGE018
，
Figure 298998DEST_PATH_IMAGE019
，
将以上值代入神经网络预测模型，得到经过训练的神经网络模型，用于之后的结冰厚度计算。
根据本发明所述的一种基于远场声压级变化的结冰厚度测量方法，对于飞行器模型翼型表面结冰厚度进行预测，并将该预测值与通过线性回归和非线性回归误差进行对比，如下表所示。
表1 三种预测模型预测值与实际值的相对误差
Figure DEST_PATH_IMAGE020
值得说明的是，申请人也将结冰厚度与来流速度U、来流攻角α和平均总声压级变化ΔOASPL进行了线性拟合和非线性拟合，表中的误差是指预测值与实际值之比，其中，实际的结冰厚度值采用接触测量（热刀切割描绘轮廓）的方法进行测量。
其结果显示，线性回归、非线性回归模型的最大相对误差分别超过了62%、-75%，而神经网络模型的最大相对误差只有-0.02%，计算表明，采用本申请的神经网络预测模型的准确性和可靠性很高，比线性回归、非线性回归模型的拟合精度提高了至少三个数量级，非常适合用于反推计算结冰厚度。
以上所述仅为本发明的较佳实施例而已，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 (5)

1.一种基于远场声压级变化的结冰厚度测量方法，其特征在于：
S10. 在待测物面周围布置环形麦克风阵列，用于测量待测物面周围的远场噪声；
S20. 开启试验，获取来流速度U和来流攻角α，以及结冰前后环形麦克风阵列采集到的声压；
S30. 根据结冰前后环形麦克风阵列采集到的声压计算平均总声压级变化ΔOASPL；
S40. 将来流速度U、来流攻角α和平均总声压级变化ΔOASPL带入经过训练的神经网络模型，得到待测物面的最大结冰厚度h；
所述的神经网络模型为以平均总声压级变化ΔOASPL、来流速度U和来流攻角α为输入值，以最大结冰厚度h为输出值的预测模型；
所述预测模型为：
Figure DEST_PATH_IMAGE001
；
其中，Y为输出值，X为输入值，W 1 是输入层至隐层的连接权值，W 2 是隐层至输出层连接权值，B 1 是隐层阈值，B 2 是输出层阈值，tansig是激活函数：
Figure DEST_PATH_IMAGE003
，
x k 是神经网络模型中的第k个输入，w j 是前一层节点到该层节点j间的权值，S j 为中间变量；
通过带入试验测得的多组最大结冰厚度h与平均总声压级变化ΔOASPL、来流速度U和来流攻角α的值对预测模型进行训练，计算出W 1 ，W 2 ，B 1 和B 2 ，即得到用于所述步骤S40的经过训练的神经网络模型。
2.根据权利要求1所述的一种基于远场声压级变化的结冰厚度测量方法，其特征在于，所述的环形麦克风阵列中，N个麦克风均匀布置，并且阵列的中心与待测物面的驻点重合。
3.根据权利要求1所述的一种基于远场声压级变化的结冰厚度测量方法，其特征在于，步骤S30中，环形麦克风阵列采集到的声压计算平均总声压级变化ΔOASPL通过下述方法计算：
Figure DEST_PATH_IMAGE004
其中，Ei为第i个麦克风在指定频率范围内的能量，
Figure DEST_PATH_IMAGE005
为第i个麦克风的远场声压P经快速傅里叶变换后的压力谱密度，f是噪音频率，f max 和f min 分别为指定频率范围内的最大频率和最小频率；
Figure DEST_PATH_IMAGE006
，
OASPL i 为第i个麦克风所在位置噪声的总声压级，P 0 为参考声压；
Figure DEST_PATH_IMAGE007
，
ΔOASPL i 为第i个麦克风所在位置噪声的总声压级变化，
Figure DEST_PATH_IMAGE008
为无冰状态下第i个麦克风所在位置噪声的总声压级；
Figure DEST_PATH_IMAGE009
，
Figure DEST_PATH_IMAGE010
为平均总声压级变化，N是环形麦克风阵列的总的麦克风数量。
4.根据权利要求3所述的一种基于远场声压级变化的结冰厚度测量方法，其特征在于，所述指定频率范围根据结冰能对噪声产生影响的频率范围来确定。
5.一种基于远场声压级变化的结冰厚度测量系统，其特征在于，用于执行如权利要求1-4任一所述的一种基于远场声压级变化的结冰厚度测量方法，包括麦克风阵列以及信号处理模块；所述麦克风阵列环形布置在待测物周围；
所述信号处理模块接收所述麦克风阵列采集到的声压；并获取来流速度U和来流攻角α，根据步骤S30和S40计算待测物面的最大结冰厚度。
CN202210807810.2A 2022-07-11 2022-07-11 一种基于远场声压级变化的结冰厚度测量方法及系统 Active CN114877837B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210807810.2A CN114877837B (zh) 2022-07-11 2022-07-11 一种基于远场声压级变化的结冰厚度测量方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210807810.2A CN114877837B (zh) 2022-07-11 2022-07-11 一种基于远场声压级变化的结冰厚度测量方法及系统

Publications (2)

Publication Number Publication Date
CN114877837A CN114877837A (zh) 2022-08-09
CN114877837B true CN114877837B (zh) 2022-09-09

Family

ID=82683406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210807810.2A Active CN114877837B (zh) 2022-07-11 2022-07-11 一种基于远场声压级变化的结冰厚度测量方法及系统

Country Status (1)

Country Link
CN (1) CN114877837B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115649455B (zh) * 2022-12-07 2023-03-28 中国空气动力研究与发展中心低速空气动力研究所 一种基于电热除冰信号判别结冰的方法及装置

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0083962A2 (en) * 1982-01-05 1983-07-20 MIAMI R & D LIMITED PARTNERSHIP Microwave ice accretion meter
JPH0763544A (ja) * 1993-08-31 1995-03-10 Tokimec Inc 氷厚計測装置
DE102008044738A1 (de) * 2008-08-28 2010-03-04 Eads Deutschland Gmbh Sensoranordnung und Detektionsverfahren zur Messung einer Eisschicht
CN202557799U (zh) * 2011-12-27 2012-11-28 东南大学 飞机翼型超声波辅助热气联合防冰除冰装置
CN103459947A (zh) * 2011-02-09 2013-12-18 控制产品股份有限公司 用于冰检测的系统、设备及方法
CN104318347A (zh) * 2014-09-30 2015-01-28 上海电力学院 一种基于多传感器信息融合的输电线路覆冰状态评估方法
CN105241401A (zh) * 2015-09-26 2016-01-13 哈尔滨工程大学 一种冰层厚度的声学测量方法
CN105910559A (zh) * 2016-06-13 2016-08-31 南京航空航天大学 一种利用Lamb波探测旋翼结冰冰层厚度的方法
EP3211354A2 (en) * 2016-02-26 2017-08-30 Hefei Midea Refrigerator Co., Ltd. Refrigerator
CN109470186A (zh) * 2018-10-18 2019-03-15 哈尔滨工程大学 一种冰层测厚仪
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
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
CN112197721A (zh) * 2020-12-07 2021-01-08 中国空气动力研究与发展中心低速空气动力研究所 一种水膜厚度测量方法
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
CN114295665A (zh) * 2021-12-10 2022-04-08 西安交通大学 一种水滴结冰可视化实验装置及其应用

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10099791B2 (en) * 2015-07-28 2018-10-16 Fbs, Inc. Magnetostrictive multi-frequency guided wave ice sensing probe

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0083962A2 (en) * 1982-01-05 1983-07-20 MIAMI R & D LIMITED PARTNERSHIP Microwave ice accretion meter
JPH0763544A (ja) * 1993-08-31 1995-03-10 Tokimec Inc 氷厚計測装置
DE102008044738A1 (de) * 2008-08-28 2010-03-04 Eads Deutschland Gmbh Sensoranordnung und Detektionsverfahren zur Messung einer Eisschicht
CN103459947A (zh) * 2011-02-09 2013-12-18 控制产品股份有限公司 用于冰检测的系统、设备及方法
CN202557799U (zh) * 2011-12-27 2012-11-28 东南大学 飞机翼型超声波辅助热气联合防冰除冰装置
CN104318347A (zh) * 2014-09-30 2015-01-28 上海电力学院 一种基于多传感器信息融合的输电线路覆冰状态评估方法
CN105241401A (zh) * 2015-09-26 2016-01-13 哈尔滨工程大学 一种冰层厚度的声学测量方法
EP3211354A2 (en) * 2016-02-26 2017-08-30 Hefei Midea Refrigerator Co., Ltd. Refrigerator
CN105910559A (zh) * 2016-06-13 2016-08-31 南京航空航天大学 一种利用Lamb波探测旋翼结冰冰层厚度的方法
CN109470186A (zh) * 2018-10-18 2019-03-15 哈尔滨工程大学 一种冰层测厚仪
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
CN112197721A (zh) * 2020-12-07 2021-01-08 中国空气动力研究与发展中心低速空气动力研究所 一种水膜厚度测量方法
CN114295665A (zh) * 2021-12-10 2022-04-08 西安交通大学 一种水滴结冰可视化实验装置及其应用
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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Albedo of Coastal Landfast Sea Ice in Prydz Bay, Antarctica:Observations and Parameterization;Qinghua YANG等;《Advances in Atmospheric Sciences》;20160510(第05期);全文 *
冰-海界面声学监测系统的设计与应用;崔凯彪;《中国优秀硕士学位论文全文数据库》;20200501;全文 *
前缘带光滑霜冰的NACA0012翼型表面声学特性计算;肖春华等;《空气动力学学报》;20191215(第06期);全文 *

Also Published As

Publication number Publication date
CN114877837A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
Ganz et al. Boeing 18-inch fan rig broadband noise test
CN102928232B (zh) 一种航空发动机整机性能衰退趋势预测方法
US9429481B2 (en) Apparatus and method for measuring total air temperature within an airflow
CN114088332B (zh) 一种用于旋转叶片声音信号提取的风洞背景噪声修正方法
CN114877837B (zh) 一种基于远场声压级变化的结冰厚度测量方法及系统
US8105015B2 (en) Method for determining the total pressure distribution across a fan entry plane
Lind et al. Unsteady airloads on static airfoils through high angles of attack and in reverse flow
Soto-Valle et al. Determination of the angle of attack on a research wind turbine rotor blade using surface pressure measurements
CN111780949B (zh) 基于cfd分析的高速进气道前体风洞实验总压修正方法
Morton et al. Rotor inflow noise caused by a boundary layer: inflow measurements and noise predictions
Pickett Prediction of the spectral content of combination tone noise
Hickling et al. Turbulence Ingestion into a Rotor at the Rear of an Axisymmetric Body
Hutcheson et al. Measurement of the noise resulting from the interaction of turbulence with a lifting surface
Walker et al. Periodic transition on an axial compressor stator: Incidence and clocking effects: Part I—Experimental data
Im et al. Effect of leading edge roughness and Reynolds number on compressor profile loss
Kalyani et al. Flow-field and noise characterization of a controlled-diffusion airfoil
McAllister et al. The advanced noise control fan baseline measurements
Roelke et al. The effect of rotor blade thickness and surface finish on the performance of a small axial flow turbine
Asghar et al. Investigation of a passive flow control device in an s-duct inlet of a propulsion system with high subsonic flow
Sohoni et al. Prediction and measurement of unsteady blade surface pressures on an open rotor
Knobbe-Eschen et al. Numerical and experimental investigations of wind-turbine blade aerodynamics in the presence of ice accretion
Li et al. Experimental and numerical investigations on rotor noise in axial descending flight
Marn et al. Acoustic Comparison of Different Turbine Exit Guide Vane Designs Part 2: Experimental Analysis
Mugridge Axial flow fan noise caused by inlet flow distortion
Brown et al. Propeller noise at low tip speeds

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