基于遗传算法优化神经网络的...冰环境中MVD和LWC预测_李扬.pdf

第 55 卷第 2 期2023 年 4 月Vol.55 No.2Apr.2023南 京 航 空 航 天 大 学 学 报Journal of Nanjing University of Aeronautics&Astronautics基于遗传算法优化神经网络的结冰环境中MVD和 LWC预测李扬，王逸斌，朱春玲，朱程香（南京航空航天大学航空学院，南京 210016）摘要：水滴平均体积直径（Mean volumetric diameter，MVD）和液态水含量（Liquid water content，LWC）是两个影响飞机结冰的重要气象参数，但在实际中难以准确测得，如果能够实时、准确地获取这两个参数可以为积冰预测和飞机适航认证标准的建立提供一些指导。文中提出了一种基于遗传算法优化神经网络的结冰气象参数预测模型。以不同测点组合的冰厚和结冰速率、环境温度、飞行速度和机翼迎角为输入参数，结冰气象参数MVD 和 LWC 为输出参数，构建遗传算法优化的结冰气象参数预测模型，并通过预测模型对数值计算测试组数据和结冰风洞实验数据的结冰气象参数进行预测。结果表明，基于遗传算法优化 Elman神经网络的预测模型对结冰气象参数的测试组预测相对误差在 10%以内，实验数据相对误差在 20%以内，该方法具有一定的可行性。关键词：机翼结冰；结冰气象参数；神经网络；预测；遗传算法中图分类号：V224.15 文献标志码：A 文章编号：10052615（2023）02028209Prediction of MVD and LWC in Icing Environment Based on Genetic-Algorithm-Optimized Neural NetworkLI Yang，WANG Yibin，ZHU Chunling，ZHU Chengxiang（College of Aerospace Engineering，Nanjing University of Aeronautics&Astronautics，Nanjing 210016，China）Abstract:The mean volumetric diameter（MVD）and liquid water content（LWC）are two important parameters that affect aircraft icing，but they are difficult to be measured accurately in practice.If these two parameters can be accurately obtained in real time，they can provide some guidance for icing prediction and the establishment of aircraft airworthiness certification standards.In this paper，a prediction model of icing meteorological parameters based on the geneticalgorithmoptimized neural network is proposed.We use the ice thickness and icing rate of different combinations of measuring points，ambient temperature，flight speed and wing angle of attack as input parameters，and the icing meteorological parameters MVD and LWC as output parameters，and develop a prediction model of icing meteorological parameters optimized by the genetic algorithm，This model predicts the icing meteorological parameters of the numerical calculation test group data and the icing wind tunnel experiment data.The results show that the relative error of the prediction model for numerical calculation of icing meteorological parameters of the test group is within 10%，and the relative error of the experiment data is within 20%.This method is feasible.Key words:wing icing；icing meteorological parameters；neural network；prediction；genetic algorithmDOI：10.16356/j.10052615.2023.02.014基金项目：国家自然科学基金重点项目（11832012）。收稿日期：20220723；修订日期：20221108通信作者：王逸斌，男，副教授，E-mail：。引用格式：李扬，王逸斌，朱春玲，等.基于遗传算法优化神经网络的结冰环境中 MVD 和 LWC 预测 J.南京航空航天大学学报，2023，55（2）：282290.LI Yang，WANG Yibin，ZHU Chunling，et al.Prediction of MVD and LWC in icing environment based on genetic algorithm optimized neural network J.Journal of Nanjing University of Aeronautics&Astronautics，2023，55（2）：282290.第 2 期李扬，等：基于遗传算法优化神经网络的结冰环境中 MVD和 LWC预测当飞机遇到结冰天气环境时，云层中的小水滴在飞机表面发生撞击并凝结，会使机翼、飞机尾翼、机身和进气系统等核心部件表面结冰1。结冰不仅增加了整体机身质量，并且改变了飞机四周的流场，对飞机的气动性能造成影响，威胁着航行的安全2。影响飞机表面结冰速率、结冰量以及结冰外形的气象条件主要是云层中的液态水含量（Liquid water content，LWC）、水滴平均有效直径（Mean volumetric diameter，MVD）和空气温度T 这 3大气象条件参数，其中温度这一参数比较容易测得，而 LWC 和 MVD 在实际云层难以获得准确数值3。随着人工神经网络的出现和发展，人工神经网络具有很强的学习决策能力和线性变化拟合能力，因 此 被 广 泛 应 用 于 飞 机 结 冰 预 测 领 域4。Schuchard 等5研究了一种基于神经网络的结冰检测系统，该系统可以用来检测和分类飞机结冰，通过双水獭飞机 DH6进行结冰实验，证实该系统可以检测结冰的存在并对其严重程度进行分类。Ogretim 等6利用神经网络对翼型结冰进行预测研究，在 NASA 试验数据和 LEWICE 仿真数据的基础上，利用反向传播神经网络（Back propagation neural network，BPNN）和广义回归神经网络（Generalized regression neural network，GRNN）进行霜冰和明冰的预测。柴聪聪等7以 BPNN 为预测建模，以主要结冰气象条件、结冰时长、温度和速度等其他工况条件参数为输入，预测二维翼型的结冰冰形，并通过仿真算例的预测对比分析证明模型预测方法的可行性。从现有的国内外专家学者的研究来看，往往是采用正向的结冰预测或者结冰后对飞机飞行性能的影响进行预测，目前对于通过飞机结冰的相关参数对结冰气象参数进行反演预测的研究很少8。对结冰环境中气象参数 MVD 和 LWC 进行准确、实时的测量，可及时获取飞行过程中飞机穿过云层的结冰气象参数，同时根据结冰气象参数进行正向的飞机积冰预测。当积冰预测达到预警时，可提前有计划地开启飞机除冰系统或者对飞机飞行路径进行规划尽快驶出积冰问题严重的区域。目前对于云雾中过冷水滴含量、体积大小等的测量主要通过飞机搭载云粒子谱仪、热线含水仪等设备，这些机载设配往往需要进口且价格高昂，无法普及9。因此探求其他测量结冰气象参数的方法，可为云雾中结冰气象参数的测量提供新的解决思路。从国内外研究现状来看，结冰传感器的发展到如今已经比较成熟，已经研发出许多类型的结冰传感器，如：光学法结冰传感器、机械法结冰传感器、波导法结冰传感器等10。经过对结冰传感器 50多年的研究，随着这项技术的成熟，已有研发产品出现在工程应用上测量结冰冰厚11。综上所述，本文提出了一种通过结冰冰厚来反演预测结冰气象参数的方法，基于遗传算法优化Elman 神 经 网 络（Genetic algorithm optimized_Elman，GA_Elman），根据模型预测的误差对比选择一组性能最佳的数值计算冰厚组合，构建结冰气象参数预测模型，最后通过对数值计算测试组数据和试验数据的结冰气象参数预测误差对比，证明预测方法的可行性。1 遗 传 算 法 优 化 神 经 网 络 模 型 的建立1.1二维结冰数值计算及样本数据的采集采用二维 NACA0012 翼型，通过求解泊松方程生成网格，再通过 NavierStokes 方程组计算流场参数，计算水滴在机翼部件表面的运动和撞击特性。最后，基于 Messinger模型，得到了二维翼型的结冰形状12。为验证计算的可靠性，图 1显示了数值计算方法与结冰风洞实验和 LEWICE 飞机结冰软 件 的 结 冰 外 形 对 比。结 冰 工 况 设 置 为 速 度67.04 m/s，迎角 4，压力 101 325 Pa，MVD20 m，LWC1 g/m3，结冰总时长 360 s。根据结冰冰形的比较，数值计算的误差在合理的范围内。保证飞机能够正常飞行的自然结冰天气条件，图 1 计算冰形对比图Fig.1 Simulation ice shape comparison283第 55 卷南 京 航 空 航 天 大 学 学 报分为连续最大结冰状态和间断最大结冰状态两种。本文有关数值计算只取用间断最大结冰状态，MVD、LWC 和 T 之间的关系如图 2 所示，结合间断最大结冰状态曲线，可根据温度与 MVD 插值计算出相应的 LWC。基于以上数值计算方法，工况设置范围如表 1，共计算了 65组明冰工况、65组霜冰工况和 35组混合冰工况，共 1 320 组数据用于训练，另外又单独计算了 9 组明冰工况、9 组霜冰工况和 5 组混合冰工况，共 184组数据作为测试组数据。冰厚数据对于预测精度至关重要，在对冰厚数据进行采集时，为探究测点位置的分布对气象参数预测精度的影响，在二维翼型的前缘选择了 5个测点位置，测点位置如图 3 所示，分别为翼型上翼面沿弦长 1%处、翼型上翼面沿弦长 0.5%、翼型前缘驻点、翼型下翼面沿弦长 0.5%处和翼型下翼面沿弦长 1%处。为避免在实际中测点位置分布过于密集，传感器之间相互干扰的影响而造成测量精度的降低，故只采用 3个测点的冰厚数据组合进行建模。将这 5个测点位置采集的冰厚数据进行了组合分组，图 3中，测点 1、3、4为第 1组，测量点 1、3、5为第 2组，测量点 2、3、4为第 3组，测点 2、3、5为第 4组。探究对于结冰气象参数预测精度最优的一组冰厚组合。1.2神经网络预测模型对不同冰厚组合的精度评估神经网络可以分为两种基本类型：根据运行过程中的信息流进行