一种结冰信息检测方法

1.一种结冰信息检测方法，其特征在于，包括：
设置一个与路面(1)为一体的配合目标体(2)，通过检测配合目标体(2)的温度值来判断当前环境是否满足结冰的条件，其中配合目标体(2)为设置在路面(1)中的空心结构，其顶面为与路面(1)平齐的表层透明体(3)；
当满足结冰条件时，通过作用于检测表层透明体(3)的电阻检测电路(4)的输出电压来判断当前是否有冰的存在，并根据电压大小判断冰的厚度信息；
当有冰存在的时，通过从配合目标体(2)底部向顶部发出光信号并检测返回的反射光信号，根据光强的变化来判断结冰冰厚以及冰型原始信息；
其特征在于，将检测到的温度值、电阻值和光强值作为BP神经网络的三个输入层，通过隐含层以及隐含层激励函数选择得出冰厚，其中，所述三个输入层组成3*1的输入矩阵X0，所述隐含层为9个，隐含层与输入层之间的权值为9*3矩阵W1，通过与输入层相乘，得出输入层与权值加权和A0＝W1X0，通过隐含层激励函数tansig()，将输入层与权值加权和A0与隐含层阈值9*1矩阵b1的和作为隐含层函数的输入值，得出隐含层输出矩阵X1＝tansig(A0+b1)；
隐含层与输出层之间的权值为1*9矩阵W2，通过与隐含层输出矩阵X1相乘，得出输出层上加权和A1＝W2X1；由输出层上加权和A1与输出层阈值b2的和作为隐含层函数的输入，得出输出层的输出y＝tansig(A1+b2)。
2.根据权利要求1所述的结冰信息检测方法，其特征在于，所述表层透明体(3)采用抗压透明材料。
3.根据权利要求1所述的结冰信息检测方法，其特征在于，所述电阻检测电路(4)的结构为电阻分压式结构。
4.根据权利要求1所述的结冰信息检测方法，其特征在于，所述配合目标体(2)底部设置有发光电路(5)和光接收电路(6)，发光电路(5)连接光发射光纤(7)向上发出光信号，光接收电路(6)连接光接收光纤(8)接收从表层透明体(3)返回的光信号。
5.根据权利要求1所述的结冰信息检测方法，其特征在于，通过实验样本进行网络训练，通过输入新数据得出BP神经网络的结果；最终由输出层输出，通过描述时间与温度之间的关系曲线，得出冰型。

一种结冰信息检测方法\n技术领域\n[0001] 本发明涉及结冰过程检测，特别涉及一种结冰信息检测方法。\n背景技术\n[0002] 通常路面结冰的类型可分为霜冰、明冰和混合冰，不同冰对道路出行安全的危害及道路防冰、除冰的要求都是不同的。道路结冰主要是由于路面积水或下雪且温度低形成的，现阶段仅靠驾驶员观察判别冰型很容易导致交通事故的发生。目前，对于结冰的探测主要应用在飞机上，并且用于结冰探测的结冰传感器很多都没有识别冰型的能力，如电导率式、压差式、放射线式和压电膜片式结冰传感器。另外有很少的结冰传感器能识别冰型，如专利号为WO 2004/110865 A1的国际专利“ICE DETECTION APPARATUS AND METHOD”，虽然具有对飞行器结冰的3种典型冰型的识别能力，但其识别的可靠性偏低。究其原因，它的冰型识别能力只是通过简单的信号处理电路实现的，不仅没有从源头上解决传感器探头识别冰型能力弱的问题，而且信号处理过于简单。\n[0003] 现阶段结冰的检测主要集中在飞机上，在道路上的结冰检测研究相对较少。国外对道路结冰的检测主要是依靠图像采集来对道路上覆盖的冰进行检测，同时国外还研制出多种结冰传感器，例如电容式结冰传感器、磁致伸缩式结冰传感器、压差式结冰传感器，但都因相关技术不成熟，只有少数用到了实际中。国内对结冰的探测主要集中在飞机机翼上，例如华中科技大学的叶林等教授研制的基于压电效应的平模结冰传感器已经安装于运八机上，并取得了显著的成绩。同时还有少数高校在结冰检测原理方面有所研究，例如太原理工大学、陕西科技大学电信学院。但是，国内对结冰冰型的检测并没有很多研究，有的只是对结冰的有无进行简单的判断。\n[0004] 神经网络经历了近70年的发展，其技术应用到了各个领域，特点在于信息的分布式和并行协调处理，并且只需要一个隐含层，具有很强的容错性和鲁棒性，善于联想和推广。\n发明内容\n[0005] 为了克服上述现有技术的缺点，本发明的目的在于提供一种结冰信息检测方法，结合结冰的温度、近红外光在冰层发生折射和反射后的光强和结冰的电阻，基于BP神经网络，给出结冰的冰厚以及冰型。\n[0006] 为了实现上述目的，本发明采用的技术方案是：\n[0007] 一种结冰信息检测方法，包括：\n[0008] 设置一个与路面1为一体的配合目标体2，通过检测配合目标体2的温度值来判断当前环境是否满足结冰的条件，其中配合目标体2为设置在路面1中的空心结构，其顶面为与路面1平齐的表层透明体3；\n[0009] 当满足结冰条件时，通过作用于检测表层透明体3的电阻检测电路4的输出电压来判断当前是否有冰的存在，并根据电压大小判断冰的厚度信息；\n[0010] 当有冰存在的时，通过从配合目标体2底部向顶部发出光信号并检测返回的反射光信号，根据光强的变化来判断结冰冰厚以及冰型原始信息。\n[0011] 所述表层透明体3采用抗压透明材料如聚醚醚酮。\n[0012] 所述电阻检测电路4的结构为电阻分压式结构。\n[0013] 所述配合目标体2底部设置有发光电路5和光接收电路6，发光电路5连接光发射光纤7向上发出光信号，光接收电路6连接光接收光纤8接收从表层透明体3返回的光信号。\n[0014] 本发明采用BP神经网络方式，将检测到的温度值、电阻值和光强值作为BP神经网络的三个输入层，通过隐含层以及隐含层激励函数选择得出冰型，其中，所述三个输入层组成3*1的输入矩阵X0，所述隐含层为9个，隐含层与输入层之间的权值为9*3矩阵W1，通过与输入层相乘，得出输入层与权值加权和A0＝W1X0，通过隐含层激励函数tan sig()，将输入层与权值加权和A0与隐含层阈值9*1矩阵b1的和作为隐含层函数的输入值，得出隐含层输出矩阵X1＝tan sig(A0+b1)；隐含层与输出层之间的权值为1*9矩阵W2，通过与隐含层输出矩阵X1相乘，得出输出层上加权和A1＝W2X1；由输出层上加权和A1与输出层阈值b2的和作为隐含层函数的输入，得出输出层的输出y＝tan sig(A1+b2)。\n[0015] 通过实验样本进行网络训练，通过输入新数据得出BP神经网络的结果；最终由输出层输出，通过描述时间与温度之间的关系曲线，得出冰型。\n[0016] 与现有技术相比，本发明不仅可以检测出路面是否结冰、结冰厚度，而且可以得到结冰冰型。\n附图说明\n[0017] 图1为本发明一种新型的路面结冰检测系统结构示意图。\n[0018] 图2为本发明一种新型的路面结冰检测方法结构图。\n具体实施方式\n[0019] 下面结合附图和实施例详细说明本发明的实施方式。\n[0020] 如图1所示，包括与路面1为一体的配合目标体2，配合目标体2的目标体表层3为透光材料，透光材料选择与路面材料结冰性能一致。目标体表层3下面，包括一路发光电路和两路接收电路；发光电路5通过产生近红外光，射入到发射光纤内，然后射向配合目标体表层3；当有冰存在，近红外光在冰内发生光学现象，然后透过透明材料会有一部分光反射回接收光纤8内，当光转换电路检测到后，判断光强的大小，给出结冰信息。通过在路面上多点安放配合目标体2，可以更加全面的检测道路的结冰状况。\n[0021] 如图2所示，在通过利用BP神经网络对冰进行检测之前，采集样本数据，这些样本数据中包括输入层的三个信息：温度、光强、电阻值，输出层的冰厚信息。为了更好的进行网络参数的调整，加快收敛速度，将输入和输出层原来测量的数据进行归一化处理，输入层变为3*1矩阵X0，输出层为y。在MATLAB7.0环境下，进入神经网络工具箱主界面，建立一个3层的BP网络，第一层为输入层，为3个神经元，表示温度、光强和电阻值归一化后的数值输入；\n第一隐含层为9个神经元；输出层为1个神经元，表示处理后的冰厚输出，各层的激励函数均为tan sig()。将归一化后训练样本输入值和目标值导入到神经网络工具箱中，在MATLAB7.0神经网络工具箱训练选项卡上设置训练参数，其中误差选择1×10-12，目标选择\n0,训练最大次数为10000次，动量因子选择默认值0.1，将归一化后的训练样本输入工具箱点击TRAIN按钮进行训练，如果训练次数达到最大仍然没有使误差最小，继续训练，当达到训练误差不再减少时停止训练。通过训练样本数据后，得到一组权值和一组阈值，分别为隐含层和输入层之间的权值W1、隐含层和输出层之间的权值W2、隐含层阈值b1、输出层阈值b2，则神经网络输出的结冰信息公式为yh＝tan sig(W2tansig(W1X0+b1)+b2)，这个公式只是能够计算出冰的厚度，对于冰型的判断可将输出层变为2层，分别代表冰厚和冰型，那么计算冰型的公式为\n[0022] yx＝tan sig(W3tansig(W1X0+b1)+b3)。