著录项信息
专利名称 | 采用滚动预测的飞机表面积冰短时预报系统及预报方法 |
申请号 | CN201210201668.3 | 申请日期 | 2012-06-19 |
法律状态 | 撤回 | 申报国家 | 中国 |
公开/公告日 | 2012-10-03 | 公开/公告号 | CN102706389A |
优先权 | 暂无 | 优先权号 | 暂无 |
主分类号 | G01D21/00 | IPC分类号 | G;0;1;D;2;1;/;0;0查看分类表>
|
申请人 | 中国民航大学 | 申请人地址 | 天津市东丽区津北公路2898号
变更
专利地址、主体等相关变化,请及时变更,防止失效 |
权利人 | 中国民航大学 | 当前权利人 | 中国民航大学 |
发明人 | 王立文;许丹丹;陈斌;于之靖 |
代理机构 | 天津才智专利商标代理有限公司 | 代理人 | 庞学欣 |
摘要
一种采用滚动预测的飞机表面积冰短时预报系统及预报方法。系统包括模拟飞机机翼、传感器系统、数据采集系统和计算机系统;模拟飞机机翼设置在地面上飞机表面积冰监测现场;传感器系统安装在模拟飞机机翼及飞机表面积冰监测现场,并且传感器通过数据采集系统与计算机系统相连。本发明提供的地面飞机积冰的短时预报方法及系统是将气象数据以及积冰数据等因素作为地面飞机表面结冰预报数学模型的输入,通过遗传算法优化参数的支持向量机的滚动预测算法得到未来几个小时的积冰厚度,可以对地面飞机表面结冰进行实时监测和预警,能为机场除冰调度提供充裕时间。此外,本方法还具有预报信息准确且实用性强等优点。
1.一种采用滚动预测的地面飞机积冰短时预报系统,其特征在于:采用滚动预测的飞机表面积冰短时预报系统包括模拟飞机机翼、传感器系统(1)、数据采集系统(2)和计算机系统(3);所述的模拟飞机机翼设置在地面上飞机表面积冰监测现场;传感器系统(1)包括多个积冰传感器(11)、温湿度传感器(12)、风速风向传感器(13)、多个表面温度传感器(14)、压力传感器(15)和降水传感器(16),其中多个积冰传感器(11)和多个表面温度传感器(14)相隔距离安装在模拟飞机机翼的表面,温湿度传感器(12)、风速风向传感器(13)、压力传感器(15)、降水传感器(16)安装在飞机表面积冰监测现场,并且上述传感器(11-16)均通过数据采集系统(2)与计算机系统(3)相连。
2.根据权利要求1所述的采用滚动预测的地面飞机积冰短时预报系统,其特征在于:
所述的模拟飞机机翼共有四个机翼,分别代表不同的典型风向情况下的积冰情况。
3.根据权利要求1所述的采用滚动预测的地面飞机积冰短时预报系统,其特征在于:
所述的多个积冰传感器(11)分别安装在模拟飞机机翼的前缘、上下表面以及后缘部位,并以其安装点作为积冰预测点。
4.根据权利要求1所述的采用滚动预测的地面飞机积冰短时预报系统,其特征在于:
所述的数据采集系统(2)包括输入接口电路(21)和数据采集器(22),其中,输入接口电路(21)的多个输入端分别与传感器系统(1)之中的传感器(11-17)相连接,输出端与数据采集器(22)相连接,其用于接收传感器系统(1)所采集的现场信号;数据采集器(22)与计算机系统(3)相连接,用于将上述数据采集器(22)采集到的模拟信号转换成数字信号,然后传送给计算机系统(3)。
5.根据权利要求1所述的采用滚动预测的地面飞机积冰短时预报系统,其特征在于:
所述的输入接口(21)采用PCLD-880输入端子,数据采集器(22采用PCL-812PG数据采集卡;计算机系统(3)采用工业用计算机,其包括数据库(31)、数据处理计算机(32)和信息发布平台(33)。
6.一种如权利要求1所述的采用滚动预测的地面飞机积冰短时预报系统的预报方法,其特征在于:所述的预报方法包括按顺序进行的下列步骤:
步骤1)准备阶段:在地面上飞机监测现场设置模拟飞机机翼,并且在模拟飞机机翼上需要预测积冰的表面安装多个积冰传感器(11)和多个表面温度传感器(14),同时在飞机监测现场安装一个温湿度传感器(12)、风速风向传感器(13)、压力传感器(15)和降水传感器(16);
步骤2)数据采集阶段:传感器系统(1)利用其上的积冰传感器(11)、温湿度传感器(12)、风速风向传感器(13)、表面温度传感器(14)、压力传感器(15)和降水传感器(16)分别实时采集飞机表面冰层的厚度、飞机监测现场的温度、大气湿度、风速风向、飞机表面温度、大气压力和降水量,然后将采集到的信号首先传输给数据采集系统(2)中的输入接口电路(21),以进行滤波与电压/电流转换,然后再通过数据采集器(22)转换成数字信号并传输给计算机系统(3);
步骤3)数据处理阶段:计算机系统(3)对传感器系统(1)所采集的现场数据进行预处理,以提取出结冰天气环境下飞机监测现场的特征信息;
步骤4)建立预测模型阶段:计算机系统(3)将得到的特征信息分为2部分,用于建立支持向量机的训练样本集、测试样本集;并根据历史积冰数据,采用遗传算法对支持向量机的参数进行自动搜索和确定,从而建立起基于遗传算法优化参数的支持向量机的积冰预测数学模型;
步骤5)滚动预测阶段:计算机系统(3)利用步骤4)得出的积冰预测数学模型,采用最新的输入变量和对应不同的模型来对未来几个小时内积冰情况进行预测,通过预测值与实测值不断交互,实现飞机表面积冰的滚动预测,之后将实测数据形成数据库存储到计算机系统3中;
步骤6)完成:最后计算机系统(3)将信号发送给指挥调度中心。
7.根据权利要求6所述的采用滚动预测的地面飞机积冰短时预报系统的预报方法,其特征在于:在步骤2)数据采集阶段中,所述的传感器11-16采用间隔的方式采集数据,其采集数据的时间间隔为2分钟。
8.根据权利要求6所述的采用滚动预测的地面飞机积冰短时预报系统的预报方法,其特征在于:在步骤4)建立预测模型阶段中,所述的建立基于遗传算法优化参数的支持向量机的积冰预测数学模型的具体方法是:首先通过遗传算法对支持向量机预测模型中的各项参数进行预测,并找到最优的支持向量机模型参数取值,然后将其代入到支持向量机预测模型中,得到基于遗传算法的支持向量机模型,并利用此模型对飞机表面积冰情况进行预测,并利用滚动预测方法对飞机表面积冰进行修正。
9.根据权利要求6所述的采用滚动预测的地面飞机积冰短时预报系统的预报方法,其特征在于:所述的步骤4)中采用的遗传算法优化参数方法包括按顺序进行的下列步骤:
步骤a)产生初始种群:确定要优化的支持向量机参数向量,利用遗传算法随机产生支持向量机参数的初始种群;
步骤b)训练:利用初始的种群,对气象样本和积冰样本进行训练,由训练好的模型对测试数据进行测试,计算它的误差函数,从而确定其适应度;选择若干适应度大的个体,直接遗传给下一代;
步骤c)产生下一代参数种群:利用遗传、变异以及交叉等遗传操作算子对当前一代种群进行处理,选择产生下一代参数种群;
步骤d)产生并测试结果:利用得到的子代数参数种群,重新对支持向量机预测模型进行训练和测试,计算适应度;如果满足遗传算法训练停止准则,则得到最优的支持向量机预测模型,否则,返回步骤b),最终建立支持向量机的最优参数。
引用专利(该专利引用了哪些专利)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 |
1
| |
2011-12-21
|
2011-07-27
| | |
2
| |
2005-10-19
|
2003-08-26
| | |
3
| |
2011-08-31
|
2011-03-02
| | |
4
| | 暂无 |
2010-07-16
| | |
5
| |
2010-10-20
|
2010-05-28
| | |
被引用专利(该专利被哪些专利引用)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 | 1 | | 2015-11-26 | 2015-11-26 | | |
2 | | 2014-06-06 | 2014-06-06 | | |
3 | | 2012-12-31 | 2012-12-31 | | |
4 | | 2012-12-31 | 2012-12-31 | | |
5 | | 2014-06-06 | 2014-06-06 | | |
6 | | 2015-11-26 | 2015-11-26 | | |