一种基于电热除冰信号判别结冰的方法及装置与流程

1.本公开总体说来涉及防除冰技术领域，更具体地讲，涉及一种基于电热除冰信号判别结冰的方法及装置。


背景技术：

2.电热除冰是目前飞机最常用的除冰方法之一，由于其清洁能源、维护性好的优势，代表了飞机防除冰的发展趋势。目前，波音787大型客机采用电热除冰系统替代了热气防冰系统，实现了除冰系统的全电化。
3.飞机电热除冰是在飞机机翼、尾翼前缘安装含电加热单元的多层电热除冰结构，加热单元将电能转化为热能，热量通过多层结构传递到结冰表面，将黏附界面的冰融化，冰在气动力或惯性力的帮助下，达到冰脱落的目的。
4.在相关的防除冰技术中，正在发展的新型结冰判别方法有光纤式结冰判别方法等，这些方法可适应有曲率变化的表面，但每种方法也有自己的缺陷。比如，光纤式结冰传感器灵敏度较高，但对水、油污、灰尘比较敏感，存在报虚警的现象，抗环境干扰能力不强，探测的结冰厚度通常小于2mm，因此难以对较厚冰层进行探测。另外，使用各式结冰传感器来判别结冰情况，需要在待测表面额外安装各式结冰传感器，不仅增加了飞机在设计和物料等方面的成本，还可能会造成结冰传感器安装位置等处表面不平整的缺陷。


技术实现要素：

5.本公开提供一种基于电热除冰信号判别结冰的方法及装置，通过充分利用现有电热除冰单元获得的除冰信号数据进行深度处理，实现了电热除冰和电热探冰的一体化，并且实施起来简单快捷，判别结果准确可靠。
6.在一个总的方面，提供一种基于电热除冰信号判别结冰的方法，所述电热除冰信号包括冰层融化时间，其中，所述方法包括：根据来流速度，确定待测表面的对流换热系数；利用温度传感器，确定所述冰层融化时间；将所述对流换热系数和所述冰层融化时间输入训练好的结冰判别模型，得到所述待测表面的结冰厚度，并将所述结冰厚度作为判别结果，其中，所述温度传感器设置于多个电热除冰单元中的每两个相邻的电热除冰单元之间的界面上，所述多个电热除冰单元设置于所述待测表面。
7.可选地，所述根据来流速度，确定待测表面的对流换热系数，包括：根据环境温度，确定所述待测表面处的空气的密度和动力粘性系数；根据所述密度、所述动力粘性系数和所述来流速度，确定所述待测表面处的局部雷诺数；根据所述环境温度、所述密度、所述动力粘性系数、所述来流速度和所述局部雷诺数，确定所述对流换热系数。
8.可选地，所述根据所述环境温度、所述密度、所述动力粘性系数、所述来流速度和所述局部雷诺数，确定所述对流换热系数，包括：通过以下等式来确定所述对流换热系数：
其中，表示对热换流系数，表示密度，表示来流速度，表示环境温度，表示动力粘性系数，表示特征长度，表示局部雷诺数，表示预先设置的临界雷诺数。
9.可选地，所述利用温度传感器，确定所述冰层融化时间，包括：利用所述温度传感器获取所述温度传感器处的冰层达到相变温度所需要的相变时间，其中，所述相变温度为冰相变为水时的温度；将所述相变时间确定为所述冰层融化时间。
10.可选地，所述获取所述温度传感器处的冰层达到相变温度所需要的相变时间，包括：获取所述温度传感器处的温度数据；根据所述温度数据，确定温度随时间变化的梯度，其中，所述梯度为单位时间内温度的增加量或减少量；在所述梯度小于预设阈值的第一时刻，确定所述冰层达到所述相变温度，并将所述电热除冰单元开始加热的第二时刻与所述第一时刻之间的间隔时长作为所述相变时间。
11.可选地，所述结冰判别模型为反向传播神经网络模型，包括输入层、隐层和输出层，其中，所述结冰判别模型通过以下等式来表示：层，其中，所述结冰判别模型通过以下等式来表示：其中，表示输出值，表示输入值，表示对热换流系数，表示冰层融化时间，表示输入层至隐层的连接权值，表示隐层至输出层连接权值，表示隐层阀值，表示输出层阀值，表示激活函数。
12.可选地，所述输入层包括2个输入节点，所述隐层包括20个隐层节点，所述输出层包括1个输出节点，其中，所述激活函数通过以下等式来表示：包括1个输出节点，其中，所述激活函数通过以下等式来表示：其中，表示结冰判别模型中的第个输入，表示前一层节点到该层节点间的权值，n表示输入节点总数。
13.可选地，所述结冰判别模型通过以下步骤来训练好：通过试验获取多组对热换流系数、冰层融化时间和结冰厚度的试验数据；利用所述试验数据对待训练的结冰判别模型进行训练，以在所述待训练的结冰判别模型收敛的情况下，确定、、和，从而得到训练好的结冰判别模型。
14.可选地，所述待训练的结冰判别模型通过所述待训练的结冰判别模型的均方差损
失值小于10-5
来确定收敛。
15.在另一总的方面，提供一种基于电热除冰信号判别结冰的装置，所述电热除冰信号包括冰层融化时间，其中，所述装置包括：第一确定单元，被配置为根据来流速度，确定待测表面的对流换热系数；第二确定单元，被配置为利用温度传感器，确定所述冰层融化时间；结冰判别单元，被配置为将所述对流换热系数和所述冰层融化时间输入训练好的结冰判别模型，得到所述待测表面的结冰厚度，并将所述结冰厚度作为判别结果，其中，所述温度传感器设置于多个电热除冰单元中的每两个相邻的电热除冰单元之间的界面上，所述多个电热除冰单元设置于所述待测表面。
16.可选地，所述第一确定单元被配置为：根据环境温度，确定所述待测表面处的空气的密度和动力粘性系数；根据所述密度、所述动力粘性系数和所述来流速度，确定所述待测表面处的局部雷诺数；根据所述环境温度、所述密度、所述动力粘性系数、所述来流速度和所述局部雷诺数，确定所述对流换热系数。
17.可选地，所述第一确定单元还被配置为：通过以下等式来确定所述对流换热系数：其中，表示对热换流系数，表示密度，表示来流速度，表示环境温度，表示动力粘性系数，表示特征长度，表示局部雷诺数，表示预先设置的临界雷诺数。
18.可选地，所述第二确定单元被配置为：利用所述温度传感器获取所述温度传感器处的冰层达到相变温度所需要的相变时间，其中，所述相变温度为冰相变为水时的温度；将所述相变时间确定为所述冰层融化时间。
19.可选地，所述第二确定单元还被配置为：获取所述温度传感器处的温度数据；根据所述温度数据，确定温度随时间变化的梯度，其中，所述梯度为单位时间内温度的增加量或减少量；在所述梯度小于预设阈值的第一时刻，确定所述冰层达到所述相变温度，并将所述电热除冰单元开始加热的第二时刻与所述第一时刻之间的间隔时长作为所述相变时间。
20.可选地，所述结冰判别模型为反向传播神经网络模型，包括输入层、隐层和输出层，其中，所述结冰判别模型通过以下等式来表示：层，其中，所述结冰判别模型通过以下等式来表示：其中，表示输出值，表示输入值，表示对热换流系数，表示冰层融化时间，表示输入层至隐层的连接权值，表示隐层至输出层连接权值，表示隐层阀值，表示输出层阀值，表示激活函数。
21.可选地，所述输入层包括2个输入节点，所述隐层包括20个隐层节点，所述输出层包括1个输出节点，其中，所述激活函数通过以下等式来表示：
其中，表示结冰判别模型中的第个输入，表示前一层节点到该层节点间的权值，n表示输入节点总数。
22.可选地，所述结冰判别模型通过以下步骤来训练好：通过试验获取多组对热换流系数、冰层融化时间和结冰厚度的试验数据；利用所述试验数据对待训练的结冰判别模型进行训练，以在所述待训练的结冰判别模型收敛的情况下，确定、、和，从而得到训练好的结冰判别模型。
23.可选地，所述待训练的结冰判别模型通过所述待训练的结冰判别模型的均方差损失值小于10-5
来确定收敛。
24.根据本公开的实施例的基于电热除冰信号判别结冰的方法及装置，在得到训练好的结冰判别模型之后，只需确定对流换热系数和冰层融化时间等参数，将确定的参数带入到训练好的结冰判别模型中，就可以得到结冰厚度，一方面与相关技术中的结冰判别方法相比，更加简单和快捷，另一方面与通过测量云雾参数来换算结冰厚度的方法相比，得到的结冰厚度更加接近真实值；另外，针对已安装有电热除冰单元的待测表面，通过充分利用现有电热除冰单元获得的除冰信号数据进行深度处理，实现了电热除冰和电热探冰的一体化，并且实施起来简单快捷，判别结果准确可靠，不容易发生探测报虚警的问题，明显优于通过各式传感器来判别结冰的方案，不仅节约了设计和物料等方面的成本，还避免了造成结冰传感器安装位置等处表面不平整的缺陷。
25.将在接下来的描述中部分阐述本公开总体构思另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本公开总体构思的实施而得知。
附图说明
26.通过下面结合示出实施例的附图进行的描述，本公开的实施例的上述和其他目的和特点将会变得更加清楚，其中：图1是示出根据本公开的实施例的基于电热除冰信号判别结冰的方法的流程图；图2是示出根据本公开的实施例的电热除冰单元的示意图；图3是示出根据本公开的实施例的有冰和无冰状态下温度传感器处的温度-时间曲线；图4是示出根据本公开的实施例的基于电热除冰信号判别结冰的装置的框图。
27.附图中，10、基层；11、内绝热层；12、外绝缘层；13、磨损层；14、待测层；15、加热层；16、温度传感器；400、基于电热除冰信号判别结冰的装置；410、第一确定单元；420、第二确定单元；430、结冰判别单元。
具体实施方式
28.提供下面的具体实施方式以帮助读者获得对在此描述的方法、设备和/或系统的
全面理解。然而，在理解本技术的公开之后，在此描述的方法、设备和/或系统的各种改变、修改和等同物将是清楚的。例如，在此描述的操作的顺序仅是示例，并且不限于在此阐述的那些顺序，而是除了必须以特定的顺序发生的操作之外，可如在理解本技术的公开之后将是清楚的那样被改变。此外，为了更加清楚和简明，本领域已知的特征的描述可被省略。
29.在此描述的特征可以以不同的形式来实现，而不应被解释为限于在此描述的示例。相反，已提供在此描述的示例，以仅示出实现在此描述的方法、设备和/或系统的许多可行方式中的一些可行方式，所述许多可行方式在理解本技术的公开之后将是清楚的。
30.除非另有定义，否则在此使用的所有术语（包括技术术语和科学术语）具有与由本公开所属领域的普通技术人员在理解本公开之后通常理解的含义相同的含义。除非在此明确地如此定义，否则术语（诸如，在通用词典中定义的术语）应被解释为具有与它们在相关领域的上下文和本公开中的含义一致的含义，并且不应被理想化或过于形式化地解释。
31.此外，在示例的描述中，当认为公知的相关结构或功能的详细描述将引起对本公开的模糊解释时，将省略这样的详细描述。
32.下面将参照图1至图4对根据本公开的实施例的基于电热除冰信号判别结冰的方法及装置进行详细描述。
33.图1是示出根据本公开的实施例的基于电热除冰信号判别结冰的方法的流程图。这里，电热除冰信号可以但不限于包括冰层融化时间。
34.参照图1，在步骤s101中，可根据来流速度，确定待测表面的对流换热系数。作为示例，待测表面可以是飞行器表面，也可以是风力机叶片表面、输电设备表面或者高铁容易结冰的表面等。
35.根据本公开的实施例，可根据环境温度，利用以下等式（1）至（4）来确定待测表面处的空气的密度、动力粘性系数、普朗特数和导热系数： （1） （2） （3） （4）这里，表示待测表面处的环境压力，单位是帕；表示待测表面处的环境温度，单位是开尔文（k）。
36.接下来，可根据密度、动力粘性系数和来流速度，利用下述等式（5）来确定待测表面处的局部雷诺数： （5）这里，的单位是m/s；表示特征长度，单位是m，作为示例，可以但不限于取值为1。
37.接下来，在一种可能的实现中，可根据普朗特数、导热系数和局部雷诺数，通过以下等式（6）来确定对流换热系数： （6）这里，表示预先设置的临界雷诺数，作为分段计算对流换热系数的临界雷诺数标准。作为示例，可以但不限于为。
38.在另一种可能的实现中，可根据环境温度、密度、动力粘性系数、来流速度和局部雷诺数，通过以下等式（7）来确定对流换热系数： （7）通过上述等式（7）可以直接利用测量到的飞行速度（即来流速度）和环境温度，来计算相应状态的对流换热系数，减少了中间步骤，节约了计算资源。
39.接下来，在步骤s102中，可利用温度传感器，确定冰层融化时间。这里，温度传感器可设置于多个电热除冰单元中的每两个相邻的电热除冰单元之间的界面上，多个电热除冰单元可设置于待测表面。
40.根据本公开的实施例，可利用温度传感器获取温度传感器处的冰层达到相变温度所需要的相变时间，这里，相变温度为冰相变为水时的温度；然后，可将相变时间确定为冰层融化时间。进一步地，可获取温度传感器处的温度数据；然后，可根据温度数据，确定温度随时间变化的梯度，这里，梯度为单位时间内温度的增加量或减少量；然后，可在梯度小于预设阈值的第一时刻，确定冰层达到相变温度，并将电热除冰单元开始加热的第二时刻与第一时刻之间的间隔时长作为相变时间。
41.针对现有安装的电热除冰系统，通过利用系统中已有的电热除冰单元，只需在其关键部位设置一些温度传感器，通过监控电热除冰单元之间的待测点温度信号变化，采用深度分析的处理方法，获取电热除冰表面的结冰信号，这对于现役飞行器等设备来说，具有非常大的便利和优势。
42.接下来，在步骤s103中，可将对流换热系数和冰层融化时间输入训练好的结冰判别模型，得到待测表面的结冰厚度，并将结冰厚度作为判别结果。
43.根据本公开的实施例，申请人经过长期实践发现结冰厚度和对流换热系数、冰层融化时间之间具有非常强的非线性关系，因此可采用神经网络的理论，来构建结冰判别模型。在一种可能的实现中，结冰判别模型为反向传播（back-propagation，bp）神经网络模型，包括输入层、隐层和输出层，并采用非线性变换函数函数作为激活函数。作为示例，结冰判别模型可通过以下等式（8）和（9）来表示： （8）
ꢀ
（9）这里，表示输出值，表示输入值，表示对热换流系数，表示冰层融化时间，表示输入层至隐层的连接权值，表示隐层至输出层连接权值，表示隐层阀值，表示输出层阀值，表示激活函数。
44.根据本公开的实施例，在上述结冰判别模型中，输入层可包括2个输入节点，隐层可包括20个隐层节点，输出层可包括1个输出节点。作为示例，激活函数可通过以下等式（10）和（11）来表示： （10） （11）这里，表示结冰判别模型中的第个输入，表示前一层节点到该层节点间的权值，n表示输入节点总数。
45.根据本公开的实施例，结冰判别模型可通过以下步骤来训练好：通过试验获取多组对热换流系数、冰层融化时间和结冰厚度的试验数据；利用试验数据对待训练的结冰判别模型进行训练，以在待训练的结冰判别模型收敛的情况下，确定、、和，从而得到训练好的结冰判别模型。在一种可能的实现中，结冰判别模型的损失函数可以是均方差函数，换言之，待训练的结冰判别模型可通过待训练的结冰判别模型的均方差损失值小于损失阈值来确定收敛。作为示例，损失阈值可以但不限于是10-5
。
46.根据本公开的实施例，通过对待训练的结冰判别模型进行训练，在模型收敛的情况下，、、和可以但不限于确定为如下数值：
ꢀꢀꢀ
为了更好地理解上述实施例，下面参照图2和图3进行描述。
47.图2是示出根据本公开的实施例的电热除冰单元的示意图。
48.参照图2，电热除冰单元可包括基层10、内绝热层11、加热层15、外绝缘层12、磨损
层13、待测层14、温度传感器16和处理器（未示出）。如图2所示，基层10、内绝热层11、加热层15、外绝缘层12、磨损层13、待测层14可由下至上依次设置，这里，温度传感器16可设置于相邻的电热除冰单元之间的界面上，并且相邻的电热除冰单元的加热层15之间具有间隙。进一步地，待测层14为冰/水层，在实际操作中，可通过温度传感器16采集温度信号，以判别待测表面的结冰情况。更进一步地，处理器可接收温度传感器16传输的温度数据，并将温度数据可视化，该可视化的数据采用温度-时间曲线。下面参照图3描述根据本公开的实施例的有冰和无冰状态下温度传感器16处的温度-时间曲线。
49.图3是示出根据本公开的实施例的有冰和无冰状态下温度传感器处的温度-时间曲线。
50.参照图3，在温度传感器16的位置处，结冰和无冰两种状态下，从温度随时间变化的曲线图可见，当结冰状态下，加热层15加热后，温度随着时间增长而上升，当温度到达相变温度273k附近时，出现了相变阶跃台阶，该状态下温度随时间增长不再发生变化，这是因为冰在转化成水的过程中需要吸收潜热，而温度不变；然而，在无冰状态下，空气-磨损层13之间的温度随着加热层15加热，温度逐渐升高，升高过程将不会出现与结冰状态相似的相变阶跃台阶；因此可以通过判断是否出现相变阶跃台阶来判别是否结冰，进而可以在出现相变阶跃台阶的情况下确定冰层融化时间。在温度传感器16处的温度-时间关系中，在任意时间区间内，温度随时间变化的梯度小于预设阈值时，则判别待测表面结冰；反之，则未结冰。这里，温度随时间变化的梯度定义为单位时间内温度的增加量或减少量，而冰相变为水的过程中吸收潜热温度不变，因此，理论上预设阈值可以为0k/s，然而，在实际操作中，温度传感器存在误差，以及其它误差可能造成温度参数读取不准，因此，预设阈值的设置范围可以是0k/s附近值，本公开对此不做限制。
51.根据本公开的实施例的基于电热除冰信号判别结冰的方法，在得到训练好的结冰判别模型之后，只需确定对流换热系数和冰层融化时间等参数，将确定的参数带入到训练好的结冰判别模型中，就可以得到结冰厚度，一方面与相关技术中的结冰判别方法相比，更加简单和快捷，另一方面与通过测量云雾参数来换算结冰厚度的方法相比，得到的结冰厚度更加接近真实值；另外，针对已安装有电热除冰单元的待测表面，通过充分利用现有电热除冰单元获得的除冰信号数据进行深度处理，实现了电热除冰和电热探冰的一体化，并且实施起来简单快捷，判别结果准确可靠，不容易发生探测报虚警的问题，明显优于通过各式传感器来判别结冰的方案，不仅节约了设计和物料等方面的成本，还避免了造成结冰传感器安装位置等处表面不平整的缺陷。
52.图4是示出根据本公开的实施例的基于电热除冰信号判别结冰的装置的框图。根据本公开的实施例的基于电热除冰信号判别结冰的装置可以在具有足够运算能力的计算装置中实现。这里，电热除冰信号可以但不限于包括冰层融化时间。
53.参照图4，基于电热除冰信号判别结冰的装置400可包括第一确定单元410、第二确定单元420和结冰判别单元430。
54.第一确定单元410可据来流速度，确定待测表面的对流换热系数。
55.第二确定单元420可利用温度传感器，确定冰层融化时间。这里，温度传感器可设置于多个电热除冰单元中的每两个相邻的电热除冰单元之间的界面上，多个电热除冰单元可设置于待测表面。
56.结冰判别单元430可将对流换热系数和冰层融化时间输入训练好的结冰判别模型，得到待测表面的结冰厚度，并将结冰厚度作为判别结果。
57.根据本公开的实施例，第一确定单元410可根据环境温度，确定待测表面处的空气的密度和动力粘性系数；根据密度、动力粘性系数和来流速度，确定待测表面处的局部雷诺数；根据环境温度、密度、动力粘性系数、来流速度和局部雷诺数，确定对流换热系数。
58.根据本公开的实施例，第一确定单元410还可通过如上所述的等式（7）来确定对流换热系数。
59.根据本公开的实施例，第二确定单元420可利用温度传感器获取温度传感器处的冰层达到相变温度所需要的相变时间；将相变时间确定为冰层融化时间。这里，相变温度为冰相变为水时的温度。
60.根据本公开的实施例，第二确定单元420还可获取温度传感器处的温度数据；根据温度数据，确定温度随时间变化的梯度；在梯度小于预设阈值的第一时刻，确定冰层达到相变温度，并将电热除冰单元开始加热的第二时刻与第一时刻之间的间隔时长作为相变时间。这里，梯度为单位时间内温度的增加量或减少量。
61.根据本公开的实施例，结冰判别模型为反向传播神经网络模型，可包括输入层、隐层和输出层。这里，结冰判别模型可通过如上所述的等式（8）和（9）来表示。
62.根据本公开的实施例，输入层可包括2个输入节点，隐层可包括20个隐层节点，输出层可包括1个输出节点。这里，激活函数可通过如上所述的等式（10）和（11）来表示。
63.根据本公开的实施例，结冰判别模型可通过以下步骤来训练好：通过试验获取多组对热换流系数、冰层融化时间和结冰厚度的试验数据；利用试验数据对待训练的结冰判别模型进行训练，以在待训练的结冰判别模型收敛的情况下，确定、、和，从而得到训练好的结冰判别模型。
64.根据本公开的实施例，待训练的结冰判别模型可通过待训练的结冰判别模型的均方差损失值小于10-5
来确定收敛。
65.根据本公开的实施例的基于电热除冰信号判别结冰的方法及装置，在得到训练好的结冰判别模型之后，只需确定对流换热系数和冰层融化时间等参数，将确定的参数带入到训练好的结冰判别模型中，就可以得到结冰厚度，一方面与相关技术中的结冰判别方法相比，更加简单和快捷，另一方面与通过测量云雾参数来换算结冰厚度的方法相比，得到的结冰厚度更加接近真实值；另外，针对已安装有电热除冰单元的待测表面，通过充分利用现有电热除冰单元获得的除冰信号数据进行深度处理，实现了电热除冰和电热探冰的一体化，并且实施起来简单快捷，判别结果准确可靠，不容易发生探测报虚警的问题，明显优于通过各式传感器来判别结冰的方案，不仅节约了设计和物料等方面的成本，还避免了造成结冰传感器安装位置等处表面不平整的缺陷。
66.虽然已表示和描述了本公开的一些实施例，但本领域技术人员应该理解，在不脱离由权利要求及其等同物限定其范围的本公开的原理和精神的情况下，可以对这些实施例进行修改。