一种基于水滴收集量代理模型的结冰试飞空域确定方法

doi:10.7527/S1000-6893.2022.27697

结冰和防冰研究专栏

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

一种基于水滴收集量代理模型的结冰试飞空域确定方法

牛俊杰¹, 桑为民¹^,²(), 李栋¹, 郝莲³, 王泽林⁴

^1.西北工业大学航空学院，西安 710072
^2.中国空气动力研究与发展中心结冰与防除冰重点实验室，绵阳 621000
^3.中国商用飞机有限责任公司上海飞机设计研究院，上海 201210
^4.中国飞行试验研究院，西安 710089

收稿日期:2022-06-29 修回日期:2022-07-27 接受日期:2022-08-16 出版日期:2023-01-15 发布日期:2022-08-31
通讯作者: 桑为民 E-mail:aeroicing@sina.cn
基金资助:
结冰与防除冰重点实验室开放课题(IADL20200101);国家重大项目(GJXM92579);国家科技专项

Icing test flight area determination method based on surrogated model of water droplet collection

Junjie NIU¹, Weimin SANG¹^,²(), Dong LI¹, Lian HAO³, Zelin WANG⁴

^1.School of Aeronautics，Northwestern Polytechnical University，Xi’an 710072，China
^2.Key Laboratory of Icing and Anti/De-icing，China Aerodynamics Research and Development Center，Mianyang 621000，China
^3.Shanghai Aircraft Design and Research Institute，Commercial Aircraft Corporation of China Ltd，Shanghai 201210，China
^4.Chinese Flight Test Establishment，Xi’an 710089，China

Received:2022-06-29 Revised:2022-07-27 Accepted:2022-08-16 Online:2023-01-15 Published:2022-08-31
Contact: Weimin SANG E-mail:aeroicing@sina.cn
Supported by:
Open Fund of Key Laboratory of Icing and Anti/De-icing of China(IADL20200101);National Key Project of China(GJXM92579);National Science and Technology Project

摘要/Abstract

摘要：

针对自然结冰试飞空域确定时使用的结冰指数只能给出结冰概率和结冰等级的问题，提出一种新的方法。通过对美国联邦航空条例（FAR）25部附录C连续最大结冰条件采样，对采样点进行空气流场和水滴撞击特性求解，获得不同工况的水滴收集量；基于POD （Proper Orthogonal Decomposition）和Kriging构建水滴收集量代理模型；使用WRF（Weather Research and Forecasting）对目标区域进行气象模拟，获得温度以及液态水含量分布；使用代理模型对目标区域内水滴收集量进行预测，以中度结冰强度对目标区域进行划分；最后，针对2种飞行速度对试飞空域的影响进行研究。结果表明：代理模型能够很好地预测温度、液态水含量、水滴中值体积直径、高度以及速度对水滴收集量的影响；WRF获得的目标区域的温度、液态水含量与观测值符合良好；基于代理模型可快速获得目标区域水滴收集量分布及随时间的变化，还可获得适合自然结冰试飞的目标区域及结冰速度；飞行速度的增加使得水滴收集量增加，进而引起试飞空域的变化。本文对结冰试飞空域确定具有一定参考意义。

关键词: 结冰试飞, 水滴收集量, 代理模型, 气象预测, 飞机结冰, Weather Research and Forecasting（WRF）

Abstract:

In response to the problem that the icing index used in natural icing test flight area determination can only provide the icing probability and icing level， a new method is proposed. By sampling the continuous maximum icing conditions in Appendix C of Federal Aviation Regulations （FAR） Part 25， the air flow field and water droplet impingement characteristics were solved to obtain the water droplet collection amount for the sampling points. The surrogated model of the water droplet collection amount was constructed based on Proper Orthogonal Decomposition （POD） and Kriging. The weather simulation of the target area was performed using WRF （Weather Research and Forecasting） to obtain the temperature and the liquid water content. The water droplet collection amount over the target area was predicted with the surrogated model and the target area was divided by the moderate icing intensity. The results show that： the surrogated model can predict the effects of temperature， liquid water content， median volume diameter， height and flight speed on water droplet collection amount correctly； the temperature and the liquid water content of the target area obtained by WRF are in good agreement with the observed values； the surrogated model can quickly obtain the distribution of the water droplet collection amount over the target area and its variation with time； the suitable natural icing test flight area and the icing rate are determined. The growth of the flight speed makes the water droplet collection amount increase and causes the variation of the icing test flight area. This paper has some reference significance for the determination of the icing test flights area.

Key words: icing test flight, water droplet collection amount, surrogate model, weather forecasting, aircraft icing, Werther Research and Forecasting (WRF)

中图分类号:

牛俊杰, 桑为民, 李栋, 郝莲, 王泽林. 一种基于水滴收集量代理模型的结冰试飞空域确定方法[J]. 航空学报, 2023, 44(1): 627697-627697.

Junjie NIU, Weimin SANG, Dong LI, Lian HAO, Zelin WANG. Icing test flight area determination method based on surrogated model of water droplet collection[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2023, 44(1): 627697-627697.

图/表 30

图 1

图 2

表 1

图 3

图 4

图 5

图 6

图 7

图 8

表 2

图 9

表 3

图 10

图 11

图 12

图 13

表 4

图 14

图 15

图 16

图 17

图 18

图 19

表 5

图 20

图 21

图 22

表 6

图 23

图 24

参考文献 31

1	SMITH W L. Weather problems peculiar to the New York-Chicago airway［J］. Monthly Weather Review， 1929， 57（12）： 503-506.
2	李浩然，段玉宇，张宇飞，等. 结冰模拟软件AERO-ICE中的关键数值方法［J］. 航空学报， 2021， 42（S1）： 726371.
	LI H R， DUAN Y Y， ZHANG Y F， et al. Numerical method of ice-accretion software AERO-ICE［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（S1）： 726371 （in Chinese）.
3	WU Q， XU H J， PEI B B， et al. Conceptual design and preliminary experiment of icing risk management and protection system［J］. Chinese Journal of Aeronautics， 2022， 35（6）： 101-115.
4	林贵平，卜雪琴，申晓斌，等．飞机结冰与防冰技术［M］．北京：北京航空航天大学出版社，2016： 164-168.
	LIN G P， BU X Q， SHEN X B， et al. Aircraft icing and anti-icing technology［M］. Beijing： Beihang University Press， 2016： 164-168 （in Chinese）.
5	朱春玲，朱程香．飞机结冰及其防护［M］. 北京：科学出版社，2016.
	ZHU C L， ZHU C X. Aircraft icing and its protection［M］. Beijing： Science Press， 2016 （in Chinese）.
6	彭锦峰，吴东润，崔为运，等. 3D打印夹芯复合材料模拟冰型设计与分析［J］. 航空学报， 2021， 42（9）： 224536.
	PENG J F， WU D R， CUI W Y， et al. Design and analysis of simulated ice with 3D printed sandwich composite material［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（9）： 224536 （in Chinese）.
7	刘旭华. 飞机结冰适航验证和试飞技术［C］∥第十六届中国航空测控技术年会论文集. 北京：测控技术杂志社， 2019： 32-34.
	LIU X H. Technology of airworthiness certification and flight test for aircraft icing［C］∥ The 16th China Aviation Measurement and Control Technology Annual Conference. Beijing：Editorial Office of Measurement and Control Technology Magazine， 2019： 32-34 （in Chinese）.
8	李勤红，乔建军，陈增江. Y7-200A飞机自然结冰飞行试验［J］. 飞行力学， 1999， 17（2）： 64-69.
	LI Q H， QIAO J J， CHEN Z J. Natural icing flight test for Y7-200A aircraft［J］. Flight Dynamics， 1999， 17（2）： 64-69 （in Chinese）.
9	王泽林，倪洪波，裴昌春. 我国干旱地区一次直升机自然结冰试飞天气个例分析［J］. 沙漠与绿洲气象， 2020， 14（2）： 68-74.
	WANG Z L， NI H B， PEI C C. A case study of helicopter natural icing flight test in arid areas of China［J］. Desert and Oasis Meteorology， 2020， 14（2）： 68-74 （in Chinese）.
10	李佰平，戴建华，孙敏，等. 一种改进的飞机自然结冰潜势算法研究［J］. 气象， 2018， 44（11）： 1377-1390.
	LI B P， DAI J H， SUN M， et al. An improved aircraft natural icing potential algorithm［J］. Meteorological Monthly， 2018， 44（11）： 1377-1390 （in Chinese）.
11	SCHULTZ P， POLITOVICH M K. Toward the improvement of aircraft-icing forecasts for the continental United States［J］. Weather and Forecasting， 1992， 7（3）： 491-500.
12	BELO-PEREIRA M. Comparison of in-flight aircraft icing algorithms based on ECMWF forecasts［J］. Meteorological Applications， 2015， 22（4）： 705-715.
13	POLITOVICH M G， SAND W R ．A proposed icing severity index based upon meteorology［C］∥4th International Conference on Aviation Weather Systems. Paris：Bulletin of the American Meteorological Society， 1991： 157-162.
14	THOMPSON G， BRUINTJES R T， BROWN B G， et al. Intercomparison of in-flight icing algorithms. Part I： WISP94 real-time icing prediction and evaluation program［J］. Weather and Forecasting， 1997， 12（4）： 878-889.
15	THOMPSON G， BULLOCK R， LEE T F. Using satellite data to reduce spatial extent of diagnosed icing［J］. Weather and Forecasting， 1997， 12（1）： 185-190.
16	BERNSTEIN B C， MCDONOUGH F， POLITOVICH M K， et al. Current icing potential： Algorithm description and comparison with aircraft observations［J］. Journal of Applied Meteorology and Climatology， 2005， 44（7）： 969-986.
17	MENTER F R. Two-equation eddy-viscosity turbulence models for engineering applications［J］. AIAA Journal， 1994， 32（8）： 1598-1605.
18	易贤. 飞机积冰的数值计算与积冰试验相似准则研究［D］. 绵阳：中国空气动力研究与发展中心， 2007： 56-57.
	YI X. Numerical computation of aircraft icing and study on icing test scaling law［D］. Mianyang： Aerodynamics Research and Development Center， 2007： 56-57 （in Chinese）.
19	胡剑平，刘振侠，张丽芬. 霜状冰结冰数值模拟研究［J］. 航空计算技术， 2011， 41（6）： 8-11， 15.
	HU J P， LIU Z X， ZHANG L F. Numerical simulation of 3D rime ice［J］. Aeronautical Computing Technique， 2011， 41（6）： 8-11， 15 （in Chinese）.
20	BERKOOZ G， HOLMES P， LUMLEY J L. The proper orthogonal decomposition in the analysis of turbulent flows［J］. Annual Review of Fluid Mechanics， 1993， 25： 539-575.
21	CAZEMIER W， VERSTAPPEN R W C P， VELDMAN A E P. Proper orthogonal decomposition and low-dimensional models for driven cavity flows［J］. Physics of Fluids， 1998， 10（7）： 1685-1699.
22	KRIGE D G. A statistical approach to some basic mine valuation problems on the witwatersrand［J］. Journal of the Chemical， Metallurgical & Mining Society of South Africa， 1951， 52（6）： 119-139.
23	PELLISSIER M P C， HABASHI W G， PUEYO A. Optimization via FENSAP-ICE of aircraft hot-air anti-icing systems［J］. Journal of Aircraft， 2011， 48（1）： 265-276.
24	刘藤，李栋，黄冉冉，等. 基于降阶模型的翼型结冰冰形预测方法［J］. 北京航空航天大学学报， 2019， 45（5）： 1033-1041.
	LIU T， LI D， HUANG R R， et al. Ice shape prediction method of aero-icing based on reduced order model［J］. Journal of Beijing University of Aeronautics and Astronautics， 2019， 45（5）： 1033-1041 （in Chinese）.
25	IULIANO E， BRANDI V， MINGIONE G， et al. Water impingement prediction on multi-element airfoils by means of Eulerian and Lagrangian approach with viscous and inviscid air flow： AIAA-2006-1270［R］. Reston： AIAA， 2006.
26	SKAMAROCK W C， KLEMP J B， DUDHIA J， et al. A description of the advanced research WRF model version 4［J/OL］. OpenSky，（2021-07-20）［2022-08-21］. .
27	MORRISON H， CURRY J A， KHVOROSTYANOV V I. A new double-moment microphysics parameterization for application in cloud and climate models. Part I： Description［J］. Journal of the Atmospheric Sciences， 2005， 62（6）： 1665-1677.
28	KAIN J S. The kain-fritsch convective parameterization： an update［J］. Journal of Applied Meteorology， 2004， 43（1）： 170-181.
29	HONG S Y， NOH Y， DUDHIA J. A new vertical diffusion package with an explicit treatment of entrainment processes［J］. Monthly Weather Review， 2006， 134（9）： 2318-2341.
30	COBER S G， ISAAC G A， STRAPP J W. Aircraft icing measurements in east coast winter storms［J］. Journal of Applied Meteorology and Climatology， 1995， 34（1）： 88-100.
31	JONES S L. Simulation of meteorological fields for icing applications at the summit of mount washington［D］. Nebraska： University of Nebraska， 2014： 42-47.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

参数	参数来源	MAE	RMSE	MAPE
T	文献［31］结果	2.87 K	2.96	1.1%
T	本文结果	1.45 K	1.74	0.5%
LWC	文献［31］结果	0.08 g/m³	0.12	28.7%
LWC	本文结果	0.07 g/m³	0.11	25.6%

算例	MVD/μm	LWC/ （g·m^-³）	T/K	H/m	V/ （m·s^-1）	攻角/ （°）
Case 1	15.0	0.445 5	258	4 629	87.2	4
Case 2	20.8	0.239 8	255	2 643	75.7	4
Case 3	27.1	0.265 8	263	126	53.9	4
Case 4	33.6	0.243 5	269	3 934	94.9	4
Case 5	40.0	0.100 0	263	2 699	67.9	4

序号	温度/K	高度/m	MVD/μm	LWC/ （g·m^-³）	V/ （m·s^-1）
Case 01	258.00	3 000	15	0.445 5	50
Case 02	268.00	1 200	15	0.697 0	55
Case 03	243.15	6 700	15	0.200 0	60
Case 04	268.15	1 200	25	0.402 7	65
Case 05	258.00	3 000	25	0.227 7	70
Case 06	243.15	6 700	25	0.099 5	75
Case 07	268.00	1 200	35	0.206 7	80
Case 08	258.00	3 000	35	0.117 3	85
Case 09	243.15	6 700	35	0.049 8	90

结冰等级	单位时间结冰厚度/ （mm·min^-1）	水滴收集量/ （kg·s^-1·m^-2）
微量结冰	<0.6	<0.009 2
轻度结冰	0.6~1.1	0.009 2~0.016 8
中度结冰	1.1~2.0	0.016 8~0.030 6
严重结冰	>2.0	>0.030 6

高度层eta	经度/（°）	纬度/（°）	平均高度/m	平均结冰强度/ （mm·min^-1）
5	-70.822 0	44.196 4	1 671	1.26
	-70.240 6	44.548 4
	-70.189 8	44.503 7
	-70.757 3	44.146 0
6	-70.524 6	44.402 0	2 042	1.25
	-70.125 3	44.659 6
	-69.969 3	44.523 2
	-70.382 5	44.275 7
7	-70.130 8	44.623 8	2 414	1.23
	-69.958 0	44.739 2
	-69.872 0	44.667 7
	-70.044 0	44.574 2

一种基于水滴收集量代理模型的结冰试飞空域确定方法

Icing test flight area determination method based on surrogated model of water droplet collection

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 30

参考文献 31

相关文章 15

编辑推荐

Metrics

本文评价

[1]	杨倩, 郭晓峰, 李芹, 董威. 基于POD和代理模型的热气防冰性能预测方法[J]. 航空学报, 2023, 44(1): 626992-626992.
[2]	束珺, 徐东光, 韩志熔, 李斯, 黄雄. 结冰风洞过冷大水滴试验中混合翼设计[J]. 航空学报, 2023, 44(1): 627182-627182.
[3]	郭琪磊, 桑为民, 牛俊杰, 袁烨. 复杂气象条件下考虑结冰风险的无人机飞行策略[J]. 航空学报, 2023, 44(1): 627518-627518.
[4]	胡嘉欣, 芮姝, 高瑞朝, 苟建军, 龚春林. 飞行器结构布局与尺寸混合优化方法[J]. 航空学报, 2022, 43(5): 225363-225363.
[5]	李海泉, 陈小前, 左林玄, 赵卓林. 基于随机森林的飞行载荷代理模型分析方法[J]. 航空学报, 2022, 43(3): 225640-225640.
[6]	李浩然, 段玉宇, 张宇飞, 陈海昕. 结冰模拟软件AERO-ICE中的关键数值方法[J]. 航空学报, 2021, 42(S1): 726371-726371.
[7]	叶年辉, 龙腾, 武宇飞, 唐亦帆, 史人赫. 基于Kriging代理模型的约束差分进化算法[J]. 航空学报, 2021, 42(6): 324580-324580.
[8]	张智超, 高太元, 张磊, 拓双芬. 基于径向基神经网络的气动热预测代理模型[J]. 航空学报, 2021, 42(4): 524167-524167.
[9]	胡伟杰, 黄增辉, 刘学军, 吕宏强. 基于自动核构造高斯过程的导弹气动性能预测[J]. 航空学报, 2021, 42(4): 524093-524093.
[10]	范周伟, 余雄庆, 王朝, 钟伯文. 基于深度神经网络的客机总体设计参数敏感性分析[J]. 航空学报, 2021, 42(4): 524353-524353.
[11]	贾贝熙, 吕震宙, 雷婧宇. 涡轮冷却叶片寿命可靠性分析参数化仿真平台[J]. 航空学报, 2021, 42(12): 224747-224747.
[12]	郭向东, 柳庆林, 刘森云, 王梓旭, 李明. 结冰风洞中过冷大水滴云雾演化特性数值研究[J]. 航空学报, 2020, 41(8): 123655-123655.
[13]	李春娜, 张阳康. 一种适用于气动优化的高效自适应全局优化方法[J]. 航空学报, 2020, 41(5): 623352-623352.
[14]	韩忠华, 许晨舟, 乔建领, 柳斐, 池江波, 孟冠宇, 张科施, 宋文萍. 基于代理模型的高效全局气动优化设计方法研究进展[J]. 航空学报, 2020, 41(5): 623344-623344.
[15]	魏闯, 杨龙, 李春鹏, 张铁军. ARI_OPT气动优化软件研究进展及应用综述[J]. 航空学报, 2020, 41(5): 623370-623370.