基于机器学习的电热防除冰表面温度变化趋势预测

摘要：

针对飞机部件周期控制律电加热防除冰的应用,提出基于机器学习以预测电加热防除冰表面温度的变化趋势.依靠大型结冰风洞及其电加热防除冰控制系统完成防除冰试验,获得有效的试验数据,以通、断电周期为分割单元,将试验数据划分成验证集和训练集.根据电热防除冰过程的换热情况,构建样本的特征参数,利用机器学习的有监督学习方式,选择KNN近邻回归算法和局部线性加权回归算法预测温度变化率,再转换为温度,得到的温度变化与测量数据的线性相关性达到80％以上的高相似度结果,表明使用机器学习可快速预测电热防除冰部件的表面温度变化趋势,且不同的回归算法针对模型不同测温点位置的预测效果存在差异.

关键词：机器学习;结冰风洞;电热防除冰;KNN近邻回归算法;局部线性加权回归算法

所属期刊栏目：18

分类号：V211.73(基础理论及试验)

资助基金：国家自然科学基金11472296

在线出版日期：2021-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：29-35