结冰传感器的非线性校正

结冰传感器的非线性校正

结冰传感器是用于探测结冰厚度的设备。它是基于振动原理设计的，振动体采用振管形式。当振管垂直立于环境中时，激振电路为振管提供交变磁场，振管在磁场的作用下产生磁致伸缩作轴向振动，同时信号拾取电路将此机械振动信号转变为电信号反馈给激振电路，使电路谐振于振管的轴向振动固有频率上。根据振动理论，当振管表面出现冰层时，其轴向振动固有频率会产生偏移，使电路的谐振频率也产生偏移，因此根据频率偏移量即可确定冰层的厚度。

结冰传感器是一种检测飞机、输电线、建筑等物体表面结冰厚度的传感器，通过结冰传感器可以将结冰信号转换为可以直接检测的电学信号。 结冰传感器的分类方法很多。根据检测机理可将结冰传感器分为：光学式、电学式、机械式等。光学式根据冰、水与空气的光学性质的不同检测结冰。

结冰传感器的非线性校正方法：

人工神经网络（ArtificialNeuralNetworks,简写为ANNs）也简称为神经网络（NNs）或称作连接模型（ConnectionistModel），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

d=F（f′-f0）    （1）

式中：d为冰层厚度；

f′为结冰后的振动频率；

f0为结冰前的振动频率。

f0为定值，所以冰层厚度只与频率值f′有关系，但频率值与冰层厚度为非线性关系，不能简单地由频率值确定所测的冰层厚度，这样增加了厚度显示和处理的复杂性。为了保证一定的测量精度以便于在测控系统中应用，必须对其进行非线性校正。

结冰传感器的非线性校正具体做法：

神经网络方法为结冰传感器的非线性校正方法的研究开辟了新的途径。具体做法是，以实验数据 为样本训练BP网络，得到结冰传感器的逆模型，从而使传感器经神经网络组成的系统线性化，传感器的非线性特性得到补偿，校正后的网络可按线性特性处理，提高了测量精度，大大拓展了结冰传感器的应用范围。

神经网络作为一种分析、处理问题的新方法已经在很多领域显示了强 大的生 命力。由于神经网络具有高速并行计算能力和非线性变换能力，能够随时进行再学习且学习 效率很高， 特别对于产品性能一致性不高的结冰传感器更见其效果。相对其他校正方式而言，神经网络 无须深入了解对象的机理，具 有很强的曲线拟合能力。结冰传感器的非线性校正实验表明，补偿的效果令人满意，大大方便了结冰传感器在测控系 统中的应用。

黛尔特公司产品：攻角传感器|侧滑角传感器|空速管|

五孔空速管|攻角传感器|侧滑角传感器系统                    加热型空速管

碳纤维不加热空速管                     微型迎角传感器|侧滑角传感器|空速管系统