火焰温度场测试中的传感器动态特性补偿

2017-05-24赵学敏王文廉李岩峰杨文杰

传感技术学报 2017年5期

关键词：时间常数阶跃热电偶

赵学敏,王文廉,李岩峰,杨文杰

(1.中北大学仪器科学与动态测试教育部重点实验室,太原 030051; 2.中北大学电子测试技术国家重点实验室,太原 030051)

火焰温度场测试中的传感器动态特性补偿

赵学敏,王文廉*,李岩峰,杨文杰

(1.中北大学仪器科学与动态测试教育部重点实验室,太原 030051; 2.中北大学电子测试技术国家重点实验室,太原 030051)

在进行爆温测试时,爆炸伴随的高温火焰具有变化快、温度高、测试环境恶劣等特点。针对这种特定的测温场合,运用火焰温度源法研究了热电偶传感器在火焰温度场中的动态响应特性。为了减小热电偶的动态测量误差,通过粒子群优化算法(TPO)建立了测试系统的动态补偿滤波器模型。实验表明,这种研究方法有效地改善了热电偶的动态测量误差,对通过爆温测试进行弹丸热毁伤评价有一定的参考价值。

爆温测试;动态响应特性;火焰温度源法;TPO算法;动态测量误差

在军事科技跟踪世界先进技术不断发展的今天,爆温测试仍然是国内外科研人员致力研究的课题。由于爆炸产生的温度场变化快、温度高、易造成测试设备的破损,所以,目前也很难找到有效的测试方法和精确的测量装置获得可靠的爆心温度值及爆炸场真实的温度分布规律。爆温测试面临困难,这就更加需要我们加快对新方法探索的步伐[1-2]。总体来说,爆温测试的方法有两大类:非接触式测温和接触式测温。非接触式测温主要以辐射式测温为主,但由于在实际应用中,很难获得爆炸产物实际的发射率,测温误差很大[3-4],因此,在爆温测试领域中,以热电偶测温为主的接触式测温法仍然占有重要地位[5]。用热电偶进行温度测试时,测温偶结需与所在介质达到热平衡,这就使其在进行爆炸这样的瞬态温度测试时也存在一定的局限性[6],但我们可以对改善其动态特性的方法进行深入研究来减小其动态测量误差。从本质上来讲,改善热电偶动态性能的措施主要有两种,一是改进热电偶的结构以减小偶结的热容量,另一种就是建立动态补偿滤波器来拓展热电偶的工作频带[7-8],后者应用广泛。为此,本文首先基于自制的快速滑动型阶跃信号发生器,获得了美国OMEGA公司生产的型号为CHAL-020-BW的K型热电偶在火焰温度场中的时间常数,然后利用TPO算法对其进行了动态特性补偿及模型验证,这对实际进行现场爆温测试有重要意义。

1 热电偶动态特性指标分析

对温度传感器来说,一般常用其对阶跃温度的响应来描述自身的动态特性,而时间常数常被用作衡量热电偶温度传感器动态响应特性的重要指标。由于热电偶的时间常数值不仅与其本身的特性有关,还受测温介质的影响,所以在用热电偶进行爆温测试时,首先有必要对所用热电偶在火焰温度场中的动态响应特性进行研究。

一个典型的温度传感器时间常数测试系统主要包括温度阶跃信号发生器、温度传感器、采集存储装置、记录显示仪、数据处理设备五大部分,如图1所示。

图1 时间常数测试系统组成框图

图2 火焰温度源法时间常数测试系统结构示意图

以此为依据创建了火焰温度源法[9]来获取热电偶在火焰温度场中的时间常数。

1.1 快速滑动型阶跃信号发生器的设计

在热电偶温度传感器时间常数测试系统中,构建合适的动态激励信号发生器以产生较为理想的温度阶跃信号是至关重要的。因此,本测试系统在温度源的选择上,用丁烷焰作为激励源,这样设计符合我们所要研究的火焰温度场环境;其次,对于阶跃信号发生装置,借助直线导轨进行快速滑动,这样设计保证可以产生近似理想的温度阶跃信号。整个系统的结构示意图如图2所示。

1.2 火焰温度场中热电偶时间常数的获取

测试系统设计好后,实验步骤如下:①将直线导轨固定在某一水平面上,同时将固定有滑轮、小挡板和热电偶的滑块置于导轨上的某一位置;②调整丁烷枪位置,使丁烷枪的开关打开后,热电偶随滑块快速滑动并与大挡板碰撞立即停止的瞬间,热电偶的偶结能恰好浸没在丁烷焰中;③将其它部分搭建起来,给测试系统上电,然后在计算机界面(数据显示及信号处理装置)通过LabVIEW进行参数(数据长度、采样频率、负延时、触发电平和放大倍数等)设置,使当前系统处于待触发状态;④打开丁烷枪开关,待火焰稳定后,启动快速弹射装置,使热电偶随同滑块快速滑动,直到热电偶的偶结恰好浸没在火焰中,此时热电偶便获得一个比较理想的温度阶跃信号;⑤此信号经采集存储装置采集、调理、放大、模数转换并存储,其响应曲线便可在LabVIEW界面得到显示,且显示的温度值是减去冷端补偿值(冷端补偿值为环境温度,约20 ℃,这样处理是为了方便数据处理)后跟据标准K型热电偶分度表转化而来的;⑥由响应曲线读出被测热电偶的时间常数值。

重复进行多次实验,某次获得的热电偶响应曲线如图3所示。

图3 火焰温度源法热电偶阶跃响应曲线

当热电偶的输入为阶跃温度信号时,其动态响应误差会随时间的增加而减小;且当t>3τ时,热电偶的测量值基本接近真实值。所以在本实验中,可以认为热电偶的响应随时间不再有显著变化时,所测温度与环境温度之和即为丁烷焰的真实温度。

图3中,“游标1”所在位置为温度阶跃信号发生瞬间初始温度为0的时刻(1 868.207 ms),“游标0”所在位置为热电偶指示温度(1 347.570 ℃)与热结点初始温度之差达到温度阶跃值的63.2%(851.664 ℃)时所对应的时刻(2 719.867 ms),则所用热电偶的时间常数为两游标对应的时间差,即851.660 ms。

在相同实验条件下进行的多次重复实验中,将其中5组的实验数据列于表1中。

表1 火焰温度源法测得的热电偶时间常数值

由表1可以看出,本实验所用丁烷枪产生的丁烷焰温度约为(1 331.313+20)℃,即1 351.313 ℃;所研究热电偶在丁烷焰这样的火焰温度场中的时间常数约为846.992 ms。

1.3 火焰温度场中热电偶时间常数分析

当热电偶温度传感器在火焰温度场中的时间常数为846.992 ms时,是很难满足进行爆温测试时对传感器动态响应特性的要求的。如果直接由此热电偶的爆温测试结果得到火焰真实温度,测量误差会很大。所以,很有必要建立热电偶温度传感器的补偿滤波器模型来改善其动态特性、减小测量误差。

2 动态补偿滤波器的设计

选择合适的建模方法来建立热电偶温度传感器的动态补偿滤波器模型,可以有效地改善其动态响应特性。在建立热电偶的动态补偿滤波器模型时,目前常用的方法有两种:系统正建模法及系统逆建模法。由于采用系统逆建模时,无需建立热电偶的动态模型,从而有效避免了由传感器建模带来的误差,所以,本文基于系统逆建模的思路通过粒子群优化算法(TPO)来建立热电偶温度传感器的动态补偿滤波器模型。

2.1 设计依据

温度阶跃信号发生系统是为了给被校传感器提供一个定量的温度突变。按照校准工况所规定的对温度阶跃量的要求,在给温度传感器加温度阶跃信号时,产生温度阶跃所需的时间应小于被校准传感器时间常数的10%,校准结果才有效[10]。在火焰温度场中,热电偶的时间常数约为846.992 ms,所以在建立动态补偿滤波器模型时,可以构建如图4所示的上升时间为80 ms的斜坡信号来代替理想的温度阶跃信号作为滤波器的输出,以火焰温度源法得到的热电偶的阶跃响应作为补偿滤波器的输入。

图4 上升时间为80 ms的斜坡信号

2.2 粒子群优化算法

粒子群优化算法(TPO)是一种在随机初始化一群粒子后,每个粒子通过迭代法不断调整自己的速度并更新自己的位置从而找到最优位置的算法[11-12]。由于粒子群优化算法具有算法简单、搜索速度快、收敛性好、全局搜索能力强等优点[13-15],所以,在建立热电偶的动态补偿滤波器时,仍采用该算法。

在建立热电偶传感器的动态补偿滤波器模型时,粒子群优化算法中的粒子由模型系数矩阵构成。在D维目标空间中,设有m个粒子,将第i个粒子的速度表示为Vi,且Vi=(vi1,vi2,…,viD);而将其位置表示为Xi,且Xi=(xi1,xi2,…,xiD)。其中每个粒子都有自己独立的速度和位置,且都在不断的更新来寻找最优位置。将第i个粒子所搜索到的最优位置(pbest)表示为Pi=(pi1,pi2,…,piD)。每更新一次位置,就用计算所得各粒子的适应度值与各自当前最优位置的适应度值相比较,如果当前适应度值更好,则将其更新为个体最优值,且将粒子现在的位置设为个体最佳位置。同样地,与个体相对应的所有粒子也需比较这两个值,如果当前适应值更好,就将其作为当前粒子群的最佳位置,并将整个粒子群所搜索到的最优位置(gbest)表示为Pg=(pg1,pg2,…,pgD)。

每个粒子的速度按照式(1)来更新。

vid(n+1)=wvid(n)+c1r1d(n)(pid-xid(n))+c2r2d(n)[pgd-xid(n)]

(1)

式中:i=(1,2,…,m);d=(1,2,…,D);n为当前的计算次数;w为惯性因子,一般令w=0.8;非负常数c1、c2为学习因子,通常情况下使c1=c2=2;r1d、r2d为(0,1)区间内的任意数。

式(2)为粒子进行位置更新所遵循的规律。

xid(n+1)=xid(n)+vid(n+1)

(2)

具体优化流程如图5所示。

图5 粒子群优化算法优化流程图

2.3 热电偶的动态特性补偿

设实验中热电偶温度传感器的阶跃温度输入信号为x(t),输出响应为y(t),y(t)经A/D转换后为y(k)。n(k)为理想的阶跃温度响应,z(k)为经动态补偿滤波器补偿后传感器的修正值序列信号,e(k)为拟合残差。进行热电偶测温系统动态补偿的目的就是使z(k)最大限度地逼近n(k),即使e(k)尽可能地小。补偿原理如图6所示。

图6 粒子群优化算法补偿原理图

由图6可以看出,只要通过TPO算法求得模型系数,便可得到z(k):

z(k)=(a0+a1z-1+…+anz-n)y(k)-(b1z-1+…+bmz-m)z(k)+e(k)

(3)

式中:a0,a1,…,an和b1,…,bn为动态补偿滤波器模型的系数,n和m为动态补偿滤波器模型的阶次。

在TPO算法中,为了评价每个粒子在寻优过程中自身位置的优劣,定义了e(k)的最小均方误差J为粒子的适应度值,即

(4)

式中:N为采样点数。

具体地,在建立热电偶温度传感器的动态补偿滤波器模型时,以火焰温度源法得到的热电偶的阶跃响应作为模型输入,以构建的上升时间为80 ms的斜坡信号作为模型输出。在TPO算法中,设粒子数为60,迭代次数为3 000,在14维空间搜索最优值,补偿结果如图7所示。

图7 粒子群优化算法动态补偿结果

由图7可以看出,将点数换算为对应的时间后,经过补偿后热电偶温度传感器的时间常数得到了明显的改善,为94.110 ms。

3 模型验证及补偿结果分析

建立了动态补偿滤波器的模型后,在实验室条件下对此模型进行了验证和分析。

3.1 模型验证

在1.2节中,获得火焰温度场中热电偶的时间常数后,保持火焰大小、火焰位置不变,仅将带有魔术贴的大档板移去,让热电偶随滑块以不同的速度经过丁烷焰,重复进行多次实验并记录实验数据,然后分别对实验结果进行相应的补偿。

首先,使热电偶以较慢的速度经过丁烷焰,进行多次重复实验,某次的实验结果如图8所示。

图8 较慢速度下热电偶响应曲线

图8中,“游标0”所在位置对应的时间为1 235.571 ms,温度为0;“游标1”所在位置对应的时间为1 409.296 ms,温度为176 ℃。对本次实验数据归一化,再对其进行采样、补偿,结果如图9所示。

图9中,热电偶随滑块以较慢的速度经过丁烷焰时,归一化幅值“1”所对应的温度为176 ℃,在加上动态补偿滤波器环节之后,在误差允许的范围内其测量值被修正到8.17,根据归一化幅值的比例关系,对应温度值为1 437.9 ℃,比较接近1 331.313 ℃,即前文在1.2节中所测得的火焰温度。

保持实验条件不变,让热电偶以较快的速度经过丁烷焰,进行多次重复实验,某次实验结果如图10所示。

图9 较慢速度下的补偿结果

图11 较快速度下的补偿结果

图10 较快速度下热电偶响应曲线

图10中,“游标0”所在位置对应的时间为1 245.811 ms,温度为0 ℃;“游标1”所在位置对应的时间为1 404.087 ms,温度为135 ℃。同理,对本次实验数据归一化,再对其进行采样、补偿,结果如图11所示。

图11中,热电偶随滑块以较快的速度经过丁烷焰时,归一化幅值“1”所对应的温度为135 ℃,在加上动态补偿滤波器环节之后,在误差允许的范围内其测量值被修正到8.90,根据归一化幅值的比例关系,对应温度值为1201.5 ℃,也比较接近1 331.313 ℃。

3.2 热电偶动态特性补偿结果分析

图9和图11表明,经过补偿,热电偶的瞬态测量值得到明显的改善,很大程度地接近了真实温度值,缩小了动态测量误差。然而,存在的问题是补偿后曲线的下降部分呈现先下降到0以下、然后再上升到0以上、最后再缓慢下降趋于0的趋势。关于这一点,目前还没有统一的说法,比较合理的解释是在用热电偶进行温度测试时,上升过程和下降过程,即热电偶的吸热和散热并非完全按照同一规律进行,所以会导致利用上升过程建立的动态补偿滤波器模型不完全适合下降过程。但这里并不影响我们对热电偶测温曲线上峰值温度的研究。

4 现场应用

用此热电偶进行现场爆炸实验,所得测试结果如

图12所示。

图12 热电偶爆温响应曲线

图12中,热电偶指示的爆炸过程的最高温度为545 ℃。对本次实验数据归一化,再对其进行采样、补偿,结果如图13所示。

图13中,归一化幅值“1”所对应的温度为545 ℃,加上动态补偿滤波器环节之后,热电偶在误差允许的范围内其测量值可达4.45,根据归一化幅值的比例关系,对应温度值为2425.3 ℃。

图13 现场试验的补偿结果

5 结论

以热电偶温度传感器为核心的接触式测温依然是进行爆温测试的主流。本文利用火焰温度源法获得了热电偶温度传感器在火焰温度场中的时间常数,在热电偶动态响应特性不满足爆温测试要求的情况下,利用粒子群优化算法(TPO)进行了逆建模,建立了测温系统的动态补偿滤波器模型。实验表明,通过补偿环节,改善了热电偶的动态响应特性,减小了热电偶在火焰温度场中的动态测量误差。将补偿模型应用到现场爆温测试中,补偿结果对爆炸热毁伤研究有重要意义。

[1] 张云明,刘庆明,李磊. 爆炸场瞬态高温测试的实验研究[J]. 爆炸与冲击,2014,34(5):513-520.

[2] 刘帆,范锦彪,杜红棉. 温压炸药爆温无线存储测试系统设计[J]. 传感技术学报,2014,27(4):467-471.

[3] 冯浩. 瞬态温度存储测试系统的研究[D]. 太原:中北大学,2015:7-8.

[4] 王代华,宋林丽,张志杰. 基于钨铼热电偶的接触式爆炸温度测试方法[J]. 探测与控制学报,2012,34(3):23-24.

[5] 潘保青,李岩峰,张志杰. 基于量子粒子群算法的热电偶动态校准及动态补偿技术研究[J]. 传感技术学报,2015,28(7):992-996.

[6] 温济霞,张艳兵,裴东兴. 瞬态爆温存储测试的无线传输方法[J]. 探测与控制学报,2013,35(2):72-75.

[7] 陈保立. 动态测试信号降噪及系统动态补偿方法研究[D]. 太原:中北大学,2013.

[8] 黄亮. 瞬态表面温度传感器动态校准技术研究[D]. 太原:中北大学,2007:5-6.

[9] 赵学敏,王文廉,李岩峰. 火焰温度场测试中的传感器动态响应研究[J]. 传感技术学报,2016,29(3):368-372.

[10] 廖理,吴淑媛,赵时安. 温度传感器动态响应校准[S]. 中华人民共和国国家计量技术规范,1996:1-3.

[11] Kennedy J,Eberhart R C,Shi Y. Particle Swarm Optimization Developments,Application and Resources[C]//Proc Conference on Evolutionary Computation 2001. Piscataway,NJ:IEEE Service Center,2001:.81-86.

[12] 付华,于翔,卢万杰. 基于蚁群粒子群混合算法与LS-SVM瓦斯涌出量预测[J]. 传感技术学报,2016,29(3):373-377.

[13] Kennedy J,Eberhart R C. Particle Swarm Optimization[C]//Proc IEEE International Conference on Neural Networks,IV[C]//Piscataway,NJ:IEEE Service Center,1995:1942-1948.

[14] 刘波. 粒子群优化算法及其工程应用[M]. 北京:电子工业出版社,2010.

[15] 黄晓敏. 传感器动态特性补偿方法研究及其FPGA实现[D]. 太原:中北大学,2015:17-28.

Temperature Sensor’s Dynamic Characteristic Compensation during the Test of Flame Temperature Flied

ZHAO Xuemin,WANG Wenlian*,LI Yanfeng,YANG Wenjie

(1.Key Laboratory of Instrumentation Science and Dynamic Measurement,Ministry of Education,North University of China,Taiyuan 030051,China)(2.National Key Laboratory for Electronic Measurement Technology,North University of China,Taiyuan 030051,China)

During the temperature test of explosion,which accompanied with fast-changing and high-temperature flame temperature field,the test environment is very poor. For this specific temperature measurement occasion,the dynamic response characteristics of thermocouple sensor have been studied with Flame Temperature Source Method. In order to reduce the dynamic measurement error of the thermocouple,a dynamic compensation filter model of the test system was established by Particle Swarm Optimization(TPO). The experimental results obviously show that the method has been used can improve the dynamic measurement error of thermocouple effectively. In addition,the result of the detonation temperature test has certain reference value to evaluate the projectile’s thermal damage.

explosion temperature test;dynamic response characteristics;Flame Temperature Source method;particle swarm optimization(TPO);dynamic measurement error