一种铂膜热流传感器基底热物性参数检测方法及装置

1.本发明涉及热物性测量技术领域，具体涉及一种铂膜热流传感器基底热物性参数检测方法及装置。


背景技术：

2.在激波风洞等脉冲型风洞设备热环境试验中，热流测量通常使用薄膜热流传感器，该类传感器具有灵敏度高、响应快、尺寸小等优点，其热流测量结果与传感器的热物性参数成正比，其中ρ为材料密度、c为材料热容、k为材料导热系数。的精准度直接影响热流测量的精准度。因此，需要对薄膜热流传感器基底材料的热物性参数进行标定。可通过分别标定材料密度、热容和导热系数获得对于材料成分可以精确控制的单一材料(如纯铜、不锈钢等)，通过标定可以获得很高的精度[1-2]。然而，薄膜热流传感器基底材料通常采用高硼硅酸玻璃和陶瓷，即使采用相同的原料和生产工艺，材料性能也会存在差异。因此需要通过综合标定方法获得材料的热物性参数
[0003]
目前，常用的综合标定方法有热流标定法、瞬态加热法和浸入法[3]。热流标定法是通过标定获得传感器表面热流和表面温度响应，经过计算得到热物性参数，其标定法最终溯源到温度测量标准或电流、电压测量标准。国外发达国家先后研制了热流标定装置，如美国国家标准技术研究所(nist)的标定装置、瑞典国家测试研究所的标定装置、挪威火灾研究实验室(sintef)的标定装置、意大利国家计量院(imgc)的标定装置以及法国国家计量与测试实验室(lne)的标定装置等[4-7]。国内的热流标定装置有中国空气动力研究与发展中心超高速空气动力研究所的黑体炉热流标定装置等[8-9]。哈尔滨工业大学的戴景民等[10-11]提出用脉冲加热技术测量材料的热物性参数，但是该方法不适用于薄膜热流传感器基底材料的热物性参数测量。上述的这些热流标定装置研制较为困难，建造成本较高，操作复杂，不适用于激波风洞脉冲气动加热测量。中国空气动力研究与发展中心超高速空气动力研究所建立的瞬态加热法和浸入法标定装置，由于实验条件简单，对实验设备的要求低，因而得到了很好的应用。但其缺点是加热源不稳定，对操作过程要求比较苛刻，人为因素引起的重复性误差较大。


技术实现要素：

[0004]
本发明的目的在于提供一种铂膜热流传感器基底热物性参数检测方法及装置，以解决现有技术中操作复杂，精度低的技术问题。
[0005]
为解决上述技术问题，本发明具体提供下述技术方案：
[0006]
一种铂膜热流传感器基底热物性参数检测方法，包括以下步骤：
[0007]
步骤s1、利用甘油浴和空气浴进行双标定对照推导出铂膜热流传感器的基底热物性参数的标定表征式，以消除非均匀薄膜的影响和薄膜表面积的测定不准的影响实现标定精度的提高，所述基底热物性参数由基底材料的密度ρ、比热容c和热传导系数k组合构成；
[0008]
步骤s2、在甘油浴和空气浴中利用惠斯顿电桥对待检测的铂膜热流传感器进行电学测量得到基底热物性参数的计算参数，并将计算参数代入至所述标定表征式中求得待检测的铂膜热流传感器基底热物性参数。
[0009]
作为本发明的一种优选方案，所述基底热物性参数的标定表征式推导过程包括：
[0010]
将铂膜热流传感器置于空气浴中进行气体标定推导得到铂膜热流传感器在空气介质的表面热流率公式为：
[0011][0012]
式中，q0为铂膜热流传感器在空气介质的表面热流率，f为铂膜热流传感器中薄膜非均匀性引起的常参数，(kρc)
1/2
为基底热物性参数，k为基底材料热传导系数，ρ为基底材料的密度，c为基底材料的比热容，α为铂膜热流传感器的电阻温度系数，i0为铂膜热流传感器的通入电流，r0为铂膜热流传感器的薄膜初始电阻，e(t)为铂膜热流传感器的电势，t为时间；
[0013]
将完成空气浴标定的铂膜热流传感器置于甘油浴中进行液体标定，以使得铂膜热流传感器在空气介质的表面热流率分配为铂膜热流传感器在空气介质和液体介质上的表面热流率，并推导得到的铂膜热流传感器在空气介质和液体介质上的表面热流率公式为：
[0014][0015][0016]
式中，mq0为所述铂膜热流传感器在液体介质中的表面热流率，(1-m)q0为所述铂膜热流传感器在空气介质中的表面热流率，m为分配比例，e
*
(t)为铂膜热流传感器在液体介质中的电势，[(kρc)
1/2
]
*
为液体介质热物性参数；
[0017]
将铂膜热流传感器在空气介质和液体介质上的表面热流率进行求和得到：
[0018][0019]
将与进行联立求解得到：
[0020][0021]
将e(t)和e
*
(t)送入热电模拟网络得到和将
进行等价替换得到所述标定表征式为：
[0022][0023]
式中，v(t)为铂膜热流传感器在空气介质中的电势e(t)，v
*
(t)为铂膜热流传感器在液体介质中的电势e
*
(t)。
[0024]
作为本发明的一种优选方案，所述液体介质热物性参数[(kρc)
1/2
]
*
根据液体介质类别由热物性参数查询得知。
[0025]
作为本发明的一种优选方案，所述利用惠斯顿电桥对待检测的铂膜热流传感器进行电学测量，包括：
[0026]
将待检测的铂膜热流传感器置于惠斯顿电桥中作为惠斯顿电桥的一臂，并调整惠斯顿电桥至平衡状态；
[0027]
将平衡状态的惠斯顿电桥置于空气浴中进行气体标定测量出待检测的铂膜热流传感器中的v(t)，再将平衡状态的惠斯顿电桥置于甘油浴中进行液体标定测量出待检测的铂膜热流传感器中的v
*
(t)，将；
[0028]
将待检测的铂膜热流传感器中的v(t)和待检测的铂膜热流传感器中的v
*
(t)带入至所述标定表征式中求得待检测的铂膜热流传感器基底热物性参数。
[0029]
作为本发明的一种优选方案，所述铂膜热流传感器中的v(t)的铂膜热流传感器中的v
*
(t)的测量过程包括：
[0030]
提取铂膜热流传感器的类别特征和空气浴的空气介质特征以及甘油浴的液体介质特征，利用预先建立的空气浴时段预测模型预测出铂膜热流传感器中的v(t)的最佳测量时段，以及利用预先建立的甘油浴时段预测模型预测出铂膜热流传感器中的v
*
(t)的最佳测量时段；
[0031]
分别在v(t)的最佳测量时段和v
*
(t)的最佳测量时段进行铂膜热流传感器中的v(t)的测量和铂膜热流传感器中的v
*
(t)的测量，以避免在空气浴和甘油浴中铂膜热流传感器处于非稳定状态导致测量误差；
[0032]
所述空气浴时段预测模型的建立包括：
[0033]
选取一组不同类别的铂膜热流传感器作为样本传感器，以及选取一组空气介质特征不同的空气浴作为样本空气浴，将每个包含样本传感器的惠斯顿电桥置于每个样本空气浴中进行铂膜热流传感器中的v(t)的实时测量，并筛选出铂膜热流传感器中的v(t)处于稳定状态的测量时段作为最佳测量时段；
[0034]
将样本传感器的类别特征、样本空气浴的空气介质特征作为cnn神经网络输入项，将最佳测量时段作为cnn神经网络输出项，利用cnn神经网络基于cnn神经网络输入项和cnn神经网络输出项进行网络训练得到所述空气浴时段预测模型；
[0035]
所述空气浴时段预测模型的模型表达式为：
[0036]
time_gas＝cnn(category，gas_feature)；
[0037]
式中，time_gas表征为空气浴的最佳测量时段，category表征为所述类别特征，
gas_feature表征为空气介质特征，cnn表征为cnn神经网络；
[0038]
所述空气浴时段预测模型的建立包括：
[0039]
选取一组液体介质特征不同的甘油浴作为样本空气浴，将每个包含样本传感器的惠斯顿电桥由样本空气浴中取出再置于每个样本甘油浴中进行铂膜热流传感器中的v
*
(t)的实时测量，并筛选出铂膜热流传感器中的v
*
(t)处于稳定状态的测量时段作为最佳测量时段；
[0040]
将样本传感器的类别特征、样本甘油浴的液体介质特征作为cnn神经网络输入项，将最佳测量时段作为cnn神经网络输出项，利用cnn神经网络基于cnn神经网络输入项和cnn神经网络输出项进行网络训练得到所述甘油浴时段预测模型；
[0041]
所述甘油浴时段预测模型的模型表达式为：
[0042]
time_liquid＝cnn(category，liquid)feature)；
[0043]
式中，time_liquid表征为甘油浴的最佳测量时段，category表征为所述类别特征，liquid_feature表征为液体介质特征，cnn表征为cnn神经网络；
[0044]
所述稳定状态包括：样本传感器的电流维持在一固定值，样本传感器的薄膜电阻维持在一固定值。
[0045]
作为本发明的一种优选方案，所述甘油浴中使用的液体介质的密度、比热容和热传导系数均已知，且状态稳定。
[0046]
作为本发明的一种优选方案，所述在空气浴和甘油浴中平衡状态的惠斯顿电桥对待检测的铂膜热流传感器均施加固定大小的电流。
[0047]
作为本发明的一种优选方案，在进行网络训练前，对cnn神经网络输入项中各特征分量进行归一化处理以消除量纲误差。
[0048]
作为本发明的一种优选方案，在甘油浴中进行液体标定时将铂膜热流传感器的薄膜完全侵入液体介质中。
[0049]
作为本发明的一种优选方案，本发明提供了一种根据所述的铂膜热流传感器基底热物性参数检测方法的检测装置，包括惠斯顿电桥、空气浴装置、甘油浴装置和辅助测量工具，所述惠斯顿电桥用于为铂膜热流传感器提供恒流源，以实现铂膜热流传感器的恒定加热，所述空气浴装置和甘油浴装置分别用于为铂膜热流传感器提供双重标定环境，所述辅助测量工具用于在惠斯顿电桥、空气浴装置和空气浴装置中进行辅助测量。
[0050]
本发明与现有技术相比较具有如下有益效果：
[0051]
本发明利用甘油浴和空气浴进行双标定对照推导出铂膜热流传感器的基底热物性参数的标定表征式，消除非均匀薄膜的影响和薄膜表面积的测定不准的影响实现标定精度的提高，而且在铂膜热流传感器的计算参数测量中利用预先建立的时段预测模型进行最佳测量时段的预测，从而能够保证计算参数测量的准确性，进一步提高铂膜热流传感器基底热物性参数的标定精度。
附图说明
[0052]
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据
提供的附图引伸获得其它的实施附图。
[0053]
图1为本发明实施例提供的铂膜热流传感器基底热物性参数检测方法流程图；
[0054]
图2为本发明实施例提供的标定薄膜电阻温度计的惠斯顿电桥电路示意图。
具体实施方式
[0055]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0056]
如图1所示，本发明提供了一种铂膜热流传感器基底热物性参数检测方法，包括以下步骤：
[0057]
步骤s1、利用甘油浴和空气浴进行双标定对照推导出铂膜热流传感器的基底热物性参数的标定表征式，以消除非均匀薄膜的影响和薄膜表面积的测定不准的影响实现标定精度的提高，基底热物性参数由基底材料的密度ρ、比热容c和热传导系数k组合构成；
[0058]
传统的计算过程是：在恒定加热的情况下，铂膜热流传感器的表面热流率公式为：
[0059][0060]
假如热流率已知，同时与表面温度变化相关的电势e(t)由实验记录，电阻温度系数α、电流i0、薄膜的初始电阻r0等都被精确地测定。那么综合热特性(kpc)
1/2
就可以由式计算得到。根据这种考虑，采用了下面的标定方法。
[0061]
把需要标定的薄膜电阻温度计作为惠斯顿电桥的一臂，如图2所示，开始电桥必须仔细精确地平衡，然后使恒定电流i0流过薄膜。在薄膜上产生的电功率为：
[0062][0063]
转换成薄膜的加热率为：
[0064][0065]
在图2中，电压和电阻的关系可以表示成
[0066][0067][0068]
因此
[0069][0070]
又有
[0071]
e0＝i(t)[r0 r2 δr(t)]
ꢀꢀꢀꢀ
(8)
[0072]
以(8)代入(7)得
[0073][0074]
应用e(t)＝i0·
δr(t)改写(2)式得
[0075][0076]
忽略薄膜电阻变化引起的电流变化。并列(4)、(9)、(1 0)式得
[0077][0078]
在标定过程中记下e(t)和i(t)。在恒定加热的情况下，e(t)应该是理想的抛物线函数。因此对曲线e(t)用最小二乘法拟合的抛物线去渐进，则综合热特性(kpc)
1/2
就可由方程(11)求出。更方便的做法把e(t)送入热电模拟网络，相应得到下式
[0079][0080]
因恒热流下v(t)是一个常值。所以方程(12)能更容易求出(kpc)
1/2
值。
[0081]
然而，用(11)或(12)式求((kpc)
1/2
值的一个最大困难是薄膜的表面积无法精确地测定，尤其当薄膜表面为曲面时更甚。为了避免测量薄膜表面积和其他一些测量引起的综合热特性(kpc)
1/2
的严重误差，本实施例提供了一种双标定方法，以消除非均匀薄膜的影响和薄膜表面积的测定以及α、i0、r0值的测定不准的影响。
[0082]
基底热物性参数的标定表征式推导过程包括：
[0083]
将铂膜热流传感器置于空气浴中进行气体标定推导得到铂膜热流传感器在空气介质的表面热流率公式为：
[0084][0085]
式中，q0为铂膜热流传感器在空气介质的表面热流率，f为铂膜热流传感器中薄膜非均匀性引起的常参数，(kρc)
1/2
为基底热物性参数，k为基底材料热传导系数，ρ为基底材料的密度，c为基底材料的比热容，α为铂膜热流传感器的电阻温度系数，i0为铂膜热流传感器的通入电流，r0为铂膜热流传感器的薄膜初始电阻，e(t)为铂膜热流传感器的电势，t为时间；
[0086]
将完成空气浴标定的铂膜热流传感器置于甘油浴中进行液体标定，以使得铂膜热流传感器在空气介质的表面热流率分配为铂膜热流传感器在空气介质和液体介质上的表面热流率，并推导得到的铂膜热流传感器在空气介质和液体介质上的表面热流率公式为：
[0087][0088]
[0089]
式中，mq0为铂膜热流传感器在液体介质中的表面热流率，(1-m)q0为铂膜热流传感器在空气介质中的表面热流率，m为分配比例，e
*
(t)为铂膜热流传感器在液体介质中的电势，[(kρc)
1/2
]
*
为液体介质热物性参数；
[0090]
将铂膜热流传感器在空气介质和液体介质上的表面热流率进行求和得到：
[0091][0092]
将与进行联立求解得到：
[0093][0094]
将e(t)和e
*
(t)送入热电模拟网络得到和将进行等价替换得到标定表征式为：
[0095][0096]
式中，v(t)为铂膜热流传感器在空气中的电势e(t)，v
*
(t)为铂膜热流传感器在液体中的电势e
*
(t)。
[0097]
液体介质热物性参数[(kρc)
1/2
]
*
根据液体介质类别由热物性参数查询得知.利用已知均匀液体的热物性参数，通过对比相同电加热量下铂膜热流传感器在空气中与液体中电势差异，即可获得铂膜热流传感器基底的热物性参数。
[0098]
本实施例得到的标定表征式不在含有f、s、α、i0、r0，消除了非均匀薄膜的影响和薄膜表面积的测定以及α、i0、r0值的测定不准的影响，提高了基底热物性参数的标定精度。
[0099]
步骤s2、在甘油浴和空气浴中利用惠斯顿电桥对待检测的铂膜热流传感器进行电学测量得到基底热物性参数的计算参数，并将计算参数代入至标定表征式中求得待检测的铂膜热流传感器基底热物性参数。
[0100]
利用惠斯顿电桥对待检测的铂膜热流传感器进行电学测量，包括：
[0101]
将待检测的铂膜热流传感器置于惠斯顿电桥中作为惠斯顿电桥的一臂，并调整惠斯顿电桥至平衡状态；
[0102]
将平衡状态的惠斯顿电桥置于空气浴中进行气体标定测量出待检测的铂膜热流传感器中的v(t)，再将平衡状态的惠斯顿电桥置于甘油浴中进行液体标定测量出待检测的铂膜热流传感器中的v
*
(t)，将；
[0103]
将待检测的铂膜热流传感器中的v(t)和待检测的铂膜热流传感器中的v
*
(t)带入至标定表征式中求得待检测的铂膜热流传感器基底热物性参数。
[0104]
铂膜热流传感器中的v(t)的铂膜热流传感器中的v
*
(t)的测量过程包括：
[0105]
提取铂膜热流传感器的类别特征和空气浴的空气介质特征以及甘油浴的液体介质特征，利用预先建立的空气浴时段预测模型预测出铂膜热流传感器中的v(t)的最佳测量时段，以及利用预先建立的甘油浴时段预测模型预测出铂膜热流传感器中的v
*
(t)的最佳测量时段；
[0106]
分别在v(t)的最佳测量时段和v
*
(t)的最佳测量时段进行铂膜热流传感器中的v(t)的测量和铂膜热流传感器中的v
*
(t)的测量，以避免在空气浴和甘油浴中铂膜热流传感器处于非稳定状态导致测量误差；
[0107]
空气浴时段预测模型的建立包括：
[0108]
选取一组不同类别的铂膜热流传感器作为样本传感器，以及选取一组空气介质特征不同的空气浴作为样本空气浴，将每个包含样本传感器的惠斯顿电桥置于每个样本空气浴中进行铂膜热流传感器中的v(t)的实时测量，并筛选出铂膜热流传感器中的v(t)处于稳定状态的测量时段作为最佳测量时段；
[0109]
将样本传感器的类别特征、样本空气浴的空气介质特征作为cnn神经网络输入项，将最佳测量时段作为cnn神经网络输出项，利用cnn神经网络基于cnn神经网络输入项和cnn神经网络输出项进行网络训练得到空气浴时段预测模型；
[0110]
空气浴时段预测模型的模型表达式为：
[0111]
time_gas＝cnn(category，gas_feature)；
[0112]
式中，time_gas表征为空气浴的最佳测量时段，category表征为类别特征，gas_feature表征为空气介质特征，cnn表征为cnn神经网络；
[0113]
空气浴时段预测模型的建立包括：
[0114]
选取一组液体介质特征不同的甘油浴作为样本空气浴，将每个包含样本传感器的惠斯顿电桥由样本空气浴中取出再置于每个样本甘油浴中进行铂膜热流传感器中的v
*
(t)的实时测量，并筛选出铂膜热流传感器中的v
*
(t)处于稳定状态的测量时段作为最佳测量时段；
[0115]
将样本传感器的类别特征、样本甘油浴的液体介质特征作为cnn神经网络输入项，将最佳测量时段作为cnn神经网络输出项，利用cnn神经网络基于cnn神经网络输入项和cnn神经网络输出项进行网络训练得到甘油浴时段预测模型；
[0116]
甘油浴时段预测模型的模型表达式为：
[0117]
time_liquid＝cnn(category，liquid_feature)；
[0118]
式中，time_liquid表征为甘油浴的最佳测量时段，category表征为类别特征，liquid_feature表征为液体介质特征，cnn表征为cnn神经网络；
[0119]
稳定状态包括：样本传感器的电流维持在一固定值，样本传感器的薄膜电阻维持在一固定值。
[0120]
预测出一个最佳测量时刻，避免在空气浴和甘油浴测量过程中铂膜热流传感器未稳定，导致测量出的v(t)和v
*
(t)值不可靠，最终影响标定精度，而将预测功能利用模型进行自动化实现，避免人为主观性，以及降低人为工作量，无需进行数据筛选，也减少了大量无效测量产生的无效数据。
[0121]
甘油浴中使用的液体介质的密度、比热容和热传导系数均已知，且状态稳定。
[0122]
在空气浴和甘油浴中平衡状态的惠斯顿电桥对待检测的铂膜热流传感器均施加固定大小的电流。
[0123]
在进行网络训练前，对cnn神经网络输入项中各特征分量进行归一化处理以消除量纲误差。
[0124]
在甘油浴中进行液体标定时将铂膜热流传感器的薄膜完全侵入液体介质中。
[0125]
基于上述铂膜热流传感器基底热物性参数检测方法，本发明提供了一种检测装置，包括惠斯顿电桥、空气浴装置、甘油浴装置和辅助测量工具，惠斯顿电桥用于为铂膜热流传感器提供恒流源，以实现铂膜热流传感器的恒定加热，空气浴装置和甘油浴装置分别用于为铂膜热流传感器提供双重标定环境，辅助测量工具用于在惠斯顿电桥、空气浴装置和空气浴装置中进行辅助测量。
[0126]
本发明利用甘油浴和空气浴进行双标定对照推导出铂膜热流传感器的基底热物性参数的标定表征式，消除非均匀薄膜的影响和薄膜表面积的测定不准的影响实现标定精度的提高，而且在铂膜热流传感器的计算参数测量中利用预先建立的时段预测模型进行最佳测量时段的预测，从而能够保证计算参数测量的准确性，进一步提高铂膜热流传感器基底热物性参数的标定精度。
[0127]
以上实施例仅为本技术的示例性实施例，不用于限制本技术，本技术的保护范围由权利要求书限定。本领域技术人员可以在本技术的实质和保护范围内，对本技术做出各种修改或等同替换，这种修改或等同替换也应视为落在本技术的保护范围内。