阅读说明：本技术 一种箭体贮箱液位监测方法 (A kind of rocket body tank level monitoring method ) 是由 任明法 王磊 常文钰 胡正根 于 2019-08-08 设计创作，主要内容包括：本发明提供一种箭体贮箱液位监测方法,思路是通过获取粘贴在贮箱外表面的一组沿轴向的温度传感器的数据,利用神经网络建立各温度传感器的数据与液位的映射关系,最终实现由温度值反演液位的目的。(The present invention provides a kind of rocket body tank level monitoring method, thinking is that one group of data along axial temperature sensor of tank outer surface are pasted by obtaining, using the data of each temperature sensor of neural network and the mapping relations of liquid level, the final purpose realized by temperature value inverting liquid level.)

一种箭体贮箱液位监测方法

技术领域

本发明涉及测量方法技术领域，具体而言，尤其涉及复合材料贮箱的液位测量方法。

背景技术

随着空间探索的不断深入，大型化、轻质化和高可靠性成为飞行器未来的发展方向。推进剂贮箱作为运载火箭的重要组成部分，为实现结构的轻量化，复合材料贮箱正逐步替代金属贮箱成为发展潮流。在新一代贮箱研制过程中，需进行地面的低温静力试验，因此在加注过程中需要对液位进行测量。然而，由于贮箱非透明，液位无法目测，所以需要测量液体的液位。

现有的液位监测技术主要分为三大类：压差式、电阻式和电容式测量等。

压差式液位测量技术是通过钢管将压差计的正压端接至被测液体的低端，负压端接至气相中，根据流体静力学原理来进行液位测量的。石少仿等人[1]采用连通器原理，通过液位测量有机玻璃管准确测量贮箱内的液位高度。

电阻式液位监测技术，是依据电阻在低温介质温度下阻值变化的原理进行测量的。王涛等人[2]将电阻片粘贴于贮箱内侧，利用普通电阻在液氮温度下阻值变大的原理实现液位的测量。

电容式液位监测技术则是通过液位高低变化导致探头被覆盖区域大小发生变化，从而导致电容值发生变化的原理制备的。依据此原理，王江等人[3]设计的液位传感器利用光电信号在水介质中的特性感知加注液位的变化，进而完成贮箱加注容积的重要液位点测量。

除此之外，其他可适用于液氮、液氢、液氧等超低温介质的液位传感器还包括超导式液位计、雷达式液位计等等。

目前已有技术缺点如下：

1.由于在贮箱地面试验中加注的是超低温介质，差压式液面计中的引出管容易冻结导致液位测量失效。

2.在贮箱地面试验中，若加注的推进剂为液氢、液氧，由于推进剂本身具有易燃易爆特性，基于电信号测量的电阻式或电容式液位传感器会对试验产生安全隐患。

3.将温度传感器粘贴于贮箱外侧的方式原理简单易操作，但其液位测量的精度与温度传感器粘贴的密度直接相关，在保证液位测量精度的前提下，所需温度传感器数量较多。

4.其他的新型液位传感器存在造价高等缺点。

发明内容

根据上述提出的技术问题，而提供一种箭体贮箱液位监测方法。本发明主要利用利用神经网络建立各温度传感器的数据与液位的映射关系，最终实现由温度值反演液位的目的。

本发明采用的技术手段如下：

一种箭体贮箱液位监测方法，包括以下步骤：

步骤一，将气瓶与支架固定上，保证复合材料贮箱垂立；

步骤二，在复合材料贮箱外壁贮箱外表面沿轴向方向等分复合材料贮箱轴向长度上粘贴若干个温度传感器；

步骤三，以温度传感器的数据为基础，采用BP神经网络建立温度变化与液位的映射关系，以达到通过温度值反演液位。

进一步的，温度传感器为光纤光栅温度传感器。

进一步的，当复合材料贮箱为储气气瓶或者顶部为收口设计罐体时，瓶口较小，无法放置常规的液位传感器获取液位变化数据，故采用可连续记录重量的电子称，通过质量反推液位高度，并记录该液位下，同时记录温度传感器的数值。

进一步的，BP神经网络中输入层为温度，BP神经网络中输出层为质量或者液位；

BP神经网络中隐藏层个数的选取问题上，包含三个经验公式：

m＝log₂n (2)

其中m是隐含层节点数，n是输入层节点数，l是输出层节点数，α是1～10之间的常数。

本发明中，输入层节点数n＝8,输出层节点数l＝1，综合上述经验公式，选取隐含层节点数m为4。

较现有技术相比，本发明具有以下优点：

1.该方法原理简单，易于操作，除粘贴温度传感器外不需要对贮箱进行额外打孔或其他加工。

2.温度传感器采用的是光纤光栅温度传感器，该型传感器通过解调波长变化达到测量目的，无电信号的产生，可用于强电磁环境和易燃易爆场合。

3.与液位到达某一传感器位置导致其温度值产生突变从而获取液位的方法相比，本方法所需的温度传感器数量较少，成本较低。

4.在实际应用中，BP神经网络所需的训练集可以通过精准的贮箱热传导模型仿真获得，获取方式所需成本较低。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明复合材料贮箱固定后立体结构示意图。

图2为本发明光纤光栅温度传感器布置图。

图3为本发明BP神经网络示意图。

图4为本发明BP神经网络预测液体质量与实际质量视图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

为使本发明实施例的目的、技术方案和优点更加清楚，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。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。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。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。同时，应当清楚，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员己知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任向具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

在本发明的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制：方位词“内、外”是指相对于各部件本身的轮廓的内外。

为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其位器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。

此外，需要说明的是，使用“第一”、“第二”等词语来限定零部件，仅仅是为了便于对相应零部件进行区别，如没有另行声明，上述词语并没有特殊含义，因此不能理解为对本发明保护范围的限制。

如图1、图2和图3所示，本发明提供了一种箭体贮箱液位监测方法，包括以下步骤：

步骤一，将气瓶与支架固定上，保证复合材料贮箱垂立；

步骤二，在复合材料贮箱外壁贮箱外表面沿轴向方向等分复合材料贮箱轴向长度上粘贴若干个温度传感器；

步骤三，以温度传感器的数据为基础，采用BP神经网络建立温度变化与液位的映射关系，以达到通过温度值反演液位。

进一步的，温度传感器为光纤光栅温度传感器。

进一步的，当复合材料贮箱为储气气瓶或者顶部为收口设计罐体时，瓶口较小，无法放置常规的液位传感器获取液位变化数据，故采用可连续记录重量的电子称，通过质量反推液位高度，并记录该液位下，同时记录温度传感器的数值。

进一步的，BP神经网络中输入层为温度，BP神经网络中输出层为质量或者液位；

BP神经网络中隐藏层个数的选取问题上，包含三个经验公式：

m＝log₂n (2)

其中m是隐含层节点数，n是输入层节点数，l是输出层节点数，α是1～10之间的常数。

如图2所示本发明中，输入层节点数n＝8,输出层节点数l＝1，综合上述经验公式，选取隐含层节点数m为4。

实施例一，

为验证本发明中思路的正确性，采用常用的6.8L含金属内衬的复合材料气瓶模拟复合材料贮箱，通过加注热水模拟推进剂加注过程。试验系统由复合材料气瓶、可连续记录重量的电子称、光纤温度传感器和光纤解调仪组成。

1.将气瓶按图1所示的方式固定在支架上，保证贮箱垂立，在复合材料贮箱外壁粘贴光纤光栅温度传感器(1-1、1-2、1-3、1-4、2-1、2-2、2-3、2-4)，具体的布置方式见图2。由于气瓶瓶口较小，无法放置常规的液位传感器获取液位变化数据，故采用可连续记录重量的电子称，通过质量反推液位高度，并记录该液位下，温度传感器的数值。

2.以光纤光栅温度传感器的数据为基础，采用BP神经网络建立温度变化与液位的映射关系，以达到通过温度值反演液位的目的。BP神经网络如图3所示，在关于BP神经网络中隐藏层个数的选取问题上，一般有三个经验公式：

m＝log₂n (2)

其中m是隐含层节点数，n是输入层节点数，l是输出层节点数，α是1～10之间的常数。本发明中，输入层节点数n＝8,输出层节点数l＝1，综合上述经验公式，选取隐含层节点数m为4。

3.选择各温度数据与相对应的液体质量(液位)数据库共计1178组数据进行神经网络训练，训练后另选8组数据进行验证，试验数据如图4所示，其总体误差<10％,由此可知，经过BP神经网络训练后的数据库可以较好的预测液体的质量(液位)，从而验证了本发明的可行性。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。