，，， ，

(1.中國運(yùn)載火箭技術(shù)研究院研究發(fā)展中心, 北京 100191；2.北京遙測技術(shù)研究所, 北京 100191)

0 引言

流體回路技術(shù)是復(fù)雜環(huán)境條件下進(jìn)行航天器熱控設(shè)計(jì)重要的技術(shù)途徑，可以大范圍進(jìn)行能量交換，實(shí)時(shí)調(diào)節(jié)能力強(qiáng)，回路布局方便，并且具有熱源換熱器、空間熱輻射器布局條件限制小等特點(diǎn)，目前長期在軌運(yùn)行的大型航天器均采用此技術(shù)[1]。

然而，航天器在軌運(yùn)行要經(jīng)受空間環(huán)境的長時(shí)間考驗(yàn)，飛行任務(wù)復(fù)雜度高、運(yùn)行環(huán)境惡劣，艙體和密封結(jié)構(gòu)可能產(chǎn)生松動(dòng)、變形、表面氧化、腐蝕、損傷甚至穿孔等現(xiàn)象進(jìn)而引發(fā)泄漏事故[2]。 NASA 的國際空間站長久運(yùn)行計(jì)劃曾指出微流星和空間碎片是影響國際空間站、航天飛機(jī)和其他航天器長久運(yùn)行的首要問題[3]。2007年，奮進(jìn)號(hào)航天飛機(jī)在執(zhí)行STS-118號(hào)任務(wù)時(shí)，受到空間碎片撞擊?？臻g碎片徹底擊穿散熱器面板及其下面的熱控系統(tǒng)外殼，引起航天飛機(jī)的嚴(yán)重泄漏[4]。

泄漏檢測技術(shù)在燃?xì)夤芫W(wǎng)和供水管網(wǎng)方面的研究比較多[5-8]，常用的方法包括：壓力下降法[9]、泄漏物質(zhì)檢測法[10-11]、超聲法[12-13]等。其中壓力下降法能夠判斷出管路有泄漏發(fā)生，但很難對泄漏位置進(jìn)行定位。而泄漏物質(zhì)檢測法和超聲法一般需要人使用傳感器探頭對管路進(jìn)行掃描，找出泄漏位置，盡管該兩種方法靈敏度高，但是效率低，而且對于無人航天器以及航天器的外回路管道很難使用。因此需要研究一種能夠用于長期在軌航天器管路泄漏實(shí)時(shí)監(jiān)測、快速定位的技術(shù)。空間流體回路泄漏實(shí)時(shí)監(jiān)測及故障定位方面的研究幾乎沒有，當(dāng)航天器流體回路尤其是外回路管道遭受流星或空間碎片的撞擊而產(chǎn)生泄漏故障時(shí)，管道內(nèi)工質(zhì)的質(zhì)量流量會(huì)發(fā)生變化，從而引起管道內(nèi)工質(zhì)的壓力、流速和溫度等熱工特性發(fā)生變化。在分析航天器流體外回路壓力、溫度等熱工特性的基礎(chǔ)上，采用基于RBF神經(jīng)網(wǎng)絡(luò)溫度、壓力信號(hào)特征識(shí)別技術(shù)，能夠?qū)崿F(xiàn)檢測泄漏并對泄漏孔進(jìn)行定位。

1 流體回路泄漏熱工特性仿真

1.1 泄漏簡化模型

航天器常用單相流體回路由內(nèi)外兩個(gè)回路組成[14-15]。其中內(nèi)回路通過泵驅(qū)動(dòng)工質(zhì)循環(huán)流動(dòng)，當(dāng)工質(zhì)流過冷板時(shí)將冷板上的熱吸收，流過與外回路的交叉換熱器時(shí)，將熱輸出給外回路。外回路工質(zhì)從換熱器吸收熱后，在外回路泵的驅(qū)動(dòng)下，流到輻射器，再輸出給外界環(huán)境。簡化模型如圖1所示。

圖1 泵驅(qū)動(dòng)單相流體回路簡化圖

回路中流體工質(zhì)的溫度變化較大時(shí)，會(huì)引起體積的變化，從而影響流速的穩(wěn)定，最終影響到換熱效果?；芈啡舭l(fā)生泄漏故障也會(huì)影響到換熱效果，設(shè)置補(bǔ)償器隨時(shí)對回路工質(zhì)進(jìn)行必要的補(bǔ)償，保證正常的換熱效果。補(bǔ)償器在回路泄漏過程中，由于氣囊的存在，先提供恒定壓力和恒定溫度的流體補(bǔ)償，隨后由于氣囊體積的變化，只能提供恒定溫度而變壓力的流體補(bǔ)償，直至無法提供補(bǔ)償，補(bǔ)償器閥門自動(dòng)關(guān)閉。

穩(wěn)態(tài)泄漏過程中，由于補(bǔ)償器的存在，出口處管道中流體工質(zhì)的壓力、溫度等參數(shù)恒定不變，即泄漏孔口的泄漏率不隨時(shí)間改變。當(dāng)泄漏發(fā)生在管道上時(shí)，熱輻射器和換熱器處的能量計(jì)算式基本不變，可以通過連續(xù)性方程、動(dòng)量方程和能量方程分析管路內(nèi)流體的速度、壓力和溫度分布情況。而且，泄漏的存在將使得管道泄漏孔口上、下游的流體質(zhì)量流量發(fā)生變化，從而影響整個(gè)回路的熱工特性，所以有必要對管道的泄漏區(qū)和非泄漏區(qū)分別進(jìn)行研究，建立微分方程如式(1)-式(4)所示[16]。

1)非泄漏區(qū)：

(1)

(2)

2)泄漏區(qū)：

(3)

(4)

其中:T為流體工質(zhì)溫度；P為流體工質(zhì)壓力；x為管路長度；Ta為深冷空間溫度，f為摩擦阻力系數(shù)；D為管道內(nèi)徑；ρ為工質(zhì)密度；V為工質(zhì)流速；h為對流換熱系數(shù)；cp為工質(zhì)比熱容；A為管道橫截面積；Q0為泄漏孔口的質(zhì)量泄漏率。

1.2 泄漏仿真計(jì)算

設(shè)流體回路為鋁合金管(LF10)，工質(zhì)為全氟三乙胺，外回路管子為φ20 mm×1.5 mm，工質(zhì)質(zhì)量流量為0.233 kg/s，內(nèi)外回路間換熱器的實(shí)際熱交換量為485 W。外回路管路各段長度如圖2。

圖2 外回路管路長度示意圖

設(shè)泄漏位置為2.5 m，泄漏孔徑為0.001 m，經(jīng)計(jì)算，結(jié)果如圖3所示。

圖3 仿真計(jì)算結(jié)果(泄漏位置2.5 m，泄漏孔徑0.001 m)

從圖3(a)中可以看出，有泄漏情況下與無泄漏情況下壓力分布差異較大。其中泄漏點(diǎn)處，會(huì)有微小的壓力上升。而泵的壓力升高量比無泄漏時(shí)明顯減少，這是由于泄漏點(diǎn)在泵之前，導(dǎo)致進(jìn)入泵的流量減少，則泵所提供的揚(yáng)程降低，從而使得泵后的流體壓力值均減小。從圖3(b)中可以看出，泄漏處的溫度與非泄漏時(shí)幾乎沒有變化，但是在中間熱交換器之后，有泄漏的情況下管路溫度比無泄漏時(shí)高，這是由于流入泵的體積流量下降，在保證內(nèi)回路換熱的情況下，泄漏時(shí)換熱器出口流體的溫度較無泄漏時(shí)的高些，而由于補(bǔ)償器的存在換熱器入口流體溫度基本不變。

圖4為泄漏位置11 m，泄漏孔徑為0.001 m的壓力和溫度分布曲線。

圖4 仿真計(jì)算結(jié)果(泄漏位置11 m，泄漏孔徑0.001 m)

從圖4可以看出，雖然泄漏位置不同，但是壓力分布規(guī)律與圖4相同，均是泄漏點(diǎn)之前的壓力分布與無泄漏相同，泄漏點(diǎn)處仍會(huì)有微小的壓力上升，而溫度變化差異。當(dāng)泄漏位置位于中間熱交換器之后的區(qū)域時(shí)，泄漏位置處的溫度會(huì)有明顯下降，這是由于泄漏點(diǎn)處存在熱交換，同時(shí)，由于泄漏導(dǎo)致進(jìn)入輻射器進(jìn)行熱交換的流體流量減少。

通過上述分析可知，通過測量管路壓力和溫度的分布是可以反演出泄漏位置的。但是在實(shí)際情況下，由于功耗、重量等因素的限制，以現(xiàn)有技術(shù)很難將壓力和溫度分布精確測量出來，而只能將部分關(guān)鍵節(jié)點(diǎn)處的溫度和壓力值測量出來。壓力的關(guān)鍵點(diǎn)為參考點(diǎn)、換熱器前后、泵前后、輻射器前后等7個(gè)點(diǎn)，溫度關(guān)鍵點(diǎn)為換熱器前后、輻射器前后等4個(gè)點(diǎn)。由于數(shù)據(jù)量少，要反演出泄漏點(diǎn)位置和泄漏孔徑大小，需要采用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行反演計(jì)算。

2 基于RBF神經(jīng)網(wǎng)絡(luò)的泄漏特征反演

2.1 構(gòu)造并訓(xùn)練RBF神經(jīng)網(wǎng)絡(luò)

RBF神經(jīng)網(wǎng)絡(luò)，即徑向基神經(jīng)網(wǎng)絡(luò)[17]。它由三層構(gòu)成：輸入層、隱含層和輸出層。采用徑向基函數(shù)作為隱含層單元。隱含層對輸入矢量進(jìn)行變換，將低維的輸入數(shù)據(jù)變換到高維空間內(nèi)，使得在低維空間內(nèi)的線性不可分問題在高維空間內(nèi)線性可分。結(jié)構(gòu)簡單、訓(xùn)練簡潔、學(xué)習(xí)收斂速度快、能夠逼近任意非線性函數(shù)，克服局部極小值問題[18]。因此RBF神經(jīng)網(wǎng)絡(luò)特別適合于參數(shù)反演和模型預(yù)測[19]。圖5是徑向基神經(jīng)元模型。

圖5 徑向基神經(jīng)元模型

基函數(shù)最常用的是高斯函數(shù)：

(5)

RBF神經(jīng)網(wǎng)絡(luò)的輸出是Ri(Χ)到y(tǒng)i的線性映射，即：

(6)

i=1,2,...,m，其中Wi為輸出層權(quán)值。

為建立神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的樣本數(shù)據(jù)，通過仿真計(jì)算出不同泄漏位置孔徑的壓力和溫度分布曲線，選擇前文所述的壓力和溫度關(guān)鍵點(diǎn)處的參數(shù)值為輸入層數(shù)據(jù)(11維向量)，泄漏位置和泄漏孔徑作為輸出層數(shù)據(jù)(2維向量)，不同泄漏位置與泄漏孔徑組合共生成2540組樣本數(shù)據(jù)?？紤]到實(shí)際情況下的壓力和溫度精度，對仿真生成的樣本數(shù)據(jù)精度進(jìn)行處理，使得壓力的精度為10 Pa，溫度的精度為0.01 K。訓(xùn)練結(jié)果如圖6所示。

圖6 訓(xùn)練收斂曲線

2.2 反演結(jié)果分析

圖8 泄漏位置反演誤差分布

將仿真數(shù)據(jù)輸入訓(xùn)練結(jié)束后的神經(jīng)網(wǎng)絡(luò)，得到反演的泄漏孔徑和泄漏位置。經(jīng)計(jì)算，其誤差大小隨泄漏孔徑和泄漏位置分布以及誤差概率分布曲線如圖7和圖8所示。從圖7(a)可以看出，當(dāng)泄漏孔徑小于1.5 mm且泄漏位置在中間換熱器(6 m)附近時(shí)，孔徑反演誤差較大，最大誤差為0.25 mm。這是由于影響泄漏孔徑的反演的主要因素是溫度。而在換熱器附近其溫升較高，泄漏導(dǎo)致的溫度變化相對于換熱器影響非常微弱，因而使泄漏孔徑反演誤差增大。從圖7(b)可以看出95%以上的泄漏孔徑反演誤差小于0.05 mm，表明通過本文訓(xùn)練的RBF神經(jīng)網(wǎng)絡(luò)可以有效反演泄漏孔徑。從圖8(a)可以看出，當(dāng)泄漏孔徑小于0.5 mm時(shí)，泄漏定位誤差均比較大；而當(dāng)泄漏孔徑大于0.5 mm時(shí)，泄漏定位誤差均比較小。這是由于，壓力是影響泄漏位置反演的主要因素，而當(dāng)泄漏孔徑很小時(shí)，泄漏流量小，對壓力分布的影響也很小，進(jìn)而使得對泄漏位置的定位誤差較大。從圖8(b)中可以看出對于0.5 mm以下得漏孔，僅有45%以上的泄漏位置反演誤差小于0.3 m，而對于漏孔直徑大于0.5 mm時(shí)，95%以上的泄漏位置反演誤差小于0.3 m。綜上所述，工程應(yīng)用時(shí)，需要先根據(jù)反演的泄漏孔徑大小進(jìn)行分析，若漏孔直徑小于0.5 mm，則對于泄漏位置的定位結(jié)果可靠性是比較低的。而對于漏孔直徑大于0.5 mm時(shí)，對于泄漏位置的定位結(jié)果可靠性比較高。

3 結(jié)論

本文對航天器熱控系統(tǒng)流體回路管路泄漏的壓力和溫度分布進(jìn)行理論和仿真分析，獲得了不同泄漏位置和泄漏孔徑情況下的壓力和溫度分布數(shù)據(jù)。以其中部分關(guān)鍵點(diǎn)的壓力和溫度值為輸入?yún)?shù)，以泄漏位置和泄漏孔徑為輸出參數(shù)，建立了RBF神經(jīng)網(wǎng)絡(luò)，可以有效反演出泄漏孔徑的大小。通過分析可以得到，對于泄漏孔徑小于0.5 mm的微小泄漏，其位置的反演誤差較大，還需要補(bǔ)充其他手段輔助進(jìn)行泄漏定位；當(dāng)泄漏孔徑大于0.5 mm時(shí)，以95%的概率定位誤差小于0.3 m。

[1] 邵興國，張加迅，向艷超.熱管及流體回路技術(shù)在航天器上的應(yīng)用分析[C]. 第十一屆全國熱管會(huì)議論文集，2008.

[2] Makel D B，Jansa E D, Bickmore T W．Automated Propellant Leak Detection[J]．AIAA 93-2590．

[3] NASA, NASA’s Implementation Plan for International Space Station Continuing Flight[R]. February 15, 2005.

[4] Inter-Agency Space Debris Coordination Committee, Sensor System to Detect Impacts on Spacecraft[R]. April,2013.

[5] 鄧松圣, 聶 平, 蔚曉磊, 等. 大孔徑泄漏水力瞬變模擬研究[J]. 后勤工程學(xué)院學(xué)報(bào)，2005,(4):19-23.

[6] 藺躍武, 劉典明. 天然氣輸送管道破裂泄漏量計(jì)算[J]. 化工設(shè)備與管道,2003,40(5):44-47.

[7] 霍春勇, 董玉華, 余大濤, 等. 長輸管線氣體泄漏率的計(jì)算方法研究[J]. 石油學(xué)報(bào)，2004,25(1):101-105.

[8] 楊 昭, 張甫仁, 賴建波. 非等溫長輸管線穩(wěn)態(tài)泄漏計(jì)算模型[J]. 天津大學(xué)學(xué)報(bào),2005,38(12):1115-1121.

[9] 喻新發(fā)，閆榮鑫，邵容平,等.空間站在軌密封檢漏技術(shù)研究[J].航天器環(huán)境工程，2008,25(2).

[10] Bickford R L, Gould J L, Makel D B. X-33 on-board hydrogen detection system[R]. AIAA99-2132.

[11] John E.Sinko, Valentin Korman,etc. A Fiber-Optic Sensor for Leak Detection in a Space Environment[A]. 45thAIAA/ASME/SAE/ASEE Joint Propulsion Conference[C].2009.

[12] 馬永成，陳青松,等. 基于超聲的氣體泄漏檢測與定位技術(shù)在載人航天器中的應(yīng)用[J]. 儀表技術(shù)與傳感器,2009.

[13] Jialin Tian and Eric I. Madaras, An Amplitude-Based Estimation Method for International Space Station (ISS) Leak Detection and Localization Using Acoustic Sensor Networks[Z]. NASA’s Report, Langley Research Center, Hampton, Virginia, Nov, 2009.

[14] 張 立. 單相流體回路性能分析與研究[D]. 北京：中國空間技術(shù)研究院,2004.

[15] 張 立, 范含林. 單相流體回路系統(tǒng)的性能集成分析[J]. 中國空間科學(xué)技術(shù),2004(4):47-53.

[16] 雷 娜. 空間站流體回路因故障失效后熱工特性的演變規(guī)律[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2007.

[17] Moody J, Darken C J. Fast learning in networks of locally tuned processing units[J]. Neural Computation, 1989,1:281-294.

[18] Poggio T, Girosi F. Networks for approximation and learning[J]. Proc. IEEE,1990,78(9):1484-1487.

[19] Park J, Sandberg I W. Universal Approximation Using Radial-Basis-Function Networks[J].Neural Computation. 1991,3(2): 246-257.