張 云,杜 琴,王竟成,張志明,謝蘭川,陳 陽(yáng)

(西南技術(shù)工程研究所, 重慶 400039)

彈藥武器系統(tǒng)貯存可靠性是衡量彈藥武器水平一項(xiàng)重要的戰(zhàn)技指標(biāo)。然而,部分彈藥武器在使用前都會(huì)經(jīng)歷長(zhǎng)時(shí)間存儲(chǔ),甚至整個(gè)生命周期都不會(huì)使用。因此,武器的存儲(chǔ)環(huán)境將伴隨它一生,對(duì)其自身的壽命、性能等有重大影響[1]。彈藥存儲(chǔ)過(guò)程會(huì)受諸多環(huán)境因素的影響,如溫度、濕度、壓力、腐蝕介質(zhì)等,它們將直接影響長(zhǎng)期實(shí)際貯存下的腐蝕效應(yīng)等,進(jìn)而影響武器使用性能。其中,溫度對(duì)于貯存效果的影響最為廣泛[2]。以制導(dǎo)彈藥為例,其最直接接觸的環(huán)境是其包裝箱內(nèi)部的微環(huán)境,這賦予了微環(huán)境研究的重大意義。然而,彈藥貯存時(shí)間往往長(zhǎng)達(dá)幾年甚至十幾年,傳統(tǒng)試驗(yàn)的方式研究其微環(huán)境不僅耗時(shí)長(zhǎng)、成本高,并且彈藥的貯存方式一般都是密封存儲(chǔ),使得其包裝箱內(nèi)部微環(huán)境的測(cè)量極為困難。因此,急需一種快速、精準(zhǔn)的貯存包裝箱內(nèi)部溫度預(yù)測(cè)方法。

已有許多學(xué)者將計(jì)算機(jī)仿真技術(shù)引入各類微環(huán)境的研究中,并取得相應(yīng)成果。程衛(wèi)民等基于Fluent軟件對(duì)人員作業(yè)主要微環(huán)境因素進(jìn)行仿真研究,實(shí)現(xiàn)了對(duì)人員作業(yè)微環(huán)境方案的優(yōu)化[3]。在貯存彈藥微環(huán)境方面,潘文庚等利用ANSYS 軟件對(duì)貯存彈藥環(huán)境溫度場(chǎng)進(jìn)行了仿真分析,以獲得室內(nèi)庫(kù)存和野外存放時(shí)彈體內(nèi)部各點(diǎn)受庫(kù)存溫度影響的分布規(guī)律[4]。李迪凡等用有限元方法研究了微環(huán)境溫濕度模型,并用實(shí)測(cè)數(shù)據(jù)進(jìn)行比對(duì)和驗(yàn)證,其最大相對(duì)誤差不超過(guò)11%[5]。李昌禧等應(yīng)用軟測(cè)量技術(shù)分析了密封箱體內(nèi)的相對(duì)濕度,他們首先通過(guò)透濕機(jī)理對(duì)箱內(nèi)濕度建立數(shù)學(xué)模型,再進(jìn)一步應(yīng)用MATLAB對(duì)其進(jìn)行仿真分析,研究了包裝箱內(nèi)濕度的各個(gè)影響因素[6]。

目前,在彈藥貯存微環(huán)境方面,借助其他分析軟件進(jìn)行仿真研究的比較多,自主研發(fā)的環(huán)境因素預(yù)測(cè)軟件較少,且大多數(shù)研究成果重點(diǎn)關(guān)注包裝箱內(nèi)部的環(huán)境因素分布,忽略了彈藥存儲(chǔ)過(guò)程中外部環(huán)境因素的變化對(duì)其影響的重要性。因此,本文基于神經(jīng)網(wǎng)絡(luò)算法,結(jié)合傳熱原理,研究了彈藥包裝箱外部環(huán)境以及內(nèi)部微環(huán)境溫度變化情況,并借助MATLAB中App Designer工具自主研發(fā)了貯存微環(huán)境預(yù)測(cè)系統(tǒng)軟件(以下簡(jiǎn)稱為軟件),為包裝箱的設(shè)計(jì)和彈藥貯存微環(huán)境預(yù)測(cè)提供理論支撐和設(shè)計(jì)指導(dǎo)。需要說(shuō)明的是,除溫度外,濕度、腐蝕氣氛等對(duì)武器存儲(chǔ)仍有很大的影響,但是由于這些影響因素可以通過(guò)吸濕劑、吸附劑等控制其含量,降低其影響,因此本文重點(diǎn)研究溫度的影響。

1 理論分析

彈藥的貯存時(shí)間往往高達(dá)10年甚至20年,貯存外界環(huán)境變化千差萬(wàn)別,尤其是極端天氣,全年溫差可高達(dá)40 ℃。雖然彈藥包裝箱一般都是密封的,但是由于材料的導(dǎo)熱性,包裝箱內(nèi)部的溫度還是會(huì)受外部環(huán)境溫度的影響,并且貯存時(shí)間內(nèi)外部環(huán)境的溫度也是變化的,因此本文首先通過(guò)神經(jīng)網(wǎng)絡(luò)研究包裝箱外部環(huán)境的溫度變化情況,再通過(guò)導(dǎo)熱原理研究包裝箱內(nèi)部溫度變化情況。

1.1 基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)外部溫度變化

雖然一年四季每天的溫度變化都不一樣,但是年復(fù)一年整體變化規(guī)律是不變的,因此本文借用反向傳播(back propagation, BP)神經(jīng)網(wǎng)絡(luò)算法,通過(guò)機(jī)器學(xué)習(xí)實(shí)現(xiàn)對(duì)未來(lái)環(huán)境溫度的預(yù)測(cè)。

機(jī)器學(xué)習(xí)是指機(jī)器通過(guò)算法從大量的歷史數(shù)據(jù)中學(xué)習(xí)規(guī)律,從而進(jìn)一步對(duì)新的樣本做智能識(shí)別或?qū)ξ磥?lái)做預(yù)測(cè)[7]。神經(jīng)網(wǎng)絡(luò)則是機(jī)器學(xué)習(xí)的算法之一,已經(jīng)在各行各業(yè)得到廣泛應(yīng)用[8-12]。BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),其主要特點(diǎn)是信號(hào)向前傳遞,誤差反向傳播。在前向傳遞匯總,輸入信號(hào)從輸入層經(jīng)隱藏層逐層處理,直至輸出層,每一層的神經(jīng)元狀態(tài)只能影響下一層神經(jīng)元狀態(tài)。如果輸出層得不到期望輸出,則轉(zhuǎn)入反向傳播,根據(jù)預(yù)測(cè)誤差調(diào)整網(wǎng)絡(luò)權(quán)值和閾值,從而使BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出不斷逼近期望輸出[13]。

基于以上BP神經(jīng)網(wǎng)絡(luò)原理,本文用5年的環(huán)境溫度作為數(shù)據(jù)源,建立了含3個(gè)隱藏層、每層9個(gè)神經(jīng)單元的神經(jīng)網(wǎng)絡(luò)用于環(huán)境溫度預(yù)測(cè)(圖1)。訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí),以2016—2019年的日最高溫度、日最低溫度作為輸入,以2020年日最高溫度及日最低溫度作為期望輸出。其中每個(gè)神經(jīng)元都可看作一個(gè)激勵(lì)函數(shù),BP神經(jīng)網(wǎng)絡(luò)常用的函數(shù)為Sigmoid函數(shù)。神經(jīng)元接收前一層輸入,經(jīng)過(guò)Sigmoid函數(shù)變換后,輸出到下一層。隨后,計(jì)算實(shí)際輸出溫度與期望輸出溫度誤差,再根據(jù)誤差反向逐層調(diào)整權(quán)值和閾值,直到滿足需求為止。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Structure diagram of BP neural network

1.2 基于傳熱分析預(yù)測(cè)內(nèi)部溫度變化

由于彈藥包裝箱的密封性,外界環(huán)境溫度對(duì)包裝箱內(nèi)部溫度的影響主要是通過(guò)材料傳熱性能實(shí)現(xiàn)。包裝箱內(nèi)部溫度受三個(gè)方面的影響:包裝箱的初始溫度(T1)、包裝箱存放過(guò)程中受外界環(huán)境溫度傳熱(T2)以及包裝箱內(nèi)部化學(xué)反應(yīng)帶來(lái)的吸熱或者放熱(T3)。用T4表示包裝箱內(nèi)部溫度,則滿足:

T1+T2=T3+T4

(1)

本文研究中,包裝箱的初始溫度T1即為存放時(shí)的環(huán)境溫度;由于投放的包裝箱里面沒(méi)有存放彈藥,因此包裝箱內(nèi)部不存在化學(xué)反應(yīng),即T3等于0。T2則根據(jù)傳熱學(xué)原理計(jì)算:當(dāng)包裝箱內(nèi)外具有溫度差時(shí),包裝箱內(nèi)外導(dǎo)熱規(guī)律滿足傅里葉定律[14],即單位時(shí)間內(nèi)通過(guò)給定截面的導(dǎo)熱量,正比于該截面的溫度梯度,而熱量傳遞的方向則與溫度梯度方向相反,其數(shù)學(xué)表示式如下:

Φ=-λA·gradT

(2)

(3)

其中:Φ表示導(dǎo)熱熱流量,W;λ表示材料導(dǎo)熱系數(shù),W/(m·k);A表示垂直于熱流方向的截面積,m2;gradT表示溫度梯度,K/m;負(fù)號(hào)表示熱流方向沿著溫度降低方向,與溫度梯度方向相反。

傳遞的熱量將通過(guò)改變包裝箱內(nèi)密封氣體的內(nèi)能進(jìn)一步影響箱內(nèi)溫度。氣體內(nèi)能表示為:

(4)

式中:E表示內(nèi)能,J;i表示自由度;k表示玻耳茲曼常數(shù),J/K;T表示溫度,K;n表示物質(zhì)的量,mol;NA表示阿伏加德羅常數(shù)。聯(lián)立式(2)和式(4)便可求出由于包裝箱材料傳熱引起的包裝箱內(nèi)部溫度變化值。

2 軟件開(kāi)發(fā)框架及功能

MATLAB App Designer 是用于構(gòu)建MATLAB應(yīng)用程序的環(huán)境,本文借助該工具,基于以上理論分析,設(shè)計(jì)軟件界面如圖2所示。主要由三部分組成:參數(shù)輸入模塊、外部環(huán)境溫度變化顯示模塊、內(nèi)部溫度變化顯示模塊。整個(gè)軟件的設(shè)計(jì)思路為:輸入相關(guān)參數(shù),即可通過(guò)神經(jīng)網(wǎng)絡(luò)計(jì)算出包裝箱外部環(huán)境溫度,并顯示變化曲線及時(shí)間節(jié)點(diǎn)溫度;進(jìn)一步通過(guò)傳熱原理計(jì)算出包裝箱內(nèi)部溫度變化,并顯示變化曲線和時(shí)間節(jié)點(diǎn)溫度。

圖2 貯存微環(huán)境預(yù)測(cè)系統(tǒng)界面Fig.2 Interface of storage microenvironment prediction system

2.1 參數(shù)輸入模塊

參數(shù)輸入模塊的整體框架設(shè)計(jì)如圖3所示,參數(shù)主要分為環(huán)境因素和包裝箱參數(shù)兩部分。環(huán)境因素參數(shù)設(shè)置目的是構(gòu)建環(huán)境數(shù)據(jù)庫(kù):本文建立的環(huán)境庫(kù)有重慶江津、海南萬(wàn)寧、甘肅敦煌、西藏拉薩、黑龍江漠河五個(gè)典型氣候點(diǎn)。首先,從天氣網(wǎng)歷史天氣頻道(lishi.tianqi.com)上面下載了五個(gè)地方2016—2020年的歷史天氣,然后根據(jù)選擇的貯存時(shí)間,通過(guò)神經(jīng)網(wǎng)絡(luò)計(jì)算出所選時(shí)間內(nèi)溫度變化情況,建立相應(yīng)的臨時(shí)數(shù)據(jù)庫(kù)。包裝箱參數(shù)的設(shè)置目的是提取包裝箱表面積、體積、厚度以及導(dǎo)熱系數(shù)等參數(shù),作為傳熱計(jì)算的輸入?yún)?shù)。

圖3 參數(shù)輸入模塊整體框架Fig.3 Overall framework of parameter input module

2.2 外部環(huán)境溫度變化顯示模塊

圖2右上部分為外部環(huán)境溫度變化曲線顯示部分。由于在貯存地點(diǎn)和時(shí)間參數(shù)選擇時(shí),便已經(jīng)建立好了外部環(huán)境數(shù)據(jù)庫(kù),因此這一部分只需讀取相應(yīng)時(shí)間段數(shù)據(jù),并繪制圖形即可。

2.3 內(nèi)部溫度變化顯示模塊

圖2右下部分為包裝箱內(nèi)部溫度變化曲線顯示部分。相比于外部環(huán)境溫度變化,包裝箱內(nèi)部溫度變化需要建立從外部溫度到包裝箱內(nèi)部的傳熱模型,逐點(diǎn)計(jì)算包裝箱內(nèi)部溫度,再繪制溫度變化曲線。

2.4 數(shù)據(jù)輸出功能

除常規(guī)的打開(kāi)、保存等文件編輯功能之外,本軟件還設(shè)置了數(shù)據(jù)輸出功能,即將所有結(jié)果,包括時(shí)間、包裝箱外部溫度數(shù)據(jù)、包裝箱內(nèi)部溫度數(shù)據(jù)輸出到excel表格中,以便用戶根據(jù)需求自行處理。

3 結(jié)果分析

基于西南技術(shù)工程研究所的自然環(huán)境試驗(yàn)站,本文首先建立了江津、敦煌、拉薩、萬(wàn)寧和漠河五個(gè)地方2016—2020年的溫度數(shù)據(jù)庫(kù)(日平均溫度),分別代表“亞熱帶季風(fēng)性溫潤(rùn)氣候”“熱帶海洋性季風(fēng)氣候”“暖溫帶大陸性季風(fēng)氣候”“高原山地氣候”以及“寒溫帶大陸性季風(fēng)氣候”典型氣候特征,以供各個(gè)用戶根據(jù)自身需求選擇貯存氣候。

3.1 包裝箱外部環(huán)境溫度預(yù)測(cè)功能

包裝箱外部環(huán)境溫度預(yù)測(cè)主要分為兩步:當(dāng)數(shù)據(jù)庫(kù)內(nèi)包含所選擇的時(shí)間段數(shù)據(jù),則直接選取數(shù)據(jù)繪圖;若所選擇的時(shí)間段超出了數(shù)據(jù)庫(kù)范圍,則通過(guò)神經(jīng)網(wǎng)絡(luò)算法逐年預(yù)測(cè)并增加數(shù)據(jù)庫(kù),再讀取相應(yīng)時(shí)間段數(shù)據(jù)繪圖。圖4展示了軟件對(duì)不同貯存地點(diǎn)(包括江津、敦煌、拉薩、萬(wàn)寧、漠河)包裝箱外部環(huán)境因素的預(yù)測(cè)讀取以及繪圖功能。圖4(a)～(e)為直接讀取五個(gè)地方的數(shù)據(jù)庫(kù)得到的外部環(huán)境變化曲線,圖4(f)～(j)中紅框圈出來(lái)部分為軟件基于2016—2020年的數(shù)據(jù)預(yù)測(cè)的2021—2025年的環(huán)境溫度變化曲線。從中可以看出,所有地點(diǎn)的預(yù)測(cè)數(shù)據(jù)變化規(guī)律以及上下幅值均與已有數(shù)據(jù)保持一致,證明了神經(jīng)網(wǎng)絡(luò)對(duì)包裝箱外部環(huán)境預(yù)測(cè)的準(zhǔn)確性。

(a) 直接讀取的溫度變化——江津(a) Temperature changes directly read—Jiangjin

(b) 直接讀取的溫度變化——敦煌(b) Temperature changes directly read—Dunhuang

(c) 直接讀取的溫度變化——拉薩(c) Temperature changes directly read—Lasa

(d) 直接讀取的溫度變化——萬(wàn)寧 (d) Temperature changes directly read—Wanning

(e) 直接讀取的溫度變化——漠河(e) Temperature changes directly read—Mohe

(f) 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的溫度變化情況——江津(f) Temperature prediction through neural network—Jiangjin

(g) 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的溫度變化情況——敦煌(g) Temperature prediction through neural network—Dunhuang

(h) 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的溫度變化情況——拉薩(h) Temperature prediction through neural network—Lasa

(i) 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的溫度變化情況——萬(wàn)寧(i) Temperature prediction through neural network—Wanning

(j) 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的溫度變化情況——漠河(j) Temperature prediction through neural network—Mohe

為了進(jìn)一步驗(yàn)證神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)準(zhǔn)確性,本文收集了各個(gè)試驗(yàn)點(diǎn)2021年1月到6月的溫度數(shù)據(jù)。圖5展示了敦煌和漠河兩個(gè)站點(diǎn)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)數(shù)據(jù)與天氣網(wǎng)站下載數(shù)據(jù)曲線,兩者溫度變化趨勢(shì)保持一致,再次證明了神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性。

(a) 敦煌2021年上半年溫度變化情況(a) Temperature changes in the half of 2021 in Dunhuang

(b) 漠河2021年上半年溫度變化情況(b) Temperature changes in the half of 2021 in Mohe

3.2 包裝箱內(nèi)部溫度預(yù)測(cè)功能

包裝箱內(nèi)部溫度的預(yù)測(cè)是在包裝箱外部環(huán)境變化的基礎(chǔ)上,通過(guò)熱傳導(dǎo)計(jì)算的溫度。軟件開(kāi)發(fā)的同時(shí),我們?cè)诙鼗?、漠河等地點(diǎn)同時(shí)投放了相應(yīng)的包裝箱,用以驗(yàn)證軟件準(zhǔn)確性、校正軟件精度以及為軟件后續(xù)改進(jìn)提供數(shù)據(jù)支撐。

圖6為箱外試驗(yàn)測(cè)試與氣象局?jǐn)?shù)據(jù)對(duì)比及箱內(nèi)試驗(yàn)測(cè)試與軟件預(yù)測(cè)數(shù)據(jù)對(duì)比圖。值得注意的是,由于目前的試驗(yàn)數(shù)據(jù)量不足以支撐軟件神經(jīng)網(wǎng)絡(luò)計(jì)算的需求,因此軟件目前的數(shù)據(jù)輸入來(lái)源于氣象局網(wǎng)站上面的輸入。由于氣象局網(wǎng)站數(shù)據(jù)為當(dāng)?shù)氐娜掌骄鶞囟葦?shù)據(jù),因此與實(shí)測(cè)的站點(diǎn)數(shù)據(jù)有一定差異。圖6對(duì)比了敦煌和漠河兩個(gè)站點(diǎn)2019年11月至2020年11月整整13個(gè)月的溫度數(shù)據(jù),其中圖6(a)為漠河站點(diǎn)這13個(gè)月包裝箱內(nèi)外的溫度變化情況,圖6(b)為敦煌站點(diǎn)相應(yīng)的溫度變化情況。從圖中可以看出,漠河站點(diǎn)實(shí)測(cè)的外部溫度數(shù)據(jù)同氣象局溫度數(shù)據(jù)保持一致,但是敦煌站點(diǎn)氣象局的數(shù)據(jù)比站點(diǎn)實(shí)測(cè)數(shù)據(jù)整體低了5 ℃左右,這可能是由于測(cè)試站點(diǎn)位置與氣象局觀測(cè)位置不同帶來(lái)的差異。圖中黑色曲線、紫色曲線分別為這13個(gè)月站點(diǎn)實(shí)測(cè)的包裝箱內(nèi)部溫度變化情況和軟件預(yù)測(cè)的包裝箱內(nèi)部溫度變化情況,從圖中可以看出,當(dāng)外界環(huán)境溫度與實(shí)測(cè)環(huán)境溫度一致時(shí),通過(guò)軟件預(yù)測(cè)的包裝箱內(nèi)部溫度變化情況與實(shí)測(cè)數(shù)據(jù)保持一致;當(dāng)外界環(huán)境溫度比實(shí)測(cè)溫度低,軟件預(yù)測(cè)內(nèi)部溫度整體也比實(shí)測(cè)低,但是整體的變化情況,包括溫度的起降只有細(xì)微的差別,這證明了軟件的理論機(jī)制準(zhǔn)確性。值得一提的是,此軟件的輸入是開(kāi)源的,只要有足夠的數(shù)據(jù),可隨時(shí)替換神經(jīng)網(wǎng)絡(luò)輸入信息,因此此軟件可用于任何地方的貯存包裝箱內(nèi)部環(huán)境溫度預(yù)測(cè)。與此同時(shí),我們的試驗(yàn)也還在進(jìn)行中,爭(zhēng)取采集更多的包裝箱實(shí)際環(huán)境數(shù)據(jù),隨后替換從網(wǎng)上下載的數(shù)據(jù),用以提高軟件在需求站點(diǎn)的適用性。

(a) 漠河站點(diǎn)包裝箱外部環(huán)境及 內(nèi)部溫度變化對(duì)比(a) Comparison of outside environment and inside temperature changes at Mohe

(b) 敦煌站點(diǎn)包裝箱外部環(huán)境及 內(nèi)部溫度變化對(duì)比(b) Comparison of outside environment and inside temperature changes at Dunhuang

4 貯存微環(huán)境影響因素分析

軟件的目的不僅僅是對(duì)包裝箱內(nèi)部溫度的預(yù)測(cè),更重要的是根據(jù)預(yù)測(cè)結(jié)果,改進(jìn)貯存方案,為彈藥提供最優(yōu)的貯存環(huán)境。本文基于軟件預(yù)測(cè)功能,簡(jiǎn)要從貯存地點(diǎn)以及時(shí)間選擇進(jìn)行分析。

4.1 包裝箱形狀及材料對(duì)包裝箱內(nèi)部溫度的影響

包裝箱的形狀尺寸是由貯存彈藥決定的,因此其改動(dòng)性不大。對(duì)比圖7(a)和圖7(c)所示,改變包裝箱的形狀,對(duì)包裝箱內(nèi)部的變化影響并不大。包裝箱的材料應(yīng)根據(jù)需求,在權(quán)衡各方面性能的條件下,做出最優(yōu)選擇。本軟件暫時(shí)給出常用的三種材料:鋁合金、聚乙烯、不飽和樹(shù)脂。圖7(a)、(b)、(d)為相同外界條件、相同形狀大小、相同密封材料下,不同包裝箱材料對(duì)包裝箱內(nèi)部溫度的影響,其結(jié)果與實(shí)際理論保持一致,即:材料導(dǎo)熱系數(shù)越大,導(dǎo)熱性越好,則包裝箱內(nèi)部溫度受環(huán)境溫度影響越大;相反,包裝箱材料導(dǎo)熱系數(shù)越小,則導(dǎo)熱性越差,包裝箱內(nèi)部溫度受外部環(huán)境溫度影響越小。

(a) 包裝箱a:長(zhǎng)方體(1 800 mm×350 mm× 350 mm×5 mm)/鋁合金(a) Packing a: cuboid(1 800 mm×350 mm× 350 mm×5 mm)/aluminum alloy

(b) 包裝箱b:長(zhǎng)方體(1 800 mm×350 mm× 350 mm×5 mm)/聚乙烯(b) Packing b: cuboid(1 800 mm×350 mm× 350 mm×5 mm)/polyethylene

(c) 包裝箱c:圓柱體(1 800 mm×500 mm× 5 mm)/鋁合金(c) Packing c: cylinder(1 800 mm×500 mm× 5 mm)/aluminum alloy

(d) 包裝箱d:長(zhǎng)方體(1 800 mm×350 mm× 350 mm×5 mm)/不飽和樹(shù)脂(d) Packing d: cuboid(1 800 mm×350 mm× 350 mm×5 mm)/unsaturated resin

4.2 貯存起始時(shí)間對(duì)包裝箱內(nèi)部溫度的影響

貯存起始時(shí)間決定了包裝箱內(nèi)部的初始溫度。圖8展示了漠河站點(diǎn)投放的鋁合金和聚乙烯兩種材料的包裝箱,分別在冬天和夏天投入使用一年的溫度變化情況,其中冬天投入使用起始時(shí)間為2019年1月1日,夏天投入使用起始時(shí)間為2019年7月1日。聚乙烯導(dǎo)熱系數(shù)很低,所以環(huán)境溫度的變化對(duì)它影響并不大,不管其起始時(shí)間是夏天還是冬天,其溫差幅值都在4 ℃范圍內(nèi)。所以,投放初始時(shí)間對(duì)包裝箱內(nèi)部的影響很大,甚至直接影響其貯存時(shí)間內(nèi)的平均溫度,因此對(duì)于隔熱性好的材料,選擇初始時(shí)間非常重要。反觀鋁合金材料,不管在什么時(shí)候投入,其箱內(nèi)溫度變化情況均與環(huán)境溫度變化保持一致。因此對(duì)于導(dǎo)熱性好的材料,相比于貯存起始時(shí)間,環(huán)境溫度變化對(duì)其影響更大。

4.3 貯存地點(diǎn)對(duì)包裝箱內(nèi)部溫度的影響

貯存地點(diǎn)決定了包裝箱外部環(huán)境變化情況,如漠河全年溫差可高達(dá)40 ℃,而萬(wàn)寧幾乎全年都保持在20～30 ℃。圖9為不同材料包裝箱貯存地點(diǎn)對(duì)內(nèi)部溫度的影響,從圖中得出,對(duì)于導(dǎo)熱系數(shù)高的材料,選擇貯存地點(diǎn)時(shí)可將該地點(diǎn)的環(huán)境溫度變化情況作為重要的影響因素,而對(duì)于導(dǎo)熱系數(shù)低的材料,貯存環(huán)境對(duì)其影響同樣是通過(guò)影響其初始溫度進(jìn)一步影響其內(nèi)部溫度變化的。因此,對(duì)于導(dǎo)熱系數(shù)低的材料,可在存放前通過(guò)控制初始溫度從而實(shí)現(xiàn)對(duì)內(nèi)部環(huán)境溫度的控制。

(a) 包裝箱a和c外部:起始時(shí)間為冬天(a) Outside packing a and c: starts in winter

(b) 包裝箱a內(nèi)部:聚乙烯,起始時(shí)間為冬天(b) Inside packing a: polyethylene, starts in winter

(c) 包裝箱b和d外部:起始時(shí)間為夏天(c) Outside packing b and d: starts in summer

(d) 包裝箱b內(nèi)部:聚乙烯,起始時(shí)間為夏天(d) Inside packing b: polyethylene, starts in summer

(e) 包裝箱c內(nèi)部:鋁合金,起始時(shí)間為冬天(e) Inside packing c: aluminum alloy, starts in winter

(f) 包裝箱d內(nèi)部:鋁合金,起始時(shí)間為夏天(f) Inside packing d: aluminum alloy, starts in summer

(a) 包裝箱a和c外部:地點(diǎn)為漠河(a) Outside packing a and c: location is Mohe

(b) 包裝箱a內(nèi)部:聚乙烯,地點(diǎn)為漠河(b) Inside packing a: polyethylene, location is Mohe

(c) 包裝箱b和d外部:地點(diǎn)為萬(wàn)寧(c) Outside packing b and d: location is Wanning

(d) 包裝箱b內(nèi)部:聚乙烯,地點(diǎn)為萬(wàn)寧(d) Inside packing b: polyethylene, location is Wanning

(e) 包裝箱c內(nèi)部:鋁合金,貯存地點(diǎn)為漠河(e) Inside packing c: aluminum alloy, location is Mohe

(f) 包裝箱d內(nèi)部:鋁合金,地點(diǎn)為萬(wàn)寧(f) Inside packing d: aluminum alloy, location is Wanning

5 結(jié)論

本文基于MATLAB App Designer開(kāi)發(fā)了一款貯存微環(huán)境預(yù)測(cè)程序軟件。該軟件以神經(jīng)網(wǎng)絡(luò)以及傳熱理論為基礎(chǔ),實(shí)現(xiàn)了江津、萬(wàn)寧、漠河、拉薩、敦煌五個(gè)站點(diǎn)的外部環(huán)境溫度預(yù)測(cè)以及在對(duì)應(yīng)站點(diǎn)貯存包裝箱內(nèi)部溫度變化預(yù)測(cè)。并通過(guò)將軟件預(yù)測(cè)數(shù)據(jù)同敦煌和漠河試驗(yàn)數(shù)據(jù)對(duì)比,證明了軟件預(yù)測(cè)溫度變化情況與實(shí)測(cè)數(shù)據(jù)的高度一致性。進(jìn)一步根據(jù)預(yù)測(cè)結(jié)果,提出可根據(jù)不同包裝箱材料,進(jìn)一步調(diào)控貯存地點(diǎn)以及控制貯存起始溫度,從而實(shí)現(xiàn)對(duì)箱內(nèi)溫度的控制。