文|编辑 稻述

介绍

军用无人机鉴定试飞过程中，其特有的高空､长航时､低温等任务特征对机载测试系统低温工作稳定性提出了更高的要求｡

目前常规试飞测试设备环境温度指标为零下40~85℃，某些测试设备的环境温度指标为零下30~70℃，但是无人机型号任务要求机载测试系统实际工作温度达到–55℃甚至更低｡

因此研究机载测试系统的低温工作特性并以智能化手段提升其环境适应性尤为重要，在航空器试飞的地面试验环节中，温度试验是检验其环境适应性的重要项目之一｡

是验证设备在实战或使用条件下的适应性并排除设备隐患的有效手段，以往温度试验的设计方法主要依据的标准仅给出了低温工作环境试验的通用要求｡

但没有给出具体的设计和评定方法｡国内相关领域同样没有相关试验的具体论述，如基于LabVIEW软件开发平台了实验测试系统､设计了一种低温环境实验装置｡

而实验对象和应用范围属于工业制冷行业，以机载测试系统为对象的温度环境试验亟待深入研究，在航空器机载设备温度控制研究方面｡

针对无人机电源系统设计了一种基于LM35A和单片机PID调节的温度控制系统，使锂电池在工作范围内具有良好的工作状态，基于参数自整定模糊PID算法｡

实现了某飞机液压能源系统的温度控制，具有良好的动态性和鲁棒性，在智能温度控制器研究方面，基于模糊控制策略设计了一种温室远程智能控制系统｡

实现了不同地区技术人员使用控制机对温室环境的远程监控和智能操作，采用模糊自整定PID算法｡

解决了电锅炉温度动态特性大惯性､大滞后和非线性造成传统PID控制效果不佳的难题，建立电烤箱数学模型，通过研究模糊控制算法实现智能温度测控系统稳定可靠地运行｡

机载测试系统低温工作特性实验

通常在无人机飞行试验中，机载测试系统的安装位置常位于飞机中部设备舱，经统计，测试系统周围测点环境温度未曾超出过70℃｡

且较大功率的机载测试设备在设计时已安装散热片，炎热天气未出现测试参数异常状况，故本文主要针对测试系统低温工作特性进行研究｡

为了检验机载测试设备在低温工作环境下的工作特性，根据测试系统常规架构，设计一套基于实验室模拟低温试飞环境的机载测试系统，在高低温试验箱中进行相关试验｡

以实验测试数据进行系统低温性能的详细分析和评估，机载测试系统低温工作特性试验主要包括信号源､温度传感器､采集器､记录器､GPS设备及天线､数据检查与卸载装置｡

在实验室条件下进行机载测试设备低温工作特性试验时，将机载设备放入高低温试验箱中，模拟高空低温环境，检查机载设备的工作状态，具体实施条件和方法如下｡

总线信号､RS429总线信号，常温下连续工作1 h后，逐步降温至零下45℃，再逐渐升温至常温，卸载并处理数据，检验机载测试设备的工作特性有无异常｡

部分参数输出数据的处理结果如图所示，TATR2和TATR3为测试系统外部测点温度测试结果，幅值的物理量单位为℃，根据试验流程当高低温箱温度降至零下45℃后､

两个测点达到最低温度–33℃和–27℃，并随着外部温度回升而升高，AINVM01_04为离散量信号输出结果｡

试验中可以看出，外部温度测点达到最低温度后，离散量信号基本无输出，TATR2和TATR3作为模拟量信号响应正常｡

但离散量信号在温度测点达到最低温度后输出异常，这说明低温状态测试系统某些模块工作异常｡

在多次无人机高寒试飞任务中，因机载测试系统长期暴露在低温环境中，测试设备长时间低于–35℃，无法达到其启动的环境指标要求｡

因此不能按照试验条件下的方式启动成功或启动后无法正常工作，在这种情况下急需对机载测试系统进行加温处理｡

对测试系统的加温有多种方式，但针对无人机预留测试空间狭小､有限电源负载的测试条件，一般采用体积较小的温度控制器或加热片对测试设备进行加温｡

但加热片的加热性能不易受控､效果不佳，为此选用智能温度控制器的加温方式,本次设计将温度门限设于24℃，用于验证｡

温度控制器的工作

温度控制器的工作原理，使测试系统在外部环境进入低温状态时能及时升温，快速达到其正常启动和运行的要求，智能温度控制器的工作原理如图所示｡

机载测试系统温度感知前端采集信号后通过放大电路的数据结果作为温度控制系统的输入，当温度低于低温门限24℃时，温度控制器启动加热器实施对测试系统的加温.

电加热系统具有自平衡能力，常用二次系统滞后环节描述温度控制系统电加热模型，由机载测试系统的工作原理以及实际需要｡

通过参数辨识，可将系统数学模型简化为一阶惯性滞后环节，以系统开环增益k，惯性时间常数T，纯滞后时间常数τ为变量的温度电加热过程传递函数公式｡

其中k表示测试系统的自平衡能力，T表示受到阶跃信号干扰后达到稳定值的快慢，给定阶跃输入电压4 V，测试系统温度开环阶跃响应曲线如图所示｡

根据两点法[11]确定开环增益k=1.25,T=120 s,τ=122 s，则传递函数为下｡

采用临界比例度法，通过确定临界增益Kc和临界振荡周期Tc实现PID参数整定，首先将闭环系统仅保留Kp，使Kp从0增加到临界值Kc，使系统达到临界稳定｡

此时为等幅周期振荡，周期为Tc，实验得出Kc=1.78,Tc=245 s；再根据表1中经验公式，计算得出Ti=125.5 s,Td=36.8 s，微调参数，则PID参数为Kp=1.16,Ki=0.009,Kd=25.98｡

初始给定温度为24℃，最终温度设为28℃,Matlab仿真结果如图5所示｡经历约500 s系统才达到稳定，超调量为7.14%｡

基于PID的温度控制系统调节时间过长､超调量大的缺陷将导致测试系统面临长时间的数据不可靠输出，甚至影响测试系统工作效率和测试设备使用寿命｡

模糊PID控制算法是一种采用PID特征参数和模糊集合理论使机器进行模糊推理，从而实现自动控制的算法｡它具有非线性控制､鲁棒性强､动态响应迅速､适应性强的特点｡

且易于工程实现，模糊控制器包括论域､模糊集合､隶属度函数和模糊控制核心等主要部分，其结构如图所示，其中A*为输入模糊量，U*为输出模糊集合｡

ΔKp､ΔKi､ΔKd分别为参数Kp､Ki､Kd的变化量，ku1､ku2､ku3分别是对应的比例因子，ke和kec分别是模糊分量e和ec对应的量化因子｡

量化因子和比例因子的确定是影响仿真结果的重要因素，实际应用时，以计算系统偏差和其变化率为模糊控制器的输入，通过分析误差变化率､误差与PID控制器参数之间的关系｡

模糊控制器的核心部分是基于模糊推理，使系统输出从模糊化经过模糊推理到清晰化的过程｡已知输入变量论域，模糊论域，那么定义量化因子是从到的变换系数｡

量化因子一旦确定，模糊控制核心结构将不再随着输入变量论域的变化而发生改变，模糊子集决定了输出变量取值范围，此时产生了模糊论域的概念，即清晰化处理后的模糊变量｡

其模糊子集被覆盖的范围，与量化因子的作用类似，比例因子使执行机构需求物理论域不随着输入论域变化而变化，若输出变量论域｡

作为输入控制量的执行机构需求物理论域，物理论域的比例因子为定义模糊集合，定义误差变化率､误差､输出变量ΔKp､ΔKi､ΔKd的模糊集均为｡

机载测试系统智能温度控制器设计

机载测试系统智能温度控制器设计155ΔKp−4ΔK/10 i−4ΔK/10 d温度/℃ARINC429总线信号，性能要求，通过SET键及加减键设定加热温度及回差温度｡

使温度控制系统在低于24℃时启动加热，高于温度上限28℃时停止加热，自然冷却至温度下限时再次启动加热，反复循环｡在智能温度控制器电热丝选择方面｡

选择原则：材料为康铜丝，外皮为进口铁氟龙；具有良好的耐腐蚀性，抗油､抗酸､抗碱；具有优良的电绝缘性｡机载测试系统智能温度控制器实验效果如图所示｡

设定目标温度为28℃，回差温度为4℃，当系统感知温度≤24℃时，控制器开始启动加热，温度达到28℃时停止加热自然冷却，数据结果如图所示｡

智能温度控制器满足机载测试系统超低温工作时的加温需求，改善了测试系统低温工作性能，提高了系统低温环境适应能力｡

结论

为明确无人机机载测试系统受低温环境影响程度，根据系统常规架构和军机试验标准，设计测试系统低温特性值｡

后续将针对机载测试系统高温､高湿､盐雾等环境设计功能验证地面试验并设计相应的系统优化方案，为提高机载测试系统自动化､智能化程度提供科学依据｡

参考文献

[1]Development of Refrigeration and Low Temperature Experimental Testing System Implemented by Tao Guisheng and LabVIEW[J]China Testing,2005,31(6):20-22+35

[2]Zhang Zhu.Design and Research of Low Temperature Environmental Experimental Equipment[D].Tianjin:Tianjin University of CommerceXue,2015

[3]Zhang Xu,Zhang Yiming,Wang Liang,et al.Design of unmanned aerial vehicle battery temperature control system[J]sourceTechnology,2015,39(5):965-967

[4]Guo Pengfei,Wu Juan,Guo Yuming.Temperature control of hydraulic energy system for a certain type of aircraft[J]Mechanical and Electronics,2012,4:42-45

[5]Wang Jun.Research on Remote Intelligent Control System for Greenhouses Based on Fuzzy Control Strategy[D]Changchun:Jilin University,2015

[6]Song Dongping.Research and Design of an Intelligent Temperature Measurement and Control System[D].Suzhou:Suzhou UniversityXue,2010

[7]MASSOUR E M,FRANCESCHI M,MAHER M.Self–tuningmethod of fuzzy system:an application on greenhouseprocess[J].World Academy of Science,Engineering andTechnoloy,2007,31:133-137.