摘要
在风洞和飞行器试验中，表面压力和温度的定量测定是了解飞行器气动性能和传热特性的最基本课题。相比于传统的扫描阀测压方式，压力敏感涂料（PSP）压力测量技术是一种基于图像处理的非接触式全场压力测量方法，可提供连续的压力测量数据，具有空间分辨率高、成本低、实验准备时间短、流场干扰小等优点。新涂料的研制是PSP技术中的研究重点，与PSP测压试验得到的压力测量精度息息相关。 目前国外已有大量与PSP涂料研制和性能校准等相关研究工作，而国内整体上仍处于起步阶段。PSP性能研究的常用方法是通过改变涂料的物理或化学特性，然后通过校准试验获得涂料的性能，最后使用现象学建模或统计建模方法分析性能与影响因素之间的关系。然而压力敏感涂料的性能受到多种物理、化学特性影响，研究的影响因素较多时，使用传统方法难以分析影响因素与性能之间的关系，且校准试验的时间成本和经济成本较高，不利于性能研究工作的展开。本文提出基于神经网络的方法预测涂料的压力灵敏度、温度灵敏度和响应时间三种关键性能，减少PSP涂料研制和性能研究工作对校准试验的依赖，减少研究工作的时间成本和经济成本。在性能预测方法的研究基础上，提出了基于神经网络预测Stern-Volmer系数的方法，将预测结果代入Stern-Volmer方程中计算PSP测压试验的测压结果，并与原位标定法和校准试验得到的压力计算结果精度进行对比分析。本文主要的工作及贡献如下： （1）搭建了一套高精度PSP性能校准系统，该系统分为静、动态校准系统两个子系统。在PSP静态校准系统中，通过压力控制器和温度控制器对校准腔进行压力和温度调节，使用高精度压力传感器和温度传感器获取校准腔内压力和温度数据，并实时传输到控制PC上，使用CCD相机采集PSP荧光图像，对获得的图像数据进行后处理以得到涂料的压力灵敏度和温度灵敏度；在PSP动态校准系统中，通过激波管在PSP样片表面产生激波，使用示波器、光电倍增管（PMT）、电荷放大器等设备放大并记录PSP样片受到激波后的荧光信号变化，然后对采集到的信号进行分析，计算涂料的响应时间。该系统具有高精度且稳定的优点，在实际应用中有良好的表现和应用价值。 （2）总结了压力敏感涂料的分类及常用探针分子的特性和涂料配制时的选型规则，分析了目前一些涂料性能研究工作的结果。喷涂了多个不同厚度和粗糙度的PSP样片，通过对样片进行校准试验后的结果分析，认为涂层厚度、粗糙度对涂料性能有较大影响。因此提出基于神经网络的方法预测涂料的三种关键性能即压力灵敏度、温度灵敏度和响应时间；通过不断地优化神经网络超参数，结合数据增强方法和Dropout方法，使神经网络的预测精度得到进一步提升，在压力灵敏度这一重要性能上，预测精度超过国外相关研究。 （3）PSP测压试验中，模型表面和用于校准的样片表面厚度和粗糙度通常存在较大的差异，这种差异往往导致样片性能校准的结果与模型表面的实际结果不一致，进而在计算模型表面压力时引入误差。为减少这种误差，本文提出了一种基于神经网络的Stern-Volmer方程系数预测方法，通过此方法，可以不喷涂样片，直接测量模型表面的厚度和粗糙度，从而得到用于计算压力的Stern-Volmer方程的系数。通过开展三角翼PSP压力测量试验，将本文提出的方法与PSP测压试验中常用的原位标定法和校准试验法做比较。经对比验证，本文提出的方法具有良好的计算精度，在PSP压力测量试验中具有较好的发展前景和研究意义。
NETL