0 引言

云中液态水含量在高空中的分布与天气过程之间有着非常密切的联系，大气温度的变化时时影响着高空中液态水的含量，高空液态水含量的变化又时刻影响着社会的各个领域。近年来随着对气候变化研究的不断深入，国内外学者针对高空云水含量变化已开展了大量研究^[1-3]。目前，气象观测中云水含量测量主要依靠传统的测量方法，其中主要包括光学测量法和热线仪测量法。因为光学测量法要采用激光器和精密的光路系统，一般由有人驾驶飞机搭载，因此抗震动能力弱且价格高昂。目前国外普遍采用的热线式云水含量传感器需由飞机搭载，存在价格高昂、功耗大、误差较大等问题^[4]。譬如美国SEA公司研制的J-W云水含量传感器，需要搭乘飞机进行工作且自身功耗达到数百瓦^[5]。这些传统云水含量传感器测量误差可达20%以上。因此研制成本低、功耗低、测量精度高的云水含量传感器，已成为高空气象探测传感器领域研究热点之一。

针对上述问题，本文设计了一种由探空仪搭载的微型云水含量传感器，在保证测量精度的同时显著降低了传感器自身功耗和成本。通过采用计算流体动力学分析方法对云水含量传感器进行仿真与数值计算，来验证该云水含量传感器设计的可行性。采用模糊自适应PID算法来对传感器表面探头进行温度控制，提高了系统的稳定性。

1 传感器系统设计

1.1 传感器总体设计

本文设计的由探空仪搭载的新型云水含量传感器可穿越高空中的待测云层。为提高测量精度，传感器表面探头温度控制在120 ℃，传感器探头的高温可将水滴完全蒸发。传感器跟随探空气球上升的过程中，暴露在空气中的探头可将粘附在其表面的水滴蒸发，整个系统的温度下降，在电压固定的情况下电流将变大，因而可以通过计算传感器所增加的功耗来得到高空中的云水含量值。

1.2 云水含量传感器的CFD仿真

FLUENT是当前国际主流的计算流体动力学软件，是求解流体流动和传热问题较为有效的分析工具。采用CFD软件FLUENT对模型进行流-固耦合传热分析^[6]，得出耦合热边界条件下传感器的温度场分布以及加热电阻所需加热功率值。由于云中水的粒径在微米量级，若要比较精确的测量云中液态水含量，传感器最好与所需测量的云滴大小在同一个量级；若传感器尺寸过大，不仅会增加其自身功耗，还会影响其测量精度，因此设计出了尺寸在毫米量级的传感器。云水含量传感器包括塑料隔热壳体、铂电阻传感器、铜基板和加热电阻。云水含量传感器的三维模型构造如图1所示，铜基板垂直于气流方向，其边长以及厚度分别是6 mm和1 mm。加热电阻和铂电阻传感器分别放置于铜基板下方，并用导热硅胶粘附，长宽高分别为3.2 mm×1.65 mm×1 mm和2.5 mm×1.25 mm×0.9 mm。

为模拟传感器周围的物理环境，本文运用ICEM CFD划分网格时采用适应性较强的非结构网格进行网格划分工作，将计算模型分为进口、出口和空气壁面3个区域。为提高数值仿真结果的精度以及准确的捕捉边界层内的流动现象，对不同区域采用了不同网格划分密度。

迎风面热流密度公式如式(1)所示 ：

式(1)中的LWC是当前的云水含量值，V是环境风速值，E_w是单位质量的水蒸发完所消耗的能量。若考虑云水含量大小是1.0 g/m³，环境风速大小是5 m/s，通过迎风面热流密度公式计算可得需要在传感器探头方向施加-12 000 W/m3的热流密度。表1为通过FLUENT仿真得到的加热功率与云水含量关系表。

计算水滴蒸发消耗功率的公式如式(2)所示：

式(3)中的P₀是维持传感器工作的加热功率值，t是水滴粘附探头表面时蒸发需要的时间，E_w是单位质量的水蒸发完所消耗的能量，V是环境风速值，A是水滴粘附接触面积值。通过比较式(2)计算得到的加热功率值和FLUENT仿真得到的实际加热功率值可以发现，两者在数值上大体相同，进一步验证了传感器设计的可行性。根据表1数据绘制的两者之间的关系如图2所示。由图2可知，加热电阻加热功率随着云水含量值的增加而增加，并且它们之间基本成一维线性关系。

2 传感器硬件电路设计

2.1 传感器电路设计

图3为传感器电路框图。整个系统由32位Cortex-M3 ARM处理器STM32F103RBT6、低噪声线性电源、24位低噪声模数转换器AD7794、扩频通信模块和RS232上位机接口等部分组成。

为降低噪声及提高测量精度，利用噪声1.2 μV、温漂系数3 PPM/℃的基准源ADR444为ADC提供参考电压，同时采用精度为±0.01%、0.2 PPM/℃温漂的精密电阻作为参考电阻，A级Pt100铂电阻传感器作为测温元件，铂电阻接入方式采用四线制来避免引线电阻及测量电路随环境变化的影响，采用比例测量法来抵消激励源中的噪声干扰^[7]。利用水三相点、汞和镓固定点对铂电阻进行标定，待瓶温稳定后，将铂电阻放入瓶底进行电阻测量，通过测量多组数据拟合得到一条温度修正曲线，并用该温度曲线对铂电阻测温值进行温度校准。经过测试，传感器在温度测量方面的误差在0.02 ℃之内。

选用5 V稳压电源对加热电阻进行加热，加热电阻为8个并联的、精度为±0.01%的100 Ω精密电阻。采用光电耦合器4N25来减小功率器件对模数转换器ADC以及ARM处理器的干扰^[8]。为实现加热电阻的温度控制，采用场效应管IRF7811来控制加热电阻两端加热电源的开通和闭合。PWM波形的占空比通过实时得到的铂电阻阻值来控制，进而控制传感器表面探头的温度。最后将测量值通过串口发送给扩频通信模块并传输给地面基站或通过串口传输给上位机进行测试。

2.2 模糊自适应PID算法

为解决现有的常规PID参数调节在温度控制环节中适应性差等一系列问题^[9-10]，本文选取模糊自适应PID算法来完成对传感器表面探头的温度控制。模糊自适应PID区别于常规PID主要体现在模糊控制环节，模糊控制规则环节的作用主要体现在其对PID参数方面的调节。因此，正确处理好模糊控制规则环节是做好整个PID系统的关键所在。图4为模糊自适应控制器的结构。

本文选定的温度偏差e和温度偏差变化率e_c的论域为[-6，6]，k_i、k_p和k_d的论域也是[-6，6]，其模糊集均为{PB，PM，PS，ZE，NS，NM，NB}。选用三角形曲线作为e、e_c、k_i、k_p和k_d的隶属度函数，PID各参数的自适应规则表可以通过系统的阶跃响应来制定，相应的模糊规则可以通过查询模糊规则表来获得。模糊规则推理得到的输出结果是一个模糊子集，需要对其进行去模糊化，实际应用的PID参数是在其初始值的基础上加上模糊推理得到的PID调整参数值，具体公式如式(4)所示：

3 实验结果分析

为验证微型云水含量传感器的实际工作性能，在实验室中搭建了小型模拟实验平台，通过改变喷头参数来改变云水含量环境，使用小型风洞产生风速环境，可测得不同云水含量下所对应的加热电阻生热功率值。通过实验测得的多组数据拟合出云水含量与加热功率之间的函数关系。

表2为云水含量为1.0 g/m³、风速为5 m/s下测得的占空比值。此期间加热电阻所加载的平均功率为1.63 W，与上文云水含量为1.0 g/m³时加热电阻所需加热功率1.58 W相差3%。通过式(3)计算可以得到，当前高空中的云水含量是1.2 g/m³，与通过FLUENT仿真得到的云水含量值1.0 g/m³相差20%。

图5为维持传感器工作时的温度和占空比显示图。从图5(a)可见温度控制在120 ℃±0.5 ℃，从图5(b)可见占空比控制在0.55±0.07。此期间加热电阻所消耗的平均功率为1.11 W。

4 结论

本文设计了一种基于新型热线仪测量方法的云水含量传感器，由信号检测电路、嵌入式处理电路和数据传输电路等部分组成。通过采用计算流体动力学分析方法对传感器进行仿真与数值计算来验证该云水含量传感器设计的可行性。通过实验测得的多组数据拟合出云水含量与加热功率之间的函数关系。与传统热线仪传感器比较，该传感器不但实现了较高的精度，同时其体积重量和功耗显著降低，有望在高空气象探测领域获得应用。

参考文献

[1] LYRAS N，KOUROGIORGAS C，PANAGOPOULOS A.Cloud attenuation statistics prediction from ka band to optical frequencies: integrated liquid water content field synthesizer[J].IEEE Transactions on Antennas and Propagation，2016，(99)：1-1.

[2] LUINI L，RIVA C，CAPSONI C.Reduced liquid water content for cloud attenuation prediction: the impact of temperature[J].Electronics Letters，2013，49(20)：1259-1261.

[3] MIRZA C，KOIKE T，YANG K，et al.Retrieval of atmospheric integrated water vapor and cloud liquid water content over the ocean from satellite data using the 1-D-Var ice cloud microphysics data assimilation system[J].IEEE Transactions on Geoscience and Remote Sensing，2007，46(1)：119-129.

[4] VIDAURRE G，HALLETT J，ROGERS D.Airborne measurement of liquid and total water content[J].Journal of Atmospheric and Oceanic Technology，2011，28(9)：1088-1103.

[5] JECK R.Cloud sampling instruments for icing flight tests：(2) cloud water concentration indicators[J].Mariners Mirror，2006，50(2)：154-155.

[6] YANG J，LIU Q，DAI W.Temperature error correction method for a naturally ventilated radiation shield[J].Journal of Atmospheric and Solar-Terrestrial Physics，2016(149)：40-45.

[7] 王小飞，袁涛，张铁冰.铂电阻测温仪的设计与实现[J].电子技术应用，2005，31(9)：26-28.

[8] SCHINDLER H，VETTIGER P.Optocoupler-based exten-sion-line circuit for electronic PABX’s[J].IEEE Journal of Solid-State Circuits，2003，13(1)：101-105.

[9] 李航，王耀力.四旋翼飞行器中PID控制的优化[J].电子技术应用，2017，43(2)：73-76.

[10] 蔡伟平，胡越黎，杨文荣，等.四旋翼双环滑模姿态控制系统设计与仿真[J].电子技术应用，2015，41（7）：150-153.

作者信息：

王 聪1，2，3，刘清惓1，2，3，杨 杰4，丁仁惠5

（1.江苏省大气环境装备技术协同创新中心，江苏 南京210044；

2.南京信息工程大学 电子与信息工程学院，江苏 南京210044；

3.江苏省气象探测与信息处理重点实验室，江苏 南京210044；

4.南京信息工程大学 大气物理学院，江苏 南京210044；5.江苏省气象探测中心，江苏 南京210009）