技术摘要：
本发明属于飞行器热试验领域，具体涉及一种评定飞行器全方程控热试验温度数据不确定度的方法。本发明，根据实际温度数据的估值和初始的精度不高的实际温度数据的扩展不确定度，假设实际温度数据的概率分布，依据热电偶测温系统原理建立全方程控热试验示值温度数据的数 全部
背景技术：
目前飞行器热试验控制方法主要有温度控和热流密度控两类方式，针对复杂结构 气动加热-结构温度场的耦合问题，由于精确的数学模型和边界条件不易建立，随温度变化 的结构热物性参数很难准确地测定，在热流密度控制方式基础上又发展了全方程热流密度 控制方法(简称为全方程控)。全方程控的基本思想是将结构实际飞行过程中的轨道参数、 空气动力数据等参数作为原始参数，以实测的结构温度数据作为实时反馈信号，将其实时 代入到气动加热计算方程中进行运算，计算出要求加给结构表面的热流密度，并计入地面 热试验中的热损失项，再与实测的热流密度值比较，由两者的偏差量实时控制加热器的输 出。该方法以实时测量的结构温度值参与换热计算，计及材料高温热物性参数随温度变化 情况，真正实现了气动加热与结构温度场的耦合。 温度控热试验以给定的温度加载曲线为目标导向，控制系统始终以试验示值温度 与给定的加载温度的差值为控制参数，最终使试验示值温度无限接近目标加载温度。由于 热试验控制系统的精度较高(一般为0.5％F·S)，所以温度控热试验的温度数据绝大部分 都分布在给定加载温度的极窄误差带内，从而使温度数据的不确定度较小。 全方程控热试验为非目标导向的正向试验、反复迭代的动态试验，温度为试验正 向产生的数据，其本身不参与控制，也就是说控制系统无权纠偏相关影响因素造成的温度 偏差。而且实时测得的具有一定不确定度的温度数据要重新作为输入条件来控制热流密 度，从而导致了不确定度的N次迭代传递直至试验结束，将导致最终温度数据的不确定度较 高。基于全方程控热试验的上述特点，想要建立各影响因素与最高点温度之间的函数关系 几乎不可能完成；进行大量全方程控热试验以获得足够样本来精确评定温度不确定度耗费 过高，而进行有限次的全方程控热试验并采用GUM方法来评定温度不确定度又导致精度不 足。所以建立一种评定飞行器全方程控热试验温度数据不确定度的折中有效方法就显得非 常必要。
技术实现要素：
本发明的目的：提供一种评定飞行器全方程控热试验温度数据不确定度的折中有 效方法。利用该方法，得到全方程控热试验实际温度数据的不确定度、全方程控热试验示值 温度数据的数学建模及基于蒙特卡洛法的MATLAB计算程序，得到精度更高的示值温度数据 的不确定度。 本发明的技术方案：提供一种评定飞行器全方程控热试验温度数据不确定度的方 法，所述方法包括： 选取自身因素对热试验温度不确定度影响小的试验件，开展N次全方程控热试验， 4 CN 111581720 A 说 明 书 2/5 页 得到全方程控热试验的示值温度数据估值及初始示值温度数据的不确定度；根据所述初始 示值温度数据的不确定度，通过不确定度合成理论得到初始实际温度数据的不确定度；计 算得到初始实际温度数据的扩展不确定度； 根据实际温度数据的估值和初始实际温度数据的扩展不确定度假设实际温度数 据的概率分布，依据热电偶测温系统原理，建立全方程控热试验示值温度数据的数学模型， A示值＝A×(1 B)×(1 C)×(1 D) (1) 其中，A为实际温度最高点，A示值为示值温度，B为热电偶安装工艺引起的温度传递 误差，C为热电偶自身系统引起的温度传递误差，D为数据采集系统引起的温度传递误差； 基于得到的实际温度数据的概率分布和数学模型，采用蒙特卡洛方法得到全方程 控热试验修正后的示值温度数据的不确定度。 进一步地，N不小于6。 进一步地，每个试验件进行一次全方程控热试验，每个试验件的最高点示值温度 为xi(i＝1,2,...,n)，根据公式2得到示值温度数据的估值 进一步地，利用贝塞尔方法，根据公式3得到初始示值温度数据的不确定度umax2： 进一步地，获取全方程控热试验中热电偶测温系统的不确定度，根据所述初始示 值温度数据的不确定度，通过不确定度合成理论得到初始实际温度数据的不确定度。 进一步地，所述初始实际温度数据的不确定度的计算公式如下所示： 其中，umax1为初始实际温度数据的不确定度，umax2为初始示值温度数据的不确定 度，ura为全方程控热试验中热电偶安装工艺引起的不确定度，urs为全方程控热试验中热电 偶自身系统误差引起的不确定度，uc为全方程控热试验中数据采集系统系统误差引起的不 确定度。 进一步地，所述初始实际温度数据的扩展不确定度umax1.k为： umax1.k＝2×umax1 (5) 进一步地，通过工程近似方法，实际温度数据的估值取所述示值温度数据的估值。 本发明的技术效果：评定精度优于简单的GUM评定中的A类评定方法，本发明可以 提高示值温度数据的不确定度的精度；在保证一定评定精度的前体下，无需进行高耗费的 大量全方程控热试验；采用蒙特卡洛模拟法来进行评定计算，适用于各种复杂模型。
本发明属于飞行器热试验领域，具体涉及一种评定飞行器全方程控热试验温度数据不确定度的方法。本发明，根据实际温度数据的估值和初始的精度不高的实际温度数据的扩展不确定度，假设实际温度数据的概率分布，依据热电偶测温系统原理建立全方程控热试验示值温度数据的数 全部
背景技术：
目前飞行器热试验控制方法主要有温度控和热流密度控两类方式，针对复杂结构 气动加热-结构温度场的耦合问题，由于精确的数学模型和边界条件不易建立，随温度变化 的结构热物性参数很难准确地测定，在热流密度控制方式基础上又发展了全方程热流密度 控制方法(简称为全方程控)。全方程控的基本思想是将结构实际飞行过程中的轨道参数、 空气动力数据等参数作为原始参数，以实测的结构温度数据作为实时反馈信号，将其实时 代入到气动加热计算方程中进行运算，计算出要求加给结构表面的热流密度，并计入地面 热试验中的热损失项，再与实测的热流密度值比较，由两者的偏差量实时控制加热器的输 出。该方法以实时测量的结构温度值参与换热计算，计及材料高温热物性参数随温度变化 情况，真正实现了气动加热与结构温度场的耦合。 温度控热试验以给定的温度加载曲线为目标导向，控制系统始终以试验示值温度 与给定的加载温度的差值为控制参数，最终使试验示值温度无限接近目标加载温度。由于 热试验控制系统的精度较高(一般为0.5％F·S)，所以温度控热试验的温度数据绝大部分 都分布在给定加载温度的极窄误差带内，从而使温度数据的不确定度较小。 全方程控热试验为非目标导向的正向试验、反复迭代的动态试验，温度为试验正 向产生的数据，其本身不参与控制，也就是说控制系统无权纠偏相关影响因素造成的温度 偏差。而且实时测得的具有一定不确定度的温度数据要重新作为输入条件来控制热流密 度，从而导致了不确定度的N次迭代传递直至试验结束，将导致最终温度数据的不确定度较 高。基于全方程控热试验的上述特点，想要建立各影响因素与最高点温度之间的函数关系 几乎不可能完成；进行大量全方程控热试验以获得足够样本来精确评定温度不确定度耗费 过高，而进行有限次的全方程控热试验并采用GUM方法来评定温度不确定度又导致精度不 足。所以建立一种评定飞行器全方程控热试验温度数据不确定度的折中有效方法就显得非 常必要。
技术实现要素：
本发明的目的：提供一种评定飞行器全方程控热试验温度数据不确定度的折中有 效方法。利用该方法，得到全方程控热试验实际温度数据的不确定度、全方程控热试验示值 温度数据的数学建模及基于蒙特卡洛法的MATLAB计算程序，得到精度更高的示值温度数据 的不确定度。 本发明的技术方案：提供一种评定飞行器全方程控热试验温度数据不确定度的方 法，所述方法包括： 选取自身因素对热试验温度不确定度影响小的试验件，开展N次全方程控热试验， 4 CN 111581720 A 说 明 书 2/5 页 得到全方程控热试验的示值温度数据估值及初始示值温度数据的不确定度；根据所述初始 示值温度数据的不确定度，通过不确定度合成理论得到初始实际温度数据的不确定度；计 算得到初始实际温度数据的扩展不确定度； 根据实际温度数据的估值和初始实际温度数据的扩展不确定度假设实际温度数 据的概率分布，依据热电偶测温系统原理，建立全方程控热试验示值温度数据的数学模型， A示值＝A×(1 B)×(1 C)×(1 D) (1) 其中，A为实际温度最高点，A示值为示值温度，B为热电偶安装工艺引起的温度传递 误差，C为热电偶自身系统引起的温度传递误差，D为数据采集系统引起的温度传递误差； 基于得到的实际温度数据的概率分布和数学模型，采用蒙特卡洛方法得到全方程 控热试验修正后的示值温度数据的不确定度。 进一步地，N不小于6。 进一步地，每个试验件进行一次全方程控热试验，每个试验件的最高点示值温度 为xi(i＝1,2,...,n)，根据公式2得到示值温度数据的估值 进一步地，利用贝塞尔方法，根据公式3得到初始示值温度数据的不确定度umax2： 进一步地，获取全方程控热试验中热电偶测温系统的不确定度，根据所述初始示 值温度数据的不确定度，通过不确定度合成理论得到初始实际温度数据的不确定度。 进一步地，所述初始实际温度数据的不确定度的计算公式如下所示： 其中，umax1为初始实际温度数据的不确定度，umax2为初始示值温度数据的不确定 度，ura为全方程控热试验中热电偶安装工艺引起的不确定度，urs为全方程控热试验中热电 偶自身系统误差引起的不确定度，uc为全方程控热试验中数据采集系统系统误差引起的不 确定度。 进一步地，所述初始实际温度数据的扩展不确定度umax1.k为： umax1.k＝2×umax1 (5) 进一步地，通过工程近似方法，实际温度数据的估值取所述示值温度数据的估值。 本发明的技术效果：评定精度优于简单的GUM评定中的A类评定方法，本发明可以 提高示值温度数据的不确定度的精度；在保证一定评定精度的前体下，无需进行高耗费的 大量全方程控热试验；采用蒙特卡洛模拟法来进行评定计算，适用于各种复杂模型。
