摘 要：

總輻射是氣象探測、太陽能資源利用等領域中的一種重要測量參數。針對環境溫度會影響總輻射測量準確度的問題，提出了一種基于熱電效應的總輻射傳感器設計，利用計算流體動力學方法對該傳感器探頭進行了流-固耦合傳熱分析。設計了一種高精度溫度測量電路，搭建了測試平臺，對-20 ℃~40 ℃范圍的傳感器溫度特性進行了測試，并提出了一種利用BP神經網絡算法消除環境溫度引起的總輻射測量誤差的方法。實驗結果表明，該熱電堆型總輻射傳感器的讀數精度可達2.79%，在氣象探測、光伏電站等領域具有一定的應用潛力。

引言：

太陽總輻射傳感器是一種重要的地面氣象觀測儀器，也是太陽能資源普查與光伏電站運行監控領域不可缺少的裝備。太陽總輻射傳感器按原理分為光電型和熱電型兩大類。響應時間短是光電型傳感器的一大優點，其缺點是難以在較寬的波長范圍內找出光譜響應一致的光電器件。熱電型傳感器通常利用高發射率涂層吸收太陽輻射并轉化為溫差，對各種波長的輻射能有較一致的吸收性能]。

環境溫度變化造成的溫漂誤差是影響總輻射傳感器測量精度的重要因素，荷蘭Kipp & Zonen公司研制的CMP 6是主流高精度總輻射傳感器，其溫度漂移誤差可達±4%，顯著高于±1%的非線性誤差和±1%的穩定性誤差。為減小溫漂誤差，傳統方法通常采用模擬電路補償，但對于自身具有較大非線性或溫漂特性呈非線性的傳感器，采用模擬器件進行補償的方法難以在滿量程范圍和較大環境溫度變化范圍內獲得較好的補償效果。為解決上述問題，本文設計了一種利用高精度低噪聲測量電路和BP神經網絡算法實現溫漂修正的總輻射傳感器。

1、熱電堆型總輻射傳感器探頭設計與CFD仿真

本文設計了一種由感應面、熱電堆和薄膜鉑電阻組成的傳感器探頭，如圖1所示。上層80 mm直徑的高熱導率銅片噴有高吸收率的啞光黑漆，可近似地認為其接近朗伯體[2]，以此來吸收太陽輻射。

為提高靈敏度，該傳感器探頭的熱電堆由8組鎳鉻-康銅熱電偶串聯而成。熱電堆的8個熱端在上層銅片下表面，相應的8個冷端固定在下層銅片上表面。為減少熱電偶自身的導熱，定制了一種0.127 mm直徑的熱電偶絲。該傳感器探頭采用鉑電阻為熱電堆提供了冷端溫度補償，同時也為后期溫漂修正提供了環境溫度補償。

為提高測量精度，需盡可能降低上感應面升溫對下感應面的傳熱。為定量分析探頭結構的傳熱特性，利用ICEM CFD軟件對探頭的三維模型進行網格劃分，并采用CFD軟件FLUENT對模型進行流-固耦合傳熱分析。設定太陽輻射強度、太陽高度角分別為1 000 W/m2、90°。根據仿真結果，距離上感應面60 mm處的空氣溫度與環境溫度差小于0.01 ℃，其溫度場分布圖如圖2所示。因此，本文設計的傳感器探頭中兩感應面之間采取60 mm的間距，以抑制空氣對流和支撐結構的熱污染效應。

2、高精度測量電路設計

該總輻射傳感器電路框圖如圖3所示，主要由Cortex-M3 ARM處理器 STM32F103VCT6、低噪聲線性電源以及高精度24位低噪聲模/數轉換器AD7794等部分組成。

采用噪聲1.2 μV、溫漂系數3 PPM/℃的外部基準源ADR444為ADC提供基準電壓;采用四線制接入鉑電阻方式，可降低由導線電阻引起的誤差;采用精度為± 0.01%、5 PPM/℃溫漂的精密電阻作為參考電阻。

利用模數轉換器AD7794內部的可編程增益放大器，對微弱熱電勢信號進行放大。利用斬波方法，不但降低了熱電勢誤差和模擬輸入端的噪聲，亦提高了電壓測量的線性度。該ADC利用Sinc4濾波，可編程放大器增益為128倍時，其噪聲可低至80 nV。由實驗測得的A/D轉換值就可以計算得到熱端和冷端(溫度分別為T和T0)在回路中產生的熱電動勢Ediff，其大小為：

3、誤差修正算法設計

3.1 實驗平臺搭建與數據分析

實驗平臺由熱電堆型總輻射測量系統、太陽光模擬器以及作為參考儀器的高精度輻射表組成。模擬太陽光照射到熱電堆型總輻射傳感器上時，傳感器的上層銅片會吸收熱能，從而與下層銅片產生溫差。將實驗平臺置于高低溫實驗箱中，可在不同環境溫度下獲得總輻射傳感器的特性數據;通過調節太陽光模擬器的功率，可模擬不同太陽輻射強度。在環境溫度T0分別為

-20 ℃、-10 ℃、0 ℃、10 ℃、20 ℃、30 ℃和40 ℃，太陽輻射強度分別為400 W/m2、500 W/m2、600 W/m2、700 W/m2、800 W/m2、900 W/m2、1000 W/m2和1100 W/m2時測得的溫度差值如圖4所示。

由測量結果可知，環境溫度一定時，太陽輻射強度越大，傳感器的兩感應面之間的溫度差值越大;太陽輻射強度一定時，環境溫度越高，傳感器的兩感應面之間的溫度差值越大。對于1 000 W/m2的太陽輻射強度，當環境溫度從-20 ℃變化至40 ℃時，熱電堆冷熱端的溫差可由50.1 ℃增加到57.6 ℃。如忽略傳感器的溫漂效應，則產生的測量誤差可能達到15%以上。

3.2 基于BP神經網絡算法的溫漂修正方法

本文采用BP神經網絡算法對采集的數據進行擬合，得到環境溫度、溫差與太陽總輻射的函數關系式R=f(T0，ΔT)。其中，R為太陽總輻射值，T0為環境溫度，ΔT為溫差。BP網絡能學習和存儲大量的輸入-輸出模式映射關系，使用最速下降法的學習規則，通過反向傳播來不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。將擬合公式存入程序代碼中，就可通過測量環境溫度和溫差求出太陽總輻射值。

設定BP神經網絡輸入層神經元為2個，輸出層神經元為1個，隱含層神經元為5個。根據測量結果使用BP神經網絡算法擬合得到三者之間關系：

輸入層節點數j=1、2，隱含層節點數i=1、2、…、5，輸出層節點數k=1。

為驗證該傳感器的性能，在中國氣象局綜合觀測(南京)基地進行了外場測試。圖5所示為傳感器外場測試圖。

在實驗中，取10組在不同的環境溫度下獲得的實測數據。將這10組數據與高精度太陽輻射表所測值進行比較，結果如表1所示。該傳感器的均方根誤差為10.71 W/m2，相對誤差不大于2.79%，以0~1 000 W/m2作為量程時，滿量程誤差不大于1.66%。

4、結論

本文設計了一種基于鉑電阻和熱電堆的總輻射傳感器。利用CFD方法對該傳感器探頭進行了流-固耦合傳熱分析，降低了上感應面升溫對下感應面的傳熱影響。為檢測熱電堆的微弱信號，設計了一種高精度溫度測量電路。為消除環境溫度對測量的影響，搭建了測試平臺，對-20 ℃~40 ℃范圍的傳感器溫度特性進行了模擬測試，并提出了一種利用BP神經網絡算法消除環境溫度引起的測量誤差的新方法。外場測試結果表明，利用修正算法進行誤差修正后，讀數精度可達2.79%，滿量程精度達1.66%，與國外主流傳感器4%的溫漂誤差相比，具有一定優勢。該傳感器在氣象探測、光伏電站等領域具有應用潛力。