面向超重型火箭發射場的多氣體濃度監測系統設計

王 健

（東方空間技術（山東）有限公司，北京 100010）

0 引言

北京時間2023 年4 月20 日晚，美國太空探索技術公司（SpaceX） 超重型火箭“星艦”憑借30 臺猛禽發動機[1]的大約6800 t 推力離開地表，同時釋放出大量燃料和氧氣，這些物質可能會在大氣中產生化學反應，形成臭氧等有害氣體；此外火箭的排放物中可能還包括如CO、氮氧化物和硫化物[2]等有害物質，給發射場周圍環境帶來巨大污染和破壞。我國超重型運載火箭“長征九號”雖然目前還在工程研制階段，但根據“星艦”的首飛情況來看，面向超重型火箭發射場的多氣體濃度[3]精準監測技術研究意義重大。

事實上，多類型氣體濃度監測技術在超重型運載火箭發射前和發射中、著陸以及回收[4]過程中都有重要的應用價值：發射前，火箭的燃料和氧化劑在儲存、裝填和加注過程中都需要進行氣體濃度監測[5]，以確保這些物質不會泄漏或其濃度超出安全范圍；發射后，需要對火箭發動機釋放的尾氣和廢氣中可能包含的有害氣體和顆粒物進行數據監測和濃度控制，在確保不會對環境和人體健康造成影響的同時，為超重型火箭發射對環境污染程度規則的制定提供數據支撐[6]；在著陸和回收過程中，也需要對火箭可能產生的廢氣和尾氣進行監測和控制。目前國內極少有針對超重型火箭發射場的氣體環境監測技術的研究。基于以上現狀，本文開展了面向超重型火箭發射場的多氣體濃度監測系統的設計。

1 系統總體設計

多氣體濃度監測系統主要由火箭發射場后端地面測控大廳數據監測中心的判讀終端和發射現場區域氣體感知端的多類型氣體測試節點兩大部分組成（如圖1 所示）。在發射場氣體感知端選用電化學傳感器[7]、紅外氣體傳感器、光離子式PID 氣體傳感器對混合摻雜場景下的多類型氣體進行全發射流程下各階段的濃度數據采集；采集后的信息經過基于遺傳算法和粒子群算法[8]混合優化后的反向傳播神經網絡算法（GA-PSO-BP）進行溫濕度補償，然后通過節點路由匯聚再轉發至火箭發射場測控大廳的上位機瀏覽終端供實時判讀，同時進行基于DAT 格式的數據存儲。本文研究主要從傳感器選擇優化、數據處理與融合、系統響應時間優化等幾方面著手，最大程度地提高非常態場景下的氣體監測精度。

圖1 系統總體設計Fig.1 Overall design of the system

多氣體濃度監測系統采用節點化設計，各個節點又選用分屜式架構。單個節點的設計框圖如圖2所示，其中用于溫濕度補償的GA-PSO-BP[9]通過硬件邏輯描述語言（VHSIC hardware description language, VHDL）在圖2 中的AGLN250-VQ100 中心控制邏輯模塊實現。

圖2 系統單個節點設計框圖Fig.2 Block diagram of the single node design for the system

2 系統主要硬件設計

2.1 測試節點主控模塊設計

多氣體濃度監測系統在平衡考慮強穩定度、高可靠性、長時工作、低功耗等性能指標要求的基礎上，選用可編程邏輯器件AGLN250-VQ100 芯片進行節點主控模塊電路設計（如圖3 所示）。其中，32管腳FCLE、33 管腳FALE 分別表示節點主控模塊對存儲顆粒介質的多氣體濃度數據命令寫入使能、地址寫入使能，命令使能、地址使能與數據使能的隔離設計能夠保障經算法優化后的多氣體濃度數據進行混合編幀存儲時的強邏輯性，為超重型火箭發射現場環境數據的可靠收集進行了有效底層設計。

圖3 節點主控模塊電路設計Fig.3 Circuit design of the node main control module

2.2 測試節點存儲電路設計

雖然火箭發射場環境中氣體濃度數據通過節點路由匯聚轉發至測控大廳后會進行基于DAT 格式的文件存儲[10]，但為防止因數據傳輸鏈路故障導致的信息丟失或錯誤，本系統在各節點端設計有存儲電路，用于發射全流程中各環節下的多氣體濃度原始數據可靠性記錄。節點存儲電路如圖4 所示。

圖4 節點存儲電路設計Fig.4 Node storage circuit design

與現有的串行數據處理方式相比，本研究設計的D0～D7 八位I/O 口用于混合編幀后的多氣體濃度數據的并行寫入存儲，極大程度上優化了系統的響應時間。

3 系統軟件設計

火箭發射場后端測控大廳的系統上位機軟件基于圖層嵌套類程序[11]開發環境LabVIEW 設計。圖5 所示為多氣體濃度監測系統上位機軟件數據存儲程序框圖，通過該程序可將發射場前端各節點多氣體濃度數據以DAT 文件格式按照火箭發射流程順序存儲至測控大廳數據中心的指定文件路徑中。圖5 中：“歷史數組”表示上個時間單元下的混合編幀濃度數據；“讀取新數組”表示當前時間單元下的數據；相鄰時間單元間隔為20 ms，對火箭發射場環境下的多氣體濃度數據進行及時處理與融合，提升了監測靈敏性與時效性。

圖5 系統上位機軟件數據存儲程序框圖Fig.5 Program block diagram of data storage for upper computer software

傳統BP 神經網絡收斂速度慢且容易陷入局部極值，粒子群算法優化后的神經網絡（PSO-BP）極易出現早熟的現象，本文的系統設計所提出的GAPSO-BP 混合優化神經網絡算法旨在結合粒子群算法與遺傳算法的優點，在粒子群進行迭代時對BP神經網絡的權值和閾值[12]進行優化，對粒子進行交叉、變異運算，以達到訓練樣本輸出誤差最小化的目的，提高火箭發射場復雜環境下的多氣體監測精度。圖6 所示為系統節點GA-PSO-BP 神經網絡算法流程。

圖6 GA-PSO-BP 神經網絡算法流程Fig.6 Flow chart of GA-PSO-BP neural network algorithm

4 系統測試

4.1 系統節點硬件測試

為對多氣體濃度監測系統的節點前端GAPSO-BP 算法的優化性進行量化，本文在相同溫濕度條件下選擇BP、PSO-BP 和GA-PSO-BP 三種神經網絡算法依次對CO、SO2、CH4和VOC 共4 種氣體進行對比測試。本次試驗在溫度為20 ℃、濕度為48%RH 的室溫環境下進行，各節點選取9 例樣本。限于文章篇幅，下文以CH4氣體監測結果為例進行說明。圖7 所示為系統節點前端在相同環境條件下分別采用三種神經網絡算法對CH4氣體濃度數據采編后，應用MATLAB 軟件對測控大廳上位機存盤數據線性擬合后的結果。對比試驗結果可以看出：基于GA-PSO-BP 混合優化神經網絡算法的CH4氣體濃度監測數據線性擬合度更優；樣本9出現濃度最大誤差，約為0.8%。

圖7 溫度20 ℃、48%RH 環境下CH4 氣體濃度監測結果Fig.7 CH4 concentration monitoring results under 20 ℃ and 48%RH

在驗證室溫環境條件下GA-PSO-BP 神經網絡算法的優越性的基礎上，考慮到火箭發射實際場景下復雜多變的溫濕度條件，分別在溫度-30 ℃、濕度35%RH，溫度0 ℃、濕度25%RH，溫度30 ℃、濕度15%RH 這3 種不同發射環境下對系統的氣體濃度監測精度進行測試，結果如圖8 所示。不難發現：多氣體濃度監測系統在不同作業條件下均能進行有效溫濕度補償，滿足火箭發射現場室外環境下的氣體監測需求；其中最大誤差約為1.02%，出現在圖8(b)中的測試樣本1。

圖8 采用GA-PSO-BP 神經網絡算法在3 種不同發射環境下的氣體濃度監測結果Fig.8 Gas concentration monitoring results under three launching environments with GA-PSO-BP neural network algorithm

4.2 系統軟件測試

為了更好地表現多氣體濃度監測系統節點感知端氣體傳感器測試軟件的實際測試結果，在部分溫濕度條件下對不同氣體的濃度補償數據及前端節點補償前、后的曲線進行對比，結果如圖9 所示。可以發現：基于GA-PSO-BP 混合優化算法下的多氣體濃度監測系統在寬量程溫濕度條件下有很好的補償效果，按照現有樣本計算補償后的氣體濃度監測精度可達98.88%。與圖8 中1.02%的單次測量誤差相比，該監測精度雖略有下降，但基于大容量數據樣本的結果更具說服力，進一步表明應用本研究的多氣體濃度監測系統可有效提高多類型氣體濃度的監測精度。

圖9 多氣體濃度補償前、后數據界面圖Fig.9 Data interface before and after multi-gas concentration compensation

5 結束語

本文提出一種基于GA-PSO-BP 混合優化算法的面向超重型火箭發射情景下的多氣體濃度監測系統的設計，有效提高了多類型氣體濃度的監測精度。該系統采用節點化設計，前端節點配備存儲模塊，在將火箭發射全流程中不同時序段下多氣體濃度數據返送至地面后端測控大廳上位機軟件的同時，對發射前、中、后環境的實時氣體濃度數據進行不可擦除性記錄，從而可全面搜集發射場環境的氣體濃度變化情況，能夠為超重型火箭發射作業對當地環境破壞程度準則的制定提供有效的量化數據支撐。本文中所設計系統的中前端節點在基于粒子群算法和遺傳算法混合優化后，在寬量程溫濕度作業環境下可以對多氣體濃度進行可靠動態補償，補償后的最大濃度誤差不超過1.12%，這對于超重型火箭發射對環境影響的高精度監測有較大意義。