基于低壓小流量滴灌的壓力流量傳感器標定

郭 濤，張勝江，楊鵬年，陳 冰，段 騰

(1.新疆農業大學水利與土木工程學院，烏魯木齊 830052；2.新疆農業節水工程技術中心，烏魯木齊 830049； 3.新疆農業大學草業與環境科學學院，烏魯木齊 830052)

近年來隨著精確灌溉概念的提出，我國農業灌溉方式正由傳統的人工經驗灌溉向自動化、智能化方向邁進[1-3]，其中農用型傳感器是農業實現自動化灌溉的關鍵技術設備之一，因此對傳感器的標定是農業生產過程中的一個重要環節。目前國內學者對農業灌溉系統中不同類型的傳感器進行了許多研究和標定，李春林[4]通過使用土介質進行傳感器的標定，建立了土壓力傳感器的輸入與輸出之間的關系。魏恒文[5]對田間作物進行高、中、低灌溉水平試驗，研究作物根區各層土壤的含水率，得到了土壤水分傳感器埋設深度的兩個方案。唐玉邦[6]等人通過研究提出了用田間原狀土對土壤水分傳感器進行水分特征曲線的標定方法，降低了精確灌溉系統土壤水分測定的誤差。綜上所述，灌溉控制系統中傳感器的標定研究主要集中在土壤水分和土體壓力[10]等方面，對傳感器在管道中測量壓力、流量的標定研究相對較少。因此，本文主要通過試驗對不同流量下傳感器測得的壓力、流量數據進行分析研究，并分別標定出該傳感器壓力、流量的輸入與輸出之間的關系，為低壓小流量滴灌系統管道中壓力、流量的測量提供一定的理論依據。

1 試驗內容與方法

1.1 試驗裝置與設備

本試驗在新疆水利水電科學研究院實驗室內完成，主要設備為：流量控制平臺、SIIC-F/P-P/5-5.0型壓力流量傳感器、壓力表。試驗所用的傳感器是由烏魯木齊福斯特自控系統設備有限公司提供的，相較于其他傳感器，該傳感器有2個信號通道，可以實時輸出管道中的壓力、流量信號，能夠采集到壓力為0～0.4 MPa，流量為0～70 m3/h的數據，適用于低壓小流量滴灌(見圖1)。

如圖2所示，該系統的工作過程為：試驗開始前先在流量控制平臺1設定管道中的過水流量并啟動，此時水泵通過管道(管徑為90 mm)向外不斷抽水，壓力表顯示當前流量下的壓力值，RTU通過傳感器會自動采集并向DTU發送一組壓力、流量數據，DTU通過RS485接口與PC端相連，并將數據傳輸至PC端，完成數據的一次采集。其中在PC端主要是利用ModScan完成對RTU傳輸數據的讀取，本次試驗在Modscan中設置連接的端口號為COM4，波特率為38 400，RTU的ID為2，數組長度設為5位，其他為默認初始狀態。

1-流量控制平臺；2-電纜；3-蓄水池；4-水泵；5-壓力表；6-RTU；7-壓力流量傳感器； 8-管道；9-天線；10-DTU；11-PC端圖2 試驗裝置圖Fig. 2 Test device diagram

1.2 試驗方案

為檢驗該傳感器運行狀態的穩定性和測量數據的可靠性，故選用7個相同的傳感器分別進行試驗，并采集不同流量下傳感器的輸出壓力、流量數據。其中流量共設為7個水平，分別是20、25、30、35、40、45、50 m3/h，傳感器在某流量水平下的試驗過程為：通過流量控制平臺設定管道中的過水流量并啟動，約40 min后，觀察壓力表和流量控制平臺，當壓力表的指針不擺動且流量控制平臺顯示的流量為設定流量，即管道中的流量穩定時，記錄壓力表讀數和設定流量，并在30 s內記錄在此流量下傳感器采集到的16組壓力、流量數據。

2 試驗數據處理與分析

2.1 異常值的判定

采用狄克遜(Dixon)檢驗法[7]判定傳感器測得的壓力、流量數據是否存在異常值。具體檢驗步驟如下。

(1)分別將不同流量下各傳感器采集到的16組壓力、流量數據從小到大依次排列。

(2)令H=16,查閱統計計算方式表，選取對應的公式計算Q統計量，其中最小值Z(1)檢驗公式如式(1)所示，最大值Z(H)檢驗公式如式(2)所示。

(1)

(2)

(3)根據狄克遜法界外值檢驗的臨界值表查出檢驗顯著概率為5%和1%時，Q統計量的臨界值Q0.05(H)和Q0.01(H)，兩個值分別為0.546、0.627。

(4)判定：若檢驗最小值的計算統計量Q22≤Q0.01(H)或檢驗最大值的計算統計量Q22≤Q0.05(H)，則受檢驗的測定值正常，否則為異常值，此時剔除該數據，令H=15，重新查表并計算。經計算發現試驗的各組數據均不存在異常值，即在不同流量下傳感器測得的數據的離散性較低，該傳感器測量的穩定性較高。

2.2 數據間差異性的分析

為了檢驗在不同流量下各傳感器采集的壓力、流量數據是否存在顯著性差異，本小節主要利用SPSS軟件進行單因素方差分析。通過單個樣本K-S檢驗，各組壓力、流量數據的P值均大于0.05，說明數據呈近似正態分布，則在單因素方差分析中選用Duncan法進行多組樣本間差異顯著性分析，結果如表1和表2所示。其中表2的壓力值與表1的流量值相對應，即試驗中通過安裝壓力表讀取在此流量下管道中的壓力值。表1和表2最后一行的a、b子集均為同類子集，ab為這兩子集的交集，即對7個傳感器測得的數據進行差異顯著性分析時，當傳感器之間無顯著差異時，劃分到同一子集，否則劃分到不同的子集。

表1 不同流量下不同傳感器流量數據的差異顯著性Tab.1 Significant differences in flow data of different sensors under different flow rates

表2 不同壓力下不同傳感器壓力數據的差異顯著性Tab.2 Significant differences in pressure data of different sensors under different pressures

由表1可知，當流量為30 m3/h時，6號和7號傳感器間呈顯著差異。1、2、3、4、5號傳感器之間無顯著差異，6號、7號分別與這5個傳感器間無顯著差異；當流量為40 m3/h時，2號和7號傳感器間呈顯著差異，1、3、4、5、6號傳感器之間無顯著差異，2號、7號分別與這5個傳感器間無顯著差異；其他流量下7個傳感器的流量數據之間均不存在顯著差異。同理，在表2中，當壓力為0.008 MPa時，1號和2號傳感器之間存在顯著差異；當壓力為0.042 MPa時，6號和7號傳感器之間存在顯著性差異；其他壓力下7個傳感器的壓力數據間不存在顯著差異。

利用貝塞爾公式和別捷爾斯公式，對存在顯著差異的傳感器所在列中的所有數據進行計算，主要計算過程如下：

(3)

(4)

式中：n為數據的個數；Vi為殘差。

2.3 試驗數據的擬合

試驗是在設定的7個流量水平下，對7個傳感器測得的壓力、流量數據進行了16次測量，屬于大量重復試驗，數據冗余，為減小試驗過程中的偶然誤差，故選用數據加權平均融合[11,12]的方法進行擬合，公式如下：

(5)

式中：Wi為分配給第i次檢測的權數。

在表1中，當流量為30 m3/h時，b類子集的顯著性低于a類，即b類子集中傳感器之間的差異性小于a類子集，故選取b類子集中各傳感器的原始測量數據加權平均融合，結果取整。同理，當流量為40 m3/h時，選取a類子集中傳感器的原始數據加權平均融合，在表2中融合數據的選取類似于表1。對流量、壓力數據加權平均融合的結果如表3所示,擬合關系特性曲線如圖3所示。由圖3可以看出，傳感器的輸出流量數據與輸入流量、輸出壓力數據與輸入壓力均成正比，線性關系良好，擬合優度分別為0.996 5、0.987 2。

表3 加權平均融合后的數據Tab.3 Weighted average fused data

圖3 流量和壓力數據標定曲線Fig.3 Flow and pressure data calibration curve

3 結 語

(1)在5%的顯著性水平下，除去偶然誤差的影響，各傳感器輸出的壓力、流量數據之間不存在顯著差異，具有較好的重復性和穩定性，說明該傳感器適用于管道中壓力、流量的測量。

(2)標定試驗結果表明，傳感器為線性傳感器，在低壓小流量條件下可以通過該標定曲線反映滴灌管道中壓力、流量的實際情況。

(3)本文對多傳感器測量數據的處理和標定方法，可為其他傳感器的標定試驗提供一定的參考。