正壓式車燈氣密性檢測儀的設計與制造

麥宙培，陳繼清

(1.廣西職業技術學院機械與汽車技術系，廣西南寧 530226；2.廣西大學機械工程學院，廣西南寧 530007)

正壓式車燈氣密性檢測儀的設計與制造

麥宙培1，陳繼清2

(1.廣西職業技術學院機械與汽車技術系，廣西南寧 530226；2.廣西大學機械工程學院，廣西南寧 530007)

針對目前車燈氣密性檢測時間長、工作效率低、操作復雜等問題，研究并制造了一種能自動檢測的正壓式氣密性檢測儀。在該系統中，引入了神經網絡和模糊邏輯控制器。神經網絡控制器判斷車燈氣密性是否合格，如果不合格，模糊控制器將進一步檢測泄漏的位置。實踐表明：該系統操作簡單，敏感性高，穩定好，并具有很好的經濟效益。

正壓式；氣密性檢測儀；車燈；神經模糊控制

0 引言

車燈作為車輛的重要組成部分，在照明、行車信號、轉向、安全行駛中起到保障的作用。但是由于車燈的設計、制造、裝配以及材料等原因，不可避免地存在泄漏的現象，即氣密性不足的問題。車燈的氣密性不足會引起結霧、罩內壓力變化、燈內積水、換氣效果變壞等現象，這些都嚴重影響到車燈照明、壽命、外觀，危及行車安全[1-2]。因此在汽車車燈生產線上，都采取一系列方法檢測車燈的氣密性。

常用的檢測方法有負壓測試、成分分析法[3]、光學檢測法[4]、超聲波檢測法[5]、氣壓檢測法。負壓測試是采用抽真空的方式，之后保壓一定時間，在規定的時間內，壓力下降在規定的范圍內，則為合格。由于負壓測試有時會失真，因此檢測準確率不高。成分分析法是將不同空氣的檢測氣體充入車燈的內部，直至車燈內部的氣壓達到某一值的時候，用成分分析器檢測車燈的表面，如果有泄漏縫隙，成分分析器就會顯示出泄漏氣體的分布單元，從而找出泄漏縫隙的具體位置。光學檢測法是將某種氣體混入車燈，根據光線投影相位的偏移或偏折角來檢測車燈的縫隙。用超聲波檢測法檢測時，可以直接使用超聲波檢測器，根據檢測儀表指針是否擺動確定有無泄漏;然后，再尋找發出超聲波的位置，以便確定泄漏點。氣壓檢測法是將氣體充入車燈里面，如果車燈存在縫隙，則車燈里面的氣體會泄漏，而出現燈內氣壓下降。這種方法需要借助壓阻式壓力傳感器進行車燈內部氣壓的檢測，并且根據縫隙和泄漏的程度，判斷是否報警。

上述這些檢測方法可以從總體上衡量車燈的密封性能, 并且大致能指出泄漏縫隙的具體位置。但是這些方法局限性在于依靠人工操作，并且檢測時間偏長，效率不高，操作復雜。為了適應自動化生產，作者設計制造了正壓充氣氣密機，引入神經網絡和模糊控制的方法檢測車燈氣密性，根據氣壓變化和檢測時間，確定泄漏的位置。這為改進制造和裝配工藝提供指導和依據，以降低廢品率。

1 正壓充氣原理

該氣密機主要是采用正壓充氣方式，利用壓力控制器作比較的方式進行氣密性檢測。該系統由氣泵產生0.6 MPa的氣壓，經過過濾減壓閥和精密減壓閥，使得氣源壓力降低為0.02 MPa，并充氣到車燈中，使用壓力傳感器檢測車燈內的壓力。控制器依據壓力的大小判斷車燈是否泄漏。如果存在泄漏，根據壓力的大小和檢測時間判斷泄漏的位置。正壓充氣原理如圖1所示。

圖1 正壓充氣原理

2 控制器設計

該氣密機的控制器主要由神經網絡和模糊邏輯構成。由于在氣泵的供氣過程中，會產生壓力的誤差，如果單一地設定壓力傳感器的閾值，會使得最終的檢測結果產生誤差，而引入神經網絡控制算法，使得檢測更具柔性。對于存在泄漏的車燈，確定泄漏的位置，對改進設備、工藝有著積極的意義，因此采用模糊推理的算法確定。

2.1 神經網絡控制器

神經網絡是一個由大量簡單的處理單元神經元廣泛連接組成的人工網絡,是以工程技術手段模擬人類大腦的神經網絡結構與功能特征的一種技術系統,它用大量的非線性并行處理器來模擬眾多的人腦神經元,用處理器間錯綜靈活的連接關系來模擬人腦神經元間的突觸行為,它能從已知數據中自動地歸納規則,獲得這些數據的內在規律,具有很強的非線性映射能力。神經網絡具有很好的非線性、容錯性、自學習和對環境的自適應能力，在信號處理、模式識別、智能控制、智能診斷等領域中廣泛應用[6-8]。

建立一個神經網絡模型，主要確定3個方面的問題：(1)每層的神經元數目；(2)初始權值的選取；(3)期望的誤差和學習率的選取。

輸入層起緩沖存儲器的作用，把數據加到神經網絡上。從氣密機的原理可知，需要確定氣泵的氣壓、過濾減壓閥的氣壓、精密減壓閥的氣壓、已經充氣到燈具的氣壓，因此可知神經網絡的輸入層節點數為4。

輸出層節點，希望能夠直接從輸出結果得到故障模式的判斷。對于氣密機的結果，神經網絡需要判斷合格與不合格2種，因此確定神經網絡的輸出層節點數為2，用二進制編碼方式，可以表示為(0,0,0,0)、(0,0,1,0)。

隱層起抽象的作用,它能從輸入提取特征。增加隱層可增加人工神經網絡的處理能力,但是必將使訓練復雜化、訓練樣本數目增加和訓練時間增加。而誤差精度的提高實際上也可以通過增加隱層的神經元數目來獲得,其訓練效果也比增加層數更容易觀察和調整。所以一般情況下,應優先考慮增加隱層中的神經元數。文中選取隱層數為4。

隱層節點數的選擇對整個神經網絡的性能有重要的影響。目前對隱層節點數的選取尚無統一標準,一般是根據經驗或通過訓練學習后,考慮網絡的學習次數和識別率綜合比較后選定。文中取8。

根據設計，氣泵的氣壓為0.6 MPa，過濾減壓閥的氣壓為0.2 MPa，精密減壓閥的氣壓為0.05 MPa，充氣到燈具的氣壓為0.02 MPa。各氣壓的壓差分別為±0.5、±0.05、±0.005、±0.005 MPa。經過訓練之后，對傳感器檢測的8組數據進行判定，如表1所示。氣密機的狀態編碼如表2所示。

表1 等待判斷的數據

表2 氣密機狀態編碼

圖2 網絡訓練過程中的誤差變化曲線

經過21次迭代訓練后(如圖2所示)，判定結果如表3所示?？梢钥吹剑航涍^訓練之后，神經網絡對各個樣本的診斷結果均正確。

表3 診斷結果

2.2 模糊控制器

模糊控制器是以模糊集合論、模糊語言變量和模糊邏輯推理為基礎的一種計算機數字控制技術。它有3個主要特點：(1)用語言變量代替數學變量或兩者結合；(2)應用模糊條件語句來刻畫變量間的函數關系；(3)用模糊算法來刻畫復雜關系。其研究對象具備以下一些智能控制對象的特點：模型不確定性，非線性，復雜的任務要求[9-10]。

一個完整的模糊控制器主要由模糊化、模糊推理、數據庫、規則庫和清晰化等五部分構成，如圖3所示。

圖3 模糊邏輯控制器

在氣密機的泄漏位置判斷系統中，輸入量為壓力差p和時間變化率t。壓差的基本論域為p=[-0.005,0.005]; 語言變量的論域為pc=[-1,1]；時間變化率的基本論域為t=[-2,2]; 語言變量的論域為tc=[-1,1]; 輸出的基本論域為pos=[-3, 3];輸入的模糊子集為S(小)、M(中)、L(大)；輸出pos選定5個模糊子集：VN(很近)、N(近)、MN(中等)、F(遠)、VF(很遠)。隸屬函數的模糊子集如圖4所示，這是一個雙輸入-單輸出的模糊控制器。

模糊邏輯推理表。語言規則模塊是模糊控制器的核心部分, 它是一個規則庫。運用模糊數學理論進行推理計算,以得到一個模糊輸出量。模糊補償策略的核心是模糊規則的確定,模糊規則實質上是將操作員的控制經驗加以總結從而獲得的一條條模糊條件語句的集合。

圖4 隸屬函數p、t、pos的模糊子集分布

模糊控制規則用條件語句表示如下：

If p=A and t=B, then pos=C

其中:A、B、C分別是輸入和輸出;p、t、pos分別是論域上的模糊子集。

根據大量的試驗及經驗，車燈的氣密性與氣壓變化及時間有直接的關系，由此得到模糊推理規則如表4所示，輸出變量pos的模糊規則觀測窗如圖5所示。

表4 模糊控制規則表

圖5 輸出變量pos的模糊規則觀測窗

2.3 氣密機控制器的硬件實現

帶神經模糊控制器的氣密機的硬件主要由STM32單片機、4個壓力傳感器、1個計時器、1個神經網絡控制器模塊、1個模糊邏輯控制器模塊、1個精密壓力開關和1個顯示儀組成，如圖6所示。壓力傳感器的信號經過A/D轉換后傳送到單片機STM32，與神經網絡模塊相接。經過識別后，判斷合格，壓力開關綠燈亮，直接在顯示儀上顯示。如果壓力開關為紅色，表示不合格，則再經過模糊控制模塊判斷車燈泄漏的位置，并顯示出來。

圖6 氣密機檢測儀控制硬件

3 氣密機的硬件組成

(1)箱體

機體正表面有：輸入電源開關按鈕，測試電源按鈕，測試方式選擇按鈕，蜂鳴器，不合格顯示燈，合格顯示燈，精密壓力表，數顯時間繼電器。側面有：壓力表，壓力調節開關。如圖7所示。

(2)氣路設計

該氣路由空氣過濾器、減壓閥、油霧器、過濾減壓閥、精密減壓閥、電磁閥和壓力開關組成。氣源的氣壓為0.6 MPa，

經過減壓閥后降低為0.2 MPa，再經過過濾減壓閥之后將為0.05 MPa，經過精密減壓后得到0.02 MPa的干凈氣體，并充氣到車燈內。該氣路如圖8所示。

圖7 氣密機檢測儀外殼箱體

圖8 氣密機檢測儀氣路原理

圖9 正壓式氣密機檢測儀

把以上零部件組裝之后得到正壓箱式氣密機，如圖9所示。

4 正壓箱式氣密機的應用

通過表5中的對比可知，箱式氣密機有以下優點：

(1)體積小，質量輕，成本低，檢驗時間短，有著良好的經濟效益；

(2)減輕工人勞動強度，改善工人工作環境，提高生產效率，保障工件質量，優化工藝；

(3)操作簡單，智能判斷車燈的氣密性，使得檢測實現自動化。

表5 正壓氣密機的使用及經濟效益對比

5 結束語

車燈的氣密性影響著車燈的質量，在總結現有檢測氣密性的原理基礎上，設計和制造了正壓箱式氣密機，應用神經網絡和模糊邏輯控制器，判斷車燈的氣密性以及存在泄漏的位置。試驗結果表明：該氣密機具有較高的靈敏性和穩定性，操作簡單，安全可靠，并具有很好的精機效益。除此之外，正壓式氣密機實現了檢測自動化，降低了管理工作量和難度，提高了生產效率。

【1】王磊.汽車車燈的氣密性檢測[J].產業與科技論壇，2013,12(4)：95-96.

【2】齊曉東，汽車燈具檢測常見問題分析[J].環境技術，2010(8):44-46. QI X D.Common Questions Analysis of Automotive Lighting Testing[J].Environmental Technology,2010(8):44-46.

【3】黃素逸,周懷春.現代熱物理測試技術[M].北京：清華大學出版社，2008:164-169.

【4】李波,李建明,生亮田.消防應急燈具自動檢測系統的設計[J].自動化儀表，2009,30(6)：49-51. LI B,LI J M,SHENG L T.Design of the Automatic Test System for Fire Fighting Emergency Lighting Appliance[J].Process Automation Instrumentation,2009,30(6):49-51.

【5】邵澤波，劉興德.無損檢測[M].北京：化學工業出版社，2012:78-83.

【6】郭世杰，黃燦超，許志托.神經網絡在電子封裝點膠控制中的應用[J].液壓與氣動,2014(2)：88-93. GUO S J,HUANG C C,XU Z T.Applications of BP Neural Network PID Control in Electronic Packaging Dispensing Process[J].Chinese Hydraulics & Pneumatics,2014(2):88-93.

【7】溫陽東，宋陽，王穎鑫,等.基于模糊神經網絡的電力變壓器故障診斷[J].計算機測量與控制，2013,21(1):39-41. WEN Y D,SONG Y,WANG Y X,et al.Fault Diagnosis Method for Power Transformer Based on Fuzzy Neural Network[J].Computer Measurement & Control,2013,21(1):39-41.

【8】付寶英，王啟志.改進型補償模糊神經網絡故障診斷系統[J].華僑大學學報(自然科學版)，2012,33(1):1-5. FU B Y,WANG Q Z.Study of Fault Diagnosis System Based on Improved Compensatory Fuzzy Neural Network[J].Journal of Huaqiao University(Natural Science),2012,33(1):1-5.

【9】周愛霞.基于SIMULINK的通風機模糊控制系統的設計[J].煤礦機械，2014,35(1):133-135. ZHOU A X.Ventilator Design of Fuzzy Control System Based on SIMULINK[J].Coal Mine Machinery,2014,35(1):133-135.

【10】陶彩霞，楊艷萍.混合步進電機的模糊控制研究[J].自動化與儀器儀表，2014(12):41-44. TAO C X,YANG Y P.Fuzzy Control of Hybrid Stepper Motors[J].Automation & Instrumentation,2014(12):41-44.

Design and Manufacture of Positive Pressure Car Lamp Air Tightness Detector

MAI Zhoupei1, CHEN Jiqing2

(1.Department of Machinery and Automotive, Guangxi Vocational &Technical College, Nanning Guangxi 530226,China; 2.College of Mechanical Engineering, Guangxi University, Nanning Guangxi 530007,China)

An automatic positive-pressure air tightness detector was designed and manufactured to solve car lamp leak detection for a long time, low efficiency, complex operation and other issues.The neural networks and fuzzy logic controller were applied in this detection system. Neural network controller was used to judge whether lamp tightness eligible or not, if not, the fuzzy controller would further determine leakage location. The practice shows that this system has the advantages of simple operation, high sensitivity, good stability, and has very good economic benefit.

Positive pressure type; Air tightness detector; Car lamp; Neuro-fuzzy controller

2016-11-03

麥宙培(1964—)，男，本科，工程師，研究方向為機械設計。E-mail:2429117030@qq.com。

10.19466/j.cnki.1674-1986.2017.02.005

U463.65

B

1674-1986(2017)02-020-05