一种车用发动机漏液检测仪器的制作方法

本实用新型涉及车用发动机检测技术，具体地说，涉及一种车用发动机漏液检测仪器。

背景技术：

车用发动机的检测可借助工业内窥镜检测技术来实现。目前，工业内窥镜主要划分为两种类型：第一种是独立式的，即摄像头经软管伸入待检部位后，将待检部位的情况反馈到控制线路板，控制线路板通过带USB接口的数据线与移动终端电连接，实现数据传输。另外一种是一体式的，即采样部件、检测部件和显示部件安装在同一壳体上，有关这类工业内窥镜的专利文献主要是针对视频的传输技术、探头的转动、光照的明亮度和图像的清晰度。

以上两种类型的工业内窥镜技术虽然具有一定的实用性，但内窥镜只能对待检部位的状况进行信息传递，对于诊断结果需要依靠检测人员的经验判断，具有一定的主观性和片面性。

技术实现要素：

为了解决现有技术所存在的不足，本实用新型提供一种检测速度快、精确度高的车用发动机漏液检测仪器，采用近红外光谱检测和工业内窥镜检测技术来实现，通过近红外光谱分析进行无损检测，分析发动机漏液的具体成分属性，为检修人员提供一个科学的检测结果。

本实用新型检测仪器采用如下技术方案来实现：一种车用发动机漏液检测仪器，包括信号处理电路、显示组件、连接软管组件和探头组件；连接软管组件的一端与显示组件固定连接，另一端与探头组件固定连接；信号处理电路与探头组件电连接，对被测物的光谱进行光谱预处理后，基于近红外光谱分析识别模型对被测物进行识别确认，由此鉴别发动机漏液的属性，即漏机油还是漏水，把鉴别结果输出到显示组件。

优选地，所述探头组件内的元件包括摄像头、红外发光二极管、红外接收管和照明灯；连接软管组件内包括四组导向钢丝，每组导向钢丝的一端均与显示组件连接，每组导向钢丝的另一端分别连接摄像头、红外发光二极管、红外接收管和照明灯；软管组件的前端设有一个导向关节，所述导向钢丝在导向关节内导向弯曲，带动探头组件内的元件转向以实现全方位检查。

优选地，所述显示组件包括固定安装在显示组件的壳体部上的显示屏、主菜单按钮、照明快捷键、操控按钮、近红外线检测按钮和拍照/录像切换快捷键；操控按钮与连接软管组件连接。

优选地，所述车用发动机漏液检测仪器还包括与显示组件连接的手柄组件。

与现有技术相比，本实用新型的有益效果是：本车用发动机漏液检测仪器通过近红外光谱分析的方法，进行无损检测，分析发动机漏液的具体成分属性，为检修人员提供一个科学的检测结果，并对车辆进行针对性的维修。同时还具有结构简单紧凑、体积小和成本低的优点，有着重要的现实意义。

附图说明

下面将结合附图及实施例对本实用新型作进一步说明，附图中：

图1为本实用新型的结构示意图；

图2为本实用新型探头部件的示意图；

图3为本实用新型检测识别模型的建立流程图；

其中：

1 手柄组件 2 电池

3 显示组件 4 连接软管组件

5 探头组件 31 操控按钮

32 近红外线检测按钮 33 拍照/录像切换快捷键

34 主菜单按钮 35 照明快捷键

36 显示屏 37 壳体部

41 导向关节 51 摄像头

52 红外发光二极管

53 红外接收管 54 LED照明灯

具体实施方式

为了本实用新型的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本实用新型进行进一步的详细说明。

实施例

如图1、图2所示，该车用发动机漏液检测仪器包括信号处理电路、手柄组件1、显示组件3、连接软管组件4和探头组件5。显示组件3通过壳体部37连接到手柄组件1上；连接软管组件4的一端与显示组件3固定连接，连接软管组件4的另一端与探头组件5固定连接。信号处理电路安装在壳体部37内，与探头组件电连接，对被测物的光谱进行光谱预处理后，基于近红外光谱分析识别模型对被测物进行识别确认，由此鉴别发动机漏液具体为漏机油还是漏水。

手柄组件1壳体内安装电池2，为检测仪提供电源。显示组件3包括显示屏36、主菜单按钮34、照明快捷键35、操控按钮31、近红外线检测按钮32和拍照/录像切换快捷键33；其中，拍照/录像切换快捷键33在默认情况下是拍照模式，当该切换快捷键按下时进入录像模式，再次按下时则进入拍照模式，两种模式之间轮流切换。显示屏36、主菜单按钮34、照明快捷键35、操控按钮31、近红外线检测按钮32和拍照/录像切换快捷键33固定安装在壳体部37上，电路组件安装在壳体部37内部。探头组件5包括摄像头51、红外发光二极管52、红外接收管53、LED照明灯54和密封玻璃。连接软管组件4内有4组导向钢丝，每组导向钢丝的一端均与操控按钮31连接，每组导向钢丝的另一端分别与探头组件5中的四个元件(即摄像头51、红外发光二极管52、红外接收管53、LED照明灯54)连接；连接软管组件4的前端，即探头组件5的后方有一个导向关节41，导向关节优选为弯曲蛇骨管。检测人员可通过上下、左右操作操控按钮31，随着检测人员的操作，导向钢丝在弯曲蛇骨管内导向弯曲，由此带动探头组件5中的元件转向，实现全方位检查。

本实用新型检测仪器的工作过程，包括以下步骤：

S1、按下主菜单按钮，开启汽车内窥镜，检修人员将可以弯曲变化易于操作的连接软管组件4伸入汽车发动机异常部位进行检测，并根据检测需要对操控按钮进行操作，如进行360°观察和实现照明、拍照、录像功能；

S2、当检测仪探测到发动机漏液现象时，将探头组件对准被检测物，按下近红外线检测按钮发射近红外光线，红外接收管接收被检测物反射回来的光，采集被检测物的近红外光谱，然后对漏液进行近红外光谱分析识别。

进行近红外光谱分析识别之前，需预先训练建立识别模型。因为粘度是衡量润滑油品质指标的一个重要因素，因此，本实用新型以润滑油的粘度作为一个参数建立近红外光谱分析识别模型，将漏液的近红外光谱与此识别模型进行识别。如图3所示，预先训练识别模型的建立步骤如下：

第一步：光谱的采集

通过MicroNIR微型近红外光谱仪对一定数量有代表性的不同厂家、不同质量等级的润滑油样本进行近红外光谱采集。其中，有代表性是指样品粘温性能分布的多样性。每个样本采集三次光谱，并取其平均值作为润滑油粘度样品光谱集中每个样本的原始近红外光谱数据。

第二步：光谱的预处理

在采集过程中，由于环境等因素会对光谱造成一定的漂移和包含有一定的干扰信息，从而会使建模结果精确度下降，导致模型的不稳定性。因此，在建立校正模型前需采用一定的光谱预处理，尽可能的剔除与目标因素无关的光谱信息，提高校正模型的预测能力和稳健性。润滑油粘度的光谱预处理采用多元散射校正(MSC)法，其算法如下：

①计算所有样品光谱的平均光谱：

②将每个样品的光谱Ai与平均光谱进行线性回归，求得回归系数mi、bi：

③计算校正后的光谱：

其中，i＝1,2,……n，n为样品数，j表示第j个波数。

第三步：建立校正模型

采用随机样本划分法将润滑油粘度的原始近红外光谱数据划分为校正集和验证集，通过偏最小二乘的方法建立润滑油粘度的校正模型，其计算过程如下：

首先，对光谱矩阵X和浓度矩阵Y分解：

X＝TP+E

Y＝UQ+F

其中T和U分别为X和Y的得分矩阵，P和Q分别为X和Y的载荷矩阵(主成分数)，E和F分别为X和Y的拟合误差矩阵。

然后，对T和U进行线性回归，B为关联系数矩阵：

U＝TB

B＝TU(TT)^-1

最后，根据已知光谱的载荷矩阵P求出光谱的得分矩阵T未知，然后可以根据下式来对未知样品的值进行预测：

Y未知＝T未知BQ

第四步：验证校正模型

用验证集的样本对模型的准确性、稳健性进行验证。在此之前，用常规、标准的方法测出润滑油的粘度，判断验证集验证粘度值和测定标准值的误差是否在允许范围内，是，则输出校正模型；否，则重新划分校正集和验证集，重复第三步的步骤再次建立校正模型，直到误差满足需求，输出校正模型。其模型通过相关系数R、预测集均方根误差(RMSEP)和校正集均方根误差(RMSEC)来综合评价，RMSEP和RMSEC应当非常接近，而且相关系数R越高，RMSEP和RMSEC越低，模型的性能越好。

式中，为模型预测值，yi为实际测量值，Ic为校正集中的样品个数，Ip为验证集中的样品个数，f为独立变量数，为实际测量值的平均值。

按照上述同样的方法步骤预先训练建立水的近红外光谱分析识别模型，即采集水的近红外光谱，通过多元散射校正(MSC)法进行预处理后建立校正模型，并对此校正模型进行验证。将上述润滑油粘度近红外光谱分析识别模型和水的近红外光谱分析识别模型存储在本实用新型车用发动机漏液检测仪器内部处理器上。

S3、壳体部37内的信号处理电路对被测物的光谱进行上述第二步的光谱预处理后，基于上述S2所建立的两组近红外光谱分析识别模型进行识别确认，由此鉴别发动机漏液的具体情况，即漏油还是漏水；最后将鉴别结果显示在显示屏36上。

以上所述具体实施方式仅为本实用新型所提供的优选实施方式，并非要对本实用新型的内容进行限制。其他任何未背离本实用新型的技术方案而所做的改变或其它等效的置换方式，都包含在本实用新型的保护范围之内。