摘要：為保證車輛動(dòng)力總成冷卻系統(tǒng)的良好密封性能，提出一種基于數(shù)據(jù)驅(qū)動(dòng)的密封性預(yù)測方法，以提高動(dòng)力總成裝配質(zhì)量。首先，采集了生產(chǎn)裝配過程中與冷卻系統(tǒng)密封性相關(guān)的生產(chǎn)工藝數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，隨后使用預(yù)處理后數(shù)據(jù)訓(xùn)練邏輯回歸模型直到模型預(yù)測準(zhǔn)確率滿足要求，最后得到具有良好性能的密封性質(zhì)量預(yù)測二分類模型。文中以某車企的218臺(tái)動(dòng)力總成裝配數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示，訓(xùn)練后的模型具有較強(qiáng)的分類能力，能準(zhǔn)確判別密封性合格與不合格的產(chǎn)品，具有一定工程指導(dǎo)意義。

　　關(guān)鍵詞：數(shù)據(jù)驅(qū)動(dòng);邏輯回歸;密封性檢測

　　0引言

　　車輛在行駛過程中會(huì)產(chǎn)生大量熱量，對(duì)于傳統(tǒng)內(nèi)燃機(jī)汽車，熱量來自于動(dòng)力總成中內(nèi)燃機(jī)缸體內(nèi)燃料的燃燒與零件的相對(duì)運(yùn)動(dòng)，而對(duì)于電驅(qū)動(dòng)的新能源汽車，熱量則來自于車輛內(nèi)鋰離子電池的產(chǎn)熱[1]。這些熱量若沒有及時(shí)被帶走，輕則造成車輛運(yùn)行穩(wěn)定性下降、燃油經(jīng)濟(jì)性降低，重則導(dǎo)致動(dòng)力總成過熱報(bào)廢。現(xiàn)代車輛冷卻系統(tǒng)多傾向于使用成熟的液冷散熱，但液冷散熱系統(tǒng)存在大量的冷卻管路，需要保證其具有良好的密封性。在汽車的生產(chǎn)過程中，冷卻系統(tǒng)的密封性檢測是在冷卻液加注之前進(jìn)行的，具體方法是對(duì)冷卻系統(tǒng)進(jìn)行氣體加壓處理，通過一個(gè)保壓過程進(jìn)行密封性測試[2]。

　　但這種方法工序復(fù)雜，并且測試要求的環(huán)境條件較高。隨著大數(shù)據(jù)科學(xué)的快速發(fā)展及汽車生產(chǎn)中全流程信息采集系統(tǒng)的廣泛應(yīng)用，已經(jīng)可以實(shí)現(xiàn)以低成本、大范圍、增量累計(jì)的方式獲取車輛生產(chǎn)過程中的有用信息[3]，這為使用基于數(shù)據(jù)驅(qū)動(dòng)的方法進(jìn)行動(dòng)力總成冷卻系統(tǒng)密封性預(yù)測奠定了基礎(chǔ)。相比于傳統(tǒng)基于模型的方法，數(shù)據(jù)驅(qū)動(dòng)的方法可以在沒有系統(tǒng)先驗(yàn)知識(shí)與準(zhǔn)確數(shù)學(xué)模型的基礎(chǔ)上，通過生產(chǎn)與測試過程中產(chǎn)生的大量有用信息訓(xùn)練AI模型，使其具備解決某一特定問題的能力[4]。

　　基于數(shù)據(jù)的預(yù)測方法已經(jīng)取得了十分廣泛的應(yīng)用，胡杰等[5]基于車輛狀態(tài)參數(shù)、環(huán)境信息對(duì)電動(dòng)車行駛里程進(jìn)行了預(yù)測，LinXie等[6]基于天然氣、石油行業(yè)安全儀表的操作數(shù)據(jù)預(yù)測了儀表的故障率。在車輛生產(chǎn)過程中，獲取生產(chǎn)數(shù)據(jù)是比較容易的，并且這些數(shù)據(jù)中往往蘊(yùn)含了大量與冷卻系統(tǒng)密封性有關(guān)的信息，因此使用基于數(shù)據(jù)的方法預(yù)測冷卻系統(tǒng)密封性是較為合適的。本文通過數(shù)據(jù)驅(qū)動(dòng)的方法對(duì)動(dòng)力總成密封性測試結(jié)果進(jìn)行預(yù)測，具體選擇了二分類的邏輯回歸判別模型。方案基于大量的生產(chǎn)過程工藝數(shù)據(jù)樣本，訓(xùn)練邏輯回歸模型，直至模型具備良好的輸出精度，最終實(shí)現(xiàn)對(duì)密封性測試結(jié)果的預(yù)測。

　　1動(dòng)力總成及其冷卻系統(tǒng)

　　動(dòng)力總成是車輛的核心部件，負(fù)責(zé)車輛動(dòng)力的產(chǎn)生，決定了整車的動(dòng)力性、經(jīng)濟(jì)性與可靠性[7]。對(duì)于傳統(tǒng)內(nèi)燃機(jī)車輛，動(dòng)力總成包含發(fā)動(dòng)機(jī)、變速器、進(jìn)氣系統(tǒng)、排氣系統(tǒng)、冷卻系統(tǒng)、供油系統(tǒng)、發(fā)動(dòng)機(jī)懸掛等，而對(duì)于電驅(qū)動(dòng)的新能源汽車，動(dòng)力總成則包含整車動(dòng)力驅(qū)動(dòng)控制單元、電動(dòng)機(jī)及其逆變器、變速器、冷卻系統(tǒng)等。雖然傳統(tǒng)汽車與新能源汽車動(dòng)力總成在結(jié)構(gòu)上存在較大的區(qū)別，但均存在冷卻系統(tǒng)，冷卻系統(tǒng)的運(yùn)轉(zhuǎn)情況將決定車輛行駛過程是否安全、穩(wěn)定。

　　傳統(tǒng)內(nèi)燃機(jī)汽車的冷卻系統(tǒng)主要是為發(fā)動(dòng)機(jī)缸體降溫，而新能源汽車?yán)鋮s系統(tǒng)則主要為電池系統(tǒng)降溫。車輛冷卻系統(tǒng)保證了動(dòng)力總成在較高輸出功率的同時(shí)，又具有良好的經(jīng)濟(jì)性與可靠性。現(xiàn)代車輛動(dòng)力總成主要采用閉式強(qiáng)制循環(huán)冷卻系統(tǒng)[8]，一般由冷卻水泵、水熱交換器、散熱器、循環(huán)管路等部分組成，屬于典型的液冷散熱方式。此外，在純電驅(qū)動(dòng)汽車的冷卻系統(tǒng)中，還會(huì)采用風(fēng)冷、相變材料冷卻、熱管冷卻等冷卻方式，但由于液冷散熱效率高，其仍然為車輛動(dòng)力總成主要冷卻方式。

　　采用液體方式的冷卻系統(tǒng)中，由于冷卻管路中冷卻液存在較大壓力，因此普遍存在泄漏風(fēng)險(xiǎn)， 是本文主要研究的問題。液冷系統(tǒng)冷卻液泄漏會(huì)造成車輛散熱效率下降，若冷卻液滴落在動(dòng)力總成中某些控制電路中，則會(huì)造成更為嚴(yán)重的損失。為了使汽車在生產(chǎn)過程中能及時(shí)檢測到冷卻系統(tǒng)是否存在泄漏隱患，本文通過數(shù)據(jù)驅(qū)動(dòng)的方式對(duì)冷卻管路進(jìn)行密封性預(yù)測，若預(yù)測模型判斷某一動(dòng)力總成冷卻系統(tǒng)存在泄漏的風(fēng)險(xiǎn)，則將該動(dòng)力總成下線檢查，將安全隱患排除在產(chǎn)品交付之前。

　　2數(shù)據(jù)驅(qū)動(dòng)的預(yù)測模型

　　2.1數(shù)據(jù)集的確定及預(yù)處理

　　數(shù)據(jù)驅(qū)動(dòng)的預(yù)測模型依賴于大量的數(shù)據(jù)來訓(xùn)練模型，這些數(shù)據(jù)又分為訓(xùn)練集與測試集，統(tǒng)稱為數(shù)據(jù)集。訓(xùn)練集為訓(xùn)練模型的樣本數(shù)據(jù)，測試集為模型訓(xùn)練好后評(píng)價(jià)模型的樣本數(shù)據(jù)，由于測試集沒有參與模型訓(xùn)練，因此基于其的評(píng)價(jià)結(jié)果會(huì)更加客觀。本文的數(shù)據(jù)集來源于動(dòng)力總成制造過程中產(chǎn)生的生產(chǎn)數(shù)據(jù)，數(shù)據(jù)集中包含特征值與目標(biāo)值，特征值為輸入模型的數(shù)據(jù)，目標(biāo)值為模型輸出的數(shù)據(jù)，本文數(shù)據(jù)集中特征值為生產(chǎn)過程中冷卻管路各個(gè)螺栓的擰緊數(shù)據(jù)，目標(biāo)值為對(duì)應(yīng)動(dòng)力總成冷卻系統(tǒng)管路密封性測試是否合格的布爾值。

　　2.2基于邏輯回歸的泄漏故障判別模型

　　邏輯回歸(LogisticRegression)是一種廣義的線性回歸模型(Generalizedlinearmodel)，是一種常用的統(tǒng)計(jì)學(xué)方法。回歸一般指研究某一數(shù)學(xué)問題因變量與自變量之間的關(guān)系，而邏輯回歸往往是使用了Sigmoid函數(shù)的回歸模型。邏輯回歸在機(jī)器學(xué)習(xí)中屬于有監(jiān)督學(xué)習(xí)，通過預(yù)測不同自變量發(fā)生某種情況的概率，從而求解某一分類或多分類問題的解，是一種經(jīng)典的分類問題預(yù)測方法。由于本文研究的動(dòng)力總成冷卻系統(tǒng)密封性檢測是否合格的問題屬于二分類問題，故使用二分類的邏輯回歸模型進(jìn)行預(yù)測。

　　2.3混淆矩陣

　　由于本文研究的是分類問題，因此通常使用混淆矩陣來評(píng)價(jià)模型預(yù)測能力。混淆矩陣是一種表示精度評(píng)價(jià)的標(biāo)準(zhǔn)格式，也稱為誤差矩陣，當(dāng)問題被分為n類時(shí)，往往由n行n列的矩陣構(gòu)成，二分類的混淆矩陣形式如表2所示。混淆矩陣中，TP(TruePostive)表示真實(shí)結(jié)果與預(yù)測結(jié)果均為合格的樣本數(shù);TN(TrueNegative)表示真實(shí)結(jié)果與預(yù)測結(jié)果均不合格的樣本數(shù);FP(FalsePositive)屬于統(tǒng)計(jì)學(xué)第一類錯(cuò)誤，表示將實(shí)際不合格的產(chǎn)品預(yù)測成合格產(chǎn)品;FN(FalseNegative)屬于統(tǒng)計(jì)學(xué)第二類錯(cuò)誤，表示將實(shí)際合格的產(chǎn)品預(yù)測成不合格產(chǎn)品[10]。除混淆矩陣外，還有準(zhǔn)確率(Accuracy)、精確率(Precision)、正類正確率(TruePositiveRate,TPR)、負(fù)類正確率(TrueNegativeRate,TNR)等評(píng)價(jià)指標(biāo)，其計(jì)算公式如表3所示。

　　3實(shí)驗(yàn)與分析

　　本文使用從某車企生產(chǎn)現(xiàn)場采集的218組動(dòng)力總成歷史生產(chǎn)裝配數(shù)據(jù)用作訓(xùn)練模型，每組數(shù)據(jù)為一臺(tái)動(dòng)力總成的與密封性有關(guān)的螺栓擰緊力與擰緊轉(zhuǎn)矩及最終密封性測試結(jié)果。實(shí)驗(yàn)平臺(tái)配置為處理器i5-9400f(2.90GHz)，內(nèi)存為16GB，顯卡為NVIDIAGTX1660。實(shí)驗(yàn)使用Python編程語言并基于Pytorch機(jī)器學(xué)習(xí)庫構(gòu)建了邏輯回歸模型。

　　機(jī)械論文投稿刊物：《機(jī)械工程學(xué)報(bào)》創(chuàng)刊于1953年，是由中國科學(xué)技術(shù)協(xié)會(huì)主管，中國機(jī)械工程學(xué)會(huì)主辦、機(jī)械工業(yè)信息研究院承辦的機(jī)械工程類高學(xué)術(shù)水平期刊。國內(nèi)刊號(hào)CN：11-2187/TH，國際刊號(hào)ISSN：0577-6686。

　　4結(jié)語

　　本文基于數(shù)據(jù)驅(qū)動(dòng)的邏輯回歸算法建立了對(duì)動(dòng)力總成冷卻系統(tǒng)密封性質(zhì)量的分類判別模型。使用真實(shí)生產(chǎn)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，得到的預(yù)測模型顯示出較高的精度，其中最重要的TPR指標(biāo)達(dá)到89.79%，表明不合格動(dòng)力總成被檢測出來的概率較大，滿足了實(shí)際生產(chǎn)檢測需求。通過使用本文的預(yù)測模型，可以及時(shí)將生產(chǎn)過程中有問題的動(dòng)力總成下線檢修，也可以對(duì)此后的人工密封性檢測結(jié)果提供參考，具有一定的工程意義。

　　[參考文獻(xiàn)]

　　[1]馬強(qiáng).混合動(dòng)力汽車用鋰離子電池氣體散熱結(jié)構(gòu)設(shè)計(jì)與仿真[D].西安：西安建筑科技大學(xué),2020.

　　[2]鄧律華,宋舜,單會(huì)星.汽車生產(chǎn)過程中冷卻系統(tǒng)密封性檢測方法[J].內(nèi)燃機(jī)與配件,2019(4):171-173.

　　[3]褚學(xué)寧,陳漢斯,馬紅占.性能數(shù)據(jù)驅(qū)動(dòng)的機(jī)械產(chǎn)品關(guān)鍵設(shè)計(jì)參數(shù)識(shí)別方法[J].機(jī)械工程學(xué)報(bào),2021,57(3):185-196.

　　[4]孟晨,楊華暉,王成,等.數(shù)據(jù)驅(qū)動(dòng)的武器系統(tǒng)電子元部件級(jí)故障診斷研究綜述[J].系統(tǒng)工程與電子技術(shù),2021,43(2):574-583.

　　[5]胡杰,翁靈隆,覃雄臻,等.基于多模型融合的電動(dòng)汽車行駛里程預(yù)測[J].交通運(yùn)輸系統(tǒng)工程與信息,2020,20(5):100-106，141.

　　作者：楊愛平1，唐倩1，撒利軍2，劉達(dá)2