[发明专利]一种基于轮速信号频谱特征的可以显示绝对胎压值的间接式胎压监测方案以及方案实施细则

权利要求书

1.一种基于轮速信号频谱特征的可以显示绝对胎压值的间接式胎压监测方案以及方案实施细则，其特征在于：包含以下步骤：

步骤一：记录轮胎型号，为轮胎加装直接式胎压监测系统，并将胎压充至额定胎压；

步骤二：开始采集CAN总线数据，并借助RLS滤波算法实时修正四轮轮速信号上升沿时间戳，采集时间为60-180分钟的有效行驶(速度35-105km/h)时间，采集数据过程中需要注意覆盖不同路况以及不同速度区间，以确保训练数据的完备性；

步骤三：将车停靠在阴凉处一小时，并将胎压依次递减，重复步骤二；

步骤四：根据采集的数据离线生成训练数据；

步骤五：利用训练数据训练神经网络模型；

步骤六：存储训练后的神经网络模型参数，并依照AUTOSAR规范植入ESC软件。

2.根据权利要求1中步骤二用于估计轮速信号上升沿时间戳误差的RLS滤波算法，其特征在于：RLS滤波器参考车轮运转一周的平均速度，对每个轮速信号上升沿时间戳进行实时误差估计和更新。

3.根据权利要求1中的步骤三所述的胎压递减方式，其特征在于胎压依次递减5％直至为额定胎压的65％(100％->95％->90％->...->70％->65％)。

4.根据权利要求1中步骤四所述生成训练数据的具体实施方式，其特征在于：步骤如下：

步骤一：记录数据包对应的平均速度；

步骤二：对数据包频谱进行倒谱分析，并对倒谱分析结果加窗后计算出15Hz附近低频频段能量值；

步骤三：对倒谱分析结果加窗后计算出45Hz附近中频频段能量值；

步骤四：对倒谱分析结果45Hz附近频段进行加权求均值，得到中频能量谱峰值频率；

步骤五：记录数据包对应的dTPMS测量的胎压值；

步骤六：记录数据包对应的室外温度(辅助调校)；

步骤七：记录数据包对应的记录数据包对应的dTPMS测量的轮胎内部温度值(辅助调校)；

步骤八：记录数据包对应的横纵向加速度值，用于剔除不良数据包；

在经由步骤八中的数据剔除不良数据包后，将步骤一到步骤五生成的有效数据包记录为训练数据，其中步骤五记录的数据作为训练数据标签；

步骤六与步骤七记录的数据用于辅助参数调校，训炼结果需要依据胎压与温度的先验知识，借助室外温度信号进行补偿。

5.根据权利要求根据权利要求4中步骤二利用倒谱分析提取轮速信号包络线的方案，其特征在于：步骤如下：

步骤一：对修正后的轮速信号上升沿时间戳进行插值采样，采样频率为256Hz；

步骤二：选取512个采样点对采样值打包，并对打包后的数据通过倒谱分析提取频谱包络线，倒谱分析步骤中，在求得频谱对数的傅里叶逆变换后，将下标大于10的结果记为0后进行傅里叶变换，求得频谱包络线。

6.根据权利要求根据权利要求1中步骤五所述神经网络训练方案，其特征在于：具体细节如下：

方案所采用的神经网络为双隐层神经网络，第一层为输入层，包含4路输入信号和一路偏置信号；

两层隐层分别具有7个和6个节点，输出层包含一个节点，输出值表征胎压漏气程度，每层激励函数选用Sigmoid函数，以应对频谱特征分析模型中的非线性特征，训练策略为反向传播算法，每层权值更新策略采用梯度下降算法，训练集应包含至少8种胎压状态的4000个训练数据，每个胎压状态训练数据不应小于400个，每个速度区间训练数据不应小于300个训练数据，且应尽量覆盖不同路况；

为提高训练数据采集效率，应借助辅助软件实时分析并统计打包训练数据，以确保司机实时获知不同速度区间的数据采集进度，防止训练数据过于集中在某个特定速度区间；

为提高神经网络训练效率，实际训练过程中将对训练数据打乱，防止因数据集不够多而造成过拟合或者训练结果不收敛，反向传播训练过程中需要重复利用训练数据，一般经1000-1500次迭代后收敛。