[发明专利]一种基于多传感器信息融合的竖向车轮力识别方法在审

专利信息
申请号: 201910065646.0 申请日: 2019-01-23
公开(公告)号: CN109829410A 公开(公告)日: 2019-05-31
发明(设计)人: 张建;张成;赵文举;谢枝芃 申请(专利权)人: 东南大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G01L5/16
代理公司: 南京经纬专利商标代理有限公司 32200 代理人: 王美章
地址: 210096 江苏省*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 车轮力 竖向 多传感器信息融合 轮胎 汽车运行状态 时间序列预测 时序 道路安全 健康监测 轮胎参数 轮胎运动 神经网络 实时识别 竖向变形 问题转化 映射关系 正常行驶 智能轮胎 综合考虑 多参数 胎压 应用 诊断 评估 桥梁
【权利要求书】:

1.一种基于多传感器信息融合的竖向车轮力识别方法,其特征在于,具体步骤如下:

S1、通过一体化设备采集不同工况下轮胎的实时竖向变形、实时胎压及实时转速,同时利用力传感器采集轮胎真实的竖向车轮力;

S2、采用计算机对步骤S1中一体化设备所采集的不同工况下轮胎的实时竖向变形、实时胎压和实时转速三个数据分别进行数据预处理,然后对预处理后的数据进行特征归一化,进而完成数据库构建;

S3、通过步骤S2构建的数据库完成神经网络的训练;

S4、再次通过一体化设备采集不同工况下轮胎的实时竖向变形、实时胎压及实时转速,并将采集得到的数据输入步骤S3训练好的神经网络中,实时输出轮胎竖向车轮力。

2.根据权利要求1所述的基于多传感器信息融合的竖向车轮力识别方法,其特征在于,步骤S3具体包括:对应步骤S1所采集的真实车轮力,设定样本输入数据序列的长度k并设定权重初始值,根据神经网络公式更新权重,设置目标函数为预测值和标签值的均方差,计算和判定误差,即如果误差大于设定阀值,则计算各权重梯度并进行反向传播更新权重,进而进行下一时刻的样本训练,若计算误差小于设定阀值,则保存权重,完成神经网络的训练。

3.根据权利要求1所述的基于多传感器信息融合的竖向车轮力识别方法,其特征在于,所述的数据预处理是采用VMD变分模态分解算法分解监测数据,得到各模态分量,进一步剔除由轮胎旋转时气压不均匀分布造成的周期性干扰以及杂波项,使监测数据直接反应与竖向车轮力的影响。

4.根据权利要求1所述的基于多传感器信息融合的竖向车轮力识别方法,其特征在于,所述的一体化设备包括竖向位移监测系统、胎压监测系统、转速监测系统、中央信号控制系统和数据分析系统,其中,

所述竖向位移监测系统通过长标距应变传感器采集轮胎的竖向位移应变信息,采用有线或无线控制方式,通过局部信号控制器与中央信号控制系统交流指令和数据;

所述胎压监测系统通过轮胎气压传感器采集轮胎内腔气压变化数据,采用有线或无线控制方式,通过局部信号控制器与中央信号控制系统交流指令和数据;

所述转速监测系统通过转速传感器采集轮胎的转速,采用有线或无线控制方式,通过局部信号控制器与中央信号控制系统交流指令和数据;

所述中央信号控制系统向数据分析系统传输采集的数据;所述数据分析系统利用内嵌的实时竖向车轮冲击力计算程序,对数据进行自动化分析,输出车轮力的可视化评估结果。

5.根据权利要求4所述的基于多传感器信息融合的竖向车轮力识别方法,其特征在于,

所述竖向位移监测系统基于改进的共轭梁法,将计算轮胎的竖向变形问题转化为计算其共轭结构的弯矩问题,轮胎胎面安装有一圈长标距应变传感器,通过所述长标距应变传感器采集的轮胎应变信息计算得到轮胎一周的径向变形曲线,p为轮胎周圈任意一点,若p点处于第j根长标距光纤传感器的标距段内,则p点相对于轮胎中心的径向变形由以下公式获得:其中,

θ为长标距光纤传感器的对应角度,r为轮胎初始半径,qri=εi/h为第i根传感器标距段的径向均布力,εi为第i根长标距应变传感器采集的轮胎应变,h为轮胎胎壁厚度,a为p点将所在标距段j分成的两部分中左侧部分所占比例,a∈[0,1];所求得的轮胎一周上各点径向变形最大值max(vp)即为轮胎竖向变形。

6.根据权利要求4所述的基于多传感器信息融合的竖向车轮力识别方法,其特征在于,所述胎压监测系统由气压传感器、电滑环以及数据采集仪器组成,为保证轮胎转动过程中传感器数据的不间断传输,由气压传感器采集的胎压数据经由电滑环传输到数据采集仪器。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910065646.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top