[发明专利]基于高频轮速与机器学习的胎压及磨损量监测方法

说明书

本发明公开了属于故障诊断技术领域，特别涉及一种基于高频轮速与机器学习的胎压及磨损量监测方法。该方法包括：一、胎压监测，二、轮胎寿命监测；三、轮胎状态预警三部分；本发明通过轮胎压力传感器和环境温度传感器，综合决策树和SVM的对合理的轮速信号初步判断情况，估计得到的胎压和轮胎的磨损量，判断出胎压正常、胎压欠压、胎压过压和轮速不正常的状态，经过胎压监测和轮胎寿命监测，可得到轮胎的状态；在轮胎处于过压、欠压或磨损量超过一定值后，通过声或光的方式提示轮胎处于预警状态，要求驾驶者注意安全。

技术领域

本发明属于故障诊断技术领域，特别涉及一种基于高频轮速与机器学习的胎压及磨损量监测方法。

背景技术

间接式胎压监测的原理是不直接利用压力传感器对胎压进行测量，取而代之的是利用轮速或其他信号，计算与胎压相关的轮胎物理参数，进而间接估计胎压。由于轮胎的频率谱与胎压呈现一定关系，如图1所示，通过轮速信号可计算该频率谱，对比计算得到的频率谱和理论频率谱，可间接估计胎压。此外，车轮磨损量也会影响该频率谱。

在专利2019109470950中公开了一种胎压监测方法及装置，其利用滚动半径与频率方法相结合，实现了一种低成本的胎压监测方法。上述方法仅针对前轮使用频率法进行判断胎压判断，后轮仅使用半径方法。

发明内容

本发明的目的是提供一种基于高频轮速与机器学习的胎压及磨损量监测方法，其特征在于，该方法包括：一、胎压监测，二、轮胎寿命监测；三、轮胎状态预警三部分；现在分述如下：

所述胎压监测包括如下步骤：

步骤一，轮速信号预处理，从ABS轮速传感器获得的原子数，获得用于后续计算的轮速信号，经该步骤处理后的图像为剔除了轮速齿圈误差、重采样后的轮速；

步骤二，轮速信号的特征提取，将处理得到的轮速信号进行频域和时域分析，提取信号的特征；

步骤三，剔除不合理信号，利用决策树将不合理信号剔除，判断轮速信号合理与不合理；

步骤四，利用支持向量机(Supporting Vector Machine,SVM)合理的轮速信号初步判断为可能正常、可能欠压、可能过压；

步骤五，综合一段时间内决策树和SVM的对合理的轮速信号初步判断情况，判断出胎压正常、胎压欠压、胎压过压和轮速不正常的结果；

所述轮胎寿命监测即轮胎磨损量监测包括步骤：

第一，上述胎压监测提供了一种判断车轮正常胎压、欠压、过压的方法，显然，将上述胎压状态进一步细分为胎压为1.8bar,1.9bar,…2.3bar,2.4bar；利用该方法可得到细分的胎压估计值；

第二，根据频率、环境温度和胎压的关系，利用温度传感器测得环境温度，根据估计得到的胎压，可得到轮胎的估计频率同理，在轮胎内增加压力传感器，通过实测的胎压值，可得到轮胎的实际频率f；因为轮胎的磨损和胎压均会导致频率的改变，因此，当假设轮胎未磨损时，通过实验测试得到的数据曲线估计的胎压与压力传感器一致，进而求解得到的频率一致；

第三，计算频率变化量通过实验测试得到的数据曲线进而得到轮胎磨损量的估计值。

所述轮胎状态预警，经过上述胎压监测和轮胎寿命监测，可得到轮胎的状态；当轮胎处于过压、欠压或磨损量超过一定值后，通过声或光的方式提示驾驶者。

所述胎压监测的步骤一轮速信号预处理，具体包括：

第一，采用滚动半径与频率相结合方法进行轮速计算，得到重采样后的轮速；

第二，将采集到的轮速切分为多组固定时长t_l的轮速信号序列，后续的分析均以时长t_l的轮速信号为基础，其中t_l取为7.5s。