摩托车iTPMS胎压监测方法及其系统与流程

摩托车itpms胎压监测方法及其系统
技术领域
1.本发明涉及摩托车胎压监测领域，特别是涉及一种摩托车itpms胎压监测方法及其系统。


背景技术：

2.目前国内汽车数量日益剧增，安全性能成为了汽车最重要的考虑部分。在2019年1月1日，国家在《乘用车轮胎气压检测系统的性能要求和实验方法》中增加了新的规定要求。该项规定指出，m1类的汽车必须安装胎压监测系统。随后，在2020年1月1日起，tpms(胎压检测系统)强制安装法规开始执行，我国生产的所有车辆都必须安装直接式或间接式的tpms系统。该法规的强制实施有效避免了因车胎欠压引起的诸多安全问题。
3.现有技术中，tpms系统大多是直接在前后车胎内设置压力传感器，以直接进行胎压检测，这种方式成本较高。itpms系统是将各个车胎的滚动半径进行对比，或者通过abs系统的轮速传感器来比较轮胎之间的转速差别。
4.但是，这种胎压检测技术在摩托车上的实施仍存在较多技术难点。一方面是，当摩托车前后轮胎同时缺气时，双轮滚动半径同时减小，根据前后轮胎相对滚动半径的变化无法识别出缺气；另一方面是，若摩托车负载变化，譬如摩托车后座载人，此时后轮滚动半径相比前轮会减小更多。当前的摩托车itpms在这两种情况下容易导致误报，存在极大的安全隐患。
5.因此，设计一种在摩托车前后轮同时缺气或者负载发生变化时仍能准确监测胎压状态的摩托车itpms胎压监测方法及其系统就很有必要。


技术实现要素：

6.为了克服上述问题，本发明提供了一种摩托车itpms胎压监测方法及其系统。这种方法先记录摩托车前后轮胎在正常胎压下的轮胎滚动半径及频谱数据，随后通过监测模块监测摩托车运行时的前后轮胎的轮速，信号处理模块根据轮速信号计算出当前轮胎的滚动半径及频谱数据，并将计算结果与存储的标准数据作对比，从而判断前后轮胎是否存在缺气情况。并且，能够避免摩托车前后轮同时缺气或负载变化导致的监测结果错误的情况。
7.为实现上述的目的，本发明采用的技术方案是：
8.一种摩托车itpms胎压监测方法，包括以下步骤：
9.s1、重置abs存储模块；
10.s2、将摩托车前后轮胎的胎压调整成标准胎压，并读取当前前后轮胎的半径及频谱特征；
11.s3、激活监测模块，持续监测当前摩托车前后轮胎的轮速；
12.s4、将前后轮胎的轮速带入纵向动力学模型与侧向动力学模型，通过卡尔曼滤波算法得出前后轮胎的半径；
13.s5、分别计算摩托车前后轮胎的共振频率，并判断轮胎的实际缺气情况；
14.s6、计算胎压变化值。
15.进一步的，在所述s1中，通过can总线对摩托车的abs存储模块发出重置请求，以清空itpms系统当前存储的轮胎半径及振动频谱数据。
16.进一步的，所述s4包括以下步骤：
17.s41、将摩托车后轮作为驱动轮，计算驱动轮的滑移率：
[0018][0019]
s42、根据当前驱动轮的滑移率得出纵向动力学模型：
[0020][0021]
s43、将纵向动力学模型的状态向量设为
[0022]
得出相应的卡尔曼滤波的侧向动力学模型为：
[0023][0024]
y
k
＝(μ
k 1)x
k
+e
k
[0025]
其中，状态向量为
[0026]
s44、根据自适应卡尔曼滤波算法计算参数δ；
[0027]
进一步的，在所述s42中，将所述纵向动力学模型的初值设定为：
[0028][0029][0030]
r0＝0.6
[0031]
式中，x0为初始时刻状态向量；q0为初始时刻系统噪声协方差阵；r0为初始时刻测量噪声协方差。
[0032]
进一步的，所述s5包括以下步骤：
[0033]
s51、计算摩托车轮胎的共振频率
[0034]
并将该模型表示为二阶弹簧阻尼模型：
[0035][0036]
式中，y
t
为轮速信号；q为移位运算符，即q
‑1y
t
＝y
t
‑1；
[0037]
s52、根据yule walker算法计算出a1与a2：
[0038][0039]
s53、根据二阶弹簧阻尼模型计算共振频率：
[0040][0041][0042]
式中，w
res
为共振频率，t
s
为轮速信号采样频率(在摩托车itpms系统中，t
s
为1/280s)。
[0043]
进一步的，所述共振频率为摩托车轮速振动谱在50hz时的波峰峰值频率，并用于表征摩托车轮胎的实际缺气情况。
[0044]
进一步的，在摩托车轮胎处于缺气状态时，所述共振频率下降1.2hz—3hz，且其具体的下降数值受轮胎材料、轮胎尺寸、以及轮胎与地面正压力影响。
[0045]
进一步的，在所述s6中，胎压变化值的计算公式为：
[0046]
δp＝μ1δr+μ2(δw
res
‑
δr)
[0047]
δp为最终计算的胎压变化值，δr为归一化后的滚动半径变化表征的胎压变化值，δw
res
为归一化后的振动频率变化表征的胎压变化值，μ1与μ2为滚动半径变化和振动频率变化的加权系数。
[0048]
进一步的，在所述s4与s5中，信号处理模块计算出当前摩托车前后轮胎的半径与共振频率，并将计算结果与标准胎压下的摩托车前后轮胎的半径与共振频率对比，当对比结果出现异常时，信号处理模块将异常信息反馈给报警模块。
[0049]
一种摩托车itpms系统，采用所述摩托车itpms胎压监测方法，包括基于摩托车abs系统的轮速信号及车辆can信号采集系统、集成设置于摩托车abs系统的信号处理模块、监测模块以及报警模块；
[0050]
所述监测模块用于实时监测摩托车前后轮胎的轮速信号；所述信号处理模块用于根据轮速信号计算出当前摩托车前后轮胎的半径及共振频率；所述报警模块用于根据所述信号处理模块反馈的分析结果发出报警信号。
[0051]
与现有技术相比，本发明的有益效果是：
[0052]
1.本发明的摩托车itpms胎压监测方法，通过先记录摩托车前后轮胎在正常胎压下的轮胎滚动半径及频谱数据，随后通过监测模块监测摩托车运行时的前后轮胎的轮速，信号处理模块根据轮速信号计算出当前轮胎的滚动半径及频谱数据，并将计算结果与存储的标准数据作对比，从而判断前后轮胎是否存在缺气情况，监测结果准确且分析反馈速度快。此外，这种监测方法能够避免摩托车前后轮同时缺气或负载变化导致的监测结果错误的情况。
[0053]
2.本发明的摩托车itpms胎压监测方法，通过观测摩托车前后轮胎的轮速振动频谱，根据频谱在50hz附近的波峰峰值频率判断当前轮胎的实际缺气情况，判断方法直接有效。并且，通过对共振频率的计算，在摩托车双胎同时缺气的情况下也能准确识别出前后轮的胎压异常状态。
[0054]
3.本发明的摩托车itpms胎压监测方法，通过将前后轮胎的轮速带入纵向动力学模型与侧向动力学模型，并依据卡尔曼滤波算法得出前后轮胎的半径。同时，计算出共振频率进行辅助判断。这种应用在摩托车上的itpms与m1类四轮汽车的itpms的逻辑有着本质区别，能够很好的应用于摩托车上，填补itpms技术在当前摩托车领域的技术空白。
附图说明
[0055]
图1是本发明的摩托车itpms胎压监测方法的流程图；
[0056]
图2是本发明的摩托车itpms胎压监测系统的结构图；
[0057]
图3是本发明的摩托车itpms胎压监测方法的试验时轮胎前后滚动半径变化曲线图；
[0058]
图4是本发明的摩托车itpms胎压监测方法的试验时对轮胎前后滚动半径通过卡尔曼滤波器处理后的分析曲线图；
[0059]
图5是本发明的摩托车itpms胎压监测方法的试验时轮胎前后共振频率变化曲线图；
[0060]
图6是本发明的摩托车itpms胎压监测方法的试验时对轮胎前后共振频率通过卡尔曼滤波器处理后的分析曲线图；
[0061]
附图中各部件的标记如下：110、信号采集系统；120、信号处理模块；130、监测模块；140、报警模块。
具体实施方式
[0062]
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
[0063]
实施例1
[0064]
如图1至2所示，一种摩托车itpms胎压监测方法，通过先记录摩托车前后轮胎在正常胎压下的轮胎滚动半径及频谱数据，随后通过监测模块监测摩托车运行时的前后轮胎的轮速。信号处理模块根据轮速信号计算出当前轮胎的滚动半径及频谱数据，并将计算结果与存储的标准数据作对比，从而判断前后轮胎是否存在缺气情况。此外，通过对共振频率的频谱分析能够避免摩托车前后轮同时缺气或负载变化导致的监测结果错误的情况。这种胎压间接监测方法能够很好的应用在摩托车上，并与m1类四轮汽车的itpms的逻辑有着本质区别，能够填补itpms技术在当前摩托车领域的技术空白。
[0065]
具体来讲，该方法包括以下步骤：
[0066]
s1、重置abs存储模块。
[0067]
在本步骤中，itpms内存储有在先监测数据。因此，在进行摩托车自学习阶段及胎压实时监测阶段前，需要通过can总线对摩托车的abs存储模块发出重置请求，以清空itpms系统当前存储的轮胎半径及振动频谱数据，防止此前存储的数据对接下来的分析过程造成干扰。
[0068]
s2、将摩托车前后轮胎的胎压调整成标准胎压，并读取当前前后轮胎的半径及频谱特征。
[0069]
在本步骤中，系统进行自学习阶段时，需要将摩托车的前后轮胎的胎压设置成标准胎压。并且，保证摩托车在自学习阶段时平稳行驶，从而使系统自动读取并存储摩托车前后轮胎在胎压正常状态下的滚动半径以及共振频谱特征。特别的，根据m1类车型的法规要求，该自学习阶段的时间一般在20分钟以内。但是，通过对自学习阶段的算法进行优化，能够在五分钟之内结束自学习阶段并激活报警功能。
[0070]
s3、激活监测模块，持续监测当前摩托车前后轮胎的轮速。
[0071]
在本步骤中，监测模块对摩托车前后轮胎的轮速信号的采集是通过基于linux操作系统的电路板来进行信号采集。具体来讲，将电路板分别与监测模块及abs系统的轮速传感器连接，使得监测模块能够实时采集当前前后轮胎的各自轮速信号。
[0072]
s4、将前后轮胎的轮速带入纵向动力学模型与侧向动力学模型，通过卡尔曼滤波算法得出前后轮胎的半径。
[0073]
在本步骤中，对轮胎滚动半径进行分析时需要从纵向动力学理论以及侧向动力学理论这两方面同时进行分析。
[0074]
具体来讲，从纵向动力学理论考量，满足自由滚动的轮胎，轮胎的角速度与线速度之间满足以下关系：
[0075]
v＝rω
[0076]
式中，v为轮胎中心的速度；r为轮胎的滚动半径；ω为轮胎的角速度。
[0077]
当摩托车行驶时，由于轮胎与地面之间存在相对作用，轮胎相对于地面始终存在一定的滑移，把轮胎的滑移率定义为：
[0078][0079]
式中，v为摩托车的行驶速度。
[0080]
此外，滑移率与标准牵引力μ有关，并将标准牵引力定义为：
[0081][0082]
式中，f为牵引力，n为标准装载。
[0083]
由于标准牵引力与滑移率之间具有很强的非线性关系。当滑移率低于3％时，轮胎所传递的标准牵引力与滑移率之间近似看成线性关系。而在车辆的正常行驶中，轮胎的滑移率很少超过2％。因此，在正常行驶中可以认为标准牵引力和滑移率成正比，即：
[0084]
μ＝k
·
s
[0085]
由上式可知，计算滑移率需要得知绝对车速以及轮速。绝对车速的求取比较困难，但是在车辆正常行驶中，驱动轮的滑移率远大于从动轮的滑移率。而从动轮的滑移率又相对很小，因此可以将从动轮的轮速近似为车速。
[0086]
在一些实施例中，假设摩托车后轮为驱动轮，设前轮、后轮的编号分别为1、2，则驱动轮的滑移率可描述为：
[0087]
[0088]
在该式中，前后两个轮胎的半径均为未知数，而且只有轮速信号为可测量信号，因此将该式近似为：
[0089][0090][0091]
从而得到轮胎的纵向动力学模型：
[0092][0093]
接下来从侧向动力学理论考量，根据前述纵向动力学模型里的前后车轮的滑移方程，可以将侧向动力学模型的状态向量设为则相应的卡尔曼滤波的系统状态空间模型为：
[0094][0095]
y
k
＝(μ
k 1)x
k
+e
k
[0096]
其中，状态向量与测量向量分别为
[0097][0098][0099]
式中—系统噪声；e
k
—观测噪声。
[0100]
根据系统噪声的特征,可取系统噪声为零均值白噪声,且其方差为(经试验分析其值可取为2.1)，则故系统噪声协方差矩阵为:
[0101][0102]
随后，根据自适应卡尔曼滤波算法计算参数δ(直接带入卡尔曼滤波器进行分析，不做具体描述)，并带入前述纵向动力学模型，特别的，将纵向动力学模型的初值设定为：
[0103][0104][0105]
r0＝0.6
[0106]
式中，x0为初始时刻状态向量；q0为初始时刻系统噪声协方差阵；r0为初始时刻测量噪声协方差。
[0107]
通过把纵向动力学模型和侧向动力学模型相结合，利用卡尔曼滤波算法得出了轮
胎半径之间的关系，可较好的监测摩托车前后轮胎胎压变化。通过计算出前后轮胎的当前滚动半径，并与在先存储的标准状态下的前后轮胎的滚动半径作对比，得出当前摩托车前后轮胎的胎压变化状态。具体来讲，信号处理模块计算出当前摩托车前后轮胎的半径，并将计算结果与标准胎压下的摩托车前后轮胎的半径对比，当对比结果出现异常时，信号处理模块将异常信息反馈给报警模块，报警模块及时提醒驾驶员。
[0108]
s5、分别计算摩托车前后轮胎的共振频率，并判断轮胎的实际缺气情况。
[0109]
在本步骤中，通过对大量实际数据的研究，发现摩托车轮速振动频谱在50hz附近有明显的、不同于其它振动的波峰。后续研究发现，此波峰峰值频率(亦即轮胎共振频率)可表征轮胎实际缺气情况。
[0110]
因此，通过对轮胎的共振频率进行计算即可判断前后轮胎的实际胎压状态。摩托车轮胎共振频率可通过轮胎侧面刚度k以及转动惯量j进行计算：
[0111][0112]
并将该模型表示为二阶弹簧阻尼模型：
[0113][0114]
式中，y
t
为轮速信号；q为移位运算符，即q
‑1y
t
＝y
t
‑1；
[0115]
随后，根据yule walker算法计算出a1与a2：
[0116][0117]
其中r0，r1，r2为各阶自相关系数，定义如下：
[0118]
r0＝1
[0119][0120][0121]
根据上述定义数值求解a1与a2后，根据二阶弹簧阻尼模型计算的共振频率如下：
[0122][0123][0124]
式中，w
res
为共振频率，t
s
为轮速信号采样频率(在摩托车itpms系统中，t
s
为1/280s)。
[0125]
特别的，在摩托车轮胎处于缺气状态时，共振频率下降1.2hz—3hz，且其具体的下降数值受轮胎材料、轮胎尺寸、以及轮胎与地面正压力影响。因此，通过监测共振频率的变化，即可准确得知摩托车具体轮胎的真实缺气情况。具体来讲，信号处理模块计算出当前摩托车前后轮胎的共振频率，并将计算结果与标准胎压下的摩托车前后轮胎的共振频率对比，当对比结果出现异常时，信号处理模块将异常信息反馈给报警模块，报警模块及时提醒驾驶员。
[0126]
s6、计算胎压变化值。
[0127]
在一些实施例中，通过上述步骤对w
res
的计算，可以由轮胎的振动频谱特征识别出摩托车前后轮胎同时缺气的情况，以更好地判断胎压状态。
[0128]
根据上述计算，得知胎压变化值的计算公式为：
[0129]
δp＝μ1δr+μ2(δw
res
‑
δr)
[0130]
δp为最终计算的胎压变化值，δr为归一化后的滚动半径变化表征的胎压变化值，δw
res
为归一化后的振动频率变化表征的胎压变化值，μ1与μ2为滚动半径变化和振动频率变化的加权系数。
[0131]
上述胎压变化公式可以很好地解决双轮同时缺气的报警和负载变化造成的误报，完美实现了第二代itpms的功能需求，并且得以在摩托车上较好应用。
[0132]
下面采用具体的实施方式进行说明：
[0133]
以型号为正新ult 110/90
‑
18的轮胎按照上述方法进行测试。
[0134]
如图3所示，该图为轮胎测试时，后轴缺气30％前后(以下标54为界)的相对滚动半径变化图。从图中可以看出，当轮胎缺气后，后轴滚动半径相比前轴有明显的降低，降低比例为0.27％(350/2^17)。从该分析结果可以看出，轮胎的前后滚动半径的变化可以很好的反映出胎压的变化状态。
[0135]
如图4所示，该图为测试时根据上述前后滚动半径分析结果采用卡尔曼滤波器进行分析后得出的曲线图。从图中可以看出，当轮胎缺气后，图中轮胎缺气值在44min
‑
50min之间从0收敛到
‑
30％，并且在47min时刻实现了胎压报警。从该分析结果可以看出，分析结果响应速度快，能够及时进行预警，上述前后滚动半径的分析结果可以有效地用于摩托车轮胎胎压变化的分析。
[0136]
如图5所示，该图为轮胎测试时，后轴缺气30％前后(以下标54为界)的峰值振动频率变化图。从图中可以看出，当轮胎缺气后，后轴峰值振动频率有明显的降低，降低值约为
‑
1.37hz(
‑
700/2^9)。从该分析结果可以看出，轮胎的共振频率能够很好的反映出胎压的变化状态，并由图中曲线可以直接观测出。
[0137]
如图6所示，该图为测试时根据上述振动频率分析结果采用卡尔曼滤波器进行分析后得出的曲线图。从图中可以看出，当轮胎缺气后，图中峰值频率分析显示，轮胎缺气值在样本点26000
‑
40000(采样周期为100ms，对应时刻为2600s
‑
4000s)之间从0hz收敛到约
‑
1.37hz。从该分析结果可以看出，上述共振频率的分析结果可以有效地用于摩托车轮胎缺气的分析。
[0138]
通过上述方法，将前后轮胎的轮速带入纵向动力学模型与侧向动力学模型，并依据卡尔曼滤波算法得出前后轮胎的半径。同时，计算出共振频率进行辅助判断，以避免前后轮胎同时缺气或者负载突变等意外情况造成的错误判断，能够很好的应用于摩托车上，解
决目前itpms技术在当前摩托车领域的技术缺陷。
[0139]
如图2所示，一种摩托车itpms系统，采用摩托车itpms胎压监测方法，包括基于摩托车abs系统的轮速信号及车俩can信号采集系统110、集成设置于摩托车abs系统的信号处理模块120、监测模块130以及报警模块140。
[0140]
具体来讲，监测模块130用于实时监测摩托车前后轮胎的轮速信号。信号处理模块120用于根据轮速信号计算出当前摩托车前后轮胎的半径及共振频率。报警模块140用于根据信号处理模块120反馈的分析结果发出报警信号。信号处理模块120分别与轮速信号及车俩can信号采集系统110以及监测模块130信号连接，以将信号采集系统110发出的轮速信号的分析结果反馈给监测模块130。检测模块130与报警模块140信号连接，当监测模块130监测到数据异常时，能够及时反馈给报警模块140，报警模块140及时提醒驾驶员轮胎出现异常。
[0141]
以上所述仅用以说明本发明的技术方案，而非对其进行限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。