一种智能轮胎垂向载荷估算方法与流程

本发明涉及汽车测控技术领域，具体涉及一种智能轮胎垂向载荷估算方法。

背景技术：

随着国家对汽车行业“新四化”的发展方向的指引，智能化、网联化对于轮胎行业也有了新的发展需求。轮胎技术，集成了先进的传感技术、信号调理技术、实时通信技术等，可以感知和收集轮胎受力情况、轮胎磨耗和路面状况，有助于改进车辆动力学控制系统，提高车辆操控及行驶安全性。为提高汽车行驶过程中的行驶安全性、操纵稳定性和燃油经济性，需要高精度的获取轮胎垂向载荷，并反馈给电子控制单元，从而更大限度保障了行车安全。

技术实现要素：

本发明的目的在于提供一种轮胎开发测试系统，并基于该系统实现车辆垂向载荷的估算。

为实现上述目的，本发明采用如下技术方案：

一种智能轮胎垂向载荷估算方法，包括以下步骤：

采集轮胎在不同实车工况下的运行数据，作为样本进行存储；

结合训练函数对样本进行学习，得到垂向载荷估算模型；

将轮胎的接地信息导入到垂向载荷估算模型，得出垂向载荷的预估值。

进一步地，所述垂向载荷估算模型通过以下步骤实现：

a、定义模型的输入、输出变量，选定训练集和测试集；

b、对运行数据进行预处理；

c、通过网格搜索、交叉验证的算法选择模型最佳参数；

d、选用ε-supportvectorregression(ε-svr)回归算法，并选用高斯径向基(rbf)核作为算法的核函数，利用最佳参数对样本进行学习得到svm模型,核函数的表达式如下：

其中：x表示样本输入向量，xc表示核函数的中心向量，σ为核函数的宽度参数。

e、利用svm模型进行回归预测。

优选地，运行数据的预处理采用归一化的算法，公式如下：

其中：x表示归一化之前的原始数据；y表示归一化之后的数据；xmin表示样本数据的最小值；xmax表示样本数据的最大值。

进一步地，所述智能轮胎包括轮胎以及安装在所述轮胎上的若干pvdf压电薄膜传感器、若干三轴加速度传感器以及温压一体传感器。

进一步地，所述轮胎的接地信息包括接地纵轴长、接地横轴长、接地压力以及接地面积。

由以上技术方案可知，本发明通过采集车辆在不同工况下的运行数据结合训练函数，得出垂向载荷预估模型，将模型导入到实时控制器中，通过实时采集轮胎的接地及轮速、胎压信息，实现了对垂向载荷的实时估算。

附图说明

图1为垂向载荷估算模型搭建的具体步骤流程图；

图2为垂向载荷估算模型的原理示意图；

图3-5为垂向载荷估算模型的预估效果示意图；

具体实施方式

下面结合附图对本发明的一种优选实施方式做详细的说明。

如图1所示的智能轮胎垂向载荷估算方法，包括以下步骤：

s1、采集轮胎在不同实车工况下的运行数据，作为样本进行存储；

s2、结合训练函数对样本进行学习，得到垂向载荷估算模型；

s3、将轮胎的接地信息导入到垂向载荷估算模型，得出垂向载荷的预估值。

具体的，本优选实施例所述的垂向载荷估算模型通过以下步骤实现：

a、定义模型的输入、输出变量，选定训练集和测试集；

b、对运行数据进行预处理；

c、通过网格搜索、交叉验证的算法选择模型最佳参数；

d、选用ε-supportvectorregression(ε-svr)回归算法，并选用高斯径向基(rbf)核作为算法的核函数，利用最佳参数对样本数据进行学习得到svm模型,核函数的表达式如下：

其中：x表示样本输入向量，xc表示核函数的中心向量，σ为核函数的宽度参数。

e、利用svm模型进行回归预测。

为了避免输入元素大小范围不同对输出贡献的影响，提高模型的计算速度，本优选实施例对运行数据采用归一化的算法进行预处理，公式如下：

其中：x表示归一化之前的原始数据；y表示归一化之后的数据；xmin表示样本数据的最小值；xmax表示样本数据的最大值。

本优选实施例所述的智能轮胎包括轮胎以及安装在所述轮胎上的若干pvdf压电薄膜传感器、若干三轴加速度传感器以及温压一体传感器，这些传感器能够实时采集轮胎的接地信息；将模型导入到实时控制器中，通过实时采集轮胎的接地及轮速、胎压信息，实现了对垂向载荷的实时估算，所述轮胎的接地信息包括接地纵轴长、接地横轴长、接地压力以及接地面积。

如图2所示，本优选实施例所述的垂向载荷估算模型是基于libsvm工具箱运用svmtrain函数对样本数据进行学习得到的，通过svmpredict函数确定输入样本数据得到的垂直载荷预估值，并与样本数据实际输出值进行对比分析模型预测精度。同时采用网格搜索、交叉验证的算法优化模型，该优化方法的思想是对所有可能的参数对进行验证，逐步靠近目标函数找到全局最优解，从而训练出最好的模型。同时，svm函数模型内置多种工况的子模型，所以样本的选取需要最大限度的覆盖各种试验工况，使模型得到充分的学习，从而提高模型的预测精度。

如图3-5所示，分别在80kph～10kph直线制动、10kph～80kph直线制动以及定半径(40m)稳态左转三种工况下，通过垂向载荷估算模型进行实车测试，图中fl表示左前轮，fr表示右前轮，由图可知，各轮位在三种工况下的垂向载荷预估值与试验相关系数大于92％，均方误差小于0.01，具有较高的精确度。

以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。