CN100497013C - 轮胎压强损失检测 - Google Patents

Abstract

本发明涉及通过在一段特定的车轮转动圈数期间内检测车辆一个或多个车轮的角速率变化并且分析各种速率的振动来监控一个或多个轮胎中的压强损失。频率的变化与压强损失相关联，通过例如在显示屏上显示轮胎压强损失信息将这一点指示给司机。

Description

轮胎压强损失检测

技术领域

本发明涉及车辆的一个或多个轮胎的气压损失检测。

背景技术

在车辆运行期间，一个或多个轮胎的压强的明显损失可以导致司机失去对车辆的控制或导致轮胎故障。此外，一个轮胎即使有轻微的压强损失也能导致该轮胎使用寿命的减少。所以，很希望能够告知司机一个或多个轮胎的压强正在减少，特别是在达到危险的状况之前。

德国专利DE 199 38 431 C2公布了一个直接测量轮胎压强的监控系统，借助于压强模块直接测量轮胎压强，并将轮胎压强的信息传送给司机。进一步，间接测量轮胎压强的监控系统也在所属技术中为人所知，例如在DE 100 58 140 A1中所描述的，从车轮速率数据，诸如车轮速率、轮胎的角速度或转动周长，来确定轮胎的压强损失。更进一步，诸如WO 01/87647A1，EP 0 578 826 B1和EP 0 695 653 B1公布的轮胎压强监控系统，从车轮速率信号的振动分析或频率分析来确定轮胎的压强损失。

当车辆在路面上行驶时，地面的触发造成车辆的一个或多个车轮的角速率变化或者扭转振动，这是由车轮的纵向(for-aft)位移引起的。速率变化的频率依赖于轮胎侧壁的刚度，轮胎侧壁的刚度主要受轮胎压强的影响。在有轮胎压强损失时，在给定的速率上，一个车轮的角速率变化从较高频率移向较低频率。

发明内容

按照本发明，通过检测车辆的一个或多个车轮的角速率变化并在一段特定的车轮转动周期上分析该速率变化的频率，一个或多个轮胎的压强损失得以监控。频率的变化与一个或多个轮胎的压强损失相关，通过例如在显示屏上显示轮胎压强损失信息向司机指出这一点。

下文通过图示将详细解释本发明。

附图说明

图1给出了一个根据本发明实施例用于监控轮轴扭转振动的移动的ABS编码器；

图2描述了轮轴纵向扭转振动的频谱；

图3描述了由极距误差引起的频谱的失真；

图4描述了行驶在规则路上的车辆在消除了极距误差后其轮胎压强损失约为1.2巴时的频谱；

图5描述了行驶在粗糙路上的车辆的轮胎压强损失约为1.2巴时在消除了极距误差后的频谱；

图6描述了1.5巴和2.7巴数据的频谱以及各自曲线拟合结果；

图7描述了一个左前轮胎在各种压强损失下的频谱；

图8描述了一个左后轮胎在各种压强损失下的频谱；

图9描述了一个右前轮胎在各种压强损失下的频谱；

图10描述了一个右后轮胎在各种压强损失下的频谱；

图11描述了根据本发明一个实施例的用于扭转振动检测的状态图；

图12描述了根据本发明一个实施例的用于扭转振动检测的一连串步骤的流程图。

具体实施方式

下面的术语对于理解本发明的各个方面有帮助：

FET-快速傅立叶变换

DFFT-离散有限傅立叶变换

Θ-估计傅立叶变换时的一段有限的角度(作为2π弧度的倍数)

N-估计DFFT时有限的采样点的数目

θ_n-第n_th个采样信号的角度

Δθ-两个相继采样点间的角度间隔(即Δθ＝Θ/N(2π弧度))

Δt_n-第n_th次转动Δθ时所用的一段时间

r(θ)-在角度θ＝nΔθ处采样的一个信号(即，编码器齿面(flank)两个上升沿或下降沿之间的时间周期；r(θ)＝r(nΔθ)＝Δt_n)

M-在频谱中被检测的频率的数目

ΔΩ-角域中角频率的分辨率，它等于相继的频率间的差(周/2π弧度)

Ω-在角谱中定义的角频率(周/2π弧度)Ω＝mΔΩ  m＝0，1，2，3，...，M-1

ω-轮轴的角速度(2π弧度/秒)

Δf-时域中的频率分辨率或者相继频率(Hz)间的差。

在车辆运行期间，例如，地面的触发造成车辆的一个或多个车轮或者其它动力传动系组件诸如驱动轮的轮轴的扭转振动或者角速率变化。例如，图2给出了当一个车辆以40kph或以上的速度沿着直线移动时由这种触发所引起的振动的频谱。正如所示那样，在车辆行驶方向的纵向触发引起的扭转振动大约是40Hz。扭转振动的频率依赖于轮胎侧壁的刚度，轮胎侧壁的刚度主要是受轮胎压强的影响。在给定的速度下，当轮胎有压强损失时，车轮的扭转振动从较高的频率移向较低的频率。

根据本发明的各种实施例，一个过程或者算法(参见，例如，图11或12)基于装有轮胎的车轮的被抽取出来的扭转振动的固有频率或角速率变化来检测轮胎中的空气状态。该过程运用DFFT分析来分析扭转振动。在美国专利No.6,374,163中公布了一种DFFT分析，其内容在这里全部并入。相应地，在本发明中，通过ABS车轮速率传感器进行的振动分析能够检测扭转频率的移动，从而检测轮胎压强损失。

现在参看图1，图上显示了一个具有N个齿12的ABS编码器10，其中，在ABS编码器转动时，Δt_f和Δt_r分别代表了两个编码器齿面的上升沿14和下降沿16之间的时间段。当车轮转动时，在例如车辆的一个电子控制单元(ECU)里运行的合适的软件来收集经过一个编码器齿面(一个齿)的痉挛数。Δt_f和Δt_r信号中的不连续可以由速率改变、编码器的生产/安装的变化、以及/或者粗糙路面所导致。该ABS编码器(或者音轮)在车轮每转一圈中产生多个峰值输出，并且典型地是基于可变磁阻或霍尔效应器件的。ABS编码器用来精确地测量车轮速率，并将之作为可变的防抱死刹车(ABS)、动态稳定性程序(DSP)控制(以及其他偏航稳定性和翻转稳定性系统)、和牵引力控制系统(TCS)的输入。

对一个函数在每个隔开的间隔角处采样，并在角域中运用傅立叶变换s(Ω)，该变换是以周每2π弧度(即，周/2π)为单位的角度θ倒数(即，Ω＝1/θ)的函数，其表示为：

$s\left(\mathrm{\Ω}\right)={\∫}_{-\∞}^{\∞}r\left(\mathrm{\θ}\right)e^{-j2\mathrm{\π\Ω\θ}}\mathrm{d\θ}---\left(1\right)$

对离散采样数据系统，能够重写傅立叶积分变换。在角域中，Θ是采样角度，N是在一段Θ上的采样数。一般地，Θ选为2π弧度的倍数。相应地，谱由以下表达式给出：

$\begin{array}{cc}s\left(\mathrm{m\Δ\Ω}\right)=\frac{\mathrm{\Θ}}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}r\left(\mathrm{n\Δ\θ}\right)e^{-j2\mathrm{\πmn}/N}& m=\mathrm{0,1,2},...,N/2\end{array}---\left(2\right)$

其中，角度间隔Δθ被认为是一个常数值，即，

Δθ＝2π/ABS编码器的齿数               (3)

转动角度为

θ＝nΔθ                               (4)

角频率分辨率由以下表达式给出：

ΔΩ＝2π/Θ 周/2π                              (5)

其中，角频率Ω表示为mΔΩ。相应地，傅立叶积分将一个离散的被采样的角域变换到单位为周/2π的角频率域。

被分隔的时间间隔Δt_n表示第n次转动Δθ时所用的一段时间，因为给定的车轮的角速度的变化，Δt_n一般说不是常数。

如果采样值的序列为

r(nΔθ)＝Δt_n                       (6)

那么，由方程(2)，DFFT算法使用下面的表达式，该式同样适用于实空间中的一系列角度：

$\begin{array}{cc}s\left(\mathrm{m\Δ\Ω}\right)=\frac{\mathrm{\Θ}}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\mathrm{\Δt}}_n{e}^{-j2\mathrm{\πmn}/N}& m=\mathrm{0,1,2},...,N/2\end{array}---\left(7\right)$

这里，被分隔的时间间隔Δt_n的贡献为Δt_ne^-j2πmn/N。

为了分析扭转振动，采样长度N的计算公式为：

N＝Θ/Δθ                                   (8)

每个编码器齿面Δt_n(n＝0，1，2，3，...，N-1)对所有的预定频率的一个连续的贡献为Δt_n×e^-j2πmn/N＝0，1，2，...，M-1。注意，一般地，在一个软件循环中，转动了多于一个编码器齿面，这些编码器齿面对谱的所有的贡献在同一个软件循环中被完成。

在方程(2)中，计算频谱的任务被分成N个子任务Δt_n×e^-j2πmn/Nn＝1，2，3，...，N-1。因此，对Δt_n(n＝0，1，2，3，...，N-1)的总贡献产生出一个单一角频率谱：

$\begin{array}{cc}s\left(\mathrm{m\Δ\Ω}\right)=\frac{\mathrm{\Θ}}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\mathrm{\Δt}}_n\×e^{-j2\mathrm{\πmn}/N}& m=\mathrm{1,2,3},...,M-1\end{array}$

总的痉挛

被累积起来以计算一个角速度ω。

在复空间中重写方程(7)，频谱为：

$s_r\left(\mathrm{m\Δ\Ω}\right)=\frac{\mathrm{\Θ}}{N}(\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\mathrm{\Δt}}_n\cos \left(\frac{2\mathrm{\πmn}}{N}\right)-j\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\mathrm{\Δt}}_n\sin \left(\frac{2\mathrm{\πmn}}{N}\right))---\left(9\right)$

m＝0，1，2，...，N/2

角频率的幅度为：

$\left|s_r\left(\mathrm{m\Δ\Ω}\right)\right|=\frac{\mathrm{\Θ}}{N}\sqrt{{\left(\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\mathrm{\Δt}}_n\cos \left(\frac{2\mathrm{\πmn}}{N}\right)\right)}^2+{\left(\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\mathrm{\Δt}}_n\sin \left(\frac{2\mathrm{\πmn}}{N}\right)\right)}^2}---\left(10\right)$

m＝0，1，2，...，N/2

注意，因为制造公差的变化，环绕编码器音轮周围的齿的间距不是常数，所以对轮胎的每一次转动，会发生不平衡的变化。与这些变化相关联的频率被称作极距频率，极距误差被定义为编码器音轮的齿的最大公差。

当轮胎转动时，极距误差将周期性地在频谱上产生附加振动。这些附加频率使得发现角域中的峰值扭转振动更为困难。所以，根据本发明，在进行检测算法或检测过程之前，要消除单一谱的极距频率。

特别是，在角域中，在角频率Ω等于周/2π弧度的倍数时极距振动就发生了。尽管在角域里极距振动和车速之间没有关系，但是在角域中比在时域中更容易消除极距振动，因为在角域中振动发生在固定角频率上。

图3给出了行驶在规则路面速率大约为80.0kph时具有和不具有极距频率的角频率谱，显示出极距误差使频谱失真。

尽管图3中的谱显示在角频率域中，对于车辆振动分析，用以Hz为单位的时间频率比用以周/2π弧度为单位的角频率来表达表面轮廓(surfaceprofile)的幅度更方便些，因为车辆振动是时间的函数。因此，用下面的表达式将以周/2π表示的角频率谱Ω转化为用Hz表示的时间频率谱：

fHz＝Ω(周/2π弧度)×ω(2π弧度/秒)标　　　　　　　　(11)

其中

Ω-角频率(周/2π弧度)

ω-车轮的角速度(2π弧度/秒)

以角频率表示的角轮廓(angular profile)的幅度A_θ(Ω)转化为以时间频率表示的A_t(f)，表达式为：

A_t(f)＝A_θ(Ω)/ω                         (12)

其中

A_t＝时间频率谱的幅度，以及

A_θ＝角频率谱的幅度

图4给出了车辆以速率约为80.0kph沿充分直的直线行驶在规则路面上当轮胎压强损失为1.2巴时，消除极距误差后，在时间频率域中峰值纵向扭转振动从47.0Hz移动到35.0Hz。图5给出了车辆以速率约为40.0kph行驶在粗糙路面上当轮胎压强损失为1.2巴时，峰值纵向扭转振动从42.0Hz移动到35.0Hz。

如图4和图5中所看到的，即使在消除极距误差之后，单一频谱仍然包括噪声或偏差。所以，为了消除单一谱的偏差，由以下公式通过结合连续的K个单一谱引入平均谱S_p(mΔΩ)：

$\begin{array}{cc}{s}_p\left(\mathrm{m\Δ\Ω}\right)=\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}{s}_k\left(\mathrm{m\Δ\Ω}\right)& m=\mathrm{1,2,3},...,M-1\end{array}---\left(13\right)$

然后对这一系列平均后的频谱运用曲线拟合。特别是，根据以下公式，角域中峰值扭转振动频率F₀(周/2π)被拟合得到：

$F_0=-\frac{{\mathrm{\Δ}}_b}{2\×{\mathrm{\Δ}}_a}---\left(14\right)$

其中

${\mathrm{\Δ}}_a=\left|\begin{array}{ccc}\underset{m=M}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m^2{y}_m& \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m^3& \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m^2\\ \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m{y}_m& \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m^2& \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m\\ \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{y}_m& \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m& M_2-M_1\end{array}\right|---\left(15a\right)$

${\mathrm{\Δ}}_b=\left|\begin{array}{ccc}\underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m^4& \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m^2{y}_m& \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m^2\\ \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m^3& \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m{y}_m& \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m\\ \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{x}_m^2& \underset{m=M_1}{\overset{M_2-1}{\mathrm{\Σ}}}{y}_m& M_2-M_1\end{array}\right|---\left(15b\right)$

以及

x_m＝mΔΩ

y_m＝S_p(mΔΩ)  m＝M₁，M₁+1，...，M₂-1     (16)

曲线拟合的范围由作为角速度ω函数的M₁和M₂的值决定。

如果被拟合的曲线退化为一条直线(即，如果

)，如果峰值位置在预定义的范围之外，或者如果计算溢出，一个“坏谱”就被剔除。

如上所述，在时间频率域里比在角频率域里更方便描述车辆振动的特征。所以，根据频谱计算出峰值扭转振动之后，本过程将峰值扭转振动从角域映射到时域中。就是说，本过程接着计算一系列的频率观察值，并且基于这些观察值决定一个时间频率域中的初始扭转频率(f₀)。特别是，根据以下公式峰值扭转振动被映射到频域(Hz)中，：

f₀＝F₀×ω₀                       (17a)

例如，假设Θ＝2π×I且痉挛时间为μ＝4×10^-6秒，那么角速度为

其中I为采样周期的一个预定义的数目。

图6给出了映射到时间频率域后的频谱的曲线拟合的结果，该频谱是为以约为60.0kph的速率行驶于粗糙路面的车辆所产生的。如图所示，在从2.7巴到1.5巴的轮胎压强损失期间，峰值频率从40.0Hz移动到35.0Hz。

在计算了初始频率之后，本过程随着时间对频率做校正。即使车辆改变速率，本过程继续计算单一谱、平均谱、以及角域中角频率的峰值，并通过前述的过程将角域中的峰值F_i映射到时域中f_i(i＝1，2，3...)，即，

f_i＝F_i×ω_i  i＝1，2，3，...I，...            (18)

滤波计算也运用到这系列的观察值上。此外，当i达到预定义值I时，本过程输出并继续实时更新扭转振动的峰值频率。

前述的过程能够检测多于一个轮胎的压强损失，因为，例如，左前轮胎的轮胎压强损失导致那个轮胎的振动的移动，但是不影响右前轮胎的性能，反之亦然。相似地，左后轮胎的振动与右后轮胎的振动相隔绝，反之亦然。

作为一个例子，在一个以约60kph行驶在粗糙路面的前轮驱动车辆上实现本过程，其中右前轮胎的轮胎压强为2.3巴，右后轮胎的轮胎压强为2.1巴。左前和左后轮胎的轮胎压强变为1.5巴，1.009巴和2.5巴。如图7所示，左前轮胎中的压强损失引起峰值纵向振动从47.3Hz移动到40.9Hz。如图8所示，左后轮胎的压强损失将峰值纵向振动从47.0Hz移动到43.8Hz。

在图7和图8中注意，与左后轮胎相关的峰值振动的幅度小于左前轮胎的相应值。这是预计到的，因为在前轮驱动车辆中，扭转柔量(torsionalcompliance)由前轮轮轴和其他传动系组件提供。另一方面，非驱动的后轮的连接组件很少，所以没有与后轮相关的明显的耦合扭转柔量。

图9表明，没有与右前轮胎相关的明显的峰值纵向振动的移动。就是说，左前轮轴振动不影响右前轮轴的性能。相似地，图10表明，对右后轮胎来说，没有明显的移动。

上述过程用一个状态图100显示在图11中，用一个步骤过程200的流图显示在图12中。特别地，参考图12，在步骤202中开始后，过程200在步骤204中决定离散(Dt)贡献，从中获得实的和虚的分量，在步骤206中用来计算谱。

在步骤208中，产生单一谱之后，过程200消除极距误差并在步骤210中在角域中将连续的单一谱相结合得到平均谱。在步骤212中，过程200对平均谱作曲线拟合，并在步骤214中将曲线拟合后的谱的峰值频率从角域映射到时域中。随后，过程200对峰值频率滤波并在步骤216中对峰值频率随时间作长时间的校正。如上所述，过程200接着计算扭转振动频率，即使在车辆速度改变时，并把统计分析运用到这一系列的观察数据以抽取估计频率的最佳值。在步骤218中这个更新被用来检测扭转振动频率的移动，这个移动与一个或多个轮胎的轮胎压强的损失相关。步骤220中结果被显示，随后该分析结束。

本领域技术人员能够理解，在不脱离由所附权利要求书及其等价描述所限定的本发明的总的精神和保护范围的情况下，可以进行各种修改。

Claims (14)

1.一种检测车辆轮胎压强损失的方法，包括：

-检测该车辆的一个或多个车轮的扭转振动，以产生角频率域的角频率谱；

-在单一角频率谱中消除极距误差；

-将角频率域的角频率谱的峰值频率映射到时间频率域中；

-确定在时间频率域中的所述峰值频率是否随时间变化；

-将频率变化与所述一个或多个车轮的相应的一个或多个轮胎中的压强损失相关联；以及

-将所述压强损失指示给所述车辆的司机。

2.根据权利要求1的方法，其中，所述确定包括在一个给定车速下确定所述频率是否从较高频率移动到较低频率。

3.根据权利要求1的方法，其中，所述检测包括用一个ABS编码器检测所述振动。

4.根据权利要求1的方法，进一步包括对一系列连续的单一角频率谱进行平均。

5.根据权利要求4的方法，进一步包括对角频率域中所述平均后的频谱进行曲线拟合。

6.根据权利要求5的方法，进一步包括由所述平均后的频谱计算所述峰值频率。

7.根据权利要求6的方法，进一步包括通过对一系列峰值频率进行滤波来作长时间的校正。

8.根据权利要求1的方法，其中，所述确定包括检测所述峰值频率的移动。

9.根据权利要求8的方法，其中，所述指示包括在供所述车辆司机观看的显示器上呈现出轮胎压强损失信息。

10.根据权利要求1的方法，进一步包括使用快速傅立叶变换来将一个离散的采样的角域变换到一个角频率域。

11.根据权利要求10的方法，进一步包括使用离散快速傅立叶变换。

12.根据权利要求1的方法，其中，所述检测包括检测四个车轮的扭转振动。

13.根据权利要求12的方法，其中，所述指示包括指示安装在各车轮上的四个轮胎中的一个或多个轮胎的压强损失。

14.根据权利要求1的方法，其中，所述检测发生在车速至少为40kph时。

Images