一种汽车轮胎安全智能检测系统
技术领域
本发明涉及轮胎检测设备技术领域,具体涉及一种汽车轮胎安全智能检测系统。
背景技术
在车辆的高速行驶过程中,轮胎故障是所有驾驶者最为担心和最难预防的,也是突发性交通事故发生的重要原因。据美国汽车工业工程师协会的调查统计表明,美国每年有26万起交通事故是由轮胎故障引起的,其中75%的轮胎故障是由轮胎欠压、过压、渗透及胎温过高造成的。轮胎是汽车行驶过程中惟一与地面接触的部件,轮胎承载汽车的全部质量,缓冲路面冲击,并通过与地面的附着力来产生驱动力和制动力。汽车在轮胎气压不足时行驶,会产生以下不利影响:①在同样承载条件下,胎体变形大,行驶时轮胎温度升高,橡胶老化,容易产生帘线脱层等毛病;②轮胎下沉量大,轮胎凹陷,使用时容易产生磨胎肩现象;③轮胎断面变形大,双胎并装间距缩小,容易引起胎侧碰撞磨损;④轮胎发生不正常磨损,减少轮胎寿命,为爆胎埋下隐患;⑤轮胎滚动阻力增大,燃料消耗高,转向性能差;紧急制动时,若某侧轮胎压力偏低,就会造成车身偏转,甚至酿成事故。轮胎压力是影响轮胎性能的重要参数。轿车在轮胎压力不足或者过高的状况下行使,不但导致轮胎过热和影响轿车的操纵,增加了爆胎的可能性,而且降低轮胎的寿命和燃油效率。轮胎压力监测系统通过监测轮胎内部的压力、温度和车轮运动状态,使得在一个或者多个轮胎出现压力异常时能够自动地向驾驶员发出警告。通过室内试验证明:一般认为提高气压25%,轮胎寿命将会降低15%-20%;降低气压25%,寿命大约降低30%。汽车轮胎温度越高,轮胎的强度越低,变形越大(一般温度不能超过80°,当温度达到95°时,轮胎的情况非常危险),每升高1°,轮胎磨损就增加2%;行使速度每增加1倍,轮胎行使里程降低50%。因此,不允许超温超速行使。一般轿车的轮胎正常气压值在210kPa左右,多座位商务车在240kPa左右为宜。早期的轮胎压力检测系统为间接式汽车轮胎压力监测系统,它是通过汽车ABS系统的轮速传感器来比较车轮之间的转速差别,以达到间接监视胎压的目的。该类型系统的主要缺点是无法对2个以上的轮胎压力同时不足的状况和速度超过100km/h的情况进行判断。目前的轮胎压力检测系统多数是直接式汽车轮胎压力监测系统,它是利用安装在轮胎内部的压力传感器来直接测量轮胎的压力、温度和车轮运动状态,并通过无线发射到安装在驾驶室内的接收装置,它在轮胎压力过高、过低、轮胎缓慢漏气或温度异常变化时可以及时报警和有效防止爆胎,驾驶者可以直观地了解各个轮胎的压力状况;可以同时监测所有轮胎的状况并对各轮胎气压进行显示及监控。相比之下,直接式轮胎压力检测系统无论从功能和性能上均优于间接式轮胎压力检测系统,目前市场主流是直接式轮胎压力检测系统。为提高各系统的协调性,优化汽车整体性能,节约成本,增加汽车的舒适、方便、安全性。但是这种只检测轮胎压力、温度等轮胎状态参数的检测系统,驾驶员只了解当前轮胎的单参数状况,因为影响爆胎的因素涉及轮胎的压力、温度、汽车运行状态、轮胎质量等级和轮胎磨损度等多种因素。
发明内容
本发明提供了一种汽车轮胎安全智能检测系统,本发明有效解决了现有直接式轮胎压力检测系统只检测轮胎压力、温度等轮胎安全状态参数,而无法检测汽车运行状态、轮胎质量等级以及轮胎磨损度等其他影响爆胎因素的问题。
本发明通过以下技术方案实现:
一种汽车轮胎安全智能检测系统,其特征在于:所述智能检测系统包括轮胎参数采集平台和轮胎安全状态智能检测模型,轮胎参数采集平台检测轮胎温度、车轮加速度、轮胎压力和环境温度参数,轮胎安全状态智能检测模型依据采集的参数输出轮胎的安全状态;
所述轮胎参数采集由检测汽车轮胎参数的四个检测单元和接收单元组成,并通过自组织方式构建成无线传感器测控网络,检测单元负责检测汽车轮胎压力与温度、车轮加速度和环境温度的实际值并发送给接收单元,接收单元接收检测单元发送的信息并根据轮胎安全状态智能检测模型的输出轮胎安全状态信息;
所述轮胎安全状态智能检测模型由GM(1,1)轮胎温度预测模型、GM(1,1)车轮加速度预测模型、GM(1,1)轮胎压力预测模型、SOM神经网络分类器、多个模糊最小二乘支持向量机模型、基于粒子群算法的NARX神经网络模型以及轮胎安全状态分类器组成,GM(1,1)轮胎温度预测模型、GM(1,1)车轮加速度预测模型和GM(1,1)轮胎压力预测模型的输出、轮胎磨损度和轮胎质量系数为SOM神经网络分类器的输入,SOM神经网络分类器把轮胎安全性能参数进行分类,每类轮胎安全性能参数输入对应的模糊最小二乘支持向量机模型,一个时延段的多个模糊最小二乘支持向量机模型输出作为基于粒子群算法的NARX神经网络模型的输入,基于粒子群算法的NARX神经网络模型的输出作为轮胎安全状态分类器的输入,轮胎安全状态分类器输出轮胎安全状态等级。
本发明进一步技术改进方案是:
所述GM(1,1)轮胎温度预测模型、GM(1,1)车轮加速度预测模型、GM(1,1)轮胎压力预测模型根据当前一段时间轮胎温度、车轮加速度和轮胎压力的值预测轮胎温度、车轮加速度和轮胎压力。
本发明进一步技术改进方案是:
所述SOM神经网络分类器对输入的轮胎性能安全参数进行分类,每类轮胎安全性能参数输入对应的模糊最小二乘支持向量机模型,粒子群算法优化模糊最小二乘支持向量机模型,提高轮胎安全状态检测精度。
本发明进一步技术改进方案是:
所述一个时延段的多个模糊最小二乘支持向量机模型的多个输出作为基于粒子群算法的NARX神经网络模型的输入,基于粒子群算法的NARX神经网络模型实现对轮胎安全性能进行连续动态趋势检测,轮胎安全状态分类器根据基于粒子群算法的NARX神经网络模型的输出值大小把轮胎安全状态分为安全状态、比较安全状态、危险状态和严重危险状态。
本发明与现有技术相比,具有以下明显优点:
一、本发明针对轮胎安全性能数据的模糊特性,轮胎安全状态检测的多个模糊最小二乘支持向量机模型,采用遗传算法优化模糊最小二乘支持向量机参数。实际应用结果表明,基于粒子群算法的多个模糊最小二乘支持向量机模型对轮胎安全状态进行预测相对误差小,具有较高的检测精度,为快速有效的检测轮胎安全状态分析提供有力的理论与技术支撑。
二、本发明SOM神经网络分类器对影响汽车轮胎安全状态的参数进行分类,每种类型的参数采用对应的模糊最小二乘支持向量机模型来检测该类型参数对轮胎安全状态的影响程度,提高轮胎安全状态的检测精度、速度和模糊最小二乘支持向量机模型泛化能力。
三、本发明针对影响轮胎安全状态特征参数所具有的模糊性,建立了轮胎安全状态辨识的模糊最小二乘支持向量机模型,并采用粒子群算法对模糊最小二乘支持向量机的惩罚函数C和核参数σ进行了优化。模糊最小二乘支持向量机模型辨识轮胎安全状态参数的相对误差为较少,辨识精确度较高。
四、本发明将模糊隶属度概念引入最小二乘支持向量机中,提出了轮胎安全状态检测的基于模糊隶属度函数的支持向量模型,根据输入偏离数据域的程度赋予不同的隶属度来提高了支持向量机的抗噪声能力,尤其适合于未能完全揭示输入样本特性的情况;将提出轮胎安全状态检测的基于模糊隶属度函数的支持向量模型,实验和仿真结果表明模糊隶属度函数可有效地提高模糊最小二乘支持向量机模型的预测精度。
五、本发明为了减少奇异点和噪声对模糊最小二乘支持向量机模型的影响,通过引入模糊隶属度对近似支持向量机进行改进,提出了模糊近似支持向量机,这一模型保留了支持向量机泛化能力强,容易求解的优点,而且能够克服奇异点和噪声对近似支持向量机模型的影响,为了验证模糊支持向量机的效果,通过实例数据进行实证研究,通过实验结果的比对,可以发现与支持向量机相比,轮胎安全状态检测的多个模糊最小二乘支持向量机模型具有更好的泛化能力,能够显著地减少总体错误率,同时一定程度提高了准确度。
六、本发明将粒子群算法优化的轮胎安全状态检测的多个最小二乘支持向量机模型和NARX神经网络的参数,建立轮胎安全状态智能预测模型具有收敛迅速,模型预测准确度高等优点,与传统的遍历优化方法相比能够大幅度提高建模效率,最终所建模型可以满足轮胎实际性能预测要求,该模型在汽车轮胎安全状态分析预警方面具有一定的应用价值。
七、本发明采用的NARX网络模型是一种通过引入多个模糊最小二乘支持向量机模型的延时模块及反馈实现来建立NARX网络组合模型的动态递归网络,它是沿着轮胎安全状态特征参数在时间轴方向的拓展的多个时间轮胎安全状态特征参数的序列来实现及函数模拟功能的数据关联性建模思想,该方法通过一段时间内轮胎安全状态的特征参数来建立轮胎安全状态组合模型,模型输出的轮胎安全状态参数在反馈作用中被作为输入而闭循环训练提高神经网络的计算精确度,实现对轮胎安全状态连续动态检测。
八、本发明通过分别建立轮胎安全状态检测的多个最小二乘支持向量机模型,构成一个时间段的模糊最小二乘支持向量机模型输出作为NARX网络组合模型的输入,与单一状态相比提高了NARX网络组合模型的预测轮胎安全状态参数的精度和可靠性。
九、本发明预测准确度高,将轮胎特征参数压力、温度、车轮加速度3个GM灰色预测模型与轮胎安全状态检测的多个最小二乘支持向量机模型和NARX网络模型结合起来建立轮胎安全状态检测模型,对影响轮胎的温度、压力、加速度的历史数据作不同取舍,作为初始数据输入3个参数的GM灰色预测模型,3个GM灰色预测模型的输出作为轮胎安全状态检测的最小二乘支持向量机模型的输入。该轮胎安全状态方法综合了灰色预测的GM灰色预测模型所需原始数据少与方法简单的优点和最小二乘支持向量机非线性拟合能力强的特点,通过灰色预测理论对原始数据进行累加生成,突出趋势的影响,使得最小二乘支持向量机模型预测轮胎安全状态的非线性激励函数更易于逼近,减小不确定成分对灰色理论预测值的影响;克服了灰色GM预测模型精度低的缺点,有效避免了单一模型丢失信息的缺憾,从而提高预测结果的精度;同时采用NARX网络组合模型对轮胎安全状态参数状态进行预测,残差较小,网络的泛化能力较好,轮胎安全状态检测的多个最小二乘支持向量机模型的学习时间和收敛速度更快,更稳定,预测精度更高。轮胎性能参数的GM预测模型的输出作为轮胎安全状态检测的最小二乘支持向量机模型的输入,提高了NARX网络组合模型输出值的精确度,从而大大提高了轮胎安全状态检测的准确性和精度。
十、本发明鲁棒性强,通过建立灰色最小二乘支持向量机优化组合的汽车轮胎安全状态检测模型,体现了轮胎性能参数的灰色系统行为,又能动态的进行预测,具有较高精度和稳定性,而灰色理论、最下二乘支持向量机和NARX网络相结合能够较好地利用各单项算法的优点,充分发挥灰色预测、神经网络和最小二乘支持向量机三者优势,从本质上提高预测精度、稳定性和快速性;灰色系统是通过对样本数据进行累加或累减处理得到新数据,在一定程度上弱化了原始样本的随机性,且具有对样本容量需求较少;该专利组合预测能够对样本数据中的内在规律进行自主学习,具有较强的鲁棒性和容错能力,对轮胎安全状态作出比较准确的模拟和预测,弱化原始数据随机性、提高预测模型鲁棒性和容错能力,适合作为各种复杂状况的轮胎安全状态参数预测,轮胎安全状态参数预测有比较强的鲁棒性。
十一、本发明预测轮胎安全状态参数的时间跨度长,用GM灰色预测模型可以根据前面时刻影响轮胎安全状态温度、压力和车轮加速度预测未来时刻轮胎温度、压力和车轮加速度,输入轮胎安全状态智能检测模型可以预测未来时刻轮胎安全状态参数,用上述方法预测出的轮胎性能参数值后,把此轮胎温度、压力和车轮加速度参数值再加进原始数列中,相应地去掉数列开头的一个数据建模,预测出轮胎安全状态参数。这种方法称为等维灰数递补模型,它可实现较长时间的预测。用户可以更加准确地掌握轮胎安全状态的变化趋势,为汽车轮胎安全可靠运行或者维护作好充分准备。
十二、本发明提高轮胎安全状态分类的科学性和可靠性,轮胎安全状态分类器根据轮胎性能参数对轮胎安全状态的影响程度、专家经验和汽车轮胎安全相关国家标准,把NARX神经网络模型输出值大小分别与轮胎安全状态:安全状态、比较安全状态、危险状态和严重危险状态相对应,实现对轮胎安全状态参数的分类。
附图说明
图1为本发明轮胎参数采集平台;
图2为本发明系统软件流程图;
图3为本发明轮胎安全状态智能检测模型;
图4为本发明模糊最小二乘支持向量机模型;
图5为本发明检测单元与接收单元实施平面布置图。
具体实施方式
1、系统硬件设计
本发明轮胎状态监测系统由4个检测单元、接收单元两部分组成。如图1所示,其中检测单元负责准确测量轮胎参数信息,由单片机控制采样间隔并发送给接收单元;接收单元负责分析信号、运行轮胎安全状态智能检测模型和信息输出是否报警。轮胎参数检测单元的硬件设计包括传感器模块、单片机和无线通信模块的电路设计。轮胎参数检测模块采用传感器SP12,传感器SP12集温度、压力、加速度和供电电压4以及环境温度等5种参数检测于一体,由一块带有大量外围器件的RISC核心模块组成,传感器安装在轮辋上气门嘴阀杆根部。它与AVR ATmega48单片机通过SPI接口进行数据通信,单片机的SPI接口设置为主机工作方式,传感器设置为从机,同步数据传送时钟信号由主机单片机SCK引脚提供,SP12的wakeup信号向单片机提供外部中断,定时唤醒单片机工作。单片机和无线发射芯片TDK5100F通过串口实现数据的通讯,单片机PD4引脚连接ASKDTA,当ASKDTA为高电平时接通发射芯片的功率放大器。引脚PD5连接PDWN,实现发射芯片的节能控制,PDWN=0时为低功耗模式,PDWN=1时为工作模式。检测的4个单元采用了气门嘴外置式安装方式,方便安装和更换轮胎,更加延长系统使用寿命接。接收显示部分包括AVR ATmega48单片机、无线发射芯片TDK5100F、液晶显示和报警输出等4个单元组成,它放置在驾驶室内驾驶员易于观察的位置。报警采用LED灯和声音报警两种方式,灯光的强度及声音的强弱由报警等级的大小控制。
2、系统软件设计
本系统采用将轮胎参数检测单元安装在气门嘴外置式方式,方便安装和更换轮胎,更加延长系统使用寿命,可靠性高,而且操作十分简便,成本低,不需要向系统添加其它模块;无线传感器安装在轮辋上气门嘴阀杆根部,主要用来监测轮胎内部压力、温度及运动状态,并通过无线方式发送到接收单元,无线传感器电路部分主要包括压力传感器、温度传感器、加速度传感器和供电电压,传感器将检测轮胎的压力、温度、加速度和电压模拟信号转换为数字信号并送往检测单元的单片机进行数据处理并发送接收单元。接收单元对接收到的4个轮胎参数进行处理后输入轮胎状态智能预警算法进行轮胎状态的判别,并显示与预警;接收单元发送轮胎参数采集信息数据帧给检测单元继续下个周期的检测单元轮胎参数采集与预警判断等。系统软件采用C语言编程,接收单元接收4个轮胎的检测参数并实现轮胎状态预警判断与参数处理等,检测单元实现轮胎参数采集并发送给接收单元,系统工作软件流程图如图2所示。在软件中实现轮胎安全状态智能检测模型如图3所示。
(1)、基于模糊最小二乘支持向量机模型
针对轮胎安全状态评价的实际情况,选择易于获取、操作性强,并且最能客观反映轮胎安全现状的指标,即轮胎温度x1、车轮加速度x2、轮胎压力x3、轮胎磨损度x4、和轮胎质量系数x5;通过轮胎的安全系数对轮胎安全状况进行评价,来防止轮胎的安全状况进一步恶化。一般情况下轮胎温度x1越高安全系数越低,车辆速度x2越高安全系数越低,轮胎压力x3越高安全系数越低,轮胎磨损度x4越高安全系数越低,轮胎质量系数x5越低安全系数越低。模糊隶属度u(xi,x)的度量是一个非常重要的问题,它往往直接影响到模糊最小二乘支持向量机的轮胎安全状态预警模型的准确度,隶属度大小确定的依据是其在类中的相对重要性,本专利是基于样本到类中心的距离来度量其隶属度大小,样本离类中心越近,隶属度越大,反之则越小,即隶属度函数为:
其中:nj为属于第j类样本点的个数,δ>0防止隶属函数值为零。
在模糊最小二乘支持向量机中,0<μ(xk)≤1表示了轮胎安全状态特征参数模糊化后的模糊预选规则,度量了该样本隶属某类别的可靠程度;同时,在最小二乘支持向量机的训练过程中,说明每个训练数据对最小二乘支持向量机学习所起的权重作用是不同的。通过模糊隶属度,则基于模糊最小二乘支持向量机的轮胎安全性预警模型值y1为:
其中x=[x1,x2,…x5],σ为核参数。模糊最小二乘支持向量机模型如图4所示,多个模糊最小二乘支持向量机模型输出y1、y2和y3等值作为NARX神经网络模型的输入。
(2)、NARX神经网络模型设计
NARX神经网络是一种带输出反馈连接的动态递归神经网络,在拓扑连接关系上可等效为有输入时延的BP神经网络加上输出到输入的时延反馈连接,其结构由输入层、时延层、隐层和输出层构成,其中输入层节点用于信号输入,时延层节点用于输入信号和输出反馈信号的时间延迟,隐层节点利用激活函数对时延后的信号做非线性运算,输出层节点则用于将隐层输出做线性加权获得最终网络输出。NARX神经网络第i个隐层节点的输出hi为:
NARX神经网络第j个输出层节点输出oj为:
本发明专利的NARX神经网络的输入层、时延层、隐层和输出层分别为6-19-10-1个节点。
(3)、粒子群算法优化最小二乘支持向量机和NARX神经网络模型
①粒子群优化最小二乘支持向量机的一般步骤如下:
A、粒子群算法的参数初始化。首先确定最小二乘支持向量机的惩罚参数和核参数范围,其次确定自适应粒子群算法的相关参数。B、计算自适应权重。C、以回归误差平方和最小为适应度,计算并比较适应度。D、记录各粒子的最佳位置和全局最佳位置。
②粒子群优化NARX神经网络组合模型的一般步骤如下:
A、粒子群算法的参数初始化。首先确定NARX神经网络的的初始权值和阈值,其次确定自适应粒子群算法的相关参数。B、计算自适应权重。C、以回归误差平方和最小为适应度,计算并比较适应度。D、记录各粒子的最佳位置和全局最佳位置。
(4)、轮胎安全状态分类器
轮胎状态分类器根据轮胎性能参数对轮胎安全状态的影响程度、专家经验和汽车轮胎相关国家标准,把NARX神经网络模型输出值为小于等于0.2、小于等于0.5、小于等于0.7和小于等于1.0值,分别对应轮胎的状态为:安全状态、比较安全状态、危险状态和严重危险状态,实现对轮胎安全状态参数的分类。
3、实施例
本系统采用将轮胎参数检测单元安装在气门嘴外置式方式,方便安装和更换轮胎,更加延长系统使用寿命,可靠性高,而且操作十分简便,成本低,不需要向系统添加其它模块;无线传感器安装在轮辋上气门嘴阀杆根部,主要用来监测轮胎内部压力、温度及运动状态,并通过无线方式发送到接收单元。接收单元放置在驾驶室司机方便看到的地方,接收单元和检测单元的平面布置如图5所示。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。