CN107776559B - 基于趋势补偿的汽车防抱死系统轮速信号处理的方法 - Google Patents

基于趋势补偿的汽车防抱死系统轮速信号处理的方法 Download PDF

Info

Publication number
CN107776559B
CN107776559B CN201711044178.6A CN201711044178A CN107776559B CN 107776559 B CN107776559 B CN 107776559B CN 201711044178 A CN201711044178 A CN 201711044178A CN 107776559 B CN107776559 B CN 107776559B
Authority
CN
China
Prior art keywords
wheel speed
speed signal
temperature drift
value
mean
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711044178.6A
Other languages
English (en)
Other versions
CN107776559A (zh
Inventor
邹浙湘
温开元
黄宝山
李兵
吴光德
郭佳韵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology Zhuhai
Original Assignee
Beijing Institute of Technology Zhuhai
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology Zhuhai filed Critical Beijing Institute of Technology Zhuhai
Priority to CN201711044178.6A priority Critical patent/CN107776559B/zh
Publication of CN107776559A publication Critical patent/CN107776559A/zh
Application granted granted Critical
Publication of CN107776559B publication Critical patent/CN107776559B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B60T8/17—Using electrical or electronic regulation means to control braking
    • B60T8/176—Brake regulation specially adapted to prevent excessive wheel slip during vehicle deceleration, e.g. ABS
    • B60T8/1761—Brake regulation specially adapted to prevent excessive wheel slip during vehicle deceleration, e.g. ABS responsive to wheel or brake dynamics, e.g. wheel slip, wheel acceleration or rate of change of brake fluid pressure
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B60T8/17—Using electrical or electronic regulation means to control braking
    • B60T8/172—Determining control parameters used in the regulation, e.g. by calculations involving measured or detected parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • Regulating Braking Force (AREA)

Abstract

本发明公开并提供了一种联合中值均值加权和经验模函数分解来滤除温漂干扰并无损轮速信息的基于趋势补偿的汽车防抱死系统轮速信号处理的方法。本发明中所提供的算法避免了传统滤波器中由于固定截止频率而带来的误差。MEM滤波器以一种非线性的方式将原始信号的低频部分滤出，EMD方法将MEM的输出分解成一系列IMF。在这些IMF中，t检验会选出温度漂移干扰的成分。通过上述方法，该算法能够有效滤除温度漂移干扰，并能保存好轮速信号的有用信息。从而实现高精度的汽车制动控制，减少发动机运行故障，提高车辆运载效能。本发明适用于汽车控制领域。

Description

基于趋势补偿的汽车防抱死系统轮速信号处理的方法
技术领域
本发明涉及一种基于趋势补偿的汽车防抱死系统轮速信号处理的方法。
背景技术
混合动力汽车是目前汽车发展的新趋势，其具有绿色环保、节能高效等诸多优点。然而，多个能源提供动力也带来了汽车电气控制复杂，发动机协调控制难度以及故障增加的问题。尤其是混合动力公交等公共交通工具，因启动和停止的次数频繁，对于汽车防抱死系统（Anti-lock Braking System，ABS）的制动精度及准确度均有更高的要求。因此，有效提高ABS系统的信号检测水平，减小或者抑制ABS的控制误差，成为了汽车控制领域的新研究热点[6]。
现有的ABS系统一般均是通过对轮速信号的获取和处理，来得到进行反馈控制的信号。常见的用于拾取轮速信号的传感器主要包括电涡流感测型、磁电型、光电型以及霍尔型等。其中，电涡流及磁电型的传感器在检测精度上相对粗糙，检测信号存在迟滞或者延后的特点；光电型传感器在检测灵敏度方面虽然最高，却对于使用环境的要求比较严格，污垢以及外界光强均会成为检测精度的影响因素，其在车辆运行的复杂环境下干扰因素过多；霍尔传感器[8]作为一种高灵敏、高精度的轮速传感器，其相对于磁电类的传感器具有更突出的检测性能，同时对于外界环境影响又相对鲁棒，是一种更加适于混合动力汽车应用的轮速检测传感器。
然而，霍尔传感器在使用过程中，也有其自身的特点。环境温度变化会引起霍尔传感器检测信号出现温度漂移，具体体现在轮速检测信号上为一个低频的趋势波动信号。本文针对混合动力汽车的ABS霍尔传感器进行温度趋势估计和补偿，通过对霍尔传感器实时检测得到的轮速信号进行滤波，提取出联合中值均值加权(MEM)和经验模函数分解(EMD)表征温度漂移部分的趋势信号。并从轮速信号[14]中进行消除，从而实现高精度的汽车制动控制，减少发动机运行故障，提高车辆运载效能。
发明内容
本发明所要解决的技术问题是克服现有技术的不足，提供了一种联合中值均值加权和经验模函数分解来滤除温漂干扰并无损轮速信息的基于趋势补偿的汽车防抱死系统轮速信号处理的方法。
本发明所采用的技术方案是：本发明包括以下步骤：
A.以原信号的首尾对原信号进行延拓处理，可以根据如下方程进行延拓：
Figure DEST_PATH_IMAGE001
其中X(t)为滤波的轮速信号，X(0)为滤波的轮速信号的首值，X(L-1)为滤波的轮速信号的尾值，L为长度为，W为该滑窗的长度，
Figure 213123DEST_PATH_IMAGE002
为长度为W的窗滑过延拓后的信号；
B.对每个窗内的向量进行中值和均值加权估计，该估计值为中值跟均值的一个凸组合
Figure DEST_PATH_IMAGE003
，
其中，
Figure 947861DEST_PATH_IMAGE004
和
Figure DEST_PATH_IMAGE005
表示的是当前窗里向量的均值与中值，
Figure 743648DEST_PATH_IMAGE006
是权重系数，则具体中值均值加权的处理是得到下列方程的数值解：
，
其中
Figure 182719DEST_PATH_IMAGE008
，
Figure DEST_PATH_IMAGE009
是示性函数，在＞0时取1，在
Figure 99040DEST_PATH_IMAGE010
＜0时取-1；
C.将步骤b中所得的所有估计值组成一个新的向量
Figure 618008DEST_PATH_IMAGE012
，作为温漂干扰的初步估 计，对于该初步估计的初步修正的方法如下：
Figure 64033DEST_PATH_IMAGE014
，
其中
Figure DEST_PATH_IMAGE015
，
Figure 460379DEST_PATH_IMAGE016
表示的是迭代n次之后得到的数值解，
Figure DEST_PATH_IMAGE017
表示的是精确解；
D.对步骤C中经初步修正后的温漂干扰进行经验模函数分解，具体步骤如下：
（1）确定
Figure 5761DEST_PATH_IMAGE012
的所有局部极大值点和局部极小值点；
（2）通过至少为三次样条插值分别拟合局部极大值点和局部极小值点，得到上下两个包络线；
（3）从
Figure 385927DEST_PATH_IMAGE012
中减去（2）里上下包络线的均值
Figure 370063DEST_PATH_IMAGE018
得；
（4）将
Figure 524150DEST_PATH_IMAGE022
作为一个新的
Figure 329295DEST_PATH_IMAGE012
重复上述2和3得到， 直到SD值介于0.2~0.3之间。其中，SD值通过下式计算：
Figure 333767DEST_PATH_IMAGE024
；
（5）将（4）中得到的
Figure DEST_PATH_IMAGE025
定义为第一个固态模函数，从
Figure 591890DEST_PATH_IMAGE012
中减去该固态 模函数得到第一个残基：
Figure DEST_PATH_IMAGE027
；
（6）将残基看成一个新
Figure 928379DEST_PATH_IMAGE012
，重复上述所有步骤，得到一系列和…，直到最后的残基是一个常量或单调直线或单极值点的函数，通常将最后的残基看成 最后一阶固态模函数，故整个经验模函数的分解相当于完成了如下方程的替换：
Figure DEST_PATH_IMAGE033
；
E.根据中值均值加权的固有缺陷，采用采取从高阶固态模函数到低阶固态模函数进行部分求和值的t检验对步骤C中的固态模函数进行筛选，t检验的两个假设如下：
Figure 522806DEST_PATH_IMAGE034
vs
Figure DEST_PATH_IMAGE035
；
F.将筛选出的固态模函数重构后，从
Figure 872010DEST_PATH_IMAGE012
中减去即可得到较准确的温漂干扰；再 从原轮速信号中减去得到的准确温漂干扰，即可得到准确的轮速信号，具体如下式：
Figure 827327DEST_PATH_IMAGE036
，
其中为中值均值加权引入的误差，为最终修正后的轮速信号。
在步骤B中，k的取值范围为[1.14, 1.95]，每次数值求解的迭代次数至少为30次。
在步骤C以及D中，当滑窗滑过整个数据信号后得到对应数量的估计值，组合在一 起就是对原信号中温漂干扰的估计。
本发明提出了一种利用联合中值均值加权和经验模函数分解估计温度漂移趋势信号的算法。其首先通过联合中值均值加权估计出温度漂移趋势成分后，这一估计过程会引入一个零均值的近似正态分布噪声，表现在频域为高频噪声，因此再对估计温度漂移趋势进行自适应固态模函数分解。使用t检验的方法，对从低向高阶固态模函数进行累加判断检验，判断出各阶固态模函数中不属于温度漂移趋势的成分，再从联合中值均值加权估计的基线信息中剔除，继而得到温度漂移趋势的精确估计。最后从轮速信号中进行消除，从而实现高精度的汽车制动控制，减少发动机运行故障，提高车辆运载效能。
附图说明
图1是基于实验采集的ABS制动时标准数据库的本文算法跟形态学滤波方法的对比图；
图2是温度漂移修正轮速信号对比图；
图3是温度漂移趋势信号图。
具体实施方式
本发明包括以下步骤：
A. 以原信号的首尾对原信号进行延拓处理。假设需要滤波的轮速信号X(t)的长度为L，利用其首值X(0)以及尾值X(L-1)进行延拓处理。因此，后续步骤2中的滑窗长度设定为该采样率值在0.3~0.6之间。设定该滑窗的长度为W，则可以根据如下方程进行延拓
Figure 103774DEST_PATH_IMAGE001
；
B. 以长度为W的窗滑过延拓后的信号
Figure 99411DEST_PATH_IMAGE002
，对每个窗内的向量进行中值和均值加权估计。该估计值可近似的理解为中值跟均值的一个凸组合
Figure 909236DEST_PATH_IMAGE003
，
其中，
Figure 902599DEST_PATH_IMAGE004
和
Figure 453667DEST_PATH_IMAGE005
表示的是当前窗里向量的均值与中值，
Figure 925099DEST_PATH_IMAGE006
是权重系数。则具体MEM的处理是得到下列方程的数值解
Figure DEST_PATH_IMAGE041
，
其中
，
Figure 829394DEST_PATH_IMAGE009
是示性函数，在
Figure 539861DEST_PATH_IMAGE010
＞0时取1，在
Figure 752667DEST_PATH_IMAGE010
＜0时取-1。通常，k的取值范围为[1.14,1.95]。本例算法中取k值为1.5。每次数值求解的迭代次数至少为30次，这样才能保证最终的解收敛到可以承受的求解精度内。本例算法的迭代次数n为50次。
C. 所有估计值组成一个新的向量，作为温漂干扰的一个初步估计。并对其 进行EMD分解，得到一系列固态模函数（IMF）。当滑窗滑过整个数据信号后得到对应数量的 估计值，组合在一起就是对原信号中温漂干扰的估计
Figure 996884DEST_PATH_IMAGE012
。需要补充说明的是，每个估计值 对精确值是有误差的，这个误差反映了MEM方法的固有缺陷，且有一定的统计规律，即服从 一个0均值的渐近正态分布，从而方便了算法的进一步修正。具体表述如下：
Figure 647177DEST_PATH_IMAGE014
,
其中
Figure 460412DEST_PATH_IMAGE015
,
表示的是迭代n次之后得到的数值解，
Figure 995616DEST_PATH_IMAGE017
表示的是精确解。
D. 为了进一步的修正这部分的误差，对滤出的进行EMD分解。具体步骤如下：
（1）确定
Figure 500864DEST_PATH_IMAGE012
的所有局部极大值点和局部极小值点；
（2）通过3次样条插值分别拟合局部极大值点和局部极小值点，得到上下两个包络线；
（3）从
Figure 384506DEST_PATH_IMAGE012
中减去（2）里上下包络线的均值
Figure 749890DEST_PATH_IMAGE018
，得；
（4）将作为一个新的
Figure 874021DEST_PATH_IMAGE012
重复上述2和3得到 ，直到SD值介于0.2~0.3之间。其中，SD值通过下式计算：；
（5）将（4）中得到的定义为第一个IMF，从
Figure 530131DEST_PATH_IMAGE012
中减去该IMF得到第一 个残基
Figure DEST_PATH_IMAGE045
；
（6）将残基看成一个新
Figure 164691DEST_PATH_IMAGE012
，重复上述所有步骤，得到一系列和…，直到最后的残基是一个常量或单调直线或单极值点的函数。通常将最后的残基看成 最后一阶IMF，故整个EMD的分解相当于完成了如下方程的替换
Figure 449786DEST_PATH_IMAGE046
。
E.根据MEM的固有缺陷，采用t检验对步骤3中的IMF进行筛选。由于MEM的固有误差 混在
Figure 282613DEST_PATH_IMAGE012
中，所以需要对步骤3中最后等式右边的各IMF进行筛选。EMD分解后得到的各个 IMF从低阶到高阶有如下频率分布规律：低阶IMF分量含有较多的高频分量和较少的低频分 量。在频域中，对于MEM引入的误差分布在比温漂干扰频率高的频带。另外，这部分误差在时 域服从一个0均值的渐近正态分布。因此，本算法采取从高阶IMF到低阶IMF进行部分求和值 的t检验。该检验是为了筛选出哪些阶的IMF组合为MEM引入的误差。t检验的两个假设如下
Figure 643187DEST_PATH_IMAGE034
vs
Figure 702410DEST_PATH_IMAGE035
。
F. 将筛选出的IMF重构后，从
Figure 541053DEST_PATH_IMAGE012
中减去即可得到较准确的温漂干扰。再从原轮 速信号中减去得到的准确温漂干扰，即可得到准确的轮速信号。假设在t检验过程中，在第P 阶接受了假设，则部分和
Figure 228386DEST_PATH_IMAGE037
即为MEM引入的误差。这部分的和需要从
Figure 681233DEST_PATH_IMAGE012
中减去， 这样便得到了最终修正后的 ：
Figure 994720DEST_PATH_IMAGE036
。
需要补充说明的是，温漂干扰本身也有可能是0均值。故在迭代t检验时，本算法会在当前阶等于IMF总个数的一半时强行终止。在这种特殊情况下会引入部分误差，但误差不会过大，最后从原信号中减去
Figure 411925DEST_PATH_IMAGE039
得到修正后的轮速信号。
基于本发明所描述的算法所做出的实验及其实验结果：
轮速信号取自实验采集的ABS制动时标准数据库，其采样率为360 Hz。将10 mV的振幅范围进行11位的离散化处理，振幅在0~2 047间，其中1 024对应0值。实验样本截取3000点数据，相应地MEM滑动窗口长度L在120~200点之间。另外，为了进一步测试算法的有效性，通过低通一个随机序列来产生一系列的人工噪声。随机序列的振幅范围区间为[0, c]，服从均匀分布。图2为受人工噪声（c=500）污染的信号和修正后的信号，可看出所提算法即使在存在明显温度漂移的情况下，仍能有效恢复原始轮速信号。
图2中虚线为受温度漂移干扰的轮速信号，实线为修正后的信号。图3进一步给出了，估计得到的温度漂移趋势。本文通过一个标准来评价算法有效性，并计算信噪比SNR。数值的计算方法为。给定一个向量X， 表示该向量的标准差。横向对比了本文算法和基于形态学滤波的方法，图1列出了在不同振幅c值下的平均SNR提高值，本文所提出算法的提高值最高可达21.84 dB。
实验结果表明，本文所提算法能够有效估计温度漂移干扰，从而消除ABS制动系统的轮速监测误差。因为所提出的算法包含了一个自修正的过程，从而能更加合理、精确地选择出温度漂移干扰的分量，由此便可提高整体的滤出效果。
作为一个完全非线性的滤除温度漂移干扰方式，本发明中所提供的算法避免了传统滤波器中由于固定截止频率而带来的误差。MEM滤波器以一种非线性的方式将原始信号的低频部分滤出，EMD方法将MEM的输出分解成一系列IMF。在这些IMF中，t检验会选出温度漂移干扰的成分。通过上述方法，该算法能够有效滤除温度漂移干扰，并能保存好轮速信号的有用信息。从而实现高精度的汽车制动控制，减少发动机运行故障，提高车辆运载效能。
本发明适用于汽车控制领域。

Claims (3)

1.一种基于趋势补偿的汽车防抱死系统轮速信号处理的方法，其特征在于：它包括以下步骤：A.以原信号的首尾对原信号进行延拓处理，可以根据如下方程进行延拓：
Figure 56942DEST_PATH_IMAGE001
，其中X(t)为滤波的轮速信号，X(0)为滤波的轮速信号的首值，X(L-1)为滤波的轮速信号的尾值，L为轮速信号的长度，W为滑窗的长度，
Figure 406015DEST_PATH_IMAGE002
为长度为W的窗滑过延拓后的信号；B.对每个窗内的向量进行中值和均值加权估计，该估计值为中值跟均值的一个凸组合
Figure 109528DEST_PATH_IMAGE004
，其中，
Figure 795725DEST_PATH_IMAGE005
和
Figure 533873DEST_PATH_IMAGE006
表示的是当前窗里向量的均值与中值，
Figure 605514DEST_PATH_IMAGE007
是权重系数，则具体中值均值加权的处理是得到下列方程的数值解：
Figure 202848DEST_PATH_IMAGE009
，其中
Figure 82949DEST_PATH_IMAGE011
，是示性函数，在
Figure 225534DEST_PATH_IMAGE013
＞0时取1，在
Figure 779006DEST_PATH_IMAGE013
＜0时取-1；C.将步骤B中所得的所有估计值组成一个新的向量
Figure 72584DEST_PATH_IMAGE014
，作为温漂干扰的初步估计，对于该初步估计的初步修正的方法如下：
Figure 519746DEST_PATH_IMAGE016
，其中，
Figure 29149DEST_PATH_IMAGE019
表示的是迭代n次之后得到的数值解，
Figure 860838DEST_PATH_IMAGE020
表示的是精确解；D.对步骤C中经初步修正后的温漂干扰进行经验模函数分解，具体步骤如下：（1）确定
Figure 428086DEST_PATH_IMAGE021
的所有局部极大值点和局部极小值点；（2）通过至少为三次样条插值分别拟合局部极大值点和局部极小值点，得到上下两个包络线；（3）从
Figure 428086DEST_PATH_IMAGE021
中减去步骤（2）里上下包络线的均值得
Figure 483264DEST_PATH_IMAGE024
；（4）将
Figure 764072DEST_PATH_IMAGE025
作为一个新的
Figure 826706DEST_PATH_IMAGE021
重复上述步骤（2）和（3）得到
Figure 701121DEST_PATH_IMAGE026
，直到SD值介于0.2~0.3之间；其中，SD值通过下式计算：；（5）将步骤（4）中得到的
Figure 557399DEST_PATH_IMAGE028
定义为第一个固态模函数
Figure 790934DEST_PATH_IMAGE029
，从
Figure 152645DEST_PATH_IMAGE021
中减去该固态模函数得到第一个残基：
Figure 755927DEST_PATH_IMAGE031
；（6）将残基
Figure 886694DEST_PATH_IMAGE032
看成一个新
Figure 291131DEST_PATH_IMAGE021
，重复上述步骤（1）至（5），得到一系列和
Figure 530799DEST_PATH_IMAGE034
…
Figure 781652DEST_PATH_IMAGE035
，直到最后的残基
Figure 356990DEST_PATH_IMAGE036
是一个常量或单调直线或单极值点的函数，通常将最后的残基看成最后一阶固态模函数，故整个经验模函数的分解相当于完成了如下方程的替换：
Figure 693293DEST_PATH_IMAGE038
；E.根据中值均值加权的固有缺陷，采用采取从高阶固态模函数到低阶固态模函数进行部分求和值的t检验对步骤C中的固态模函数进行筛选，t检验的两个假设如下：
Figure 136913DEST_PATH_IMAGE039
vs
Figure 242272DEST_PATH_IMAGE040
；F.将筛选出的固态模函数重构后，从
Figure 291131DEST_PATH_IMAGE021
中减去即可得到较准确的温漂干扰；再从原轮速信号中减去得到的准确温漂干扰，即可得到准确的轮速信号，具体如下式：
Figure 546532DEST_PATH_IMAGE042
，其中
Figure 633656DEST_PATH_IMAGE043
为中值均值加权引入的误差，
Figure 265625DEST_PATH_IMAGE044
为最终修正后的轮速信号。
2.根据权利要求1所述的基于趋势补偿的汽车防抱死系统轮速信号处理的方法，其特征在于：在步骤B中，k的取值范围为[1.14, 1.95]，每次数值求解的迭代次数至少为30次。
3.根据权利要求1所述的基于趋势补偿的汽车防抱死系统轮速信号处理的方法，其特征在于：在步骤C以及D中，当滑窗滑过整个数据信号后得到对应数量的估计值，组合在一起就是对原信号中温漂干扰的估计
Figure 182766DEST_PATH_IMAGE021
。
CN201711044178.6A 2017-10-31 2017-10-31 基于趋势补偿的汽车防抱死系统轮速信号处理的方法 Active CN107776559B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711044178.6A CN107776559B (zh) 2017-10-31 2017-10-31 基于趋势补偿的汽车防抱死系统轮速信号处理的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711044178.6A CN107776559B (zh) 2017-10-31 2017-10-31 基于趋势补偿的汽车防抱死系统轮速信号处理的方法

Publications (2)

Publication Number Publication Date
CN107776559A CN107776559A (zh) 2018-03-09
CN107776559B true CN107776559B (zh) 2020-01-14

Family

ID=61431879

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711044178.6A Active CN107776559B (zh) 2017-10-31 2017-10-31 基于趋势补偿的汽车防抱死系统轮速信号处理的方法

Country Status (1)

Country Link
CN (1) CN107776559B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109991438B (zh) * 2019-03-26 2021-12-07 武汉理工大学 一种汽车齿圈角速度测量误差消除方法与装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1990318B (zh) * 2005-12-31 2011-06-15 比亚迪股份有限公司 Abs防抱死系统控制装置
CN204341003U (zh) * 2014-11-26 2015-05-20 广州科密汽车电子控制技术股份有限公司 一种轮速信号处理电路
CN105682980A (zh) * 2013-11-18 2016-06-15 Ntn株式会社 防抱死制动器控制装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6010651B1 (ja) * 2015-03-26 2016-10-19 Ntn株式会社 アンチロックブレーキ制御装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1990318B (zh) * 2005-12-31 2011-06-15 比亚迪股份有限公司 Abs防抱死系统控制装置
CN105682980A (zh) * 2013-11-18 2016-06-15 Ntn株式会社 防抱死制动器控制装置
CN204341003U (zh) * 2014-11-26 2015-05-20 广州科密汽车电子控制技术股份有限公司 一种轮速信号处理电路

Also Published As

Publication number Publication date
CN107776559A (zh) 2018-03-09

Similar Documents

Publication Publication Date Title
CN108088799B (zh) 机动车尾气林格曼黑度的测量方法及系统
Chen et al. A combinational approach to the fusion, de-noising and enhancement of dual-energy x-ray luggage images
CN107729845B (zh) 一种基于子空间特征值分解的实测频响函数降噪方法
CN112327259B (zh) 一种sar图像中干扰信号的消除方法和装置
CN116304751B (zh) 用于动车组部件检修的运行数据处理方法
CN107776559B (zh) 基于趋势补偿的汽车防抱死系统轮速信号处理的方法
CN111207835B (zh) 红外测温以及热成像优化方法
CN116304549A (zh) 一种隧道健康监测数据小波阈值去噪方法
CN109708877B (zh) 基于小波模糊识别和图像分析理论的机械故障分析方法
CN107610055B (zh) 傅里叶变换光谱仪干涉图噪声检测及抑制方法
CN111079591B (zh) 基于改进多尺度主成分分析的不良数据修复方法及系统
CN113484836A (zh) 基于时域信号幅度差值排序的干扰检测和剔除方法
CN111611832A (zh) 基于加速度信号获取车辆响应位移的方法及其系统
Nnolim et al. Homomorphic filtering of colour images using a spatial filter kernel in the HSI colour space
CN110459197B (zh) 用于微弱盲信号去噪与提取的信号增强器及方法
CN110287853B (zh) 一种基于小波分解的暂态信号去噪方法
CN114722885B (zh) 托辊搬运小车运行异常智能检测方法及系统
CN110703089B (zh) 一种用于低频振荡Prony分析的小波阈值去噪方法
CN110542925B (zh) 一种基于峰值包络线的地震数据尖峰噪声识别及压制方法
Wen et al. A novel rolling bearing fault detection method based on wavelet transform and empirical mode decomposition
CN115545080B (zh) 滑油屑末在线检测方法及装置
CN112597425B (zh) 流速测量数据中异常数据的检测方法、装置、设备及介质
CN116148853B (zh) 一种矿区沉陷干涉相位滤波方法和装置
Rubeena et al. NOI SE REMOVAL TECHNI QUES OF NATURAL I MAGES WITH ADVANCED METRICS
CN115963092A (zh) 基于浊度补偿和散射宽度估计的自适应瑞利散射处理方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant