CN109918792A - 一种基于计算机的轮胎不平衡量的动力学模拟系统及方法 - Google Patents
一种基于计算机的轮胎不平衡量的动力学模拟系统及方法 Download PDFInfo
- Publication number
- CN109918792A CN109918792A CN201910177467.6A CN201910177467A CN109918792A CN 109918792 A CN109918792 A CN 109918792A CN 201910177467 A CN201910177467 A CN 201910177467A CN 109918792 A CN109918792 A CN 109918792A
- Authority
- CN
- China
- Prior art keywords
- tire
- module
- groove
- depth
- value
- 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.)
- Granted
Links
Landscapes
- Tires In General (AREA)
Abstract
本发明属于轮胎动力学模拟技术领域,公开了一种基于计算机的轮胎不平衡量的动力学模拟系统及方法,所述基于计算机的轮胎不平衡量的动力学模拟系统包括:轮胎气压检测模块、轮胎花纹深度测量模块、里程数据采集模块、主控模块、实体模型构建模块、模拟模块、偏磨判断模块、警报模块、显示模块。本发明通过模拟模块大大提高轮胎不平衡量的动力学模拟的准确性;同时,通过偏磨判断模块根据轮胎偏磨和偏磨变化趋势来判断轮胎抵抗不正常磨损的能力,简单直观,方便快捷;将计算过程及公式导入EXCLE中形成模板,每次将测量数据后填入,自动生成相关图表和偏磨程度等级,能更有有效并更为方便对轮胎的偏磨程度进行评价。
Description
技术领域
本发明属于轮胎动力学模拟技术领域,尤其涉及一种基于计算机的轮胎不平衡量的动力学模拟系统及方法。
背景技术
轮胎是在各种车辆或机械上装配的接地滚动的圆环形弹性橡胶制品。通常安装在金属轮辋上,能支承车身,缓冲外界冲击,实现与路面的接触并保证车辆的行驶性能。轮胎常在复杂和苛刻的条件下使用,它在行驶时承受着各种变形、负荷、力以及高低温作用,因此必须具有较高的承载性能、牵引性能、缓冲性能。同时,还要求具备高耐磨性和耐屈挠性,以及低的滚动阻力与生热性。世界耗用橡胶量的一半用于轮胎生产,可见轮胎耗用橡胶的能力。汽车轮胎按胎体结构不同可分为充气轮胎和实心轮胎。现代汽车绝大多数采用充气轮胎。按胎内空气压力的高低,充气轮胎可分为高压胎、低压胎和超低压胎三种。各类汽车普遍采用低压胎。充气轮胎按组成结构不同,又分为有内胎轮胎和无内胎轮胎两种。轿车普遍采用无内胎轮胎。按轮胎内部帘布层和缓冲层的排列方式不同,轮胎又可分为子午线轮胎和斜交轮胎两种。汽车上普遍采用的是子午线轮胎。轮胎侧面均有标注。然而,现有轮胎不平衡量的动力学模拟不准确;同时对轮胎的磨损判断繁琐、效率低。
综上所述,现有技术存在的问题是:
现有轮胎不平衡量的动力学模拟不准确;同时对轮胎的磨损判断繁琐、效率低。
现有技术中压力传感器的灵敏度易受到外界因素的干扰,不利于轮胎气压数据的高精度检测及获得,降低工作效率;现有技术中由于外界因素对报警器灵敏度的干扰,使得报警器不能及时根据磨损程度进行报警操作,降低工作效率;现有技术中显示器不能高效准确的显示气压数据、深度数据、驶里程数据、模拟数据、磨损程度,导致工作效率低。
发明内容
针对现有技术存在的问题,本发明提供了一种基于计算机的轮胎不平衡量的动力学模拟系统及方法。
本发明是这样实现的,一种基于计算机的轮胎不平衡量的动力学模拟方法,所述基于计算机的轮胎不平衡量的动力学模拟方法包括:
第一步,利用气压传感器采用RBF神经网络模型对轮胎气压数据进行检测;利用测量器测量轮胎花纹深度数据;利用里程表采集汽车轮胎行驶里程数据;
第二步,利用三维软件构建汽车的驾驶室、车架、轮胎、传动系统、货箱装置、驱动桥实体模型;
第三步,通过数据模型程序对轮胎不平衡量进行模拟操作;模拟方法包括:
(1)利用三维软件构建汽车的驾驶室、车架、轮胎、传动系统、货箱装置、驱动桥实体模型;
(2)在轮辋边缘处定义轮胎不平衡质量空间坐标系,并在轮胎不平衡质量空间坐标系内建立不平衡质量点的位置坐标;
(3)在轮胎不平衡质量空间坐标系内建立独立的刚体组件,并将刚体组件与所述不平衡质量点进行耦合;
(4)将刚体组件定义为所述轮胎的轮胎不平衡质量,并定义轮胎在半载工况、满载工况、以及超载工况下的轮胎不平衡质量;
(5)在不平衡质量空间坐标系内创建刚性体不平衡质量单元,将刚性体不平衡质量单元与轮胎进行固定副连接,并在固定副连接处添加质点作为不平衡质量质点,轮胎的总的不平衡质量为刚性体不平衡质量单元的配重与不平衡质量质点的配重之和;
(6)选择轮胎旋转运动时的路面进行动力学模拟。
第四步,通过判断程序根据采集的深度、里程数据判断轮胎磨损程度;
第五步,利用采用PSO-BP算法的报警器根据判断磨损程度,并进行及时警报通知;
第六步,利用显示器采用模块级联约束式显示检测的气压数据、深度数据、驶里程数据、模拟数据、磨损程度。
进一步,所述第一步利用气压传感器采用RBF神经网络模型对轮胎气压数据进行检测具体为:RBF神经网络由输入层、隐层、输出层组成,输入层的两个输入信号为Vh和Vt;输出层的输出信号是压力Yh;输入层节点函数为斜率为1的线性函数,输出层节点是线性组合器,可调节参数就是该线性组合器的权值Wi,而隐层节点函数采用高斯函数,第i个隐层节点输出Vi为:
式中:X=(Vh,Vt)T为输入样本;Ci为高斯函数中心值;σi为标准偏差,i=1,2,…,n,n为隐层节点数;
则输出层输出为:
式中:θ为输出层神经元的阈值。
进一步,所述第四步通过判断程序根据采集的深度、里程数据判断轮胎磨损程度,判断方法如下:
1)沿轮胎周向三等均分,并标记为A、B和C,选取有磨耗标记的花纹沟并沿轮胎径向依次测量n个花纹沟的沟深,其中n≥3,并分别记做:
A1,A2,…An;
B1,B2,…Bn;
C1,C2,…Cn;
2)当轮胎行驶里程为M1时,根据步骤1)的内容进行测量,得到每条花纹沟的深度值Groove,并分别记做;
Groove1=AVERAGE(A1,B1,C1)
Groove2=AVERAGE(A2,B2,C2)
Groove3=AVERAGE(A3,B3,C3)
...
Grooven=AVERAGE(An,Bn,Cn)
3)重复步骤1)至2),记录每次测量时的行驶里程M2,M3…Mm,其中m为整数,并依次计算得到每次测量时每条花纹沟的深度值Groove;
4)按轮位区分,不同方案之间将每次测量的花纹沟深度值和行驶里程数据绘制成图表,将每次测量的花纹沟深度最大值与最小值之间差级标记为D;
5)判断轮胎偏磨严重程度,其中D取绝对值,当D位于0≤D≤1时,为无偏磨;当D位于1<D≤2时,为轻度偏磨;当D位于2<D≤4时,为中度偏磨;当D位于D>4时,为严重偏磨。
进一步,所述第五步利用采用PSO-BP算法的报警器根据判断磨损程度,具体步骤为:
(1)初始化:设定PSO-BP神经网络的相关参数,确定神经网络的层数,每一层神经元的个数,以及需要优化的粒子维数,其中PSO算法需要优化的权值阈值总个数为:
N=(m+1)×n+(n+1)×t;
m为输入神经元个数,n为隐层神经元个数,t为输出层神经元个数,对粒子的速度和位置进行随机初始化;
(2)计算适应度:按照适应度函数计算网络输出与样本期望输出误差绝对值之和;
(3)寻找个体极值和群体极值:将每个粒子的适应度函数值与个体极值进行比较,如果适应度函数值更小,则该适应度函数值成为新的个体极值;并将新的个体极值与全局最佳适应度值进行比较,若更小,则将其作为当前的群体极值;
(4)根据离子群算法更新粒子的位置和速度;
式中:w为惯性权重;k为当前迭代次数;i为粒子的速度;d为粒子的位置;c1和c2为学习因子,也称为加速度因子,通过验证选c1=c2=2进行计算;和是介于[0,1]之间的均匀随机数;
(5)看全局最优适应度值是否小于设定误差或者迭代次数大于最大迭代次数,若不满足条件,返回步骤(3);若满足条件,则输出的全局最优粒子位置即为最优的BP神经网络权值阈值。
本发明的另一目的在于提供一种实现所述基于计算机的轮胎不平衡量的动力学模拟方法的基于计算机的轮胎不平衡量的动力学模拟系统,所述基于计算机的轮胎不平衡量的动力学模拟系统包括:
轮胎气压检测模块,与主控模块连接,用于通过气压传感器检测轮胎气压数据;
轮胎花纹深度测量模块,与主控模块连接,用于通过测量器测量轮胎花纹深度数据;
里程数据采集模块,与主控模块连接,用于通过里程表采集汽车轮胎行驶里程数据;
主控模块,与轮胎气压检测模块、轮胎花纹深度测量模块、里程数据采集模块、实体模型构建模块、模拟模块、偏磨判断模块、警报模块、显示模块连接,用于通过单片机控制各个模块正常工作;
实体模型构建模块,与主控模块连接,用于通过三维软件构建汽车的驾驶室、车架、轮胎、传动系统、货箱装置、驱动桥实体模型;
模拟模块,与主控模块连接,用于通过数据模型程序对轮胎不平衡量进行模拟操作;
偏磨判断模块,与主控模块连接,用于通过判断程序根据采集的深度、里程数据判断轮胎磨损程度;
警报模块,与主控模块连接,用于通过报警器根据判断磨损程度进行及时警报通知;
显示模块,与主控模块连接,用于通过显示器显示检测的气压数据、深度数据、驶里程数据、模拟数据、磨损程度。
本发明的另一目的在于提供一种应用所述基于计算机的轮胎不平衡量的动力学模拟方法的轮胎动力学模拟平台。
本发明的优点及积极效果为:本发明通过模拟模块进行车辆单侧轮胎、多组前轮、以及多组后轮不平衡量模拟和修正来完成对整个车辆的轮胎不平衡量动力学模拟,大大提高轮胎不平衡量的动力学模拟的准确性;同时,通过偏磨判断模块根据轮胎偏磨和偏磨变化趋势来判断轮胎抵抗不正常磨损的能力,简单直观,方便快捷;将计算过程及公式导入EXCLE中形成模板,每次将测量数据后填入,自动生成相关图表和偏磨程度等级,能更有有效并更为方便对轮胎的偏磨程度进行评价。
本发明利用气压传感器采用RBF神经网络模型对轮胎气压数据进行检测,RBF神经网络有效的提高压力传感器的灵敏度,有利于轮胎气压数据的高精度检测及获得;本发明利用采用PSO-BP算法的报警器根据判断磨损程度,有效去除外界因素对报警器灵敏度的干扰,使得报警器及时根据磨损程度进行报警操作,提高工作效率;本发明利用显示器采用模块级联约束式进行显示,有利于高效准确的显示气压数据、深度数据、驶里程数据、模拟数据、磨损程度,提高工作效率。
附图说明
图1是本发明实施例提供的基于计算机的轮胎不平衡量的动力学模拟方法流程图。
图2是本发明实施例提供的基于计算机的轮胎不平衡量的动力学模拟系统结构示意图;
图中:1、轮胎气压检测模块;2、轮胎花纹深度测量模块;3、里程数据采集模块;4、主控模块;5、实体模型构建模块;6、模拟模块;7、偏磨判断模块;8、警报模块;9、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明提供的基于计算机的轮胎不平衡量的动力学模拟方法包括以下步骤:
S101:利用气压传感器采用RBF神经网络模型对轮胎气压数据进行检测;利用测量器测量轮胎花纹深度数据;利用里程表采集汽车轮胎行驶里程数据;
S102:利用三维软件构建汽车的驾驶室、车架、轮胎、传动系统、货箱装置、驱动桥实体模型;
S103:通过数据模型程序对轮胎不平衡量进行模拟操作;
S104:通过判断程序根据采集的深度、里程数据判断轮胎磨损程度;
S105:利用采用PSO-BP算法的报警器根据判断磨损程度,并进行及时警报通知;
S106:利用显示器采用模块级联约束式显示检测的气压数据、深度数据、驶里程数据、模拟数据、磨损程度。
步骤S101中,本发明实施例提供的利用气压传感器采用RBF神经网络模型对轮胎气压数据进行检测,RBF神经网络有效的提高压力传感器的灵敏度,有利于轮胎气压数据的高精度检测及获得,具体为:
RBF神经网络由输入层、隐层、输出层组成,输入层的两个输入信号为Vh和Vt;输出层的输出信号是压力Yh;输入层节点函数为斜率为1的线性函数,输出层节点是线性组合器,可调节参数就是该线性组合器的权值Wi,而隐层节点函数采用高斯函数,第i个隐层节点输出Vi为:
式中:X=(Vh,Vt)T为输入样本;Ci为高斯函数中心值;σi为标准偏差,i=1,2,…,n,n为隐层节点数;
则输出层输出为:
式中:θ为输出层神经元的阈值。
步骤S103中,本发明实施例提供的通过数据模型程序对轮胎不平衡量进行模拟操作,模拟方法如下:
(1)利用三维软件构建汽车的驾驶室、车架、轮胎、传动系统、货箱装置、驱动桥实体模型;
(2)在所述轮辋边缘处定义轮胎不平衡质量空间坐标系,并在所述轮胎不平衡质量空间坐标系内建立不平衡质量点的位置坐标;
(3)在所述轮胎不平衡质量空间坐标系内建立独立的刚体组件,并将所述刚体组件与所述不平衡质量点进行耦合;
(4)将所述刚体组件定义为所述轮胎的轮胎不平衡质量,并定义所述轮胎在半载工况、满载工况、以及超载工况下的轮胎不平衡质量;
(5)在所述不平衡质量空间坐标系内创建刚性体不平衡质量单元,将所述刚性体不平衡质量单元与所述轮胎进行固定副连接,并在所述固定副连接处添加质点作为不平衡质量质点,所述轮胎的总的不平衡质量为所述刚性体不平衡质量单元的配重与所述不平衡质量质点的配重之和;
(6)选择所述轮胎旋转运动时的路面进行动力学模拟。
步骤S104中,本发明实施例提供的通过判断程序根据采集的深度、里程数据判断轮胎磨损程度,判断方法如下:
1)沿轮胎周向三等均分,并标记为A、B和C,选取有磨耗标记的花纹沟并沿轮胎径向依次测量n个花纹沟的沟深,其中n≥3,并分别记做:
A1,A2,…An;
B1,B2,…Bn;
C1,C2,…Cn;
2)当轮胎行驶里程为M1时,根据步骤1)的内容进行测量,得到每条花纹沟的深度值Groove,并分别记做;
Groove1=AVERAGE(A1,B1,C1)
Groove2=AVERAGE(A2,B2,C2)
Groove3=AVERAGE(A3,B3,C3)
...
Grooven=AVERAGE(An,Bn,Cn)
3)重复步骤1)至2),记录每次测量时的行驶里程M2,M3…Mm,其中m为整数,并依次计算得到每次测量时每条花纹沟的深度值Groove;
4)按轮位区分,不同方案之间将每次测量的花纹沟深度值和行驶里程数据绘制成图表,将每次测量的花纹沟深度最大值与最小值之间差级标记为D;
5)判断轮胎偏磨严重程度,其中D取绝对值,当D位于0≤D≤1时,为无偏磨;当D位于1<D≤2时,为轻度偏磨;当D位于2<D≤4时,为中度偏磨;当D位于D>4时,为严重偏磨。
本发明实施例提供的步骤1)中轮胎周向三等分,以商标首字母标记为A点,按顺时针方向每隔120°分别标记为B和C点。
本发明实施例提供的步骤1)中花纹沟深度采用深度尺测量,测量前校准深度尺是否归零,测量时深度尺测量面需搭在被测花纹沟两侧花纹块的高点位置。
步骤S105中,本发明实施例提供的利用采用PSO-BP算法的报警器根据判断磨损程度,有效去除外界因素对报警器灵敏度的干扰,使得报警器及时根据磨损程度进行报警操作,提高工作效率;具体步骤为:
(1)初始化:设定PSO-BP神经网络的相关参数,确定神经网络的层数,每一层神经元的个数,以及需要优化的粒子维数,其中PSO算法需要优化的权值阈值总个数为:
N=(m+1)×n+(n+1)×t,
m为输入神经元个数,n为隐层神经元个数,t为输出层神经元个数,对粒子的速度和位置进行随机初始化;
(2)计算适应度:按照适应度函数计算网络输出与样本期望输出误差绝对值之和;
(3)寻找个体极值和群体极值:将每个粒子的适应度函数值与个体极值进行比较,如果适应度函数值更小,则该适应度函数值成为新的个体极值;并将新的个体极值与全局最佳适应度值进行比较,若更小,则将其作为当前的群体极值;
(4)根据离子群算法更新粒子的位置和速度;
式中:w为惯性权重;k为当前迭代次数;i为粒子的速度;d为粒子的位置;c1和c2为学习因子,也称为加速度因子,通过验证选c1=c2=2进行计算;和是介于[0,1]之间的均匀随机数;
(5)看全局最优适应度值是否小于设定误差或者迭代次数大于最大迭代次数,若不满足条件,返回步骤(3);若满足条件,则输出的全局最优粒子位置即为最优的BP神经网络权值阈值。
步骤S106中,本发明实施例提供的利用显示器采用模块级联约束式进行显示,有利于高效准确的显示气压数据、深度数据、驶里程数据、模拟数据、磨损程度,提高工作效率;具体方法为:
对于象素宽度为W的显示屏,其每个单元模块宽为WM象素,最大级联数Mmax,如果WM×Mmax<W,就需要对屏体横向分块,设屏体横向分DV为块,DV为正整数,则每块的宽度WF为:
同时每块的宽度不能超过Mmax个驱动模块总的象素宽度,即WF<WM·Mmax,由此可得:
如图2所示,本发明提供的基于计算机的轮胎不平衡量的动力学模拟系统包括:轮胎气压检测模块1、轮胎花纹深度测量模块2、里程数据采集模块3、主控模块4、实体模型构建模块5、模拟模块6、偏磨判断模块7、警报模块8、显示模块9。
轮胎气压检测模块1,与主控模块4连接,用于通过气压传感器检测轮胎气压数据;
轮胎花纹深度测量模块2,与主控模块4连接,用于通过测量器测量轮胎花纹深度数据;
里程数据采集模块3,与主控模块4连接,用于通过里程表采集汽车轮胎行驶里程数据;
主控模块4,与轮胎气压检测模块1、轮胎花纹深度测量模块2、里程数据采集模块3、实体模型构建模块5、模拟模块6、偏磨判断模块7、警报模块8、显示模块9连接,用于通过单片机控制各个模块正常工作;
实体模型构建模块5,与主控模块4连接,用于通过三维软件构建汽车的驾驶室、车架、轮胎、传动系统、货箱装置、驱动桥实体模型;
模拟模块6,与主控模块4连接,用于通过数据模型程序对轮胎不平衡量进行模拟操作;
偏磨判断模块7,与主控模块4连接,用于通过判断程序根据采集的深度、里程数据判断轮胎磨损程度;
警报模块8,与主控模块4连接,用于通过报警器根据判断磨损程度进行及时警报通知;
显示模块9,与主控模块4连接,用于通过显示器显示检测的气压数据、深度数据、驶里程数据、模拟数据、磨损程度。
本发明提供的模拟模块6模拟方法如下:
(1)利用三维软件构建汽车的驾驶室、车架、轮胎、传动系统、货箱装置、驱动桥实体模型;
(2)在所述轮辋边缘处定义轮胎不平衡质量空间坐标系,并在所述轮胎不平衡质量空间坐标系内建立不平衡质量点的位置坐标;
(3)在所述轮胎不平衡质量空间坐标系内建立独立的刚体组件,并将所述刚体组件与所述不平衡质量点进行耦合;
(4)将所述刚体组件定义为所述轮胎的轮胎不平衡质量,并定义所述轮胎在半载工况、满载工况、以及超载工况下的轮胎不平衡质量;
(5)在所述不平衡质量空间坐标系内创建刚性体不平衡质量单元,将所述刚性体不平衡质量单元与所述轮胎进行固定副连接,并在所述固定副连接处添加质点作为不平衡质量质点,所述轮胎的总的不平衡质量为所述刚性体不平衡质量单元的配重与所述不平衡质量质点的配重之和;
(6)选择所述轮胎旋转运动时的路面进行动力学模拟。
本发明提供的偏磨判断模块7判断方法如下:
1)沿轮胎周向三等均分,并标记为A、B和C,选取有磨耗标记的花纹沟并沿轮胎径向依次测量n个花纹沟的沟深,其中n≥3,并分别记做:
A1,A2,…An;
B1,B2,…Bn;
C1,C2,…Cn;
2)当轮胎行驶里程为M1时,根据步骤1)的内容进行测量,得到每条花纹沟的深度值Groove,并分别记做;
Groove1=AVERAGE(A1,B1,C1)
Groove2=AVERAGE(A2,B2,C2)
Groove3=AVERAGE(A3,B3,C3)
...
Grooven=AVERAGE(An,Bn,Cn)
3)重复步骤1)至2),记录每次测量时的行驶里程M2,M3…Mm,其中m为整数,并依次计算得到每次测量时每条花纹沟的深度值Groove;
4)按轮位区分,不同方案之间将每次测量的花纹沟深度值和行驶里程数据绘制成图表,将每次测量的花纹沟深度最大值与最小值之间差级标记为D。
5)判断轮胎偏磨严重程度,其中D取绝对值,当D位于0≤D≤1时,为无偏磨;当D位于1<D≤2时,为轻度偏磨;当D位于2<D≤4时,为中度偏磨;当D位于D>4时,为严重偏磨。
本发明提供的步骤1)中轮胎周向三等分,以商标首字母标记为A点,按顺时针方向每隔120°分别标记为B和C点。
本发明提供的步骤1)中花纹沟深度采用深度尺测量,测量前校准深度尺是否归零,测量时深度尺测量面需搭在被测花纹沟两侧花纹块的高点位置。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (6)
1.一种基于计算机的轮胎不平衡量的动力学模拟方法,其特征在于,所述基于计算机的轮胎不平衡量的动力学模拟方法包括:
第一步,利用气压传感器采用RBF神经网络模型对轮胎气压数据进行检测;利用测量器测量轮胎花纹深度数据;利用里程表采集汽车轮胎行驶里程数据;
第二步,利用三维软件构建汽车的驾驶室、车架、轮胎、传动系统、货箱装置、驱动桥实体模型;
第三步,通过数据模型程序对轮胎不平衡量进行模拟操作;模拟方法包括:
(1)利用三维软件构建汽车的驾驶室、车架、轮胎、传动系统、货箱装置、驱动桥实体模型;
(2)在轮辋边缘处定义轮胎不平衡质量空间坐标系,并在轮胎不平衡质量空间坐标系内建立不平衡质量点的位置坐标;
(3)在轮胎不平衡质量空间坐标系内建立独立的刚体组件,并将刚体组件与所述不平衡质量点进行耦合;
(4)将刚体组件定义为所述轮胎的轮胎不平衡质量,并定义轮胎在半载工况、满载工况、以及超载工况下的轮胎不平衡质量;
(5)在不平衡质量空间坐标系内创建刚性体不平衡质量单元,将刚性体不平衡质量单元与轮胎进行固定副连接,并在固定副连接处添加质点作为不平衡质量质点,轮胎的总的不平衡质量为刚性体不平衡质量单元的配重与不平衡质量质点的配重之和;
(6)选择轮胎旋转运动时的路面进行动力学模拟;
第四步,通过判断程序根据采集的深度、里程数据判断轮胎磨损程度;
第五步,利用采用PSO-BP算法的报警器根据判断磨损程度,并进行及时警报通知;
第六步,利用显示器采用模块级联约束式显示检测的气压数据、深度数据、驶里程数据、模拟数据、磨损程度。
2.如权利要求1所述的基于计算机的轮胎不平衡量的动力学模拟方法,其特征在于,所述第一步利用气压传感器采用RBF神经网络模型对轮胎气压数据进行检测具体为:RBF神经网络由输入层、隐层、输出层组成,输入层的两个输入信号为Vh和Vt;输出层的输出信号是压力Yh;输入层节点函数为斜率为1的线性函数,输出层节点是线性组合器,可调节参数就是该线性组合器的权值Wi,而隐层节点函数采用高斯函数,第i个隐层节点输出Vi为:
式中:X=(Vh,Vt)T为输入样本;Ci为高斯函数中心值;σi为标准偏差,i=1,2,…,n,n为隐层节点数;
则输出层输出为:
式中:θ为输出层神经元的阈值。
3.如权利要求1所述的基于计算机的轮胎不平衡量的动力学模拟方法,其特征在于,所述第四步通过判断程序根据采集的深度、里程数据判断轮胎磨损程度,判断方法如下:
1)沿轮胎周向三等均分,并标记为A、B和C,选取有磨耗标记的花纹沟并沿轮胎径向依次测量n个花纹沟的沟深,其中n≥3,并分别记做:
A1,A2,…An;
B1,B2,…Bn;
C1,C2,…Cn;
2)当轮胎行驶里程为M1时,根据步骤1)的内容进行测量,得到每条花纹沟的深度值Groove,并分别记做;
Groove1=AVERAGE(A1,B1,C1)
Groove2=AVERAGE(A2,B2,C2)
Groove3=AVERAGE(A3,B3,C3)
…
Grooven=AVERAGE(An,Bn,Cn)
3)重复步骤1)至2),记录每次测量时的行驶里程M2,M3…Mm,其中m为整数,并依次计算得到每次测量时每条花纹沟的深度值Groove;
4)按轮位区分,不同方案之间将每次测量的花纹沟深度值和行驶里程数据绘制成图表,将每次测量的花纹沟深度最大值与最小值之间差级标记为D;
5)判断轮胎偏磨严重程度,其中D取绝对值,当D位于0≤D≤1时,为无偏磨;当D位于1<D≤2时,为轻度偏磨;当D位于2<D≤4时,为中度偏磨;当D位于D>4时,为严重偏磨。
4.如权利要求1所述的基于计算机的轮胎不平衡量的动力学模拟方法,其特征在于,所述第五步利用采用PSO-BP算法的报警器根据判断磨损程度,具体步骤为:
(1)初始化:设定PSO-BP神经网络的相关参数,确定神经网络的层数,每一层神经元的个数,以及需要优化的粒子维数,其中PSO算法需要优化的权值阈值总个数为:
N=(m+1)×n+(n+1)×t;
m为输入神经元个数,n为隐层神经元个数,t为输出层神经元个数,对粒子的速度和位置进行随机初始化;
(2)计算适应度:按照适应度函数计算网络输出与样本期望输出误差绝对值之和;
(3)寻找个体极值和群体极值:将每个粒子的适应度函数值与个体极值进行比较,如果适应度函数值更小,则该适应度函数值成为新的个体极值;并将新的个体极值与全局最佳适应度值进行比较,若更小,则将其作为当前的群体极值;
(4)根据离子群算法更新粒子的位置和速度;
式中:w为惯性权重;k为当前迭代次数;i为粒子的速度;d为粒子的位置;c1和c2为学习因子,也称为加速度因子,通过验证选c1=c2=2进行计算;和是介于[0,1]之间的均匀随机数;
(5)看全局最优适应度值是否小于设定误差或者迭代次数大于最大迭代次数,若不满足条件,返回步骤(3);若满足条件,则输出的全局最优粒子位置即为最优的BP神经网络权值阈值。
5.一种实现权利要求1所述基于计算机的轮胎不平衡量的动力学模拟方法的基于计算机的轮胎不平衡量的动力学模拟系统,其特征在于,所述基于计算机的轮胎不平衡量的动力学模拟系统包括:
轮胎气压检测模块,与主控模块连接,用于通过气压传感器检测轮胎气压数据;
轮胎花纹深度测量模块,与主控模块连接,用于通过测量器测量轮胎花纹深度数据;
里程数据采集模块,与主控模块连接,用于通过里程表采集汽车轮胎行驶里程数据;
主控模块,与轮胎气压检测模块、轮胎花纹深度测量模块、里程数据采集模块、实体模型构建模块、模拟模块、偏磨判断模块、警报模块、显示模块连接,用于通过单片机控制各个模块正常工作;
实体模型构建模块,与主控模块连接,用于通过三维软件构建汽车的驾驶室、车架、轮胎、传动系统、货箱装置、驱动桥实体模型;
模拟模块,与主控模块连接,用于通过数据模型程序对轮胎不平衡量进行模拟操作;
偏磨判断模块,与主控模块连接,用于通过判断程序根据采集的深度、里程数据判断轮胎磨损程度;
警报模块,与主控模块连接,用于通过报警器根据判断磨损程度进行及时警报通知;
显示模块,与主控模块连接,用于通过显示器显示检测的气压数据、深度数据、驶里程数据、模拟数据、磨损程度。
6.一种应用权利要求1~4任意一项所述基于计算机的轮胎不平衡量的动力学模拟方法的轮胎动力学模拟平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910177467.6A CN109918792B (zh) | 2019-03-09 | 2019-03-09 | 一种基于计算机的轮胎不平衡量的动力学模拟系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910177467.6A CN109918792B (zh) | 2019-03-09 | 2019-03-09 | 一种基于计算机的轮胎不平衡量的动力学模拟系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109918792A true CN109918792A (zh) | 2019-06-21 |
CN109918792B CN109918792B (zh) | 2022-05-17 |
Family
ID=66964075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910177467.6A Active CN109918792B (zh) | 2019-03-09 | 2019-03-09 | 一种基于计算机的轮胎不平衡量的动力学模拟系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109918792B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353245A (zh) * | 2020-02-26 | 2020-06-30 | 南京航空航天大学 | 一种机械弹性车轮磨损程度测量方法 |
CN115284791A (zh) * | 2022-07-15 | 2022-11-04 | 山东玲珑轮胎股份有限公司 | 一种轮胎偏磨的预警方法及装置 |
CN117828299A (zh) * | 2024-01-03 | 2024-04-05 | 佛山职业技术学院 | 一种轮胎磨损度检测计算系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015125461A (ja) * | 2013-12-25 | 2015-07-06 | 横浜ゴム株式会社 | シミュレーション方法、その装置およびプログラム |
CN105760679A (zh) * | 2016-02-25 | 2016-07-13 | 安徽佳通乘用子午线轮胎有限公司 | 基于路试数据的轮胎异常磨损程度判断方法 |
CN105864643A (zh) * | 2016-03-24 | 2016-08-17 | 华北电力大学 | 基于rbf神经网络的气体管道泄漏定位实验装置及方法 |
CN108470086A (zh) * | 2018-02-09 | 2018-08-31 | 中国汽车工程研究院股份有限公司 | 轮胎不平衡量的动力学模拟方法 |
-
2019
- 2019-03-09 CN CN201910177467.6A patent/CN109918792B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015125461A (ja) * | 2013-12-25 | 2015-07-06 | 横浜ゴム株式会社 | シミュレーション方法、その装置およびプログラム |
CN105760679A (zh) * | 2016-02-25 | 2016-07-13 | 安徽佳通乘用子午线轮胎有限公司 | 基于路试数据的轮胎异常磨损程度判断方法 |
CN105864643A (zh) * | 2016-03-24 | 2016-08-17 | 华北电力大学 | 基于rbf神经网络的气体管道泄漏定位实验装置及方法 |
CN108470086A (zh) * | 2018-02-09 | 2018-08-31 | 中国汽车工程研究院股份有限公司 | 轮胎不平衡量的动力学模拟方法 |
Non-Patent Citations (1)
Title |
---|
张建 等: "基于人工智能技术的轮胎磨损性能优化", 《橡胶工业》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353245A (zh) * | 2020-02-26 | 2020-06-30 | 南京航空航天大学 | 一种机械弹性车轮磨损程度测量方法 |
CN111353245B (zh) * | 2020-02-26 | 2022-06-17 | 南京航空航天大学 | 一种机械弹性车轮磨损程度测量方法 |
CN115284791A (zh) * | 2022-07-15 | 2022-11-04 | 山东玲珑轮胎股份有限公司 | 一种轮胎偏磨的预警方法及装置 |
CN117828299A (zh) * | 2024-01-03 | 2024-04-05 | 佛山职业技术学院 | 一种轮胎磨损度检测计算系统 |
CN117828299B (zh) * | 2024-01-03 | 2024-06-07 | 佛山职业技术学院 | 一种轮胎磨损度检测计算系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109918792B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109918792A (zh) | 一种基于计算机的轮胎不平衡量的动力学模拟系统及方法 | |
US11458777B2 (en) | Tread wear monitoring system and method | |
JP5504912B2 (ja) | タイヤの使用条件評価方法及び装置、並びにタイヤの摩耗予測方法及び装置 | |
CN103660811A (zh) | 轮胎侧壁载荷估计系统和方法 | |
CN103770788A (zh) | 车辆重量和重心估计系统及方法 | |
CN106114080B (zh) | 基于车轮脉冲数绝对比较法的胎压监测预警系统和方法 | |
CN107379898A (zh) | 一种汽车轮胎安全智能检测系统 | |
CN113434954B (zh) | 一种振动式路面平整度测试车的标定方法 | |
CN109916494B (zh) | 称重设备标定方法及装置 | |
Becker et al. | Agricultural tyre stiffness change as a function of tyre wear | |
CN108228994A (zh) | 在越野道路随机激励下车辆及工作装置的应力计算方法 | |
CN113420372B (zh) | 一种乘用车整车行驶阻力的模拟计算系统和计算方法 | |
Pottinger et al. | Effect of suspension alignment and modest cornering on the footprint behavior of performance tires and heavy duty radial tires | |
CN105835634A (zh) | 轮胎气压检测方法、装置及终端 | |
CN112373247A (zh) | 一种车胎状态预警方法及装置 | |
CN102057267B (zh) | 通过比较分析估计一对轮胎的横向抓地力的方法 | |
CN109916483B (zh) | 称重设备联合监控方法及装置 | |
CN109916484B (zh) | 称重设备联合称重方法及装置 | |
CN116147746A (zh) | 车辆的称重方法、系统及计算机可读存储介质 | |
CN105774422B (zh) | 轮胎压力监控装置及方法 | |
Virkar et al. | Parametric study and experimental evaluation of vehicle tire performance | |
CN104866639B (zh) | 一种获得汽车转向系统阻力的方法及装置 | |
CN114626194A (zh) | 一种基于边界分析的重载轮胎滚动接地非对称性分析方法 | |
Nishiyama et al. | Strain measurement-based self-diagnosis of tire wear conditions in slow driving vehicles | |
CN203543542U (zh) | 电动汽车胎压监测装置 |
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 |