CN110395200A - 检测车轮定位状况的设备和方法 - Google Patents
检测车轮定位状况的设备和方法 Download PDFInfo
- Publication number
- CN110395200A CN110395200A CN201910285901.2A CN201910285901A CN110395200A CN 110395200 A CN110395200 A CN 110395200A CN 201910285901 A CN201910285901 A CN 201910285901A CN 110395200 A CN110395200 A CN 110395200A
- Authority
- CN
- China
- Prior art keywords
- parameter
- self
- wheel
- torque parameter
- aligning torque
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/22—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring angles or tapers; for testing the alignment of axes
- G01B21/26—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring angles or tapers; for testing the alignment of axes for testing wheel alignment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
- B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/109—Lateral acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/021—Determination of steering angle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/06—Steering behaviour; Rolling behaviour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/20—Steering systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/20—Steering systems
- B60W2510/202—Steering torque
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral speed
- B60W2520/125—Lateral acceleration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
- G01B2210/10—Wheel alignment
- G01B2210/26—Algorithms, instructions, databases, computerized methods and graphical user interfaces employed by a user in conjunction with the wheel aligner
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Vehicle Body Suspensions (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
提供了一种检测车轮错位定位的方法和设备。所述方法包括:基于从包括方向盘角度参数、速度参数、扭杆转矩参数、横向加速度参数和动力转向转矩参数中的一者或多者的数据集确定的回归模型来预测自位转矩参数;将测量的自位转矩参数和预测的自位转矩参数进行比较;以及如果所述自位转矩参数和所述预测的自位转矩参数在预定值内,则基于所述比较输出指示所述车轮定位是否正确的车轮定位状况。
Description
引言
符合示例性实施例的设备和方法涉及检测车轮定位状况。更具体地,符合示例性实施例的设备和方法涉及检测车辆的车轮定位状况。
发明内容
一个或多个示例性实施例提供了一种基于车辆传感器信息来检测车轮定位状况的方法和设备。更具体地,一个或多个示例性实施例提供了一种通过对车辆传感器信息应用模型来检测车轮定位状况的方法和设备。
根据示例性实施例的方面,提供了一种用于检测车轮定位状况的方法。所述方法包括:基于从包括扭杆转矩参数、方向盘角度参数、速度参数、横向加速度参数和动力转向转矩参数中的一者或多者的数据集确定的回归模型来预测自位转矩参数;将测量的自位转矩参数和预测的自位转矩参数进行比较;以及如果所述自位转矩参数和所述预测的自位转矩参数预定值内,则基于所述比较输出指示所述车轮定位是否正确的车轮定位状况。
所述方法还可以包括对所述方向盘角度参数、所述速度参数、所述扭杆转矩参数、所述横向加速度参数、所述动力转向转矩参数、所述预测的自位转矩参数和所述测量的自位转矩参数中的一个或多个参数进行标准化。
所述标准化可以包括根据缩放、标准化和单位长度标准化中的一者来对所述一个或多个参数进行标准化。
回归模型可以是多元非线性回归模型。所述回归模型还可以是包括输入层中的多个输入神经元中的一者或多者的神经网络,所述多个输入神经元对应于方向盘角度参数、扭杆转矩参数、速度参数、横向加速度参数和动力转向转矩参数中的一者或多者;隐藏层中的多个神经元;输出层中的至少一个输出神经元,所述一个输出神经元对应于预测的自位转矩参数;激活函数,其包括整流线性单位函数;以及均方误差函数,其用于模拟损失。
所述预定值可以对应于正确校准的车轮定位。
输出所述车轮定位状况可以输出与车轮的负外倾角状况、车轮的正外倾角状况、车轮的前束角状况、车轮的后束角状况、车轮的交叉束角中和车轮的总束角中的至少一者相对应的值来输出所述车轮定位状况。
所述方向盘角度参数可以由换能器测量,所述速度参数可以由轮速转速计测量,所述横向加速度参数可以由惯性测量单元测量,所述自位转矩参数可以从扭杆转矩计算参数和动力转向转矩参数计算,并且所述动力转向转矩参数可以从电子动力转向电流测量值计算。
输出所述车轮定位状况可以是在车辆显示器、移动装置上或在后端计算机上显示所述值。
将所述测量的自位转矩参数和所述预测的自位转矩参数进行比较可以包括将测量的自位转矩参数输出到服务器,所述服务器被配置为分析测量的自位转矩参数和预测的自位转矩参数;以及接收车轮定位状况,其基于服务器指示测量的自位转矩参数和预测的自位转矩参数是否在预定值内。
根据示例性实施例的方面,提供了一种检测车轮定位状况的设备。所述设备包括至少一个存储器,其包括计算机可执行指令;以及至少一个处理器,其被配置为读取和执行该计算机可执行指令。所述计算机可执行指令使所述至少一个处理器基于从包括方向盘角度参数、速度参数、扭杆转矩参数、横向加速度参数和动力转向转矩参数中的一者或多者的数据集确定的回归模型来预测自位转矩参数;将测量的自位转矩参数和预测的自位转矩参数进行比较;以及如果所述自位转矩参数和所述预测的自位转矩参数在预定值内,则基于所述比较输出指示所述车轮定位是否正确的车轮定位状况。
所述计算机可执行指令可以使所述至少一个处理器对所述方向盘角度参数、所述速度参数、所述横向加速度参数、所述扭杆转矩参数、所述动力转向转矩参数、所述预测的自位转矩参数和所述测量的自位转矩参数中的一者或多者进行标准化。
所述计算机可执行指令使所述至少一个处理器根据缩放、标准化和单位长度标准化中的一者进行标准化。
回归模型可以是多元非线性回归模型。所述回归模型可以是包括输入层中的多个输入神经元中的一者或多者的神经网络,所述多个输入神经元对应于方向盘角度参数、扭杆转矩参数、速度参数、横向加速度参数和动力转向转矩参数中的一者或多者;隐藏层中的多个神经元;输出层中的至少一个输出神经元,所述一个输出神经元对应于预测的自位转矩参数;激活函数,其包括整流线性单位函数;以及均方误差函数,其用于模拟损失。
所述预定值可以对应于正确校准的车轮定位。
所述计算机可执行指令可以使所述至少一个处理器通过输出与车轮的负外倾角状况、车轮的正外倾角状况、车轮的前束角状况、车轮的后束角状况、车轮的交叉束角中和车轮的总束角中的至少一者相对应的值来输出所述车轮定位状况。
所述计算机可执行指令可以使所述至少一个处理器从换能器确定所述方向盘角度参数,从轮速转速计确定所述速度参数,从惯性测量单元确定所述横向加速度参数,从扭杆转矩参数和所述动力转向转矩参数计算所述自位转矩参数,并且从电子动力转向电流测量值计算所述动力转向转矩参数。
所述计算机可执行指令可以使所述至少一个处理器通过在车辆显示器、移动装置上或在后端计算机上显示所述值来输出所述车轮定位状况。
所述计算机可执行指令可以使所述至少一个处理器通过以下操作将所述测量的自位转矩参数和所述预测的自位转矩参数进行比较:将测量的自位转矩参数输出到服务器,所述服务器被配置为分析测量的自位转矩参数和预测的自位转矩参数;以及接收车轮定位状况,其基于服务器指示测量的自位转矩参数和预测的自位转矩参数是否在预定值内。
从示例性实施例和附图的以下详细描述中,该示例性实施例的其他目的、优点和新颖特征将变得更显而易见。
附图说明
下文将结合以下附图描述所公开示例,其中相同的附图标记表示相同元件,且其中:
图1示出了根据示例性实施例的检测车轮定位状况的设备的框图;
图2示出了根据示例性实施例的用于检测车轮定位状况的方法的流程图;
图3示出了根据示例性实施例的一方面的错误车轮定位状况的图示;
图4A至4C示出了根据示例性实施例的一方面的用于检测车轮定位状况的流程图;以及
图5示出了根据示例性实施例的一方面的用于报告车轮定位状况的系统的图。
具体实施方式
现在将参考附图中的图1至5详细描述检测车轮定位状况的设备和方法,其中相同的附图标记在全文指代相同元件。
以下发明将使得本领域技术人员能够实践发明概念。然而,本文所公开的示例性实施例仅仅是示例性的并且不会将发明概念限于本文所述的示例性实施例。另外,每个示例性实施例的特征或方面的描述应通常视为对于其他示例性实施例的方面而言是可用的。
还应理解的是,当本文陈述第一元件“连接到”、“附接到”第二元件、“形成在第二元件上”或“设置在第二元件上”时,第一元件可以直接连接到第二元件、直接形成或直接设置在第二元件上,或第一元件与第二元件之间可以存在介入元件,除非陈述第一元件“直接”连接到、附接到第二元件、直接形成或直接设置在第二元件上。另外,如果第一元件被配置为从第二元件“发送”或“接收”信息,那么除非第一元件被指示为“直接”发送或接收信息到第二元件从第二元件发送或接收信息,否则第一元件可直接发送或接收信息到第二元件或经由总线从第二元件发送或接收信息、经由网络发送或接收信息或经由中间元件发送或接收信息。
在整个发明中,所公开的一个或多个元件可以组合到单个装置中或组合到一个或多个装置中。另外,单个元件可以被设置在单独装置上。
当车辆行驶时,车辆上的车轮的定位可能开始从校准或适当的位置偏移到错误位置。错误位置可以是其中车轮外倾角在与适当校准的外倾角的预定范围之外的位置。例如,负外倾角是其中与车轮的面相对应的平面与垂直于车辆下方的平坦地面的平面之间的角度使得当从车轮前部观察时车轮底部与车辆顶部相比更偏离车辆中心的状况。正外倾角是其中与车轮的面相对应的平面与垂直于车辆下方的平坦地面的平面之间的角度使得当从车轮前部观察时车轮顶部与车辆底部相比更偏离车辆中心的状况。
在另一个示例中,前束角状况是其中与车轮的面相对应的平面与平行于车辆下方的地面的线之间的角度使得当从车轮顶部观察时车轮后部与车辆前部相比更偏离车辆中心的状况。后束角状况是其中与车轮的面相对应的平面与平行于车辆下方的地面的线之间的角度使得当从车轮顶部观察时车轮后部与车辆前部相比更接近车辆中心的状况。根据又另一示例,当左轮束角减去右轮束角与校准值相差预定值时确定交叉束角状况,并且当左轮束角加上右轮束角与校准值相差预定值时发生总束角状况。束角可以是距轮胎前部的预定点的距离测量值,或者作为角度偏转量。
通常,可以通过测量参考点与车辆的车轮之间的距离或者通过将测量的角度与参考角度进行比较来诊断上述车轮定位状况。此外,车轮定位状况可能影响车辆参数,诸如方向盘角度参数、速度参数、横向加速度参数、自位转矩参数和动力转向转矩参数。因此,可以创建用于从上述车辆参数或其他车辆参数诊断或检测车轮定位状况的模型。
图1示出了根据示例性实施例的检测车轮定位状况的设备100的框图。如图1中所示,根据示例性实施例的检测车轮定位状况的设备100包括控制器101、电源102、存储装置103、输出104、用户输入106、车辆参数传感器107和通信装置108。然而,检测车轮定位状况的设备100不限于上述配置,并且可以被配置为包括附加元件和/或省略一个或多个上述元件。检测车轮定位状况的设备100可以被实施为车辆的一部分、作为独立部件、作为车载和车外装置之间的混合装置,或者在另一个计算装置中实施。
控制器101控制检测车轮定位状况的设备100的整体操作和功能。控制器101可以控制检测车轮定位状况的设备100的存储装置103、输出104、用户输入106、车辆参数传感器107以及通信装置108中的一者或多者。控制器101可以包括处理器、微处理器、中央处理单元(CPU)、图形处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、状态机、电路以及硬件、软件与固件部件的组合中的一者或多者。
控制器101被配置为从检测车轮定位状况的设备100的存储装置103、输出104、用户输入106、车辆参数传感器107以及通信装置108中的一者或多者发送和/或接收信息。所述信息可以经由总线或网络发送和接收,或者可以直接从检测车轮定位状况的设备100的存储装置103、输出104、用户输入106、车辆参数传感器107以及通信装置108中的一个或多个读取信息/被写入到其中的一者或多者。合适的网络连接的示例包括控制器局域网(CAN)、媒体导向系统转移(MOST)、本地互连网络(LIN)、局域网(LAN)、诸如蓝牙和802.11等无线网络以及诸如以太网等其他适当的连接。
电源102对确定检测车轮定位状况的设备100的控制器101、存储装置103、输出104、用户输入106、车辆参数传感器107以及通信装置108中的一者或多者供电。电源102可以包括电池、电源插座、电容器、太阳能电池、发电机、风能装置、交流发电机等中的一者或多者。
存储装置103被配置用于存储由检测车轮定位状况的设备100使用的信息并检索所述信息。存储装置103可以由控制器101控制以存储和检索从车辆参数传感器107和通信装置108接收的信息。所述信息可以包括车辆参数信息、车轮定位状况和/或车轮定位是否在基于模型的预定值内的值指示中的一者或多者。车轮定位状况信息可以包括车轮的负外倾角状态、车轮的正外倾角状况、车轮的前束角状况和车轮的后束角状况中的一者或多者。车辆参数信息可以包括方向盘角度参数、速度参数、横向加速度参数、自位转矩参数和动力转向转矩参数中的一者或多者。存储装置103还可以包括被配置为由处理器执行以执行检测车轮定位状况的设备100的功能的计算机指令。
存储装置103可以包括软盘、光盘、CD-ROM(光盘-只读存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、高速缓冲存储器和适用于存储机器可执行指令的其他类型的介质/机器可读介质中的一种或多种。
输出104以一种或多种形式输出信息,所述形式包括:视觉、听觉和/或触觉形式。输出104可以由控制器101控制以向检测车轮定位状况的设备100的用户提供输出。输出104可以包括扬声器、音频、显示器、位于中央的显示器、平视显示器、挡风玻璃显示器、触觉反馈装置、振动装置、触觉反馈装置、触摸反馈装置、全息显示器、仪表灯、指示灯等中的一者或多者。
输出104可以输出通知,其包括可听通知、光通知和显示通知中的一者或多者。所述通知可以包括关于指示车轮定位状况是否在基于模型的预定值内的值、车轮的负外倾状况、车轮的正外倾角状况、车轮的前束角状况和/或车轮的后束角状况的信息。所述通知还可以包括关于方向盘角度参数、速度参数、横向加速度参数、自位转矩参数和/或动力转向转矩参数的信息。
用户输入106被配置为向检测车轮定位状况的设备100提供信息和命令。用户输入106可以用于向控制器101提供用户输入等。用户输入106可以包括触摸屏、键盘、软键盘、按钮、运动检测器、语音输入检测器、传声器、照相机、触控板、鼠标、触摸板等中的一者或多者。用户输入106可以被配置为接收用户输入以确认或不接受输出104输出的通知。用户输入106还可以被配置为接收用户输入以激活或停用检测车轮定位状况的设备100。例如,操作员可以经由用户输入106来选择开启或关闭系统的设置。
车辆参数传感器107可以包括被配置为测量或检测包括方向盘角度参数、速度参数、横向加速度参数、自位转矩参数和动力转向转矩参数中的一者或多者的车辆参数的多个传感器中的一者或多者。例如,方向盘角度参数由换能器测量,速度参数由轮速转速计测量,横向加速度参数由惯性测量单元测量,自位转矩参数从扭杆转矩计算参数和动力转向转矩参数计算,并且动力转向转矩参数从电子动力转向电流测量值计算。
通信装置108可以由检测车轮定位状况的设备100使用来根据若干通信方法与各种类型的外部设备进行通信。通信装置108可以用于发送/接收车辆参数信息、车轮定位状况和/或车轮定位是否在基于模型的预定值内的值指示中的一者或多者。
通信装置108可以包括各种通信模块,诸如远程信息处理单元、广播接收模块、近场通信(NFC)模块、GPS接收器、有线通信模块或无线通信模块中的一者或多者。广播接收模块可以包括具有用于接收地面广播信号的天线的地面广播接收模块、解调器和均衡器等。NFC模块是根据NFC方法与位于附近距离的外部设备进行通信的模块。GPS接收器是从GPS卫星接收GPS信号并且检测当前位置的模块。有线通信模块可以是通过诸如局域网、控制器区域网(CAN)或外部网络的有线网络接收信息的模块。无线通信模块是通过使用诸如IEEE802.11协议、WiMAX、Wi-Fi或IEEE通信协议的无线通信协议连接至外部网络并且与外部网络进行通信的模块。无线通信模块可以进一步包括移动通信模块,其接入移动通信网络并且执行根据各种移动通信标准(诸如第3代(3G)、第3代合作伙伴计划(3GPP)、长期演进(LTE)、蓝牙、EVDO、CDMA、GPRS、EDGE或ZigBee)的通信。
根据示例性实施例,检测车轮定位状况的设备100的控制器101可以被配置为基于从包括方向盘角度参数、速度参数、横向加速度参数和动力转向转矩参数中的一者或多者的数据集确定的回归模型来预测自位转矩参数;比较测量的自位转矩参数和预测的自位转矩参数;以及输出车轮定位状况,其基于所述比较来指示当所述自位转矩参数和所述预测的自位转矩参数在预定值内时所述车轮定位是否适当。回归模型可以是多元非线性回归模型。
检测车轮定位状况的设备100的控制器101可以被配置为对所述方向盘角度参数、所述速度参数、所述横向加速度参数、所述动力转向转矩参数、所述预测的自位转矩参数和所述测量的自位转矩参数中的一个或多个参数进行标准化。控制器101可以根据缩放、标准化和单位长度标准化中的一者来进行标准化。
检测车轮定位状况的设备100的控制器101可以被配置为通过输出与车轮的负外倾角状况、车轮的正外倾角状况、车轮的前束角状况、车轮的后束角状况、车轮的交叉束角中和车轮的总束角中的至少一者相对应的值来输出所述车轮定位状况。
控制器101可以从换能器确定所述方向盘角度参数,从轮速转速计确定所述速度参数,从惯性测量单元确定所述横向加速度参数,从扭杆转矩参数和所述动力转向转矩参数计算所述自位转矩参数,并且从电子动力转向电流测量值计算所述动力转向转矩参数。
检测车轮定位状况的设备100的控制器101可以被配置为通过在车辆显示器、移动装置上或在后端计算机上显示所述值来输出所述车轮定位状况。
检测车轮定位状况的设备100的控制器101可以被配置为通过以下操作来将测量的自位转矩参数和预测的自位转矩参数进行比较:将测量的自位转矩参数输出到服务器,所述服务器被配置为分析测量的自位转矩参数和预测的自位转矩参数;以及接收车轮定位状况,其基于服务器指示测量的自位转矩参数和预测的自位转矩参数是否在预定值内。
图2示出了根据示例性实施例的用于检测车轮定位状况的方法的流程图。图2的方法可以由检测车轮定位状况的设备100来执行,或者可以作为可由计算机执行以执行该方法的指令而编码到计算机可读介质中。
参考图2,在操作S210中基于从数据集确定的回归模型来预测自位转矩参数。所述数据集可以包括方向盘角度参数、速度参数、横向加速度参数和动力转向转矩参数中的一个或多个车辆参数。回归模型可以是多元非线性回归模型。
在操作S220中,将测量的自位转矩参数与预测的自位转矩参数进行比较。然后,在操作S230中,如果所述自位转矩参数和所述预测的自位转矩参数在预定值内,则基于所述比较输出指示所述车轮定位是否适当的车轮定位状况。所述预定值可以对应于正确校准的车轮定位,并且输出检测车轮定位状况可以输出与车轮的负外倾角状况、车轮的正外倾角状况、车轮的交叉束角状况、车轮的前束角状况、车轮的后束角状况、车轮的总束角状况、车轮的交叉后倾角状况中的至少一者相对应的值。
数据集可以包括标准化的车辆参数,并且测量的车辆参数也可以被标准化。一个或多个参数的标准化可以根据缩放、标准化和单位长度标准化中的一者来执行。可以根据以下等式执行缩放参数:
其中x是参数,而x'是标准化参数。
可以根据以下等式执行标准化:
其中x是参数,是x的平均值,σ是x的标准偏差,而x'是标准化参数。
可以根据以下等式执行单位长度标准化:
其中x是参数,而x'是标准化参数。
图3示出了根据示例性实施例的一方面的错误车轮定位状况的图示。参考图3,在图示301中示出了负外倾角状况或者当从车辆前方观察时一个或多个车轮的顶部指向车辆的状况。在图示302中示出了正外倾角状况或者当从车辆前方观察时一个或多个车轮的顶部背离车辆的状况。在图示303中示出了前束角状况或者当从车辆顶部观察时一个或多个车轮向内指向的状况。在图示304中示出了后束角状况或者当从车辆顶部观察时一个或多个车轮向外指向的状况。
图4A至4C示出了根据示例性实施例的一方面的用于检测车轮定位状况的流程图。参考图4A,包括测量参数的多个数据集被插入到回归模型410中以预测自位转矩参数407,所述测量的参数包括方向盘角度参数401、速度参数402、横向加速度参数403和动力转向转矩参数404中的一者或多者。多个数据集可以包括标准化参数。在框408中将预测的自位转矩参数407与测量的自位转矩参数405进行比较,并且所述比较用于确定车轮定位状况409。
参考图4B,测量包括方向盘角度参数411、速度参数412、横向加速度参数413、动力转向转矩参数414和自位转矩参数415以及扭杆转矩参数(未示出)中的一者或多者的测量的参数的示例以学习回归模型410,其使用机器学习算法416来预测自位转矩415。
参考图4C,示出了神经网络形式的回归模型。神经网络包括输入层430中的四个输入神经元421至424。四个输入神经元对应于方向盘角度参数421、速度参数422、横向加速度参数423和动力转向转矩参数424的测量值。另外,多个神经元441构成隐藏层440。输出层450包括与预测的自位转矩参数425相对应的一个输出神经元。激活函数可以是整流线性单位函数、逻辑、S形函数或软阶跃函数、Tanh函数、ArcTan函数、软符号函数和参数整流线性单位函数中的一者或多者。
T均方误差函数可以用于模拟训练期间的损失。均方损失函数的示例是:
其中y是基本真值,并且是预测值。
图5示出了根据示例性实施例的一方面的用于报告车轮定位状况的系统的图。具体地,图5示出了操作环境的图示,所述操作环境包括移动车辆通信系统510并且可以用于实施本文所述的检测车轮定位状况的设备和方法。
参考图5,示出了包括移动车辆通信系统510并且可以用于实施用于检测车轮定位状况的设备和方法。通信系统510可以包括车辆512、一个或多个无线载波系统514、陆地通信网络516、计算机518以及呼叫中心520中的一者或多者。应当理解的是,所公开的用于检测车轮定位状况的设备和方法可以与任何数量的不同系统一起使用,并且不具体限于这里示出的操作环境。以下段落仅简要概述了一个这样的通信系统510;然而,这里未示出的其他系统也可以采用所公开的用于检测车轮定位状况的设备和方法。
在所示实施例中,车辆512被描绘为乘用车,但是应当明白的是,也可以使用包括摩托车、卡车、运动型多功能车(SUV)、休闲车(RV)、船舶、飞机等的任何其他车辆。用于检测图1中所示的危险车辆100的设备的一个或多个元件可以结合到车辆512中。
可以与通信设备108通信的一个联网设备是无线装置,诸如智能电话557。智能电话557可以包括计算机处理能力、能够使用短程无线协议558进行通信的收发器,以及可视智能电话显示器559。在一些实施方案中,智能电话显示器559还包括触摸屏图形用户界面和/或能够接收GPS卫星信号并且基于那些信号产生GPS坐标的GPS模块。用于检测图1中所示的危险车辆100的设备的一个或多个元件可以结合到智能电话557中。
移动装置108的GPS模块可以从GPS卫星星座560接收无线电信号,基于车载地图详情或通过兴趣点或地标来识别车辆位置。根据这些信号,通信装置108可以确定用于向车辆驾驶员提供导航和其他位置相关服务的车辆位置。导航信息可以由输出104(或车辆内的其他显示器)呈现或者可以用语言呈现,诸如在提供逐向导航时这样做。可以使用专用车内导航模块来提供导航服务,或者可以经由通信装置108来完成一些或所有导航服务。为了向车辆提供导航地图、地图注释(兴趣点、餐馆等)、路线计算等,可以将位置信息发送到远程位置。可以将位置信息供应到呼叫中心520或其他远程计算系统(诸如计算机518)以便用于其他目的,诸如车队管理。此外,通信装置可以从呼叫中心520下载新的或更新的地图数据。
车辆512可以包括呈电子硬件部件形式的车辆系统模块(VSM),所述电子硬件部件位于整辆车中并且通常从一个或多个传感器接收输入并使用所感测的输入来执行诊断、监测、控制、报告和/或其他功能。每个VSM都可以由通信总线连接到其他VSM以及控制器101,并且可以被编程为运行车辆系统和子系统诊断测试。控制器101可以被配置为从VSM发送和接收信息并控制VSM以执行车辆功能。作为示例,一个VSM可以是控制发动机操作的各个方面(诸如燃料点火和点火正时)的发动机控制模块(ECM),另一个VSM可以是外部传感器模块,其被配置为从诸如相机、雷达、LIDAR和激光器等外部传感器接收信息,另一个VSM可以是调节车辆动力传动系统的一个或多个部件的操作的动力传动系统控制模块,另一个VSM可以是检测方向盘角度参数、速度参数、横向加速度参数、自位转矩参数和/或动力转向转矩参数的车辆参数传感器,并且另一个VSM可以是控制位于整个车辆中的各种电气部件(如车辆的动力门锁和前灯)的车身控制模块。根据示例性实施例,发动机控制模块被配备有车载诊断(OBD)特征,其提供诸如从包括车辆排放传感器等各种传感器接收的数据的多种实时数据,并且提供允许技术人员快速地识别并修复车辆内故障的一系列标准化诊断故障代码(DTC)。如本领域技术人员所明白的是,上述提及的VSM仅仅是可以在车辆512中使用的一些模块的示例,因为许多其他模块也是可用的。
无线载波系统514可以是蜂窝电话系统,其包括多个蜂窝塔570(仅示出一个)、一个或多个移动交换中心(MSC)572以及将无线载波系统514与陆地网络516连接所需要的任何其他联网部件。每个蜂窝塔570都包括发送和接收天线以及基站,其中来自不同蜂窝塔的基站直接或经由诸如基站控制器等中间设备连接到MSC 572。蜂窝系统514可以实施任何合适的通信技术,包括(例如)诸如AMPS等模拟技术或诸如CDMA(例如,CDMA2000或1xEV-DO)或GSM/GPRS(例如,4G LTE)等较新数字技术。如本领域技术人员将明白的是,各种蜂窝塔/基站/MSC布置是可能的并且可以结合无线系统514使用。例如,基站和蜂窝塔可以共同位于相同站点处或它们可以远离彼此,每个基站可以负责单个蜂窝塔或单个基站可以服务于各个蜂窝塔,且各个基站可以联接到单个MSC,这里仅列举几种可能布置。
除使用无线载波系统514之外,可以使用呈卫星通信的形式的不同无线载波系统来提供与车辆的单向或双向通信。这可以使用一个或多个通信卫星562和上行链路传输站564来进行。单向通信可以为(例如)卫星无线电服务,其中节目内容(新闻、音乐等)是由传输站564接收、封装上传并且然后发送到卫星562,从而向用户广播该节目。双向通信可以为(例如)使用卫星562以在车辆512与传输站564之间中继电话通信的卫星电话服务。如果使用,则除了或代替无线载波系统514,可以利用该卫星电话。
陆地网络516可以为连接到一个或多个陆线电话并且将无线载波系统514连接至呼叫中心520的陆基电信网络。例如,陆地网络516可以包括诸如用于提供硬接线电话、分组交换数据通信以及因特网基础设施的公共交换电话网(PSTN)。一段或多段陆地网络516可以使用标准有线网络、光纤或其他光学网络、电缆网络、电力线、其他无线网络(诸如无线局域网(WLAN))或提供宽带无线接入(BWA)的网络或其任何组合来实施。另外,呼叫中心520不需要经由陆地网络516连接,反而可以包括无线电话设备使得其可以直接与无线网络(诸如无线载波系统514)通信。
计算机518可以为可经由诸如因特网等专用或公共网络接入的许多计算机中的一种。每个这样的计算机518可以用于一个或多个目的,诸如可由车辆经由通信装置108和无线载波514接入网络服务器。其他这样的可接入计算机518可以为例如:服务中心计算机,其中可以经由通信装置108从车辆上传诊断信息、车辆参数和其他车辆数据;由车主或其他用户使用的客户端计算机,其用于诸如接入或接收车辆数据或设置或配置用户偏好或控制车辆功能等目的;或第三方数据仓库,将车辆数据或其他信息提供到该第三方数据仓库或从该第三方数据仓库提供车辆数据或其他信息,而无关于是否与车辆512或呼叫中心520或这两者进行通信。计算机518还可以用于提供诸如DNS服务器或网络地址服务器等因特网连接性,该网络地址服务器使用DHCP或其他合适协议来将IP地址分配到车辆512。
呼叫中心520被设计为对车辆电子装置提供许多不同的系统后端功能,并且根据这里所示的示例性实施例,通常包括一个或多个交换机580、服务器582、数据库584、实时顾问586以及自动语音响应系统(VRS)588。这些不同的呼叫中心部件可以经由有线或无线局域网590彼此耦合。交换机580(其可以为专用交换分机(PBX)交换机)路由传入信号使得语音传输通常由常规的电话发送到实时顾问586或使用VoIP发送到自动语音响应系统588。实时顾问电话还可以使用VoIP,如图5中的虚线所指示。通过交换机580进行的VoIP和其他数据通信经由连接在交换机580与网络590之间的调制解调器(未示出)来实施。数据传输经由调制解调器传递到服务器582和/或数据库584。数据库584可以存储账户信息,诸如用户认证信息、车辆标识符、车辆参数、车轮定位状况、用于确定车轮定位状况的模型、简档记录、行为模式和其他相关用户信息。服务器582可以分析标准化数据集或参数并控制以传输指示车轮定位状况是否在预定值内的值。数据传输也可以由诸如802.11x、GPRS等无线系统进行。虽然所说明的实施例已经被描述为其将结合使用实时顾问586的人工呼叫中心520使用,但是应当明白的是,数据中心反而可以利用VRS 588来提供关于车轮定位状况的信息。
本文所公开的过程、方法或算法可交付给处理装置、控制器或计算机(可包括任何现有的可编程电子控制装置或专用电子控制装置)/由其实施。类似地,该过程、方法或算法可存储为可由控制器或计算机执行的呈许多形式的数据和指令,该形式包括(但不限于)永久地存储在诸如ROM装置的不可写存储媒介上的信息以及可变地存储在诸如软盘、磁带、CD、RAM装置以及其他磁性和光学媒介的可写存储媒介上的信息。所述过程、方法或算法还可以在软件可执行对象中实施。替代地,该过程、方法或算法可全部或部分使用合适的硬件部件(诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、状态机、控制器或其他硬件部件或装置)或硬件、软件和固件部件的组合来实施。
上文已经参考附图描述了一个或多个示例性实施例。上述示例性实施例应当认为是仅描述性意义而不是为了非限制目的。另外,在不脱离由以下权利要求书限定的发明概念的精神和范围的情况下可以修改示例性实施例。
Claims (10)
1.一种检测车轮定位状况的设备,所述设备包括:
至少一个存储器,其包括计算机可执行指令;以及
至少一个处理器,其被配置为读取和执行所述计算机可执行指令,所述计算机可执行指令使所述至少一个处理器:
基于从包括方向盘角度参数、速度参数、扭杆转矩参数、横向加速度参数和动力转向转矩参数中的一者或多者的数据集确定的回归模型来预测自位转矩参数;
将测量的自位转矩参数和预测的自位转矩参数进行比较;以及
如果所述自位转矩参数和所述预测的自位转矩参数在预定值内,则基于所述比较输出指示所述车轮定位是否正确的车轮定位状况。
2.根据权利要求1所述的设备,其中所述计算机可执行指令使所述至少一个处理器对所述方向盘角度参数、所述速度参数、所述横向加速度参数、所述扭杆转矩参数、所述动力转向转矩参数、所述预测的自位转矩参数和所述测量的自位转矩参数中的一者或多者进行标准化。
3.根据权利要求2所述的设备,其中所述计算机可执行指令使所述至少一个处理器根据缩放、标准化和单位长度标准化中的一者进行标准化。
4.根据权利要求1所述的设备,其中所述回归模型是多元非线性回归模型。
5.根据权利要求1所述的设备,其中所述回归模型是包括以下各项中的一者或多者的神经网络:
输入层中的多个输入神经元,所述多个输入神经元对应于方向盘角度参数、扭杆转矩参数、速度参数、横向加速度参数和动力转向转矩参数中的一者或多者;
隐藏层中的多个神经元;
输出层中的至少一个输出神经元,所述一个输出神经元对应于预测的自位转矩参数;
激活函数,其包括整流线性单位函数;以及
均方误差函数,其用于模拟损失。
6.根据权利要求1所述的设备,其中所述预定值对应于正确校准的车轮定位。
7.根据权利要求1所述的设备,其中所述计算机可执行指令使所述至少一个处理器通过输出与车轮的负外倾角状况、车轮的正外倾角状况、车轮的前束角状况、车轮的后束角状况、车轮的交叉束角中和车轮的总束角中的至少一者相对应的值来输出所述车轮定位状况。
8.根据权利要求1所述的设备,其中所述计算机可执行指令使所述至少一个处理器从换能器确定所述方向盘角度参数,从轮速转速计确定所述速度参数,从惯性测量单元确定所述横向加速度参数,从扭杆转矩参数和所述动力转向转矩参数计算所述自位转矩参数,并且从电子动力转向电流测量值计算所述动力转向转矩参数。
9.根据权利要求1所述的设备,其中所述计算机可执行指令使所述至少一个处理器通过在车辆显示器、移动装置上或在后端计算机上显示所述值来输出所述车轮定位状况。
10.根据权利要求1所述的设备,其中所述计算机可执行指令使所述至少一个处理器通过以下操作来将所述测量的自位转矩参数与所述预测的自位转矩参数进行比较:
将所述测量的自位转矩参数传输到服务器,所述服务器被配置为分析所述测量的自位转矩参数;以及
接收所述车轮定位状况,其基于所述服务器指示所述测量的自位转矩参数和所述预测的自位转矩参数是否在所述预定值内。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/960,948 US11487993B2 (en) | 2018-04-24 | 2018-04-24 | Apparatus and method that detect wheel alignment condition |
US15/960948 | 2018-04-24 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110395200A true CN110395200A (zh) | 2019-11-01 |
CN110395200B CN110395200B (zh) | 2023-03-21 |
Family
ID=68105366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910285901.2A Active CN110395200B (zh) | 2018-04-24 | 2019-04-10 | 检测车轮定位状况的设备和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11487993B2 (zh) |
CN (1) | CN110395200B (zh) |
DE (1) | DE102019109671B4 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112985843A (zh) * | 2019-12-02 | 2021-06-18 | 长城汽车股份有限公司 | 车轮定位失调的检测方法、检测装置及终端 |
CN113295111A (zh) * | 2021-04-06 | 2021-08-24 | 东风汽车集团股份有限公司 | 车辆对中方法、系统及计算机可读存储介质 |
TWI819729B (zh) * | 2022-08-03 | 2023-10-21 | 緯創資通股份有限公司 | 車輛定位異常檢查方法及行車電腦 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11462209B2 (en) * | 2018-05-18 | 2022-10-04 | Baidu Usa Llc | Spectrogram to waveform synthesis using convolutional networks |
CN111605558B (zh) * | 2020-04-21 | 2022-07-19 | 浙江吉利控股集团有限公司 | 一种车辆速度的确定方法、装置、电子设备和车辆 |
US11993282B2 (en) * | 2020-06-15 | 2024-05-28 | Snap-On Incorporated | Apparatus and method for calibrating and aligning automotive sensors |
US20220028187A1 (en) * | 2020-07-23 | 2022-01-27 | Denso International America, Inc. | Method and system of managing a vehicle abnormality of a fleet vehicle |
KR20220029802A (ko) * | 2020-08-27 | 2022-03-10 | 현대자동차주식회사 | 차량의 액추에이터 고장 검출 장치 및 그 방법 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020011093A1 (en) * | 2000-06-29 | 2002-01-31 | Fuji Jukogyo Kabushiki Kaisha | Road friction coefficient estimating apparatus and vehicle equipped with road friction coefficient estimating apparatus |
US20020029101A1 (en) * | 2000-09-05 | 2002-03-07 | Hunter Engineering Company | Method and apparatus for networked wheel alignment communications and services |
CN101878122A (zh) * | 2007-11-30 | 2010-11-03 | 沃尔沃拉斯特瓦格纳公司 | 识别车轮模块的位置的方法 |
CN102874301A (zh) * | 2011-07-12 | 2013-01-16 | 现代摩比斯株式会社 | 利用电动式动力转向装置的车轮定位装置及其方法 |
CN103241195A (zh) * | 2012-02-06 | 2013-08-14 | 英飞凌科技股份有限公司 | 车轮定位器、车轮定位设备、系统、方法和计算机程序 |
CN105984498A (zh) * | 2016-03-07 | 2016-10-05 | 浙江吉利汽车研究院有限公司 | 汽车车轮定位判断装置及其判断方法 |
CN106938664A (zh) * | 2016-01-04 | 2017-07-11 | 通用汽车环球科技运作有限责任公司 | 车轮对准监测 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8634986B2 (en) | 2011-03-30 | 2014-01-21 | GM Global Technology Operations LLC | Friction-based state of health indicator for an electric power steering system |
-
2018
- 2018-04-24 US US15/960,948 patent/US11487993B2/en active Active
-
2019
- 2019-04-10 CN CN201910285901.2A patent/CN110395200B/zh active Active
- 2019-04-11 DE DE102019109671.5A patent/DE102019109671B4/de active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020011093A1 (en) * | 2000-06-29 | 2002-01-31 | Fuji Jukogyo Kabushiki Kaisha | Road friction coefficient estimating apparatus and vehicle equipped with road friction coefficient estimating apparatus |
US20020029101A1 (en) * | 2000-09-05 | 2002-03-07 | Hunter Engineering Company | Method and apparatus for networked wheel alignment communications and services |
CN101878122A (zh) * | 2007-11-30 | 2010-11-03 | 沃尔沃拉斯特瓦格纳公司 | 识别车轮模块的位置的方法 |
CN102874301A (zh) * | 2011-07-12 | 2013-01-16 | 现代摩比斯株式会社 | 利用电动式动力转向装置的车轮定位装置及其方法 |
CN103241195A (zh) * | 2012-02-06 | 2013-08-14 | 英飞凌科技股份有限公司 | 车轮定位器、车轮定位设备、系统、方法和计算机程序 |
CN106938664A (zh) * | 2016-01-04 | 2017-07-11 | 通用汽车环球科技运作有限责任公司 | 车轮对准监测 |
CN105984498A (zh) * | 2016-03-07 | 2016-10-05 | 浙江吉利汽车研究院有限公司 | 汽车车轮定位判断装置及其判断方法 |
Non-Patent Citations (1)
Title |
---|
JASON DEUTSCH: "Using Deep Learning-Based Approach to Predict Remaining Useful Life of Rotating Components", 《IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS: SYSTEMS》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112985843A (zh) * | 2019-12-02 | 2021-06-18 | 长城汽车股份有限公司 | 车轮定位失调的检测方法、检测装置及终端 |
CN112985843B (zh) * | 2019-12-02 | 2023-03-28 | 长城汽车股份有限公司 | 车轮定位失调的检测方法、检测装置及终端 |
CN113295111A (zh) * | 2021-04-06 | 2021-08-24 | 东风汽车集团股份有限公司 | 车辆对中方法、系统及计算机可读存储介质 |
TWI819729B (zh) * | 2022-08-03 | 2023-10-21 | 緯創資通股份有限公司 | 車輛定位異常檢查方法及行車電腦 |
Also Published As
Publication number | Publication date |
---|---|
CN110395200B (zh) | 2023-03-21 |
DE102019109671A1 (de) | 2019-10-24 |
US11487993B2 (en) | 2022-11-01 |
US20190325290A1 (en) | 2019-10-24 |
DE102019109671B4 (de) | 2023-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110395200A (zh) | 检测车轮定位状况的设备和方法 | |
CN107944899A (zh) | 基于远程信息处理的车辆价值报告 | |
US8583318B2 (en) | Method for conducting vehicle-related survey | |
US8886389B2 (en) | Method of providing directions to a vehicle service facility | |
CN108805026A (zh) | 用于检测和分类与车辆相关联的对象的方法和设备 | |
US8112261B2 (en) | Methods and simulation tools for predicting GPS performance in the broad operating environment | |
CN101621762B (zh) | 来自交通工具远程信息处理单元的交通数据传输 | |
CN110753392A (zh) | 基于车联网的蓝牙钥匙定位系统及方法 | |
CN109791635A (zh) | 用于更新诊断与修理信息的方法及系统 | |
CN109547401A (zh) | 网络安全漏洞优先化和修复 | |
US9466158B2 (en) | Interactive access to vehicle information | |
ES2904656T3 (es) | Método y aparato de reparación de vehículos | |
CN110703739B (zh) | 车辆诊断方法、路侧单元、车载单元、系统及存储介质 | |
CN109357681A (zh) | 与手持无线装置协调的车辆导航服务 | |
CN108216025A (zh) | 提供乘员提醒的方法和装置 | |
CN110126836A (zh) | 用于共享自主车辆的乘坐者评级系统和方法 | |
CN110395199A (zh) | 检测车轮定位状况的设备和方法 | |
CN107757539A (zh) | 用于检测安全气囊爆发的方法和设备 | |
CN106767918B (zh) | 电子地图中应答器位置数据校准方法、终端及控制中心 | |
CN108759850A (zh) | 新能源汽车充电导航系统 | |
US20190096397A1 (en) | Method and apparatus for providing feedback | |
CN109147086A (zh) | 用于产生关于车辆中的部件的预后信息的方法和系统 | |
CN108631892A (zh) | 检测卫星无线电接收干扰 | |
CN108871360A (zh) | 产生用于车辆的基于导航的路线的方法 | |
US11260772B2 (en) | System, method and apparatus that detect and remedy battery health conditions |
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 |