CN111483277A - 基于机器学习的轮胎欠压识别方法、系统及存储介质 - Google Patents
基于机器学习的轮胎欠压识别方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111483277A CN111483277A CN202010337043.4A CN202010337043A CN111483277A CN 111483277 A CN111483277 A CN 111483277A CN 202010337043 A CN202010337043 A CN 202010337043A CN 111483277 A CN111483277 A CN 111483277A
- Authority
- CN
- China
- Prior art keywords
- under
- voltage
- automobile
- wheel
- front wheel
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000010801 machine learning Methods 0.000 title abstract description 5
- 238000013528 artificial neural network Methods 0.000 claims abstract description 32
- 230000015654 memory Effects 0.000 claims description 14
- 230000007787 long-term memory Effects 0.000 claims description 7
- 230000006403 short-term memory Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 238000012549 training Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C23/00—Devices for measuring, signalling, controlling, or distributing tyre pressure or temperature, specially adapted for mounting on vehicles; Arrangement of tyre inflating devices on vehicles, e.g. of pumps or of tanks; Tyre cooling arrangements
- B60C23/06—Signalling devices actuated by deformation of the tyre, e.g. tyre mounted deformation sensors or indirect determination of tyre deformation based on wheel speed, wheel-centre to ground distance or inclination of wheel axle
- B60C23/061—Signalling devices actuated by deformation of the tyre, e.g. tyre mounted deformation sensors or indirect determination of tyre deformation based on wheel speed, wheel-centre to ground distance or inclination of wheel axle by monitoring wheel speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Measuring Fluid Pressure (AREA)
Abstract
公开了一种基于机器学习的轮胎欠压识别方法、系统及存储介质。所述方法包括:通过车载的ABS系统获取轮速数据;分别将汽车在左前轮欠压,右前轮欠压,左后轮欠压,右后轮欠压,两前轮欠压,两后轮欠压,左前轮与右后轮欠压,右前轮与左后轮欠压,仅左前轮正常,仅右前轮正常,仅左后轮正常,仅右后轮正常以及四轮欠压和四轮正常情况下的轮速数据输入神经网络,对神经网络进行训练;训练完成后,将汽车实时轮速数据输入神经网络,获得胎压情况。在汽车行驶过程中,可以根据汽车行驶的路况,驾驶员的驾驶习惯以及载重和负载分配等因素所反映出的实时胎压数据对神经网络进行训练,可以提高胎压监测的处理速度,并解决全部轮胎的欠压问题。
Description
技术领域
本公开涉及一种基于机器学习的轮胎欠压识别方法、系统及存储介质。
背景技术
汽车在运行过程中,轮胎气压会随着路况、温度、车辆姿态而发生改变,当改变幅度超过一定范围时,会影响轮胎寿命,如果长时间欠压,甚至会降低汽车行驶安全性和燃油经济性。因此,从汽车的行驶安全性和燃油经济性角度,通过减少轮胎欠压状态来减少事故量与能源消耗具有重要研究意义。
胎压检测系统主要分为直接式胎压监测系统和间接式胎压监测系统。直接式胎压监测系统结构简单,现在已比较成熟,目前最常用的是基于压力传感器的监测系统。其主要原理是:压力传感器直接对轮胎内气压以及轮胎温度信息进行采集,然后将数据传输到中央处理器中,中央处理器对数据进行简单的分析,在轮胎气压过高或过低时进行报警。间接式胎压监测系统是在不需要增加任何额外的硬件设备下,直接利用ABS内的轮速传感器测得的轮速信号,通过一系列胎压估计算法来估计轮胎气压状态的监测系统。如公开号为CN105946473B的专利申请首先获得四个车轮的转速数据,然后找出最大转速的车轮,以该车轮与其对角车轮的转速和为数据一,以另外两车轮的转速和为数据二,若数据一大于数据二,则判断该最大转速的车轮为胎压低的车轮。公开号为CN104589932B的专利申请事先从车辆的OBD接口上获取车辆的行驶数据并读取预先存储的安全标准值,将所述车辆的行驶数据与所述安全标准值进行对比,如果所述车辆的行驶数据超过了所述安全标准值,则发出报警信号。
神经网络自提出之日起就一直处于迅速发展阶段,主要应用于数据挖掘与优化,图片识别等领域。将神经网络用于胎压轮速信号的处理与判断可以提高结果的准确性并输出欠压轮胎的具体位置。
发明内容
本公开提供一种基于机器学习的轮胎欠压识别方法、系统及存储介质。通过将轮速传感器输出的轮速数据输入长短期记忆神经网络,并对神经网络进行训练,不断提高神经网络胎压判断的精度。当汽车行驶时,应用神经网络对实时数据进行分析,输出轮胎欠压情况。
本公开的至少一个实施例提供一种轮胎欠压识别方法,包括:
获取汽车的轮速数据;
建立长短期记忆神经网络,将汽车在左前轮欠压,右前轮欠压,左后轮欠压,右后轮欠压,两前轮欠压,两后轮欠压,左前轮与右后轮欠压,右前轮与左后轮欠压,仅左前轮正常,仅右前轮正常,仅左后轮正常,仅右后轮正常以及四轮欠压和四轮正常情况下的轮速数据分为训练数据和测试数据,将训练数据输入长短期记忆神经网络对其进行训练,将测试数据输入长短期记忆神经网络对其进行修正与检验;
再将实时获取的轮速数据输入训练好的长短期记忆神经网络对胎压情况进行判断。
在一些示例中,将对胎压情况的判断结果输出到仪表盘上进行显示。
本公开的至少一个实施例提供一种轮胎欠压识别系统,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行所述方法的全部或部分步骤。
本公开的至少一个实施例提供一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述方法的全部或部分步骤。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例的附图作简单地介绍。
图1是长短期记忆神经网络的结构示意图。
图2是本公开所用长短期记忆神经网络的流程图。
图3是本公开所用长短期记忆神经网络在训练和校核过程中精度不断上升,最终稳定在95%,其中横坐标为时间(单位为秒),纵坐标为准确率。
具体实施方式
如图1和图2,轮胎欠压识别方法包括以下步骤:通过车载的ABS系统,在不同车辆状态下,例如不同速度的行驶,加减速或转弯以及载重和负载分配,获取轮速数据;将汽车在左前轮欠压,右前轮欠压,左后轮欠压,右后轮欠压,两前轮欠压,两后轮欠压,左前轮与右后轮欠压,右前轮与左后轮欠压,仅左前轮正常,仅右前轮正常,仅左后轮正常,仅右后轮正常以及四轮欠压和四轮正常情况下的轮速数据输入长短期记忆神经网络,其中一部分数据(训练数据)用于输入长短期记忆神经网络,对神经网络进行训练,另一部分数据(测试数据)用于在输入长短期记忆神经网络后,对神经网络进行修正与检验;再将实时获取的轮速数据输入训练好的长短期记忆神经网络对胎压情况进行判断;最终根据神经网络对胎压情况的判断结果在仪表盘上输出各个轮胎的胎压情况;若有轮胎欠压情况发生,将根据欠压情况严重程度选择指示灯提示或者发出警报声。
数据输入过程,可以由汽车生产厂商提前测得,在汽车出厂之前输入。也可以向汽车的车载系统内直接导入训练好的神经网络,之后在汽车行驶过程中,根据车辆状况,驾驶员驾驶习惯以及路况,由长短期记忆神经网络不断对算法进行优化,提高准确度。
如图3,长短期记忆神经网络输出数据结果显示,在神经网络训练和校核过程中长短期记忆神经网络的精度不断上升,最终稳定在95%。长短期记忆神经网络可以准确地预测判断汽车轮胎胎压的情况,若有欠压轮胎,可以输出轮胎的具体位置。
在示例性实施例中,还提供一种轮胎欠压识别系统,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行存储器中的指令,以完成上述的方法的全部或部分步骤。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器,上述指令可由处理器执行以完成上述的方法的全部或部分步骤。例如,所述非临时性计算机可读存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。
相较于直接式胎压监测系统,本公开不需要额外的电子硬件,直接采取ABS系统的轮速数据,成本低,便于大范围普及。相较于传统间接式胎压检测系统,本公开处理速度更快,并可以根据车辆状况,例如载重及负载分配,驾驶员的驾驶习惯和多种路况,例如沙土路,柏油路,进行自主学习优化,提高胎压检测的准确度。相较于一般神经网络优化,长短期神经网络对长时间跨度的预测准确度更高,反应更迅速。
Claims (4)
1.一种轮胎欠压识别方法,其特征在于,包括:
获取汽车的轮速数据;
建立长短期记忆神经网络,将汽车在左前轮欠压,右前轮欠压,左后轮欠压,右后轮欠压,两前轮欠压,两后轮欠压,左前轮与右后轮欠压,右前轮与左后轮欠压,仅左前轮正常,仅右前轮正常,仅左后轮正常,仅右后轮正常以及四轮欠压和四轮正常情况下的轮速数据分为训练数据和测试数据,将训练数据输入长短期记忆神经网络对其进行训练,将测试数据输入长短期记忆神经网络对其进行修正与检验;
再将实时获取的轮速数据输入训练好的长短期记忆神经网络对胎压情况进行判断。
2.根据权利要求1所述的轮胎欠压识别方法,其特征在于,将对胎压情况的判断结果输出到仪表盘上进行显示。
3.一种轮胎欠压识别系统,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行权利要求1-2任一项所述的方法的步骤。
4.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至2任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010337043.4A CN111483277A (zh) | 2020-04-26 | 2020-04-26 | 基于机器学习的轮胎欠压识别方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010337043.4A CN111483277A (zh) | 2020-04-26 | 2020-04-26 | 基于机器学习的轮胎欠压识别方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111483277A true CN111483277A (zh) | 2020-08-04 |
Family
ID=71790486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010337043.4A Pending CN111483277A (zh) | 2020-04-26 | 2020-04-26 | 基于机器学习的轮胎欠压识别方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111483277A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113561714A (zh) * | 2021-09-24 | 2021-10-29 | 深圳市信润富联数字科技有限公司 | 轮胎负荷监测方法、装置、设备和存储介质 |
US20220042825A1 (en) * | 2020-08-04 | 2022-02-10 | Toyota Jidosha Kabushiki Kaisha | Tire proposal system |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5734319A (en) * | 1995-03-02 | 1998-03-31 | Sumitomo Rubber Industries, Ltd. | Method of determining the inflation pressure of a tire on a moving vehicle |
CN108805031A (zh) * | 2018-05-16 | 2018-11-13 | 赵超超 | 一种基于轮速信号频谱特征的可以显示绝对胎压值的间接式胎压监测方案以及方案实施细则 |
WO2019036805A1 (en) * | 2017-08-22 | 2019-02-28 | Orpyx Medical Technologies Inc. | METHOD AND SYSTEM FOR CLASSIFICATION OF ACTIVITIES |
CN110148230A (zh) * | 2019-05-20 | 2019-08-20 | 兴民智通(武汉)汽车技术有限公司 | 一种基于lstm神经网络的整车载重预测方法 |
CN110654187A (zh) * | 2019-09-29 | 2020-01-07 | 清华大学 | 基于轮速的胎压监测方法及装置 |
-
2020
- 2020-04-26 CN CN202010337043.4A patent/CN111483277A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5734319A (en) * | 1995-03-02 | 1998-03-31 | Sumitomo Rubber Industries, Ltd. | Method of determining the inflation pressure of a tire on a moving vehicle |
WO2019036805A1 (en) * | 2017-08-22 | 2019-02-28 | Orpyx Medical Technologies Inc. | METHOD AND SYSTEM FOR CLASSIFICATION OF ACTIVITIES |
CN108805031A (zh) * | 2018-05-16 | 2018-11-13 | 赵超超 | 一种基于轮速信号频谱特征的可以显示绝对胎压值的间接式胎压监测方案以及方案实施细则 |
CN110148230A (zh) * | 2019-05-20 | 2019-08-20 | 兴民智通(武汉)汽车技术有限公司 | 一种基于lstm神经网络的整车载重预测方法 |
CN110654187A (zh) * | 2019-09-29 | 2020-01-07 | 清华大学 | 基于轮速的胎压监测方法及装置 |
Non-Patent Citations (1)
Title |
---|
陈敏: "《认知计算导论》", 30 April 2017 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220042825A1 (en) * | 2020-08-04 | 2022-02-10 | Toyota Jidosha Kabushiki Kaisha | Tire proposal system |
US11781884B2 (en) * | 2020-08-04 | 2023-10-10 | Toyota Jidosha Kabushiki Kaisha | Tire proposal system |
CN113561714A (zh) * | 2021-09-24 | 2021-10-29 | 深圳市信润富联数字科技有限公司 | 轮胎负荷监测方法、装置、设备和存储介质 |
CN113561714B (zh) * | 2021-09-24 | 2022-01-07 | 深圳市信润富联数字科技有限公司 | 轮胎负荷监测方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108372785B (zh) | 一种基于图像识别的汽车非安全驾驶检测装置及检测方法 | |
CN111311914B (zh) | 车辆行驶事故监控方法、装置和车辆 | |
US8207839B2 (en) | Apparatus, method and program for detecting tire having decreased pressure using bayesian estimation means | |
CN112950974B (zh) | 车辆限速提示方法、装置、设备及存储介质 | |
US20210171050A1 (en) | System for evaluating vehicle performance | |
CN108466616B (zh) | 一种自动识别碰撞事件的方法、存储介质及车载终端 | |
CN101633297A (zh) | 一种汽车轮胎胎压监控方法 | |
US20150298676A1 (en) | Vehicle state determination device, vehicle state determination method, and driving operation diagnosis device | |
CN111483277A (zh) | 基于机器学习的轮胎欠压识别方法、系统及存储介质 | |
CN106114085B (zh) | 胎压传感器前后轮位置识别方法、装置及系统 | |
CN109094574B (zh) | 一种基于台架的无人车驾驶状态测量控制系统 | |
CN108583558B (zh) | 汽车制动方法、系统、移动终端及存储介质 | |
CN112356849A (zh) | 一种危险驾驶的预警方法及装置 | |
CN112622535A (zh) | 一种电动车胎压监测方法及系统 | |
US20220289181A1 (en) | Method for detecting driver's hands on/off steering wheel during driving and system thereof | |
CN113581214A (zh) | 一种自动驾驶车辆过坑检测方法、装置及汽车 | |
US8868281B2 (en) | Understeer assessment for vehicles | |
CN116533903B (zh) | 一种基于汽车传感器的低压预警系统及方法 | |
CN105329239A (zh) | 攻击性驾驶行为的检测和处理 | |
CN114402220A (zh) | 一种基于Radar和IMU的行车记录仪事故数据保存方法与装置 | |
CN114379294B (zh) | 一种obd的复合式胎压监测方法及系统 | |
CN113920734B (zh) | 一种基于logistics模型的变道预警方法 | |
CN111775948B (zh) | 一种驾驶行为分析方法及装置 | |
Waltereit et al. | Online Driving Behavior Scoring using Wheel Speeds. | |
CN110789278A (zh) | 一种胎压监测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200804 |