CN111497812A - 一种基于平台的车辆刹车系统监测方法 - Google Patents
一种基于平台的车辆刹车系统监测方法 Download PDFInfo
- Publication number
- CN111497812A CN111497812A CN201910101585.9A CN201910101585A CN111497812A CN 111497812 A CN111497812 A CN 111497812A CN 201910101585 A CN201910101585 A CN 201910101585A CN 111497812 A CN111497812 A CN 111497812A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- gradient
- platform
- brake
- 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
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
- B60T17/00—Component parts, details, or accessories of power brake systems not covered by groups B60T8/00, B60T13/00 or B60T15/00, or presenting other characteristic features
- B60T17/18—Safety devices; Monitoring
- B60T17/22—Devices for monitoring or checking brake systems; Signal devices
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Regulating Braking Force (AREA)
Abstract
本发明公开一种基于平台的车辆刹车系统监测方法,包括监测系统,数据采集器与平台信号连接,并分别与载重传感器、人机交互界面、惯性测量单元、车辆OBD信号连接;采集数据;通过惯性测量单元获得信息;对坡度进行计算,将将斜坡方向的分力作为输入值;获得每个神经元的误差,将误差再传给隐藏层,隐藏层通过收敛函数不断迭代,直到神经网络收敛;将数据传输到训练好的神经网络中,得到制动能力最大值;与车辆默认值对比,若低于该值则刹车系统判定系统异常,提醒检修。本发明可实时检测,突破时空限制,能及时反馈当前刹车系统状态;收集行车驾驶者的刹车深度和刹车力度信息,提前预测刹车系统性能。
Description
技术领域
本发明属于车辆刹车技术领域,特别涉及一种基于平台的车辆刹车系统监测方法。
背景技术
商用车吨位大,使用环境较为恶劣,而且多数为长途运输;所以车辆的刹车系统多数受到外部环境的侵蚀、腐化,异或长时间使用缺乏维护,导致刹车系统失灵或性能下降,往往在关键时刻刹车效果不佳,引起的交通事故普遍为群体事件,带来的损失更是巨大,社会影响深远。
为了解决这个问题,当前采用的技术方案有:
1.淋水降温;通过改装刹车系统,加装刹车鼓或刹车片的淋水降温系统,防止车辆制动系统过热引起制动性能衰减、自燃;然而淋水降温会加速刹车系统老化,对刹车系统性能的提升也只是短暂和暂时的;
2.定期或公里数维护;听从厂家建议,定期或固定公里数后到服务站检修、保养;然而这也只是降低刹车系统失灵的风险,不具备识别、预测潜在的刹车系统失灵风险;而且商用车大多运输、使用里程较远,无法在途中实时检测刹车系统性能是否正常;
3.平台式管理的方法,即收集行车里程和使用时间,综合数据推送车辆保养提醒;但同样存在没法预测潜在刹车失灵风险和实时检测刹车系统。
发明内容
本发明针对现有技术中存在的技术问题,提供一种基于平台的车辆刹车系统监测方法,可达到实时检测,突破时空限制,能及时反馈当前刹车系统状态;收集行车驾驶者的刹车深度和刹车力度信息,提前预测刹车系统性能的有益效果。
为解决上述技术问题,本发明采用的技术方案是:一种基于平台的车辆刹车系统监测方法,包括监测系统,所述监测系统包括载重传感器、数据采集器、人机交互界面、惯性测量单元、车辆OBD;所述数据采集器与平台信号连接,并分别与载重传感器、人机交互界面、惯性测量单元、车辆OBD信号连接;
所述监测方法包括以下步骤:
(1)采集数据,其中数据包括车辆减速度、坡度、载重、车速、刹车踏板深度;
通过惯性测量单元获得车辆的减速度、坡度,连接车辆的OBD/UDS接口去获取车辆的车速、刹车踏板深度信息;
(2)对坡度和迎风阻力进行计算;
对坡度进行计算,将车辆整体重量G进行正交分解求得在斜坡方向的分力Fx,直斜坡方向的分力Fy:
Fx=G·cosθ,Fy=G·sinθ
其中θ为坡度,G为整车重量,将斜坡方向的分力Fx作为输入值;
(3)对神经网络进行训练;
集中收集车辆每一次刹车前一时刻的车辆状态数据A,同时收集车辆下一时刻刹车动作的效果数据B;每一对数据A和数据B即为网络训练的一个样本数据,将采集的样本数据,通过已知数据算出一组权量,通过组权量向前传播,获得每个神经元的误差,将误差再传给隐藏层,隐藏层通过收敛函数不断迭代,直到神经网络收敛;
其中收敛函数表达式为:
(4)将数据传输到训练好的神经网络中,得到制动能力最大值amaxm/s2;
影响因素包括:车辆减速度、刹车踏板深度、坡度、车速;
(5)amaxm/s2与车辆默认值6.5m/s2对比,若低于该值则刹车系统判定系统异常,推送至用户端,提醒检修。
与现有技术相比,本发明所具有的有益效果是:本发明实时监测商用车刹车系统,突破时空限制,能及时反馈当前刹车系统状态,预知刹车系统潜在风险;收集行车驾驶者的刹车深度和刹车力度信息,预测刹车系统性能,提醒驾驶者做好准备。
附图说明
图1为本发明的结构框图;
图2为本发明的方法流程示意图。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案,下面结合附图和具体实施例对本发明作详细说明。
本发明的实施例公开了一种基于平台的车辆刹车系统监测方法,如图所示,其包括监测系统,所述监测系统包括载重传感器、数据采集器、人机交互界面、惯性测量单元、车辆OBD;所述数据采集器与平台信号连接,并分别与载重传感器、人机交互界面、惯性测量单元、车辆OBD信号连接;
所述监测方法包括以下步骤:
(1)采集数据,其中车辆减速度2m/s2、坡度θ=30°、载重49吨、车速60Km/h、刹车踏板深度100%;
(2)对坡度和迎风阻力进行计算;
对坡度进行计算,将车辆整体重量49000N进行正交分解求得在斜坡方向的分力Fx,直斜坡方向的分力Fy:
Fx=G·cosθ,Fy=G·sinθ
其中θ为坡度,G为整车重量,将斜坡方向的分力Fx作为输入值;
Fx=49000*cosθ=42435.224(N)
(3)对神经网络进行训练;
集中收集车辆每一次刹车前一时刻的车辆状态数据A,同时收集车辆下一时刻刹车动作的效果数据B;每一对数据A和数据B即为网络训练的一个样本数据,将采集的样本数据,通过已知数据算出一组权量,通过组权量向前传播,获得每个神经元的误差,将误差再传给隐藏层,隐藏层通过收敛函数不断迭代,直到神经网络收敛;
其中收敛函数表达式为:
(4)将数据传输到训练好的神经网络中,得到制动能力最大值amax=5.8m/s2;
影响因素包括:车辆减速度、刹车踏板深度、坡度、车速;
(5)5.8m/s2与车辆默认值6.5m/s2对比,低于该值。由于车辆踏板已全部踩下,此时制动力已达到100%,但车辆的实际减速度仍小于模型计算出车辆应有的减速度,则刹车系统判定系统异常,推送至用户端,提醒检修。
惯性测量单元采用MPU-6000(6050)为全球首例整合性6轴运动处理组件,相较于多组件方案,免除了组合陀螺仪与加速器时间轴之差的问题,减少了大量的封装空间。MPU-6000(6050)的角速度全格感测范围为±250、±500、±1000与±2000°/sec(dps),可准确追踪快速与慢速动作,并且,用户可程式控制的加速器全格感测范围为±2g、±4g±8g与±16g。本方案选用±250°/sec(dps)、±2g即满足车辆物理运动特性。
数据采集器采用NXP的MCIMX537CVV8C,是基于CortexTM-A8内核的高级多媒体和高能效处理器,每个内核运行速率高达880MHz。其性能和功耗均经过优化,可满足高端、高级应用的严苛要求。该处理器含有集成显示控制器、全高清(HD)支持、增强型图形和连接功能,非常适用于消费电子、汽车、医疗和工业控制市场中的各种应用。
以上通过实施例对本发明进行了详细说明,但所述内容仅为本发明的示例性实施例,不能被认为用于限定本发明的实施范围。本发明的保护范围由权利要求书限定。凡利用本发明所述的技术方案,或本领域的技术人员在本发明技术方案的启发下,在本发明的实质和保护范围内,设计出类似的技术方案而达到上述技术效果的,或者对申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖保护范围之内。应当注意,为了清楚的进行表述,本发明的说明中省略了部分与本发明的保护范围无直接明显的关联但本领域技术人员已知的部件和处理的表述。
Claims (2)
1.一种基于平台的车辆刹车系统监测方法,其特征在于,包括监测系统,所述监测系统包括载重传感器、数据采集器、人机交互界面、惯性测量单元、车辆OBD;所述数据采集器与平台信号连接,并分别与载重传感器、人机交互界面、惯性测量单元、车辆OBD信号连接;
所述监测方法包括以下步骤:
(1)采集数据,其中数据包括车辆减速度、坡度、载重、车速、刹车踏板深度;
通过惯性测量单元获得车辆的减速度、坡度,连接车辆的OBD/UDS接口去获取车辆的车速、刹车踏板深度信息;
(2)对坡度和迎风阻力进行计算;
对坡度进行计算,将车辆整体重量G进行正交分解求得在斜坡方向的分力Fx,直斜坡方向的分力Fy:
Fx=G·cosθ,Fy=G·sinθ
其中θ为坡度,G为整车重量,将斜坡方向的分力Fx作为输入值;
(3)对神经网络进行训练;
集中收集车辆每一次刹车前一时刻的车辆状态数据A,同时收集车辆下一时刻刹车动作的效果数据B;每一对数据A和数据B即为网络训练的一个样本数据,将采集的样本数据,通过已知数据算出一组权量,通过组权量向前传播,获得每个神经元的误差,将误差再传给隐藏层,隐藏层通过收敛函数不断迭代,直到神经网络收敛;
其中收敛函数表达式为:
(4)将数据传输到训练好的神经网络中,得到制动能力最大值amaxm/s2;
影响因素包括:车辆减速度、刹车踏板深度、坡度、车速;
(5)amaxm/s2与车辆默认值对比,若低于该值则刹车系统判定系统异常,推送至用户端,提醒检修。
2.根据权利要求1所述的一种基于平台的车辆刹车系统监测方法,其特征在于,步骤(5)中车辆默认值为6.5m/s2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910101585.9A CN111497812A (zh) | 2019-01-31 | 2019-01-31 | 一种基于平台的车辆刹车系统监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910101585.9A CN111497812A (zh) | 2019-01-31 | 2019-01-31 | 一种基于平台的车辆刹车系统监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111497812A true CN111497812A (zh) | 2020-08-07 |
Family
ID=71875880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910101585.9A Pending CN111497812A (zh) | 2019-01-31 | 2019-01-31 | 一种基于平台的车辆刹车系统监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111497812A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222187A (zh) * | 2021-04-15 | 2021-08-06 | 中通服咨询设计研究院有限公司 | 一种共享助力车刹车健康度智能监测方法 |
CN113654568A (zh) * | 2021-08-09 | 2021-11-16 | 广州大学 | 基于车辆刹车次数的导航方法、装置、介质和设备 |
GB2613135A (en) * | 2021-07-27 | 2023-05-31 | Microlise Ltd | Brake performance monitoring system |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107618508A (zh) * | 2017-10-15 | 2018-01-23 | 安徽理工大学 | 一种车辆智能刹车系统及其工作方法 |
CN207208040U (zh) * | 2017-08-31 | 2018-04-10 | 天津所托瑞安汽车科技有限公司 | 一种车辆自适应主动刹车系统 |
US20180281769A1 (en) * | 2017-03-28 | 2018-10-04 | International Business Machines Corporation | Managing vehicle brake system |
US20180297573A1 (en) * | 2017-04-18 | 2018-10-18 | The Boeing Company | Brake Health Indicator Systems Using Input and Output Energy |
CN109213121A (zh) * | 2018-08-07 | 2019-01-15 | 重庆大学 | 一种风机制动系统卡缸故障诊断方法 |
-
2019
- 2019-01-31 CN CN201910101585.9A patent/CN111497812A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180281769A1 (en) * | 2017-03-28 | 2018-10-04 | International Business Machines Corporation | Managing vehicle brake system |
US20180297573A1 (en) * | 2017-04-18 | 2018-10-18 | The Boeing Company | Brake Health Indicator Systems Using Input and Output Energy |
CN207208040U (zh) * | 2017-08-31 | 2018-04-10 | 天津所托瑞安汽车科技有限公司 | 一种车辆自适应主动刹车系统 |
CN107618508A (zh) * | 2017-10-15 | 2018-01-23 | 安徽理工大学 | 一种车辆智能刹车系统及其工作方法 |
CN109213121A (zh) * | 2018-08-07 | 2019-01-15 | 重庆大学 | 一种风机制动系统卡缸故障诊断方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222187A (zh) * | 2021-04-15 | 2021-08-06 | 中通服咨询设计研究院有限公司 | 一种共享助力车刹车健康度智能监测方法 |
CN113222187B (zh) * | 2021-04-15 | 2024-05-03 | 中通服咨询设计研究院有限公司 | 一种共享助力车刹车健康度智能监测方法 |
GB2613135A (en) * | 2021-07-27 | 2023-05-31 | Microlise Ltd | Brake performance monitoring system |
CN113654568A (zh) * | 2021-08-09 | 2021-11-16 | 广州大学 | 基于车辆刹车次数的导航方法、装置、介质和设备 |
CN113654568B (zh) * | 2021-08-09 | 2024-02-20 | 广州大学 | 基于车辆刹车次数的导航方法、装置、介质和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111497812A (zh) | 一种基于平台的车辆刹车系统监测方法 | |
WO2016074608A2 (zh) | 车辆运行监控、监视、数据处理、超载监控的方法及系统 | |
WO2017012575A1 (zh) | 综合车辆的数据测算、监控、监视、处理的方法及系统 | |
WO2017080471A1 (zh) | 综合车辆的数据测算、监控、监视、处理的方法及系统 | |
CN113222187B (zh) | 一种共享助力车刹车健康度智能监测方法 | |
CN111746595B (zh) | 一种快捷货运列车走行部运行安全智能监测系统 | |
CN113642242A (zh) | 一种基于数字孪生的智能公交车交通仿真平台 | |
CN109606329A (zh) | 一种货运车辆长下坡制动器温度监测控制装置及其控制方法 | |
CN113112176A (zh) | 一种基于大数据的企业碳排放可视化预警系统 | |
Hao et al. | Connected Eco-approach and Departure System for Diesel Trucks | |
CN106980313B (zh) | 一种汽车驾驶方式优化系统及优化方法 | |
CN109484290A (zh) | 一种新能源汽车行人提醒方法、设备及存储设备 | |
CN113639838B (zh) | 一种车辆自动称重系统 | |
CN111361567A (zh) | 一种车辆驾驶中应急处理的方法及设备 | |
CN202649236U (zh) | 一种高速列车内环境舒适性监测装置 | |
CN111982531B (zh) | 评估电池与整车匹配性的方法 | |
CN106740867A (zh) | 一种电动汽车车辆可行驶里程计算系统 | |
CN204359419U (zh) | 一种车辆应变称重系统 | |
Mishra et al. | Design and analysis for wireless tire pressure sensing system | |
CN115009249A (zh) | 一种提醒保养或更换刹车片的方法、系统及计算机可读存储介质 | |
CN207208040U (zh) | 一种车辆自适应主动刹车系统 | |
CN109664708A (zh) | 车辆及车身高度调整方法、系统、电子设备和存储介质 | |
CN108995539A (zh) | 能量回收控制方法、系统及电动汽车 | |
CN104501929A (zh) | 车辆应变称重系统 | |
CN109421679A (zh) | 一种车辆自适应主动刹车方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200807 |