CN112223962A - 一种基于路面触觉感知的智能车辆控制系统及方法 - Google Patents

Abstract

本发明提供一种基于路面触觉感知的智能车辆控制系统，包括应变传感器矩阵、轮胎、高速滑环、数据预处理单元、无线信号传输单元、触觉感知单元以及车辆控制单元，应变传感器矩阵固定在轮胎的内壁上，高速滑环与轮辋固定，将应变传感器矩阵与数据预处理单元电气连接，其中高速滑环的信号输入端与所述应变传感器矩阵连接，输出端与数据预处理单元连接；当应变传感器矩阵发生应变产生电信号时，通过高速滑环将电信号传递至数据预处理单元，所述数据预处理单元与无线信号传输单元相连后将信号无线传输至触觉感知单元，触觉感知单元与车辆控制单元连接，本发明还提供智能车辆控制方法，保证行车安全。

Description

一种基于路面触觉感知的智能车辆控制系统及方法

技术领域

本发明属于无人驾驶技术领域，具体涉及一种基于路面触觉感知的智能车辆控制系统及方法。

背景技术

近年来，无人驾驶技术快速发展，其主要技术难点集中在感知、决策和控制三方面。

关于无人驾驶车辆的感知实现，目前普遍采用摄像头和雷达的方式来感知交通状况和周围建筑等，即通过视觉感知来获得周围环境信息，而关于路面信息的触觉感知还尚待研究。轮胎作为车辆与地面接触的唯一部件，也是地面向车辆传递驱动力和制动力的媒介，轮胎的状态能直接影响车辆行驶的稳定性，同时也能一定程度上反映车辆的动力参数。通过将轮胎智能化，为轮胎赋予触觉参数，即可获得轮胎与地面的接触状态。

关于无人驾驶车辆的控制实现，目前普遍基于车辆动力学分析，以车辆油门踏板、制动踏板等作为输入，以实现车辆动力性的最优化。而在车辆行驶过程中，一些路面关键参数，如车速、路面附着系数、路面种类等无法准确测量，通常结合动力学分析进行估计，再将估计值近似于真实值作为车辆控制算法的输入量，常用的有卡尔曼滤波器、斜率法等。这种估计算法一方面需要大量的计算过程，一方面估计值于真实值存在一定误差，难以保证估计算法的准确性。

近年来，智能轮胎技术方兴未艾，智能轮胎是指在轮胎内布置多种传感器和数据处理单元，通过对传感器数据的分析处理，获得当前的车辆行驶状态和路面的地形参数等，这些参数可作为无人驾驶车辆感知周围环境、进行车辆动力学控制的重要参数，保障车辆感知的全面性、驾驶的安全性、优化动力学控制。

发明内容

针对上述现有技术存在的问题，提供一种基于路面触觉感知的智能车辆控制系统及方法，在轮胎内添加传感器、单片机，通过对轮胎信息采集以及配合方法进行信息分析，一方面可实时监控轮胎状态，保证行驶安全；另一方面也可以获得车辆行驶的动力参数和接触状况，为整车动力学提供关键参数，优化控制策略，提高控制精度。

本发明的目的在于提供一种基于路面触觉感知的智能车辆控制系统，包括应变传感器矩阵1、轮胎2、高速滑环3、数据预处理单元4、无线信号传输单元5、触觉感知单元6和车辆控制单元，所述应变传感器矩阵1机械固定在所述轮胎2的内壁上，所述轮胎2安装车辆的驱动桥上，为车辆提供前进的动力和制动力，所述轮胎2为所述路面触觉感知的主体，为其他部件提供安装空间，所述高速滑环3与轮辋机械固定，用于所述应变传感器矩阵1与所述数据预处理单元4之间的媒介，将所述应变传感器矩阵1与所述数据预处理单元4电气连接，其中所述高速滑环3的信号输入端与所述应变传感器矩阵1连接，输出端与所述数据预处理单元4连接；当所述应变传感器矩阵1发生应变产生电信号时，通过所述高速滑环3将电信号传递至所述数据预处理单元4，所述数据预处理单元4设置在所述轮胎2的中间，所述数据预处理单元4与所述无线信号传输单元5相连后将信号无线传输至所述触觉感知单元6，所述触觉感知单元6与车辆控制单元连接。

优选的，所述应变传感器矩阵1为压电式应变传感器矩阵。

优选的，所述数据预处理单元4设置于轮毂中心，与所述高速滑环3电气连接，接收来自所述应变传感器矩阵1采集到的电压信号，对所述电压信号进行放大并标记其对应传感器位置，然后通过A/D转换将模拟信号转换为数字信号，并将信号发送至所述无线信号传输单元5，所进行传输的数据作为路面触觉感知方法的输入量，所述数据预处理单元4与所述无线信号传输单元5相连后将信号无线传输至所述触觉感知单元6。

优选的，所述无线信号传输单元5采用模拟量无线电转换器，通过天线将数据发送至所述触觉感知单元6。

优选的，所述触觉感知单元6用于处理所述应变传感器矩阵的电信号，结合深度学习算法，分析得出当前车辆的行驶情况及路面信息，生成对当前路面的三维信息感知，为智能驾驶车辆提供对路面的触觉感知。

优选的，所述触觉感知单元6内设置无线数据接收模块，用于接收来自应变传感器矩阵1的信号，并将所述信号解调，获得放大后的传感器电信号。

本发明的目的还在于提供一种基于路面触觉感知的智能车辆控制方法，包括：

步骤1应变传感器矩阵1内的不同位置下的应变传感器采集路面信号；

步骤2对所述路面信号进行预处理；

步骤3对所述预处理后的信号进行传感器位置标记，生成深度学习网络所需的输入量；

步骤4对所述深度学习网络实施的深度网络学习进行有监督训练获得当前的路面参数，所述路面包括路面种类、摩擦因数和/或路面坡度；

步骤5通过对比不同位置的应变传感器的峰值信号时域差值，结合应变传感器矩阵1内各传感器的空间分布，利用深度学习算法获得当前的车辆的运动状态，所述车辆的运动状态包括车辆的转速、车速和/或滑移率；

步骤6通过对比应变传感器矩阵1内各传感器电信号在时间域上峰值变化，结合深度学习算法，感知当前的轮胎胎压状态。

步骤7：将感知所得的车辆运动状态和路面信息参数作为车辆控制单元的输入量，优化车辆纵向、横向动力学控制以及转向控制，同时根据感知到的路面种类制定不同路面的驾驶策略，并实现胎压实时预警功能。

优选的，所述步骤2包括：

步骤21对所述路面信号进行主成分分析，消除由于轮胎振动造成的信号的噪声和漂移；

步骤22对步骤21获得的信号进行滤波以及小波变换处理，将所述路面信号转换到时域和频域上进行多尺度细化分析。

优选的，所述步骤4包括：进行轮胎台架试验和实车测试，对轮胎进行受力实验，所述应变传感器矩阵1实时采集不同受力状态下的轮胎内壁不同位置下的应变数据，对所述深度学习网络实施的深度网络学习进行有监督训练。

优选的，所述步骤6包括：进行报警：若应变传感器的峰值信号的平均峰值随时间增加而增大，认为所述轮胎2当前处于胎压增大的状态，当应变传感器的峰值信号的平均峰值大于阈值时，触觉感知单元6及时向车辆控制单元发出胎压过大警报；若应变传感器的峰值信号的平均峰值随时间增加而减小，认为当前处于胎压减小的状态，当应变传感器的峰值信号的平均峰值小于阈值时，所述触觉感知单元6及时向车辆控制单元发出胎压过小警报。

优选的，所述步骤7包括：辆控制单元基于.轮胎所感知到的滑移率、车速、路面种类进行动力学分析，采用滑模控制算法，实现横向、纵向车辆控制，依据感知到的不同路面种类，采用不同的驾驶策略，优化整车控制策略，提高无人驾驶车辆的安全性，同时根据轮胎感知到的胎压数据发出胎压过高或过低预警，根据胎压变化适当降低车速或靠边停车，避免造成交通事故。

本发明的有益技术效果：

轮胎作为车辆和路面接触的媒介，能很好地反映车辆的受力状况。当车辆在路面上行驶时，轮胎受到来自路面的各向力。本发明在轮胎内壁布置应变传感器矩阵，每个应变传感器都实时采集轮胎内壁应变数据，根据压电原理，矩阵中不同位置的传感器会产生不同的电信号。这些电压信号通过安装于轮辋外围的高速滑环传递至位于轮毂中心的数据预处理单元进行放大处理，再通过无线信号传输单元将信号电信号无线传输至触觉感知单元，并由触觉感知单元传递至车辆控制单元，实现基于路面触觉感知的智能车辆控制系统及方法。通过轮胎台架试验和实车测试采集大量不同路面状态下的轮胎内壁应变数据，触觉感知单元结合深度学习算法对矩阵中各个位置的电信号进行分析处理，进一步分析得出路面信息（例如粗糙度、摩擦因数等）以及当前车辆行驶状态（车速、轮速、滑移率），为车辆提供当前路面的实时触觉感知。同时实时记录并检测轮胎状态，当胎压过低或过高时发出警告，保证行驶的安全性。通过实时监测电信号的变化来判断轮胎的胎压状态，保证行驶的安全性。压电式应变传感器矩阵利用压电原理，通过感知轮胎应变产生电信号，无需供电；车辆控制单元由车辆的低压电源进行供电；整个系统所需能量较低，对整车低压电源的电量影响较小。

附图说明

参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。本发明的目标及特征考虑到如下结合附图的描述将更加明显，附图中：

图1为根据本发明实施例的基于路面触觉感知的智能车辆控制系统的结构示意图；

图2为根据本发明实施例的路面触觉感知方法流程图。

图3为根据本发明实施例的基于路面触觉感知的智能车辆控制系统的车辆控制方法流程图。

具体实施方式

下面结合附图对本发明的具体实施方式进行详细说明，但并不用来限制本发明的保护范围。

本实施例的一种基于路面触觉感知的智能车辆控制系统，如图1所示，包括应变传感器矩阵1、轮胎2、高速滑环3、数据预处理单元4、无线信号传输单元5、触觉感知单元6和车辆控制单元，应变传感器矩阵1机械固定在轮胎2的内壁上，轮胎2安装车辆的驱动桥上，为车辆提供前进的动力和制动力，轮胎2为路面触觉感知的主体，为其他部件提供安装空间，高速滑环3与轮辋机械固定，用于应变传感器矩阵1与数据预处理单元4之间的媒介，将应变传感器矩阵1与数据预处理单元4电气连接，其中高速滑环3的信号输入端与应变传感器矩阵1连接，输出端与数据预处理单元4连接；当应变传感器矩阵1发生应变产生电信号时，通过高速滑环3将电信号传递至数据预处理单元4，数据预处理单元4设置在轮胎2的中间，所述数据预处理单元4与所述无线信号传输单元5相连后将信号无线传输至所述触觉感知单元6，所述触觉感知单元6与车辆控制单元连接。

本实施例中，应变传感器矩阵1为压电式应变传感器矩阵。当然也可以根据测量需求采用其他类型的应变传感器组成的应变传感器矩阵。数据预处理单元4设置于轮毂中心，与高速滑环3电气连接，接收来自应变传感器矩阵1采集到的电压信号，对电压信号进行放大并标记其对应传感器位置，然后通过A/D转换将模拟信号转换为数字信号，并将信号发送至无线信号传输单元5，所进行传输的数据作为路面触觉感知方法的输入量，数据预处理单元4与无线信号传输单元5相连后将信号无线传输至触觉感知单元6。无线信号传输单元5采用模拟量无线电转换器，通过天线将数据发送至触觉感知单元6。触觉感知单元6用于处理应变传感器矩阵的电信号，结合深度学习算法，分析得出当前车辆的行驶情况及路面信息，生成对当前路面的三维信息感知，为智能驾驶车辆提供对路面的触觉感知。触觉感知单元6内设置无线数据接收模块，用于接收来自应变传感器矩阵1的信号，并将信号解调，获得放大后的传感器电信号。

本实施例一种基于路面触觉感知的智能车辆控制方法，如图2和3所示，包括：

步骤1，应变传感器矩阵1内的不同位置下的应变传感器采集路面信号；

步骤2，对路面信号进行预处理，包括：

步骤21，对路面信号进行主成分分析，消除由于轮胎振动造成的信号的噪声和漂移；

步骤22，对步骤21获得的信号进行滤波以及小波变换处理，将路面信号转换到时域和频域上进行多尺度细化分析；

步骤3，对预处理后的信号进行传感器位置标记，生成深度学习网络所需的输入量；

步骤4，对深度学习网络实施的深度网络学习进行有监督训练获得当前的路面参数，路面包括路面种类、摩擦因数和/或路面坡度，包括：进行轮胎台架试验和实车测试，对轮胎进行受力实验，应变传感器矩阵1实时采集不同受力状态下的轮胎内壁不同位置下的应变数据，对深度学习网络实施的深度网络学习进行有监督训练；

步骤5，通过对比不同位置的应变传感器的峰值信号时域差值，结合应变传感器矩阵1内各传感器的空间分布，利用深度学习算法获得当前的车辆的运动状态，车辆的运动状态包括车辆的转速、车速和/或滑移率；

步骤6，通过对比应变传感器矩阵1内各传感器电信号在时间域上峰值变化，结合深度学习算法，感知当前的轮胎胎压状态；

步骤7：进行报警：若应变传感器的峰值信号的平均峰值随时间增加而增大，认为轮胎2当前处于胎压增大的状态，当应变传感器的峰值信号的平均峰值大于阈值时，触觉感知单元6及时向车辆控制单元发出胎压过大警报；若应变传感器的峰值信号的平均峰值随时间增加而减小，认为当前处于胎压减小的状态，当应变传感器的峰值信号的平均峰值小于阈值时，触觉感知单元6及时向车辆控制单元发出胎压过小警报。通过实时监测电信号的变化来判断轮胎的胎压状态，保证行驶的安全性。

步骤8：整车控制优化：车辆动力学算法基于智能轮胎所感知到的滑移率、车速、路面种类等进行动力学分析，采用滑模控制算法，实现横向、纵向车辆控制；并依据感知到的不同路面种类，采用不同的驾驶策略，如雨天驾驶策略、冰面驾驶策略等，优化整车控制策略，提高无人驾驶车辆的安全性。同时根据智能轮胎感知到的胎压数据发出胎压过高或过低预警，根据胎压变化适当降低车速或靠边停车，避免造成交通事故。

该用于路面触觉感知的智能轮胎系统和方法的工作原理为：

车辆在路面上行驶时，由路面提供驱动力和制动力。轮胎作为车辆与路面唯一接触的部件，轮胎承受来自路面的各项力，产生了形变和应力。位于轮胎2内壁的应变传感器矩阵1实时采集轮胎内壁不同位置处的轮胎应变，利用压电效应产生了与应变对应的电信号，同一时刻下，应变传感器的位置不同，该处的轮胎内壁应变也不同，其产生的电信号也不同。应变传感器矩阵1通过高速滑环3将产生的电信号传输至位于轮胎中心处的数据预处理单元4，进行下一步的数据预处理和信号传输。

位于轮胎中心处的数据预处理单元4接收来自应变传感器矩阵1的电信号，将电信号放大并标记其对应传感器位置，然后通过A/D转换将模拟信号转换为数字信号，并将信号发送至无线信号传输单元5进行数据传输。无线信号传输单元采用模拟量无线电转换器，通过天线将数据发送至触觉感知单元6。

触觉感知单元6内含有无线数据接收模块，用于接收来自应变传感器矩阵1的信号，并将信号解调，获得放大后的传感器电信号。对不同位置下的压电传感器采集获得的信号进行主成分分析，消除由于轮胎振动造成的信号的噪声和漂移；对滤波后的信号进行小波变换处理，将信号转换到时域和频域上进行多尺度细化分析；对进行预处理后的信号进行传感器位置标记，生成深度学习网络所需的输入量。结合轮胎台架试验和实车测试，对轮胎进行受力实验，应变传感器矩阵1实时采集不同受力状态下的轮胎内壁不同位置下的应变数据，对深度学习算法进行有监督训练，最终获得当前的路面参数，如路面种类、摩擦因数，路面坡度。另外通过对比不同位置的压电传感器的峰值信号时域差值，结合各传感器的空间分布，利用深度学习算法获得当前的车辆的运动状态，如车辆的转速、车速以及滑移率。利用智能轮胎可实现对路面的触觉感知，为车辆提供实时的三维路面信息感知。

此外，通过对比传感器电信号在时间域上峰值变化，结合深度学习算法，可感知当前的轮胎胎压状态。若采集到的电信号平均峰值随时间增加而增大，认为当前处于胎压增大的状态，当平均峰值大于阈值时，触觉感知单元6及时向车辆控制单元发出胎压过大警报；若采集到的电信号平均峰值随时间增加而减小，认为当前处于胎压减小的状态，当平均峰值小于阈值时，触觉感知单元6及时向车辆控制单元发出胎压过小警报。通过实时监测电信号的变化来判断轮胎的胎压状态，保证行驶的安全性。

车辆控制单元接收到智能轮胎感知的车辆运动状态和路面参数后，将车速、滑移率等作为动力学控制的输入量，采用滑模控制算法，对车辆进行横向、纵向动力学分析，并根据感知到的路面种类，制定不同种类路面的驾驶策略，对车辆到的行驶车速、前后车距等进行限制，如当前路面为雨雪道路时，降低车辆的最高车速，增大与前后车的车距。同时根据智能轮胎感知到的胎压发出胎压过低或胎压过高的预警，，若胎压正常，则车辆可适当提高限制车速，若胎压较低或较高，则适当降低限制车速，若胎压过低或过高，则宜立即减速并靠边停车，避免车辆发出交通事故。

压电式应变传感器矩阵利用压电原理，通过感知轮胎应变产生电信号，无需供电；位于轮毂内的单片机由车辆控制单元通过无线传输进行供电；车辆控制单元由车辆的低压电源进行供电。整个系统所需能量较低，对整车低压电源的电量影响较小。

本实施例中，轮胎作为车辆和路面接触的媒介，能很好地反映车辆的受力状况。当车辆在路面上行驶时，轮胎受到来自路面的各向力。本发明在轮胎内壁布置压电式应变传感器矩阵，每个应变传感器都实时采集轮胎内壁应变数据，根据压电原理，矩阵中不同位置的传感器会产生不同的电信号。这些电压信号通过安装于轮辋外围的高速滑环传递至位于轮毂中心的数据预处理单元进行放大处理，再通过无线信号传输单元将信号电信号无线传输至触觉感知单元。通过轮胎台架试验和实车测试采集大量不同路面状态下的轮胎内壁应变数据，触觉感知单元结合深度学习算法对矩阵中各个位置的电信号进行分析处理，进一步分析得出路面信息例如粗糙度、摩擦因数等以及当前车辆行驶状态车速、轮速、滑移率，为车辆提供当前路面的实时触觉感知。同时实时记录并检测轮胎状态，当胎压过低或过高时发出警告，保证行驶的安全性。

以上对本发明实施例所提供的技术方案进行了详细介绍，本文中应用了具体个例对本发明实施例的原理以及实施方式进行了阐述，以上实施例的说明只适用于帮助理解本发明实施例的原理；同时本领域的一般技术人员，根据本发明的实施例，在具体实施方式以及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于路面触觉感知的智能车辆控制系统，其特征在于：包括应变传感器矩阵（1）、轮胎（2）、高速滑环（3）、数据预处理单元（4）、无线信号传输单元（5）、触觉感知单元（6）以及车辆控制单元，所述应变传感器矩阵（1）机械固定在所述轮胎（2）的内壁上，所述轮胎（2）安装车辆的驱动桥上，为车辆提供前进的动力和制动力，所述轮胎（2） 为所述路面触觉感知的主体，为其他部件提供安装空间，所述高速滑环（3）与轮辋机械固定，用于所述应变传感器矩阵（1）与所述数据预处理单元（4）之间的媒介，将所述应变传感器矩阵（1）与所述数据预处理单元（4）电气连接，其中所述高速滑环（3）的信号输入端与所述应变传感器矩阵（1）连接，输出端与所述数据预处理单元（4）连接；当所述应变传感器矩阵（1）发生应变产生电信号时，通过所述高速滑环（3）将电信号传递至所述数据预处理单元（4），所述数据预处理单元（4）设置在所述轮胎（2）的中间，所述数据预处理单元（4）与所述无线信号传输单元（5）相连后将信号无线传输至所述触觉感知单元（6），所述触觉感知单元（6）与车辆控制单元连接。

2.根据权利要求1所述的智能车辆控制系统，其特征在于：所述数据预处理单元（4）设置于轮毂中心，与所述高速滑环（3）电气连接，接收来自所述应变传感器矩阵（1）采集到的电压信号，对所述电压信号进行放大并标记其对应传感器位置，然后通过A/D转换将模拟信号转换为数字信号，并将信号发送至所述无线信号传输单元（5），所进行传输的数据作为路面触觉感知方法的输入量，所述数据预处理单元（4）与所述无线信号传输单元（5）相连后将信号无线传输至所述触觉感知单元（6）。

3.根据权利要求1所述的智能车辆控制系统，其特征在于：所述应变传感器矩阵（1）为压电式应变传感器矩阵，所述无线信号传输单元（5）采用模拟量无线电转换器，通过天线将数据发送至所述触觉感知单元（6）。

4.据权利要求1所述的智能车辆控制系统，其特征在于：所述触觉感知单元（6）用于处理所述应变传感器矩阵的电信号，结合深度学习算法，分析得出当前车辆的行驶情况及路面信息，生成对当前路面的三维信息感知，为智能驾驶车辆提供对路面的触觉感知。

5.根据权利要求4所述的智能车辆控制系统，其特征在于：所述触觉感知单元（6）内设置无线数据接收模块，用于接收来自应变传感器矩阵（1）的信号，并将所述信号解调，获得放大后的传感器电信号。

6.一种使用权利要求1-5任一所述智能车辆控制系统的控制方法，其特征在于包括：

步骤1 应变传感器矩阵（1）内的不同位置下的应变传感器采集路面信号；

步骤2 对所述路面信号进行预处理；

步骤3 对所述预处理后的信号进行传感器位置标记，生成深度学习网络所需的输入量；

步骤4 对所述深度学习网络实施的深度网络学习进行有监督训练获得当前的路面参数，所述路面包括路面种类、摩擦因数和/或路面坡度；

步骤5 通过对比不同位置的应变传感器的峰值信号时域差值，结合应变传感器矩阵（1）内各传感器的空间分布，利用深度学习算法获得当前的车辆的运动状态，所述车辆的运动状态包括车辆的转速、车速和/或滑移率；

步骤6 通过对比应变传感器矩阵（1）内各传感器电信号在时间域上峰值变化，结合深度学习算法，感知当前的轮胎胎压状态；

步骤7将感知所得的车辆运动状态和路面信息参数作为车辆控制单元的输入量，优化车辆纵向、横向动力学控制以及转向控制，同时根据感知到的路面种类制定不同路面的驾驶策略，并实现胎压实时预警功能。

7.根据权利要求6所述的控制方法，其特征在于所述步骤2包括：

步骤21 对所述路面信号进行主成分分析，消除由于轮胎振动造成的信号的噪声和漂移；

步骤22 对步骤21获得的信号进行滤波以及小波变换处理，将所述路面信号转换到时域和频域上进行多尺度细化分析。

8.根据权利要求6所述的控制方法，其特征在于所述步骤4包括：进行轮胎台架试验和实车测试，对轮胎进行受力实验，所述应变传感器矩阵（1）实时采集不同受力状态下的轮胎内壁不同位置下的应变数据，对所述深度学习网络实施的深度网络学习进行有监督训练。

9.根据权利要求6所述的控制方法，其特征在于所述步骤6包括：进行报警：若应变传感器的峰值信号的平均峰值随时间增加而增大，认为所述轮胎（2）当前处于胎压增大的状态，当应变传感器的峰值信号的平均峰值大于阈值时，触觉感知单元（6）及时向整车控制单元发出胎压过大警报；若应变传感器的峰值信号的平均峰值随时间增加而减小，认为当前处于胎压减小的状态，当应变传感器的峰值信号的平均峰值小于阈值时，所述触觉感知单元（6）及时向整车控制单元发出胎压过小警报。

10.根据权利要求6所述的控制方法，其特征在于所述步骤7包括：车辆控制单元基于轮胎所感知到的滑移率、车速、路面种类进行动力学分析，采用滑模控制算法，实现横向、纵向车辆控制，并依据感知到的不同路面种类，采用不同的驾驶策略，优化整车控制策略，提高无人驾驶车辆的安全性，同时根据轮胎感知到的胎压数据发出胎压过高或过低预警，根据胎压变化适当降低车速或靠边停车，避免造成交通事故。

Images