CN116434502A - 一种含吸声压电气凝胶的汽车报警装置及汽车报警方法 - Google Patents
一种含吸声压电气凝胶的汽车报警装置及汽车报警方法 Download PDFInfo
- Publication number
- CN116434502A CN116434502A CN202310597326.6A CN202310597326A CN116434502A CN 116434502 A CN116434502 A CN 116434502A CN 202310597326 A CN202310597326 A CN 202310597326A CN 116434502 A CN116434502 A CN 116434502A
- Authority
- CN
- China
- Prior art keywords
- piezoelectric
- automobile
- aerogel
- sound absorption
- module
- 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
- 239000004964 aerogel Substances 0.000 title claims abstract description 111
- 238000010521 absorption reaction Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000006243 chemical reaction Methods 0.000 claims abstract description 32
- 238000007405 data analysis Methods 0.000 claims abstract description 28
- 230000008054 signal transmission Effects 0.000 claims abstract description 18
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 claims description 42
- FQNGWRSKYZLJDK-UHFFFAOYSA-N [Ca].[Ba] Chemical compound [Ca].[Ba] FQNGWRSKYZLJDK-UHFFFAOYSA-N 0.000 claims description 42
- 229920002749 Bacterial cellulose Polymers 0.000 claims description 23
- 239000005016 bacterial cellulose Substances 0.000 claims description 23
- 238000010801 machine learning Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 20
- 239000004372 Polyvinyl alcohol Substances 0.000 claims description 18
- 229920002451 polyvinyl alcohol Polymers 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 16
- 239000000919 ceramic Substances 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 10
- 239000011259 mixed solution Substances 0.000 claims description 10
- 230000010287 polarization Effects 0.000 claims description 10
- 238000007637 random forest analysis Methods 0.000 claims description 10
- 230000005684 electric field Effects 0.000 claims description 9
- 238000004108 freeze drying Methods 0.000 claims description 8
- 238000007710 freezing Methods 0.000 claims description 8
- 230000008014 freezing Effects 0.000 claims description 8
- 239000002002 slurry Substances 0.000 claims description 8
- 239000007864 aqueous solution Substances 0.000 claims description 7
- 239000006185 dispersion Substances 0.000 claims description 7
- 229910021523 barium zirconate Inorganic materials 0.000 claims description 6
- 239000002270 dispersing agent Substances 0.000 claims description 6
- 238000002156 mixing Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 229920000058 polyacrylate Polymers 0.000 claims description 5
- 238000002360 preparation method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 239000002904 solvent Substances 0.000 claims description 5
- 239000011268 mixed slurry Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- WGTYBPLFGIVFAS-UHFFFAOYSA-M tetramethylammonium hydroxide Chemical compound [OH-].C[N+](C)(C)C WGTYBPLFGIVFAS-UHFFFAOYSA-M 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 239000008367 deionised water Substances 0.000 claims description 3
- 229910021641 deionized water Inorganic materials 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-O Ammonium Chemical compound [NH4+] QGZKDVFQNNGYKY-UHFFFAOYSA-O 0.000 claims description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 2
- 229910052451 lead zirconate titanate Inorganic materials 0.000 claims description 2
- HFGPZNIAWCZYJU-UHFFFAOYSA-N lead zirconate titanate Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[Ti+4].[Zr+4].[Pb+2] HFGPZNIAWCZYJU-UHFFFAOYSA-N 0.000 claims description 2
- YWYZEGXAUVWDED-UHFFFAOYSA-N triammonium citrate Chemical compound [NH4+].[NH4+].[NH4+].[O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O YWYZEGXAUVWDED-UHFFFAOYSA-N 0.000 claims description 2
- 229920002554 vinyl polymer Polymers 0.000 claims description 2
- 238000010041 electrostatic spinning Methods 0.000 description 12
- 239000000463 material Substances 0.000 description 8
- 238000010438 heat treatment Methods 0.000 description 7
- 239000000243 solution Substances 0.000 description 7
- 229920000036 polyvinylpyrrolidone Polymers 0.000 description 6
- 239000001267 polyvinylpyrrolidone Substances 0.000 description 6
- 235000013855 polyvinylpyrrolidone Nutrition 0.000 description 6
- 238000009987 spinning Methods 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 239000011148 porous material Substances 0.000 description 5
- 239000007788 liquid Substances 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005245 sintering Methods 0.000 description 3
- YRKCREAYFQTBPV-UHFFFAOYSA-N acetylacetone Chemical compound CC(=O)CC(C)=O YRKCREAYFQTBPV-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- JXDXDSKXFRTAPA-UHFFFAOYSA-N calcium;barium(2+);oxygen(2-);titanium(4+) Chemical compound [O-2].[Ca+2].[Ti+4].[Ba+2] JXDXDSKXFRTAPA-UHFFFAOYSA-N 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001523 electrospinning Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- YOBOXHGSEJBUPB-MTOQALJVSA-N (z)-4-hydroxypent-3-en-2-one;zirconium Chemical compound [Zr].C\C(O)=C\C(C)=O.C\C(O)=C\C(C)=O.C\C(O)=C\C(C)=O.C\C(O)=C\C(C)=O YOBOXHGSEJBUPB-MTOQALJVSA-N 0.000 description 1
- XNWFRZJHXBZDAG-UHFFFAOYSA-N 2-METHOXYETHANOL Chemical compound COCCO XNWFRZJHXBZDAG-UHFFFAOYSA-N 0.000 description 1
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- ITHZDDVSAWDQPZ-UHFFFAOYSA-L barium acetate Chemical compound [Ba+2].CC([O-])=O.CC([O-])=O ITHZDDVSAWDQPZ-UHFFFAOYSA-L 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- XQKKWWCELHKGKB-UHFFFAOYSA-L calcium acetate monohydrate Chemical compound O.[Ca+2].CC([O-])=O.CC([O-])=O XQKKWWCELHKGKB-UHFFFAOYSA-L 0.000 description 1
- 229940067460 calcium acetate monohydrate Drugs 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002121 nanofiber Substances 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种含吸声压电气凝胶的汽车报警装置及汽车报警方法,所述汽车报警装置包含吸声压电气凝胶,信号采集模块、数据分析模块、信息通知模块;所述吸声压电气凝胶设置于汽车内部,用于对车外噪音进行吸声降噪,受力时产生压电信号,所述信号采集模块由A/D模数转换模块与无线信号传输模块组成,其中A/D模数转换模块与吸声压电气凝胶相连,用于将吸声压电气凝胶的压电信号转为数字信号,然后通过无线信号传输模块将数字信号传输给数据分析模块,所述数据分析模块预存汽车状况识别模型数据库,通过将输入的数字信号与汽车状况识别模型数据库中的汽车状况模型进行比对、分析获得汽车状况,最后将所得汽车状况通过信息通知模块发送给车主。
Description
技术领域
本发明涉及材料的智能化应用领域,尤其涉及一种含吸声压电气凝胶的汽车报警装置及汽车报警方法。
背景技术
汽车已成为现代社会中最常见的交通工具之一,不同的车型丰富了人们出行需求。汽车的快速普及为人们提供便利的出行方式,也促进了社会和经济的发展。汽车在停靠路边时,容易受到意外撞击和损坏,若汽车在监测到异常情况时,可向车主发送报警信息并及时取证,能极大的减少车主理赔时的纠纷。现阶段的汽车报警都需安装额外的传感器,降低了汽车装配集成度。
发明内容
针对现有技术的不足,本发明的第一目的在于提供一种含吸声压电气凝胶的汽车报警装置,含吸声压电气凝胶的汽车报警装置中含有吸声压电气凝胶可对任意方向入射的声波均具有优异的吸声性能,而且能够受到意外撞击和损坏时产生电压信号,感知汽车状态。
本发明的第二个目的在于提供一种汽车报警方法,通过对吸声压电气凝胶所产生的电压信号进行采集分析,并将分析汽车状态,最终将车辆状况反馈给车主。
为实现上述目的,本发明采用如下技术方案:
本发明提供一种含吸声压电气凝胶的汽车报警装置,所述汽车报警装置包含N块吸声压电气凝胶,信号采集模块、数据分析模块、信息通知模块;所述吸声压电气凝胶设置于汽车内部,用于对车外噪音进行吸声降噪,受力时产生压电信号,所述信号采集模块由A/D模数转换模块与无线信号传输模块组成,其中A/D模数转换模块与吸声压电气凝胶相连,用于将吸声压电气凝胶的压电信号转为数字信号,然后通过无线信号传输模块将数字信号传输给数据分析模块,所述数据分析模块预存汽车状况识别模型数据库,通过将输入的数字信号与汽车状况识别模型数据库中的汽车状况模型进行比对、分析获得汽车状况,最后将所得汽车状况通过信息通知模块发送给车主。
优选的方案,所述吸声压电气凝胶由气凝胶基体以及分散于气凝胶基体中的压电陶瓷锆钛酸钡钙线、锆钛酸铅线中的至少一种组成,所述气凝胶基体选自聚乙烯醇-细菌纤维素气凝胶基体,聚乙烯醇气凝胶基体,细菌纤维素气凝胶基体中的至少一种。
进一步的优选,所述吸声压电气凝胶包含聚乙烯醇、细菌纤维素、锆钛酸钡钙线,所述锆钛酸钡钙线与细菌纤维素相互缠结,并分散于聚乙烯醇中。
上述优选方案中的吸声压电气凝胶,以聚乙烯醇在体系中充当聚合物基体框架,选用锆钛酸钡钙线作为填料可与细菌纤维素互相缠结,均匀分散在基体中,锆钛酸钡钙线的添加可以促使吸声系数向低频移动,尤其是使得吸声压电气凝胶在声波的入射方向与吸声材料孔的取向垂直时仍能在低频段具有高的吸声性能,同时锆钛酸钡钙线与细菌纤维素互相缠结结构,在材料内形成了复杂的孔道,声波在气凝胶中前进时受阻并被耗散,进一步实现对噪音的耗散,提升中低频吸声性能。
另外锆钛酸钡钙线是一种无铅压电陶瓷,在制备时无需使用对人体与环境有害的含铅成分,并具有高压电常数与灵敏性,可实现优秀的传感性能,但是锆钛酸钡钙线轻盈且易碎,无法承受较大的应力与形变,将其以0-3型加入至基体气凝胶后,锆钛酸钡钙线以不连续的短棒状分散于三维连通的多孔气凝胶中,外层有机体系可吸收部分施加的应力,有效维持锆钛酸钡钙线的微观形貌,保证压电体系在传感应用时性能的稳定。因此使得本发明中的吸声压电气凝胶不仅可根据汽车状况产生不同的压电信号,同时还能够给汽车进行吸声降噪增加汽车的舒适感。
更进一步的优选,所述锆钛酸钡钙线呈短棒状,所述细菌纤维素呈细丝状。
优选的方案,所述锆钛酸钡钙线由静电纺丝制得。
进一步优选的,所述吸声压电气凝胶中,按质量比计,聚乙烯醇:细菌纤维素:锆钛酸钡钙线=6:5:1~5,优选为6:5:1~3。
发明人发现,将吸声压电气凝胶中,各物质的量控制在上述范围内,最终所得吸声压电气凝胶的性能最优,而若是细菌纤维素过多,将会降低吸声压电气凝胶的力学性能,若是静电纺丝锆钛酸钡钙线加入过少,对中低频吸声性能改善不明显,此外同等应力作用下,会降低压电输出的峰值电压信号,减弱了对微小应力传感的能力,但静电纺丝锆钛酸钡钙线加入过多将导致气凝胶成品孔隙率降低,不利于吸声性能的提升,同时也会影响其压电性能的稳定性。
优选的方案,所述吸声压电气凝胶的厚度为5~10mm。发明人发现,将吸声压电气凝胶的厚度控制在上述范围内,最终吸声效果最优。
优选的方案,所述吸声压电气凝胶的多孔结构为取向多孔结构。发明人发现,取向多孔结构可以使吸声压电气凝胶的吸声效果进一步的提升。
进一步的优选,所述吸声压电气凝胶的制备方法为,将锆钛酸钡钙线加入溶剂中,然后加入分散剂混合获得混合液,向混合液中加入聚乙烯醇水溶液混合获得陶瓷浆料,再将陶瓷浆料与细菌纤维素水分散液混合获得混合浆液,将混合浆液于倒入模具中,然后于定向温度场中定向冷冻,再进行冷冻干燥,极化即得吸声压电气凝胶。
优选的方案,所述溶剂选自去离子水,无水乙醇的至少一种。
优选的方案,所述分散剂选自柠檬酸铵、四甲基氢氧化铵、聚丙烯酸铵、聚丙烯酸酯中的至少一种。
优选的方案,所述混合液中,分散剂的质量分数为0.05~0.2%。
优选的方案,所述混合液中,锆钛酸钡钙线的质量分数为0.1~2%,优选为0.2~1%。
优选的方案,所述聚乙烯醇水溶液中,聚乙烯醇的质量分数为3~8%。
优选的方案,所述细菌纤维素水分散液中,细菌纤维素的质量分数为0.65~0.8%。
优选的方案,所述混合液与聚乙烯醇水溶液的质量体积比为10~15g:2~8mL,优选为11~13g:4~6mL。
优选的方案,所述陶瓷浆料与细菌纤维素水分散液的质量比为10~15:20~30;优选为11~13:20~25。
优选的方案,所述定向冷冻时,定向冷冻温度场的冷端设置为-196~-20℃,热端为室温,定向冷冻的时间为10~30min。
此时在靠近冷端的底部将会有冰晶形成,且冰晶将会朝着热端方向呈定向生长,陶瓷及有机物则因冰晶的生长被推向两侧,最终形成片层状结构。
优选的方案,所述冷冻干燥的温度为-60~0℃,真空度为1~100Pa,冷冻干燥的时间为24~72h。冷冻干燥过程中,材料将被置于真空环境下,体系内的冰将会以升华形式被去除,最终制备得取向吸声压电气凝胶。
优选的方案,所述极化的过程为:将制得的吸声压电气凝胶置于10~20kV/mm电场下,同时保持极化时温度为30~70℃,电晕极化3~5h。
优选的方案,所述锆钛酸钡钙线的制备方法为:向锆钛酸钡钙溶胶中加入聚乙烯吡咯烷酮,获得混合物,将混合物进行静电纺丝获得锆钛酸钡钙线膜,将锆钛酸钡钙线膜烧结获得锆钛酸钡钙线。
进一步的优选,所述混合物中,聚乙烯吡咯烷酮与锆钛酸钡钙溶胶的固液质量体积比为(0.2~0.7)g:10mL。
在实际操作过程中,将向锆钛酸钡钙溶胶中加入聚乙烯吡咯烷酮,加热条件下充分搅拌,直至聚乙烯吡咯烷酮全部溶解。
进一步的优选,所述静电纺丝时,喂料速度为0.8~1.5mL/h。若喂料速度过低,则纺丝过程易中断,若喂料速度过快,会使溶液无法被电场充分吸引,造成溶液浪费。
进一步的优选,所述静电纺丝时,电场内电压为8~15kV。若施加电场电压过低,会造成所得钛酸钡钙静电纺丝锆钛酸钡钙线中产生液珠,影响其微观形貌,施加电压过高,会造成纤维中溶剂无法充分挥发,导致纳米纤维成型失败。
进一步的优选,所述烧结的制度为,先以1~3℃/min的升温速率升温至280~400℃保温0.5~2.5h,再以1~3°/min升温至700~850℃,保温0.5~2.5h,最后随炉冷却。
优选的方案,所述N块吸声压电气凝胶分别安装于汽车内部的右侧、左侧、前侧和后侧,所述N≥4。
优选的方案,所述A/D模数转换模块选自ADS1220,ADS1256,ADS1232,ArduinoUNO板模数转换引脚中的一种或多种。
优选的方案,所述无线信号传输模块选自ESP32-C3,ESP32-S3,ESP8266开发板中的一种或多种。
进一步的优选,所述汽车状况识别模型数据库根据车体各部位受到碰触或损坏时吸声压电气凝胶产生的压电信号而建立。
进一步的优选,所述汽车状况识别模型通过采集车体各部位受到碰触或损坏时吸声压电气凝胶产生的不同的压电信号作为原始数据,利用机器学习建模获得。
进一步的优选,所述汽车状况识别模型建立的具体过程为:通过A/D模数转换模块将吸声压电气凝胶所产生的压电信号转化为数字信号作为原始数据,然后对原始数据进行特征工程预处理,提取有效的信息和特征;随后选择机器学习模型,设置模型参数,将预处理的数据输入模型中完成训练,在模型评估阶段,使用测试集数据,利用准确率进行模型选择和参数调整,以提高模型的泛化能力和预测精度获得训练好的汽车状况识别模型。
然后将训练好的模型保存数据分析模块,即可实现对数据进行预测,并输出判定的分类结果。
进一步的,机器学习模型选自随机森林法,近邻法,卷积神经网络中的一种或多种。
进一步的,划分训练集与验证集的比例为95:5~80:20。
进一步的,当机器学习模型选择随机森林法时,机器学习的过程如下:首先,通过A/D模数转换模块将吸声压电气凝胶所产生的压电信号转化为数字信号经预处理后的原始数据作为训练数据,从训练数据集中随机有放回抽样,选择一部分样本,通过对不同的样本子集抽样和特征随机选择,可得到多个决策树,增加了模型的多样性。最后,对于每个输入样本,将其输入至所有决策树进行预测,得到每棵树的预测结果,并采用多数表决的方式,得到最终的预测结果。
进一步的,所述训练数据中的样本包含车辆无撞击时无压电信号样本、车辆右侧受轻微撞击产生的压电信号样本、车辆右侧受较重撞击产生的压电信号样本、车辆左侧受轻微撞击产生的压电信号样本、车辆左侧受较重撞击产生的压电信号样本、车辆前侧受轻微撞击产生的压电信号样本、车辆前侧受较重撞击产生的压电信号样本、车辆后侧受轻微撞击产生的压电信号样本,车辆后侧受较重撞击产生的压电信号样本。
进一步的,随机森林中建立的决策树数量为10~60棵。
进一步的,随机森林中对最优特征划分方法为信息熵,基尼系数中的一种或多种。
进一步的,当机器学习模型选择卷积神经网络时,机器学习的过程如下:首先,通过A/D模数转换模块将吸声压电气凝胶所产生的压电信号转化为数字信号,并将该压电信号以时间为横轴,电压值为纵轴作图,随机抽取部分图作为训练数据输入模型;卷积神经网络通过卷积核在图像上移动提取特征,利用最大池化层降低特征图的大小,通过扁平化将池化层输出的多个特征图展开为一维向量,最后输出层完成汽车受损方向的判断。
进一步的,所述训练数据中的样本包含车辆无撞击时无压电信号样本、车辆右侧受轻微撞击产生的压电信号样本、车辆右侧受较重撞击产生的压电信号样本、车辆左侧受轻微撞击产生的压电信号样本、车辆左侧受较重撞击产生的压电信号样本、车辆前侧受轻微撞击产生的压电信号样本、车辆前侧受较重撞击产生的压电信号样本、车辆后侧受轻微撞击产生的压电信号样本,车辆后侧受较重撞击产生的压电信号样本。
进一步的,建立卷积神经网络模型中,数据增强方法选自rotation_range、width_shift_range、height_shift_range、shear_range中的一种或多种。
进一步的,建立卷积神经网络模型中,卷积层数为1~5层,池化层数为1~5层。
本发明提供一种应用汽车报警方法:应用汽车报警装置,首先将N块吸声压电气凝胶安装于汽车内部,再将N块吸声压电气凝胶分别用导线与A/D模数转换模块的两个输入端相连接,然后利用A/D模数转换模块对输入的压电信号进行差分采样处理并将所采集的压电信号转化为数字信号,差分采样处理过程中选择最大量程与采样速率,然后通过无线信号传输模块,将数字信号传输给数据分析模块,通过将输入的数字信号与数据分析模块中预存的汽车状况识别模型数据库中的汽车状况模型进行比对、分析获得汽车状况,最后将所得汽车状况通过信息通知模块发送给车主。
进一步的,所述A/D模数转换模块的最大量程为3~5V。
进一步的,所述A/D模数转换模块的采样速率为600~2000SPS。
原理与优势
本发明提供了一种所述汽车报警装置,其包含N块吸声压电气凝胶,信号采集模块、数据分析模块、信息通知模块;所述吸声压电气凝胶设置于汽车内部,用于对汽车进行吸声降噪,同时产生其能够根据汽车面临的各种状况产生不同的压电信号,所述信号采集模块由A/D模数转换模块与无线信号传输模块组成,其中A/D模数转换模块与吸声压电气凝胶相连,用于将吸声压电气凝胶产生的压电信号转为数字信号,然后通过无线信号传输模块将数字信号传输给数据分析模块,所述数据分析模块预存汽车状况识别模型数据库,通过将输入的数字信号与汽车状况识别模型数据库中的汽车状况模型进行比对、分析获得汽车状况,最后将所得汽车状况通过信息通知模块发送给车主。
本发明在汽车四周引入吸声压电气凝胶,可在减少车辆噪音对驾乘人员影响的同时,对压电信号实时采集,对车辆状况进行分析,并像车主发送汽车状况信息,同时不需要安装额外的传感器,提高了汽车装配集成度。
附图说明
图1是吸声压电气凝胶信号采集分析及车辆报警流程图。
图2是是实施例1中的方法制备气凝胶,取向孔方向平行于声波入射方向时,吸声系数随频段变化曲线。
图3是实施例1中的方法制备气凝胶,取向孔方向垂直于声波入射方向时,吸声系数随频段变化曲线。
图4是收集数据建立机器学习模型流程图。
图5是使用实施例1中的方法制备气凝胶,极化后将其安装在简化的车辆模型内部,受到通道1方向撞击时的电压信号图。
图6是机器学习流程图。
图7是随机森林分类流程图。
图8是实施例1的机器学习分类结果混淆矩阵。
图9是卷积神经网络模型的示意图
图10是实施例2的机器学习分类结果混淆矩阵。
具体实施方式
如图1所示,一种吸声压电气凝胶车辆报警装置,包括吸声压电气凝胶,信号采集模块,数据分析模块,信息通知模块;压电气凝胶可提供降噪功能,且在车身受到意外撞击和损坏时产生电压信号,感知汽车状态;所述信号采集模块包括A/D模数转换模块与无线信号传输模块,前者将压电材料产生的模拟电压值转为电子设备可识别的数字信号,后者利用Wi-Fi将数据无线传输;所述数据分析模块,对数据进行预测分析。所述信息通知模块,为车主终端APP,可将车况及时通知车主,并可利用车内相机进行远程监控。
实施例1:
本实施所用的吸声压电气凝胶的制备过程如下:
将15mL乙酸与15mL乙二醇甲醚在锥形瓶中混合,再向其中加入0.5285g一水合乙酸钙,4.34214g乙酸钡,0.97532g乙酰丙酮锆,在90℃加热条件下充分搅拌3h直至溶液澄清,得到液A。取4.0044g乙酰丙酮与6.12576g钛酸正四丁酯在烧杯中混合,于45℃加热条件下搅拌20min,得到液B。向液A中加入液B,并在45℃加热条件下搅拌6h,随后将其在室温条件下静置12h,若此时溶胶清澈透亮则得到锆钛酸钡钙溶胶。
取10mL锆钛酸钡钙溶胶并向其中加入0.55g聚乙烯吡咯烷酮,40℃加热条件下充分搅拌,直至聚乙烯吡咯烷酮完全溶解,得到纺丝液。随后将纺丝液加入至静电纺丝给料的10mL针筒中,调整纺丝接收滚筒与针头之间的距离为10cm,选择给料速度为1mL/h,针头处施加电场为10kV,接收滚筒转速为800r/min,调整纺丝湿度20%,纺丝温度40℃。锆钛酸钡钙溶胶在电场作用下从针头处喷射而出,并被接收滚筒收集。静电纺丝结束时,可从接收滚筒上剥离下一层静电纺丝锆钛酸钡钙线膜,将该膜置于70℃烘箱中烘干24h即可备用。向坩埚中放入烘干后的静电纺丝锆钛酸钡钙线膜,并将坩埚放入烧结炉中。以3℃/min升温至325℃,保温1h,再以3℃/min升温至800℃保温2h,即获得锆钛酸钡钙陶瓷静电纺丝锆钛酸钡钙线。
取0.0415g静电纺丝锆钛酸钡钙线,加入至12g去离子水,滴入0.01g聚丙烯酸酯,搅拌4h,再向其中加入4.608mL5%聚乙烯醇水溶液,搅拌1h,得到陶瓷浆料。将23.04g0.8%细菌纤维素水分散液与陶瓷浆料混合,充分搅拌,再倒入高度为5.5mm的圆形模具中,待冷热平板降至-100℃时,将模具放置于冷热平板上冷冻30min,得到白色柱状冻实块体。模具脱除后,将冻实块体放置于-50℃,真空度10Pa下进行冷冻干燥72h,即可获得吸声压电气凝胶。
图2是是实施例1中的方法制备气凝胶,取向孔方向平行于声波入射方向时,吸声系数随频段变化曲线。
图3是实施例1中的方法制备气凝胶,取向孔方向垂直于声波入射方向时,吸声系数随频段变化曲线。
可见该吸声压电气凝胶在取向孔方向平行于声波入射方向时,有着宽广的吸声范围分布,第一吸收峰出现在1800Hz左右,当取向孔方向垂直于声波入射方向时,吸收峰出现在4000Hz左右,仍具备很好的吸声能力。
将该吸声压电气凝胶置于18kV/mm电场下,保持极化时温度为70℃,电晕极化4h。
一种车辆报警方法,包含以下步骤:
收集数据建立机器学习模型,如图4所示,
步骤1:将4块极化后的吸声压电气凝胶分别安装再汽车的右侧、前侧、左侧和后侧,每个吸声压电气凝胶均用导线与A/D模数转换模块的两个输入端相连接。
步骤2:使用24位高精度A/D模数模块对输入的压电信号进行差分采样处理,选择最大量程5V,采样速率800SPS。
步骤3:利用ESP32-S3将上一步转换得到的数字信号传输至服务器端,作为原始数据进行机器学习建模获得汽车状况识别模型数据库,其中机器学习建模过程如图6所示:
原始数据共包括了4通道采样的数据及5种分类情况。4通道采样数据是来自车辆右侧、左侧、前侧、后侧的压电材料产生的电压值,5种分类情况代表着车辆无异常、车辆右侧受撞击、车辆左侧受撞击、车辆前侧受撞击、车辆后侧受撞击。
图5是使用实施例1中的方法制备气凝胶,极化后将其安装在简化的车辆模型内部,受到通道1方向撞击时的电压信号图。可见在通道1方向受到撞击时,4个采样通道上都会产生电压信号,但是通道1的电压信号较其他通道更为明显。
首先对原始数据进行特征工程,提取有效的信息和特征,并对这些特征按类别划分。随后选择机器学习模型为随机森林模型,设置模型参数为训练集与测试集数据之比为90:10,随机森林数目500棵,min_samples_split=10,min_samples_leaf=10,将预处理的数据输入模型中完成训练。在模型评估阶段,使用测试集数据,进行模型选择和参数调整,以提高模型的泛化能力和预测精度。最后,将训练好的模型保存,即可实现对之后的数据进行预测,并输出判定的分列结果。
所述机器学习模型随机森林分类流程图如图7所示。首先,从训练数据集中随机有放回抽样,选择一部分样本。通过对不同的样本子集抽样和特征随机选择,可得到多个决策树,增加了模型的多样性。最后,对于每个输入样本,将其输入至所有决策树进行预测,得到每棵树的预测结果,并采用多数表决的方式,得到最终的预测结果获得训练好的汽车状况识别模型数据库。
图8是实施例1的机器学习分类结果混淆矩阵。可以看出随机森林模型可以较好地对车辆受撞击面进行判断,利用验证集绘制的混淆矩阵正确率为86.45%。
然后将汽车状况识别模型数据库保存至数据分析模块。
车辆报警实际应用:
将4块极化后的吸声压电气凝胶分别安装再汽车的右侧、左侧、前侧和后侧,每个吸声压电气凝胶均用导线与A/D模数转换模块的两个输入端相连接,使用24位高精度A/D模数模块对输入的压电信号进行差分采样处理,选择最大量程5V,采样速率800SPS,利用ESP32-S3将上一步转换得到的数字信号将数字信号传输给数据分析模块,通过将输入的数字信号与数据分析模块中预存的汽车状况识别模型数据库中的汽车状况模型进行比对、分析获得汽车状况,最后将所得汽车状况通过信息通知模块发送给车主。
实施例2:
在其他方面保持与实施例1一致,将机器学习方法换为卷积神经网络模型。图9是卷积神经网络模型的示意图,该方法将将4块极化后的吸声压电气凝胶产生的电压信号,以时间为横轴,电压值为纵轴作图。随后将这些图片作为数据输入进卷进神经网络模型中进行训练,该模型共有3层卷积层,3层最大池化层,最后经过展平层后输出。
图10是利用该卷积神经网络模型训练出的模型,以验证集绘制的混淆矩阵,可见该方法对于特征波形信息的提取十分有效,在验证集上可达到100%的正确率。
对比例1:
在其他方面保持与实施例1一致,仅改为采用ArduinoUNO主控板自带模数转换引脚进行压电信号采集。由于该模数转换引脚分辨率仅有10位,而安装在车体内侧的压电材料在受撞击时产生的电压信号较弱,该采集方法下难以分辨撞击信号与仪器噪音,无法完成后续工作。
Claims (10)
1.一种含吸声压电气凝胶的汽车报警装置,其特征在于:所述汽车报警装置包含N块吸声压电气凝胶、信号采集模块、数据分析模块、信息通知模块;所述吸声压电气凝胶设置于汽车内部,用于对车外噪音进行吸声降噪,同时产生压电信号,所述信号采集模块由A/D模数转换模块与无线信号传输模块组成,其中A/D模数转换模块与吸声压电气凝胶相连,用于将吸声压电气凝胶的压电信号转为数字信号,然后通过无线信号传输模块将数字信号传输给数据分析模块,所述数据分析模块预存汽车状况识别模型数据库,通过将输入的数字信号与汽车状况识别模型数据库中的汽车状况模型进行比对、分析获得汽车状况,最后将所得汽车状况通过信息通知模块发送给车主。
2.根据权利要求1所述的一种含吸声压电气凝胶的汽车报警装置,其特征在于:所述吸声压电气凝胶由气凝胶基体以及分散于气凝胶基体中的锆钛酸钡钙线、锆钛酸铅线中的至少一种组成,所述气凝胶基体选自聚乙烯醇-细菌纤维素气凝胶基体,聚乙烯醇气凝胶基体,细菌纤维素气凝胶基体中的至少一种。
3.根据权利要求2所述的一种含吸声压电气凝胶的汽车报警装置,其特征在于:所述吸声压电气凝胶包含聚乙烯醇、细菌纤维素、锆钛酸钡钙线,所述锆钛酸钡钙线与细菌纤维素相互缠结,并分散于聚乙烯醇中;
所述吸声压电气凝胶中,按质量比计,聚乙烯醇:细菌纤维素:锆钛酸钡钙线=6:5:1~5;
所述吸声压电气凝胶的厚度为5~10mm;
所述吸声压电气凝胶的多孔结构为取向多孔结构。
4.根据权利要求3所述的的一种含吸声压电气凝胶的汽车报警装置,其特征在于:所述吸声压电气凝胶的制备方法为:将锆钛酸钡钙线加入溶剂中,然后加入分散剂混合获得混合液,向混合液中加入聚乙烯醇水溶液混合获得陶瓷浆料,再将陶瓷浆料与细菌纤维素水分散液混合获得混合浆液,将混合浆液倒入模具中,然后于定向温度场中定向冷冻,再进行冷冻干燥,极化即得吸声压电气凝胶。
5.根据权利要求4所述的的一种含吸声压电气凝胶的汽车报警装置,其特征在于:
所述溶剂选自去离子水,无水乙醇中的至少一种;
所述分散剂选自柠檬酸铵、四甲基氢氧化铵、聚丙烯酸铵、聚丙烯酸酯中的至少一种;
所述混合液中,分散剂的质量分数为0.05~0.2%;
所述混合液中,锆钛酸钡钙线的质量分数为0.1~2%;
所述聚乙烯醇水溶液中,聚乙烯醇的质量分数为3~8%;
所述细菌纤维素水分散液中,细菌纤维素的质量分数为0.65~0.8%;
所述混合液与聚乙烯醇水溶液的质量体积比为10~15g:2~8mL;
所述陶瓷浆料与细菌纤维素水分散液的质量比为10~15:20~30;
所述定向冷冻时,定向冷冻温度场的冷端设置为-196~-20℃,热端为室温,定向冷冻的时间为10~30min;
所述冷冻干燥的温度为-60~0℃,真空度为1~100Pa,冷冻干燥的时间为24~72h;
所述极化的过程为:将制得的吸声压电气凝胶置于10~20kV/mm电场下,同时保持极化时温度为30~70℃,电晕极化3~5h。
6.根据权利要求1所述的一种含吸声压电气凝胶的汽车报警装置,其特征在于:所述N块吸声压电气凝胶分别安装于汽车内部的右侧、左侧、前侧和后侧,所述N≥4。
7.根据权利要求1所述的一种含吸声压电气凝胶的汽车报警装置,其特征在于:所述A/D模数转换模块选自ADS1220,ADS1256,ADS1232,ArduinoUNO板模数转换引脚中的一种或多种;
所述无线信号传输模块选自ESP32-C3,ESP32-S3,ESP8266开发板中的一种或多种。
8.根据权利要求1所述的一种含吸声压电气凝胶的汽车报警装置,其特征在于:所述汽车状况识别模型数据库根据车体各部位受到碰触或损坏时吸声压电气凝胶产生的压电信号而建立。
9.根据权利要求8所述的一种含吸声压电气凝胶的汽车报警装置,其特征在于:所述汽车状况识别模型建立的具体过程为:通过A/D模数转换模块将吸声压电气凝胶所产生的压电信号转化为数字信号作为原始数据,然后对原始数据进行特征工程预处理,提取有效的信息和特征;随后选择机器学习模型,设置模型参数,将预处理的数据输入模型中完成训练,在模型评估阶段,使用测试集数据,利用准确率进行模型选择和参数调整,以提高模型的泛化能力和预测精度获得训练好的汽车状况识别模型;
然后将训练好的模型保存数据分析模块,即可实现对数据进行预测,并输出判定的分类结果;
机器学习模型选自随机森林法,近邻法,卷积神经网络中的一种或多种;
划分训练集与验证集的比例为95:5~80:20。
10.一种应用汽车报警方法,应用权利要求1-9任意一项所述的汽车报警装置,其特征在于:
首先将N块吸声压电气凝胶安装于汽车内部,再将N块吸声压电气凝胶分别用导线与A/D模数转换模块的两个输入端相连接,然后利用A/D模数转换模块对输入的压电信号进行差分采样处理并将所采集的压电信号转化为数字信号,差分采样处理过程中选择最大量程与采样速率,然后通过无线信号传输模块,将数字信号传输给数据分析模块,通过将输入的数字信号与数据分析模块中预存的汽车状况识别模型数据库中的汽车状况模型进行比对、分析获得汽车状况,最后将所得汽车状况通过信息通知模块发送给车主;
所述A/D模数转换模块的最大量程为3~5V;
所述A/D模数转换模块的采样速率为600~2000SPS。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310597326.6A CN116434502B (zh) | 2023-05-25 | 2023-05-25 | 一种含吸声压电气凝胶的汽车报警装置及汽车报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310597326.6A CN116434502B (zh) | 2023-05-25 | 2023-05-25 | 一种含吸声压电气凝胶的汽车报警装置及汽车报警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116434502A true CN116434502A (zh) | 2023-07-14 |
CN116434502B CN116434502B (zh) | 2024-06-18 |
Family
ID=87089237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310597326.6A Active CN116434502B (zh) | 2023-05-25 | 2023-05-25 | 一种含吸声压电气凝胶的汽车报警装置及汽车报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116434502B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0645664A (ja) * | 1992-05-29 | 1994-02-18 | Sumitomo Electric Ind Ltd | 圧電素子およびその製造方法 |
CN1269912A (zh) * | 1997-09-05 | 2000-10-11 | 1...Ipr有限公司 | 气凝胶、压电装置及其用途 |
CN1613823A (zh) * | 2004-11-10 | 2005-05-11 | 哈尔滨工程大学 | 锆钛酸铅纳米粉体的制备方法 |
CN1887621A (zh) * | 2006-07-21 | 2007-01-03 | 凌子龙 | 汽车报警方法和报警系统 |
CN204335093U (zh) * | 2015-01-12 | 2015-05-13 | 南京信息工程大学 | 一种路灯故障报警与自动亮度调节控制器 |
WO2016141468A1 (en) * | 2015-03-06 | 2016-09-15 | The University Of British Columbia | Method and sensor for pressure sensing based on electrical signal generated by redistribution of mobile ions in piezoionic layer |
CN109300276A (zh) * | 2018-07-27 | 2019-02-01 | 昆明理工大学 | 一种基于多传感器数据融合的汽车车内异常预警方法 |
CN110136745A (zh) * | 2019-05-08 | 2019-08-16 | 西北工业大学 | 一种基于卷积神经网络的汽车鸣笛识别方法 |
CN110519382A (zh) * | 2019-08-30 | 2019-11-29 | 成都康普斯北斗科技有限公司 | 一种汽车智能监控系统 |
CN110867196A (zh) * | 2019-12-03 | 2020-03-06 | 桂林理工大学 | 一种基于深度学习及声音识别的机器设备状态监测系统 |
CN214311428U (zh) * | 2021-04-20 | 2021-09-28 | 上海丹瑞生物医药科技有限公司 | 信号转换装置及信号处理系统 |
CN115295011A (zh) * | 2022-07-22 | 2022-11-04 | 星河智联汽车科技有限公司 | 一种声音信号处理方法、装置、设备及存储介质 |
-
2023
- 2023-05-25 CN CN202310597326.6A patent/CN116434502B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0645664A (ja) * | 1992-05-29 | 1994-02-18 | Sumitomo Electric Ind Ltd | 圧電素子およびその製造方法 |
CN1269912A (zh) * | 1997-09-05 | 2000-10-11 | 1...Ipr有限公司 | 气凝胶、压电装置及其用途 |
CN1613823A (zh) * | 2004-11-10 | 2005-05-11 | 哈尔滨工程大学 | 锆钛酸铅纳米粉体的制备方法 |
CN1887621A (zh) * | 2006-07-21 | 2007-01-03 | 凌子龙 | 汽车报警方法和报警系统 |
CN204335093U (zh) * | 2015-01-12 | 2015-05-13 | 南京信息工程大学 | 一种路灯故障报警与自动亮度调节控制器 |
WO2016141468A1 (en) * | 2015-03-06 | 2016-09-15 | The University Of British Columbia | Method and sensor for pressure sensing based on electrical signal generated by redistribution of mobile ions in piezoionic layer |
CN109300276A (zh) * | 2018-07-27 | 2019-02-01 | 昆明理工大学 | 一种基于多传感器数据融合的汽车车内异常预警方法 |
CN110136745A (zh) * | 2019-05-08 | 2019-08-16 | 西北工业大学 | 一种基于卷积神经网络的汽车鸣笛识别方法 |
CN110519382A (zh) * | 2019-08-30 | 2019-11-29 | 成都康普斯北斗科技有限公司 | 一种汽车智能监控系统 |
CN110867196A (zh) * | 2019-12-03 | 2020-03-06 | 桂林理工大学 | 一种基于深度学习及声音识别的机器设备状态监测系统 |
CN214311428U (zh) * | 2021-04-20 | 2021-09-28 | 上海丹瑞生物医药科技有限公司 | 信号转换装置及信号处理系统 |
CN115295011A (zh) * | 2022-07-22 | 2022-11-04 | 星河智联汽车科技有限公司 | 一种声音信号处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116434502B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102017113135A1 (de) | Fußgängerwarnsystem | |
DE102019107797B4 (de) | FAHRZEUGPROGNOSEN UND ABHILFEMAßNAHMEN | |
CN104713598A (zh) | 一种车载空气质量的监测装置及其监控方法 | |
DE102015113644A1 (de) | Vorrichtung und system zum erzeugen von fahrzeugnotfallaufzeichnungsdaten | |
DE10064756A1 (de) | Verfahren und Anordnung zur Verarbeitung von Geräuschsignalen einer Geräuschquelle | |
DE102014118084A1 (de) | Mobile Schusserkennung | |
DE102011004665A1 (de) | Reifenzustand-Überwachungseinrichtung für ein Fahrzeug | |
DE102007014696B3 (de) | Sensor/Aktor-Vorrichtung und Verfahren zur Ermittlung von strukturellen Informationen von Materialien | |
DE112014001845T5 (de) | Authentifizierung für Erkennungssysteme | |
CN116434502B (zh) | 一种含吸声压电气凝胶的汽车报警装置及汽车报警方法 | |
DE102012106077A1 (de) | Diagnosevorrichtung für ein Kraftfahrzeug | |
DE102008039925A1 (de) | Reifendruckerfassungsvorrichtung zum selektiven Betrieb ausgewählter Transceiver | |
CN110689727A (zh) | 基于正四面体麦克风阵列的车辆鸣笛抓拍装置及方法 | |
DE102015111400A1 (de) | Fahrzeugzustandsbasierte Freisprechtelefon-Geräuschreduktion mit Lernfähigkeit | |
DE102009056895A1 (de) | Verfahren zur Erfassung von Messgrößen in einem FVK-Bauteil | |
DE102007010505A1 (de) | Reifensensormodul | |
CN106980837A (zh) | 一种基于车辆特征信息分析的车型识别方法及系统 | |
CN108957255B (zh) | 基于无人机舵机扫描检测电力线电晕的定位方法 | |
DE102020103673A1 (de) | Erzeugen synthetisierter fahrzeugdarstellungen für fahrzeuganzeigen mittels nahbereich-kommunikation | |
WO2019091671A1 (de) | Verfahren und steuergerät zum bestimmen von niederschlagintensität mittels ultraschallmessdaten | |
CN203601124U (zh) | 一种基于振动与声学识别的车身刮痕监控系统 | |
DE102016118846A1 (de) | Detektionsverfahren und -vorrichtung für fehlausgerichtete reifen | |
CN104200670A (zh) | 一种基于车辆地磁感应特征的车辆车型识别方法 | |
CN105910840A (zh) | 基于太阳能供电和4g无线通信的桥梁结构安全监测系统 | |
DE102018112849A1 (de) | Verfahren und Vorrichtung zur Neukonfiguration einer dynamischen elektronischen Steuereinheit |
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 |