CN1898111A - 信号处理方法 - Google Patents

Abstract

本发明具体涉及用于抽取与周期信号(S， S′)相联系的至少一个变量的方法，所述周期信号包括任选的连续分量，正弦基波分量，和任选的谐波。根据本发明的方法，形成周期信号(S，S′)的数字样本并且特定滤波被应用于监测周期信号，每个样本等于周期信号的基波分量和任选的连续分量之和。在对车轮轮缘(4)和轮胎(1)的胎面(12)之间施加扭矩的作用下，本发明可以应用于评估安装在车轮上的轮胎(1)的侧壁(11)的扭转。

Description

信号处理方法

本发明涉及信号处理方法。

更准确地说，本发明涉及用于监测主体旋转的工艺，所述主体围绕旋转轴旋转并且在其周边上至少具有第一圆形轨道，该第一圆形轨道以旋转轴为中心并且由彼此规则间隔的标记组成，其中标记的每个轨道与传感器相联系，所述传感器相对于所述旋转体固定，面对所述轨道布置并且受经过它的所述轨道的标记影响，并且作为输出信号产生与这样一种周期信号相联系的相应周期信号，所述周期信号具有至多等于预定最大频率的频率，并且包括可能的连续分量，正弦基波分量和可能的谐波，在所述相应周期信号中执行至少一个变量的抽取，例如极值之间的幅度，基频，相位，或连续本底恒幅。

在传统的方法中，用于分析周期信号和从其抽取主特征变量的最普遍工艺主要基于监测该信号通过零。

获知瞬时通过零的精密记时研究所获得的周期信号的基频，然后允许逐步推导该信号的其它主特征变量。

然而这样的方法在所述的周期信号的频率到达低值的情况下不是非常有效，该信号两次连续通过零之间的时间间隔的延长导致可能不可接受的分析时间的延长。

例如可以参考专利US 4,754,871，其提出使用卡尔曼滤波来估计轮转速。申请人已提示，所述方法令人遗憾地需要过多计算时间。

涵盖在本文中的本发明的目标特别是提出一种用于从周期信号抽取至少一个特征变量的工艺，其相对于现有技术具有明显的进步。

为此，除了根据上面在引言中给出的一般定义，本发明的工艺的基本特征在于它包括：初步操作，其在于建立动态系统模型，该模型由带有多个分量的瞬时状态矢量和状态转移矩阵定义；迭代测量操作，其在于在至少等于两倍预定最大频率的频率产生数值样本，每个数值样本代表周期信号的被测瞬时幅度；迭代预测操作，其在于通过将转移矩阵应用于与当前瞬时的前一瞬时相联系的状态矢量，导致用于当前瞬时的预测状态矢量，然后通过将观察矩阵应用于预测状态矢量，其中所述观察矩阵将周期信号的被测瞬时幅度解释为动态系统的瞬时状态矢量的至少部分表现，从而在每个当前瞬时计算周期信号的预测瞬时幅度；迭代校正操作，其在于在当前瞬时量化周期信号的被测幅度和预测幅度之间的差值；迭代更新操作，其在于作为所述量化差值和与当前瞬时的前一瞬时相联系的系统的状态矢量的函数，更新与当前瞬时相联系的系统的瞬时状态矢量；以及迭代结果产生操作，其在于在每个瞬时推导与所述瞬时相联系的瞬时状态矢量的至少一个分量的所述变量。

瞬时状态矢量包括代表周期信号的基波分量的瞬时幅度的分量，代表相位差为90度的周期信号的基波分量的瞬时幅度的分量，代表连续分量的幅度的分量，和代表基波分量的脉动或频率的分量。

其中周期信号在几个可能的谐波中包括最小阶谐波，当最小阶谐波的极值之间的幅度至少等于基波分量的极值之间的幅度的十分之一时，本发明的工艺特别适用。

本发明的工艺特别适用于监测或分析主体的旋转，所述主体围绕旋转轴旋转并且在其周边上至少具有第一圆形轨道，该第一圆形轨道以旋转轴为中心并且由彼此规则间隔的标记组成，其中标记组成的每个轨道在本申请中与传感器相联系，所述传感器相对于所述旋转体固定，面对所述轨道布置并且受经过它的所述轨道的标记影响，并且作为输出信号产生相应的周期信号。

所以，本发明的工艺特别良好地适合这样的情况，即旋转体是安装在车辆的轮缘上的轮胎，其中所述轮胎的侧壁带有由标记构成的至少两个轨道，第一轨道相对靠近轮缘，第二轨道相对靠近轮胎的胎面，其中第一和第二轨道具有相同数量的标记并且与各自的第一和第二传感器相联系，所述传感器提供各自的第一和第二周期信号，监测轮胎的旋转，包括至少确定第一和第二周期信号之间的相位差。

每个标记优选地由轮胎的侧壁的局部磁化组成，每个周期信号因此很接近纯正弦波。

当本发明的工艺被应用于监测或分析轮胎的旋转时，该监测或该分析可以包括评估轮胎的侧壁的变形，所述变形由轮缘和胎面之间的扭矩应用而产生，并且由第一和第二周期信号之间的相位差的变化表示。

本发明的工艺因此尤其良好地适合于执行例如美国专利US 5 913240中所描述的方法，所述方法的名称取自英语短语“Side Wall Torsion”的缩写“SWT”，指的是在上述扭矩的作用下评估轮胎侧壁的扭转。

作为非限定性的例子，参考附图，下面给出的描述将清楚地揭示本发明的其它特征和优点，其中：

—图1是执行本发明的工艺的流程图；

—图2是表示作为时间T的函数，在制动以及随后释放期间车轮的旋转角速度的图表，

—图3是配备有磁性标记的两个轨道和两个传感器的车轮的立体图。

如上所述，本发明尤其涉及用于分析周期信号S的工艺，所述信号包括可能的连续分量So，正弦基波分量S1和可能的谐波Sn，更准确地说本发明涉及用于从该信号抽取至少一个变量的工艺，所述变量例如为极值之间的幅度，其基频，其相对于参考周期信号的相位，或其连续分量的幅度。

换句话说，被分析信号S被写成下式：

$S=\mathrm{So}+S1+\underset{n=2}{\overset{\∞}{\mathrm{\Σ}}}\left(\mathrm{Sn}\right)$

在所述表达式中：

至少在相对于采样周期较短的观察时间尺度上，So是常数，So有可能为零，

S1＝α₁.sin(ω.t+)，其中α₁是基波分量S1的极值之间的半幅度，ω是基波分量S1的脉动，t表示时间，表示基波分量S1相对于预定时基的相位，所述时基例如由脉动参考信号ω给出，并且

Sn＝α_n.sin(n.ω.t+n)，其中a_n是n阶谐波Sn的极值之间的半幅度，可能为零，n.ω是所述谐波Sn的脉动，_n表示所述相同的谐波Sn相对于预定时基的相位。

实际上，本发明的工艺优选应用于这样的周期信号S，所述周期信号的除零之外的最小阶谐波，即n阶具有最小值ninf的谐波，具有有限的相对幅度。

更准确地说，本发明的工艺优选地应用于这样的周期信号S，所述周期信号的除零之外的最小阶ninf的谐波Sninf具有在极值之间的幅度2.α_ninf，该幅度至多等于基波分量Sl的极值之间的幅度2.α₁的十分之一，换句话说这满足不等式：

                   α₁≥10.a_ninf

用图解法，本发明的工艺在于对周期信号S的监测应用特定滤波而不是在现有技术中提出的卡尔曼滤波，所述周期信号被建模为其基波分量S1和其可能的连续分量So之和。

该工艺，其操作在图1中示出，首先包括初步建模操作MODEL，其在于建立动态系统模型，该模型由带有多个分量的瞬时状态矢量和状态转移矩阵定义。

如上所述，周期信号被建模为So和S1之和，使得瞬时状态矢量

呈如下形式，例如：

$\hat{x}=\left[\begin{array}{c}{\hat{x}}_p\\ {\hat{x}}_q\\ {\hat{x}}_c\\ \widehat{\mathrm{\ω}}\end{array}\right]$

其中：

-分量

代表周期信号S的基波分量S1的瞬时幅度，也就是说在所述瞬时t的α₁.sin(ω.t+)，

-分量 代表相位差为90度的周期信号的基波分量S1的瞬时幅度，也就是说在所述瞬时t的α₁.cos(ω.t+)，

-分量 代表连续分量So的幅度，

-分量 代表基波分量S1的脉动，其通过公式 $F=\widehat{\mathrm{\ω}}/2\mathrm{\π}$ 与该分量的频率F联系。

状态转移矩阵A由下式定义：

$A=\left[\begin{array}{cccc}\cos \left(\widehat{\mathrm{\ω}}{T}_e\right)& -\sin \left(\widehat{\mathrm{\ω}}{T}_e\right)& 0& 0\\ \sin \left(\widehat{\mathrm{\ω}}{T}_e\right)& -\cos \left(\widehat{\mathrm{\ω}}{T}_e\right)& 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$

其中T_e代表采样周期，也就是说采样频率f_e的倒数，所述采样频率f_e至少等于周期信号S的最大频率f_max的两倍。

本发明的工艺进一步包括迭代测量操作MEAS，其在于在采样频率f_e产生数值样本y_k，每个数值样本代表周期信号S的被测瞬时幅度。

不同于将时间t作为连续变量来对待，采样操作倾向于仅仅考虑形式为t＝k.T_e的瞬时，在该瞬时产生数值样本，k为整数，按照惯例，其将被认为是识别当前瞬时。

如图1所示，在迭代操作之前在瞬时k-1执行第一测量，因而可获得初始样本y_k-1。

在迭代操作之中，本发明的工艺包括迭代预测操作PREDIC，其在于在每个瞬时k计算周期信号S的预测瞬时幅度

并且其自身包括分别由PREDIC1和PREDIC2指代的两个基本操作。

基本操作PREDIC1在于通过将转移矩阵A应用于与当前瞬时k的前一瞬时k-1相联系的状态矢量

计算当前瞬时k的瞬时状态矢量的预测值

也就是说通过执行以下计算：

${\hat{x}}_{k/k-1}=A\×{\hat{x}}_{k-1/k-1}$

基本操作PREDIC2在于通过将观察矩阵C应用于当前瞬时k的瞬时状态矢量 的预测值 计算当前瞬时k的周期信号S的预测瞬时幅度 也就是说通过执行以下计算：

${\hat{y}}_{k/k-1}=C\×{\hat{x}}_{k/k-1}$

观察矩阵具有以下值：

C＝[1 0 1 0]

其简单地表示这样的事实，即每个测量样本y_k仅仅用瞬时状态矢量

的第一和第三分量

和

的幅度作为其幅度，观察矩阵C因此将周期信号S的被测瞬时幅度y_k解释为动态系统的瞬时状态矢量的部分表现。

当通过迭代测量操作MEAS获得代表当前瞬时k的周期信号S的瞬时幅度的数值样本y_k之后，工艺执行迭代校正操作CORR，其在于在当前瞬时k量化周期信号的被测幅度y_k和预测幅度

之间的差值v_k，也就是说执行以下计算：

$v_k=y_k-{\hat{y}}_{k/k-1}$

然后工艺包括迭代更新操作UPD，其在于作为所述量化差值v_k和与当前瞬时k的前一瞬时k-1相联系的系统的状态矢量 的函数，更新与当前瞬时k相联系的系统的瞬时状态矢量

更准确地说，通过执行以下计算实现迭代更新操作UPD：

${\hat{x}}_{k/k}={\hat{x}}_{k/k-1}+K{\×v}_k,$

其中K是以下表达式给出的增益系数：

$K=\left[\begin{array}{cccc}\frac{2}{T_0}& 0& \frac{2}{T_0}& -\frac{2{\hat{x}}_{\mathrm{qk}}\×v_k}{T_0{T}_f({\hat{x}}_{\mathrm{pk}}^2+{\hat{x}}_{\mathrm{qk}}^2)}\end{array}\right]\×\frac{1}{f_e}$

其中T₀是用于估计周期信号S的幅度的滤波器的响应时间，以秒表示，T_f是用于估计周期信号S的频率的滤波器的响应时间，以秒表示，f_e是采样频率，变量T₀和T_f能够用实验确定并且通过试错法最优化。

最后，本发明的工艺包括迭代结果产生操作RESULT，其在于使用与当前瞬时k相联系的瞬时状态矢量

的一个和多个分量

来从中推导在所述瞬时k由周期信号S的特征变量表示的值。

使用本领域技术人员公知的基本三角关系的该后一操作的细节根据所找变量的性质而变化。

例如，如果仅仅是从周期信号S抽取基频F，操作RESULT将在于执行以下计算：

$F=\widehat{\mathrm{\ω}}/2\mathrm{\π}.$

如果是从基波分量S1抽取极值之间的幅度B，操作RESULT将在于执行以下计算：

$B=2\×\sqrt{{\hat{x}}_p^2+{\hat{x}}_q^2},$

本领域的技术人员根据以上描述和他/她的常识能够应用适合于所找变量的三角函数。

一旦已经执行操作RESULT，通过当前瞬时k增加一个单位，迭代工艺被循环。

本发明的工艺可应用于监测或分析主体1的旋转，该主体围绕旋转轴H旋转，例如为安装在车辆的车轮上的轮胎1(图3)，或者旋转地连接到车辆的车轮的编码轮(未示出)。

在该情况下，其旋转受到监测的旋转主体1在其周边上具有一个或多个圆形轨道P和P′，所述轨道以旋转轴H为中心并且每个轨道包括彼此规则地间隔的标记，例如2和2′。

每个轨道P和P′与诸如3和3′的传感器相联系，所述传感器相对于旋转主体1固定，面对所述轨道布置并且受经过它的所述轨道的标记2影响，并且作为输出信号产生相应的周期信号，例如S和S′。

图2通过方波图示出了在车轮被制动并且然后被释放的情况下传统上从使用ABS(防抱死制动系统)编码轮的机动车辆的轮旋转传感器产生的信号的形状。

在时间t期间，车辆的车轮的旋转频率F在制动期间下降到接近锁定的状况，然后当车轮被释放时再次增加。

除了方波图之外，图2显示了两个连续曲线图，这两个曲线图如此靠近以至于实际上无法彼此区别。

这些连续曲线图中的一个代表在上述条件下车辆的车轮的实际旋转频率，这些连续曲线图中的另一个代表执行本发明的工艺所重建的车辆的车轮的旋转频率，所述工艺应用于监测所述旋转频率并且使用提供拟正弦波信号代替方波信号的传感器。

图3示出了本发明的工艺的特定应用，其中旋转主体1是安装在轮缘4上的轮胎，所述轮缘装配在车辆的车轮上，其中该轮胎的内侧壁11具有由各自的标记2和2′形成的两个轨道P和P′。

第一轨道P相对靠近轮缘4，而第二轨道P′相对靠近轮胎的胎面12。

轨道P和P′具有相同数量的各自的标记2和2′，并且与两个各自的传感器3和3′相联系。

每个标记，例如2和2′，例如由轮胎1的侧壁11的局部磁化组成，使得每个传感器在两个连续标记之间积累这些标记的感应，并且提供非常接近纯正弦波的相应周期信号S或S′。

在这些条件下，监测轮胎1的旋转可以有利地包括确定周期信号S和S′之间的相位差，该相位差提供了关于变形的信息，所述变形是在轮缘4和胎面12之间应用扭矩时，也就是说在车辆刹车或加速的情况下轮胎1的侧壁11受到的变形。

为了这样做，在S和S′的幅度被标准化之后，分别与S和S′相联系的状态矢量

和 的分量 和

被建模为分别等于在所述瞬时t的α₁.sin(ω.t+/2)和a₁.sin(ω.t-/2)。

类似地，在S和S′的幅度被标准化之后，状态矢量

和

的分量

和

被建模为分别等于在所述瞬时t的α₁.cos(ω.t+/2)和α₁.cos(ω.t-/2)。

旋转角ω.t因此可以通过以下关系评估：

ω.t＝Arctg[{α₁.sin(ω.t+/2)+α₁.sin(ω.t-/2)}/{α₁.cos(ω.t+/2)+α₁.cos(ω.t-/2)}]，

相位差于是能够通过以下关系评估：

＝2.[Arc sin{sin(ω.t+/2)}-ω.t]。

Claims (5)

1.一种用于监测主体(1)旋转的工艺，所述主体围绕旋转轴(H)旋转并且在其周边上至少具有第一圆形轨道(P)，该第一圆形轨道以旋转轴为中心并且由彼此规则间隔的标记(2)组成，其中由标记(2)构成的每个轨道(P)与传感器(3)相联系，所述传感器相对于所述旋转体(1)固定，面对所述轨道布置并且受经过它的所述轨道的标记(2)影响，并且作为输出信号产生相应周期信号(S)，在所述相应周期信号中执行至少一个变量的抽取，例如极值之间的幅度

基频 相位()，或连续本底恒幅 所述变量抽取与周期信号(S)相联系，所述周期信号具有至多等于预定最大频率(f_max)的频率，并且包括可能的连续分量(So)，正弦基波分量(S1)和可能的谐波(Sn)，其特征在于该工艺包括：

—初步操作(MODEL)，其在于建立动态系统模型，该模型由带有多个分量 的瞬时状态矢量 和状态转移矩阵(A)定义，分量 代表周期信号(S)的基波分量(S1)的瞬时幅度，分量

代表相位差为90度的周期信号的基波分量(S1)的瞬时幅度，分量

代表连续分量(So)的幅度，分量

代表基波分量(S1)的脉动；

—迭代测量操作(MEAS)，其在于在至少等于两倍预定最大频率(f_max)的频率(f_e)产生数值样本(y_k)，每个数值样本代表周期信号的被测瞬时幅度；

—迭代预测操作(PREDIC)，其在于通过将转移矩阵(A)应用(PREDIC1)于与当前瞬时(k)的前一瞬时(k-1)相联系的状态矢量 导致用于当前瞬时(k)的预测状态矢量

然后通过将观察矩阵(C)应用(PREDIC2)于预测状态矢量 其中所述观察矩阵将周期信号(S)的被测瞬时幅度解释为动态系统的瞬时状态矢量的至少部分表现，从而在每个当前瞬时(k)计算周期信号(S)的预测瞬时幅度

—迭代校正操作(CORR)，其在于在当前瞬时(k)量化周期信号的被测幅度(y_k)和预测幅度

之间的差值(v_k)；

—迭代更新操作(UPD)，其在于作为所述量化差值(v_k)和与当前瞬时(k)的前一瞬时(k-1)相联系的系统的状态矢量 的函数，更新与当前瞬时(k)相联系的系统的瞬时状态矢量

和

—迭代结果产生操作(RESULT)，其在于在每个瞬时(k)推导与所述瞬时(k)相联系的瞬时状态矢量 的至少一个分量

的所述变量。

2.根据前一权利要求的工艺，其特征在于周期信号(S)在几个可能的谐波(Sn)中包括最小阶谐波(Sninf)，并且最小阶谐波的极值之间的幅度至少等于基波分量(S1)的极值之间的幅度的十分之一。

3.根据权利要求1或2的工艺，其特征在于旋转体(1)是安装在车辆的轮缘(4)上的轮胎，其中所述轮胎的侧壁(11)带有由标记(2，2′)构成的至少两个轨道(P，P′)，第一轨道(P)相对靠近轮缘(4)，第二轨道(P′)相对靠近轮胎的胎面(12)，其中第一和第二轨道(P，P′)具有相同数量的标记(2，2′)并且与各自的第一和第二传感器(3，3′)相联系，所述传感器提供各自的第一和第二周期信号(S，S′)，监测轮胎的旋转，包括至少确定第一和第二周期信号(S，S′)之间的相位差()。

4.根据权利要求3的工艺，其特征在于每个标记(2，2′)由轮胎(1)的侧壁(11)的局部磁化组成。

5.根据权利要求3或4的工艺，其特征在于监测或分析轮胎(1)的旋转包括评估轮胎(1)的侧壁(11)的变形，所述变形由轮缘(4)和胎面(12)之间的扭矩应用而产生，并且由第一和第二周期信号(S，S′)之间的相位差(f)的变化表示。

Images