JP2010120621A

JP2010120621A - タイヤ空気圧低下検出装置および方法、ならびにタイヤの空気圧低下検出プログラム

Info

Publication number: JP2010120621A
Application number: JP2009001316A
Authority: JP
Inventors: Hajime Fujita; 肇藤田; Hiroaki Kawasaki; 裕章川崎
Original assignee: Sumitomo Rubber Industries Ltd
Current assignee: Sumitomo Rubber Industries Ltd
Priority date: 2008-10-20
Filing date: 2009-01-07
Publication date: 2010-06-03
Anticipated expiration: 2029-01-07
Also published as: JP5404062B2

Abstract

【課題】共振周波数の推定値が不安定となる場合や、異常判定が困難となる場合でも、高精度にタイヤ空気圧低下を検出する。
【解決手段】車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段と、この回転速度情報検出手段により得られる回転速度情報から、当該回転速度情報の周波数特性を推定する周波数特性推定手段と、推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段とを備えたタイヤ空気圧低下検出装置。前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでいる。また、前記判定手段は、前記パラメータ推定手段によって推定した線形モデルのパラメータを入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいる。
【選択図】図３

Description

本発明は、走行中の車両のタイヤの共振周波数に基づき、当該タイヤの空気圧低下を検出するタイヤ空気圧低下検出装置および方法、ならびにタイヤの空気圧低下検出プログラムに関するものである。

自動車が安全に走行できるための要素の１つとして、タイヤの空気圧をあげることができる。空気圧が適正値よりも低下すると、操縦安定性や燃費が悪くなり、タイヤバーストの原因となる場合がある。このため、タイヤ空気圧の低下を検出し、運転者に警報を出して適切な処置を促すタイヤ空気圧警報装置（ＴｉｒｅＰｒｅｓｓｕｒｅＭｏｎｉｔｏｒｉｎｇＳｙｓｔｅｍ；ＴＰＭＳ）は、環境の保護や運転者の安全性の確保という見地から重要な技術である。

従来の警報装置は、直接検知型と間接検知型の２つに分類することができる。直接検知型は、タイヤホイール内部に圧力センサを組み込むことでタイヤの空気圧を直接計測するものである。空気圧の低下を高精度に検出することができる一方で、専用のホイールが必要となることや実環境での耐故障性能に問題があることなど、技術的、コスト的な課題を残している。

一方、間接検知型はタイヤの回転情報から空気圧を推定する方法であり、動荷重半径（ＤｙｎａｍｉｃＬｏａｄｅｄＲａｄｉｕｓ；ＤＬＲ）方式と、共振周波数（ＲｅｓｏｎａｎｃｅＦｒｅｑｕｅｎｃｙＭｅｃｈａｎｉｓｍ；ＲＦＭ）方式に細分類することができる。ＤＬＲ方式は、減圧したタイヤが走行時につぶれることで動荷重半径が小さくなり、その結果正常圧のタイヤよりも速く回転する現象を利用し、４つのタイヤの回転速度を比較することで圧力低下を検出する方式である。車輪速センサから得られる車輪の回転速度信号だけを用いて比較的簡単に演算処理できることから、主に一輪のパンクを検出することを目的として広く研究が進められてきた。しかし、車輪の回転速度を相対比較しているに過ぎないため、４輪が同時に減圧する場合（自然漏れ）は検知することができない。また、車両の旋回、加減速や荷重の偏りなどの走行条件によっても車輪速差が生じるため、全ての走行状態を通じて精度良く減圧を検知できないという問題がある。

他方、ＲＦＭ方式は、減圧によって車輪速信号の周波数特性が変化することを利用して正常圧との差異を検出する方式である。ＤＬＲ方式と異なり、あらかじめ保持しておいた各輪の正常値との絶対比較であるため、４輪同時減圧にも対応でき、より良い間接検知方式として注目されている。しかし、走行条件によっては強いノイズなどが原因で、目的とする領域の周波数の推定値が車両速度や路面状況に頑健でないなどの課題がある。本発明は、ＲＦＭ方式に基づくタイヤの状態検知装置に関するものである。以下、この方式の基本原理についてより詳しく述べる。

車両が走行すると、タイヤが路面から力を受けることで現れる前後方向のねじれ運動と、サスペンションの前後の運動とが連成共振を起こす。この共振現象は、車輪の回転運動にも影響を及ぼすため、アンチロックブレーキングシステム（Ａｎｔｉ−ＬｏｃｋＢｒａｋｉｎｇＳｙｓｔｅｍ；ＡＢＳ）に搭載された車輪センサから取得される車輪速信号にも共振現象に関する情報が含まれる。また、連成共振はタイヤのねじれ剛性に起因した固有の振動モードであるため、その励起状態はタイヤの物理特性を構成する空気圧の変化にのみ依存して変化し、車両速度や路面の変化に依存することはほとんどない。すなわち、空気圧が低下するとタイヤのねじれ運動のダイナミクスが変化するため、車輪速信号を周波数解析すると、連成共振が作るピーク（共振ピーク）は減圧時では正常圧時よりも低周波数側に現れる。

図４は、空気圧が正常であるタイヤと正常圧から２５％減圧したタイヤを車両に装着し、一定時間の間に得られたそれぞれの車輪加速度信号（車輪速信号の時間階差を計算して得られる）に対して高速フーリエ変換（ＦａｓｔＦｏｕｒｉｅｒＴｒａｎｓｆｏｒｍ；ＦＦＴ）を適用することで得られるパワースペクトルを表わしている。

４０〜５０Ｈｚ付近の成分がタイヤの前後方向の振動と車両のサスペンションとが共振することによって起こる振動であり、内圧の変化によってピーク値をもつ周波数（共振周波数）がより低周波側に移動していることが分かる。この現象は、前述の特性からタイヤや車両の種類、走行速度や路面の状況などから独立して現れるため、ＲＦＭ方式ではこの共振周波数に着目し、初期化時に推定した基準周波数よりも相対的に低いと判断される場合に警報を出す。ここで、ＡＢＳから取得される車輪速信号から共振周波数を推定する必要があるが、計算資源が限られる車載の計算機では必要な時系列データを記憶させておくことが難しいため、ＦＦＴによる周波数分析を行うことは困難である。このため、従来の手法においては、以下に述べるオンライン手法を用いて共振周波数を推定している。

車輪速信号は各時刻における時系列データとして取得されるため、これをＫ次の自己回帰（Ａｎｔｏｒｅｇｒｅｓｓｉｖｅ；ＡＲ）モデルに基づいて時系列解析を行う。具体的には、次の式（１）で示されるモデルにおけるパラメータθ＝{ａ₁、・・・、ａ_K}をカルマンフィルタ（逐次最小二乗法）で推定する。

ここで、ｙ（ｔ）は時刻ｔにおける車輪速、εは白色ノイズを表しており、Ｋはモデルの次数である（振動のような現象を表現するために２次モデルを仮定する場合は、Ｋ=２とすることができる）。ＡＲモデルを表わす伝達関数の極に対応する周波数が共振周波数として推定されるため、前記モデルにより共振ピークが正しく抽出できれば、正確に共振周波数を得ることができる。

しかし、従来から多く提案されているこうした推定手法には次のような問題がある。第一に、路面が滑らかな道路を走行する場合はタイヤに加わる力が弱く、共振現象も小さくなるため、目的とする信号とは独立に混入するノイズの影響が相対的に大きくなる。すなわち、信号ノイズ（ＳＮ）比が悪くなるため、共振周波数を正確に推定することが困難になる。第二に、高速走行（時速８０キロ以上）した場合、タイヤの上下振動が増加するなどの原因により高周波数成分の信号が強くなるため、共振ピークが不明瞭になる傾向がある。第三に、共振ピークが現れる近傍の周波数領域に強いノイズがピークを作ると、その影響を受けて共振周波数の推定値が不安定になる。このような状況下において得られた走行データに対してＦＦＴを適用した結果を図５に示す。走行条件によってはこれらの問題が重畳し、このような場合は共振周波数を安定して推定することが特に難しく、その結果として減圧判定を行うことも困難である。

また、仮に共振周波数の推定を正確に行えたとしても、減圧の判定に関して次のような問題がある。タイヤや車両の種類によっては、正常圧時と減圧時の共振周波数の差（以下、これを「減圧感度」という。ただし、本明細書中の「共振周波数」の語が真の連成共振の周波数ではなく、上記のＡＲモデル等のシステムによって推定された周波数を意味する場合は、その分布の平均値の差を指すものとする。）が小さいものがある。この場合、減圧感度が共振周波数の推定分散よりも小さい場合は正確に減圧判定を行うことが難しい。すなわち、従来からよく用いられる減圧判定として、初期化時に推定された基準周波数と現時刻で推定された共振周波数との差が、あらかじめ設定した差分量を下回っている場合に警報を出すという方法があるが、例えば、減圧感度が３Ｈｚであるタイヤに対して、正常圧時において推定された共振周波数の分布の標準偏差が１Ｈｚであれば、どのように差分量を設定したとしても、走行条件のばらつきによって基準周波数が低めに設定されたときは未警報の可能性が、高めに設定されたときは誤報の可能性がある。

以上の、大きく分けて２つの課題（共振周波数の推定自体が困難であるという課題、および異常判定が困難であるという課題）が、ＲＦＭ方式による異常検出システムの実用化を困難にしており、これらを本質的に解決する方法は未だ開発されていない。

本発明は、この２つの課題を解決し、高精度にタイヤの空気圧低下を検出することができるタイヤ空気圧低下検出装置および方法、ならびにタイヤの空気圧低下検出プログラムを提供することを目的としている。具体的には、サポートベクターマシン（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ；ＳＶＭ）と呼ばれる技術を用いてこれらの課題を解決する。

ここで、ＳＶＭとは手書き文字認識や遺伝子判別など、特徴量を入力として二値分類を行うシステムであり、機械学習と呼ばれる情報科学の一分野で従来から数多くの研究がなされ、それに伴い多くの文献が発表されている。

例えば、ＳＶＭの発明者ヴィ・ヴァプニック（Ｖ．ＶＡｐｎｉｋ）による原著「ザ・ネイチャー・オブ・スタティスティカル・ラーニング・セオリー（ＴｈｅＮａｔｕｒｅｏｆＳｔａｔｉｓｔｉｃａｌＬｅａｒｎｉｎｇＴｈｅｏｒｙ）」、１９９５年を挙げることができる。日本語による文献も数多く発表されており、例えば、前田英作、「痛快！サポートベクターマシン〜古くて新しいパターン認識手法〜」、情報処理学会誌、２００１年、Ｖｏｌ．４２、Ｎｏ．７、ｐｐ．６７６−６８３や、津田宏治、「サポートベクターマシンとは何か」、電子情報通信学会誌、２００１年、Ｖｏｌ．８３、Ｎｏ．６、ｐｐ．４６０−４６６を挙げることができる。

しかし、タイヤ空気圧の異常検出が困難となる状況において、ＴＰＭＳの検出精度の改善のためにＳＶＭを適用することについては性能の保証が自明でなく、未だに提案も実施もなされていない。

本発明の第１の観点に係るタイヤ空気圧低下検出装置（以下、単に「検出装置」ともいう）は、車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段と、
この回転速度情報検出手段により得られる回転速度情報から、当該回転速度情報の周波数特性を推定する周波数特性推定手段と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段と
を備えており、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記パラメータ推定手段によって推定した線形モデルのパラメータを入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴としている。

本発明の第１の観点に係る検出装置では、二値分類器として高い性能を有するＳＶＭを利用する。その方法は、次の３つのステップにしたがう。まず、実車を用いた走行実験により様々な走行条件下で車輪速信号を取得し、前記のパラメータ推定手段に基づいて、取得したすべてのデータの任意の時刻に対するＫ個のパラメータを机上で計算する。次に、計算された各パラメータと原データの空気圧情報を訓練データとして、ＳＶＭを訓練する。最後に、訓練済みのＳＶＭを検出装置に搭載し、各時刻で計算されるパラメータを入力として減圧判定を行う。すなわち、既存のデータを用いて机上であらかじめＳＶＭを訓練しておき、実車環境ではＳＶＭを正常圧・減圧の判別のみに用いる。
ＳＶＭを用いることで、共振周波数を含む全体の周波数特性を考慮した減圧判定を容易に行うことができ、共振周波数という一次元の指標のみを用いるよりも、前述した検出困難な状況における判定性能が特に改善される。その結果、従来の手法に比べ高精度にタイヤ空気圧低下を検出することができる。

本発明の第２の観点に係る検出装置は、車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段と、
この回転速度情報検出手段により得られる回転速度情報から、タイヤの回転加速度情報を演算する回転加速度情報演算手段と、
この回転加速度情報から、当該回転加速度情報の周波数特性を推定する周波数特性推定手段と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段と
を備えており、
前記周波数特性推定手段は、前記回転加速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記パラメータ推定手段によって推定した線形モデルのパラメータを入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴としている。

本発明の第２の観点に係る検出装置においても、第１の観点に係る検出装置と同様、高精度に減圧判定を行うことができる。また、第２の観点に係る検出装置では、車輪加速度データを用いているが、この車輪加速度データは車輪速度データよりも変化が少ないことから、演算精度を上げることができる。

本発明の第３の観点に係る検出装置は、車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段と、
この回転速度情報検出手段により得られる回転速度情報から、当該回転速度情報の周波数特性を推定する周波数特性推定手段と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段と
を備えており、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記周波数特性推定手段によって推定した共振周波数を入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴としている。

本発明の第３の観点に係る検出装置においても、第１の観点に係る検出装置と同様、高精度に減圧判定を行うことができる。

本発明の第４の観点に係る検出装置は、車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段と、
この回転速度情報検出手段により得られる回転速度情報から、タイヤの回転加速度情報を演算する回転加速度情報演算手段と、
この回転加速度情報から、当該回転加速度情報の周波数特性を推定する周波数特性推定手段と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段と
を備えており、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記周波数特性推定手段によって推定した共振周波数を入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴としている。

本発明の第４の観点に係る検出装置においても、第１の観点に係る検出装置と同様、高精度に減圧判定を行うことができる。また、第４の観点に係る検出装置では、車輪加速度データを用いているが、この車輪加速度データは車輪速度データよりも変化が少ないことから、演算精度を上げることができる。

なお、パラメータは最小二乗法により推定することができるため、与えられたデータに対する最適解を求めることができる。

本発明の第５の観点に係るタイヤ空気圧低下検出方法（以下、単に「検出方法」ともいう）は、車両の各輪のタイヤの回転速度情報を定期的に検出する検出工程と、
この検出工程において得られる回転速度情報から、当該回転速度情報の周波数特性を推定する推定工程と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定工程と
を含んでおり、
前記推定工程は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するように構成されており、且つ、
前記判定工程は、前記推定工程において推定した線形モデルのパラメータを入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定工程を含んでいることを特徴としている。

本発明の第５の観点に係る検出方法では、二値分類器として高い性能を有するＳＶＭを利用する。その方法は、次の３つのステップにしたがう。まず、実車を用いた走行実験により、様々な走行条件下で車輪速信号を取得し、前記のパラメータ推定手段に基づいて、取得したすべてのデータの任意の時刻に対するパラメータを机上で計算する。次に、計算された各パラメータと原データの空気圧情報を訓練データとして、ＳＶＭを訓練する。最後に、訓練済みのＳＶＭを検出装置に搭載し、各時刻で計算されるパラメータを入力として減圧判定を行う。すなわち、既存のデータを用いて机上であらかじめＳＶＭを訓練しておき、実車環境ではＳＶＭを正常圧・減圧の判別のみに用いる。
ＳＶＭを用いることで、共振周波数を含む全体の周波数特性を考慮した減圧判定を容易に行うことができ、共振周波数という一次元の指標のみを用いるよりも、前述した検出困難な状況における判定性能が特に改善される。その結果、従来の手法に比べ高精度にタイヤ空気圧低下を検出することができる。

本発明の第６の観点に係る検出方法は、車両の各輪のタイヤの回転速度情報を定期的に検出する検出工程と、
この検出工程において得られる回転速度情報から、タイヤの回転加速度情報を演算する演算工程と、
この演算工程において得られる回転加速度情報から、当該回転加速度情報の周波数特性を推定する推定工程と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定工程と
を備えており、
前記推定工程は、前記回転加速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するように構成されており、且つ、
前記判定工程は、前記推定工程において推定した線形モデルのパラメータを入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定工程を含んでいることを特徴としている。

本発明の第６の観点に係る検出方法においても、第５の観点に係る検出方法と同様、高精度に減圧判定を行うことができる。また、第６の観点に係る検出方法では、車輪加速度データを用いているが、この車輪加速度データは車輪速度データよりも変化が少ないことから、演算精度を上げることができる。

本発明の第７の観点に係る検出方法は、車両の各輪のタイヤの回転速度情報を定期的に検出する検出工程と、
この検出工程において得られる回転速度情報から、当該回転速度情報の周波数特性を推定する推定工程と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定工程と
を含んでおり、
前記推定工程は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するように構成されており、且つ、
前記判定工程は、前記推定工程において推定した共振周波数を入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定工程を含んでいることを特徴としている。

本発明の第７の観点に係る検出方法においても、第５の観点に係る検出方法と同様、高精度に減圧判定を行うことができる。

本発明の第８の観点に係る検出方法は、車両の各輪のタイヤの回転速度情報を定期的に検出する検出工程と、
この検出工程において得られる回転速度情報から、タイヤの回転加速度情報を演算する演算工程と、
この演算工程において得られる回転加速度情報から、当該回転加速度情報の周波数特性を推定する推定工程と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定工程と
を含んでおり、
前記推定工程は、前記回転加速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するように構成されており、且つ、
前記判定工程は、前記推定工程において推定した共振周波数を入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定工程を含んでいることを特徴としている。

本発明の第８の観点に係る検出方法においても、第５の観点に係る検出方法と同様、高精度に減圧判定を行うことができる。また、第８の観点に係る検出方法では、車輪加速度データを用いているが、この車輪加速度データは車輪速度データよりも変化が少ないことから、演算精度を上げることができる。

本発明の第９の観点に係るタイヤの空気圧低下検出プログラムは、走行中の車両のタイヤの共振周波数に基づいて当該タイヤの空気圧低下を検出するためにコンピュータを、車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段により得られる回転速度情報から、当該回転速度情報の周波数特性を推定する周波数特性推定手段、および、推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段として機能させ、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記パラメータ推定手段によって推定した線形モデルのパラメータを入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴としている。

本発明の第１０の観点に係るタイヤの空気圧低下検出プログラムは、走行中の車両のタイヤの共振周波数に基づいて当該タイヤの空気圧低下を検出するためにコンピュータを、車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段により得られる回転速度情報から、タイヤの回転加速度情報を演算する回転加速度情報演算手段、この回転加速度情報から、当該回転加速度情報の周波数特性を推定する周波数特性推定手段、および、推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段として機能させ、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記パラメータ推定手段によって推定した線形モデルのパラメータを入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴としている。

本発明の第１１の観点に係るタイヤの空気圧低下検出プログラムは、走行中の車両のタイヤの共振周波数に基づいて当該タイヤの空気圧低下を検出するためにコンピュータを、車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段により得られる回転速度情報から、当該回転速度情報の周波数特性を推定する周波数特性推定手段、および推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段として機能させ、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記パラメータ推定手段によって推定した共振周波数を入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴としている。

本発明の第１２の観点に係るタイヤの空気圧低下検出プログラムは、走行中の車両のタイヤの共振周波数に基づいて当該タイヤの空気圧低下を検出するためにコンピュータを、車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段により得られる回転速度情報から、タイヤの回転加速度情報を演算する回転加速度情報演算手段、この回転加速度情報から、当該回転加速度情報の周波数特性を推定する周波数特性推定手段、および推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段として機能させ、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記パラメータ推定手段によって推定した共振周波数を入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴としている。

本発明のタイヤ空気圧低下検出装置および方法、ならびにタイヤの空気圧低下検出プログラムによれば、共振周波数の推定値が不安定となる場合や異常判定が困難となる場合でも、高精度にタイヤ空気圧低下を検出することができる。

本発明の検出装置の一実施の形態を示すブロック図である。図１に示される検出装置の電気的構成を示すブロック図である。実施例１および比較例１の検出精度を示す図である。２分間の車輪加速度信号に対してＦＦＴを適用したときのパワースペクトル密度の分布を表す図である。ランフラットタイヤを装着し路面が滑らかな道路を高速走行した２分間の車輪加速度信号に対して、ＦＦＴを適用したときのパワースペクトル密度の分布を表す図である。実施例２および比較例２の検出精度を示す図である。

以下、添付図面を参照しつつ、本発明の検出装置および方法、ならびにタイヤの空気圧低下検出プログラムの実施の形態を詳細に説明する。
図１に示されるように、本発明の一実施の形態に係る検出装置は、４輪車両に備えられた４つのタイヤの左前輪（ＦＬ）、右前輪（ＦＲ）、左後輪（ＲＬ）および右後輪（ＲＲ）の回転速度情報を検出するため、各タイヤに関連して設けられた通常の車輪速度検出手段（回転速度情報検出手段）１を備えている。

前記車輪速度検出手段１としては、電磁ピックアップなどを用いて回転パルスを発生させてパルスの数から回転角速度および車輪速度を測定するための車輪速センサまたはダイナモのように回転を利用して発電を行い、この電圧から回転角速度及び車輪速度を測定するためのものを含む角速度センサなどを用いることができる。前記車輪速度検出手段１の出力は、ＡＢＳなどのコンピュータである制御ユニット２に与えられる。この制御ユニット２には、例えばタイヤが減圧していることを表示するための液晶表示素子、プラズマ表示素子またはＣＲＴなどで構成された表示器３、運転者によって操作することができる初期化ボタン４、タイヤの減圧を運転者に知らせる警報器５が接続されている。

制御ユニット２は、図２に示されるように、外部装置との信号の受け渡しに必要なＩ／Ｏインターフェース２ａと、演算処理の中枢として機能するＣＰＵ２ｂと、このＣＰＵ２ｂの制御動作プログラムが格納されたＲＯＭ２ｃと、前記ＣＰＵ２ｂが制御動作を行う際にデータなどが一時的に書き込まれたり、その書き込まれたデータが読み出されたりするＲＡＭ２ｄとから構成されている。

前記車輪速度検出手段１では、タイヤの回転数に対応したパルス信号（以下、「車輪速パルス」ともいう）が出力される。そして、この車輪速パルスを所定のサンプリング周期ΔＴ（秒）、例えばΔＴ＝０．００５秒毎にサンプリングすることで、車輪速信号の時系列データを得ることができる。ここで、サンプリング周期は着目しているタイヤの共振周波数が現れる帯域を観察するために十分な周期とする必要がある。

本実施の形態に係る検出装置は、車輪速度検出手段（回転速度情報検出手段）１、この車輪速度検出手段により得られる回転速度情報から周波数特性を推定する周波数特性推定手段、および推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段とで主に構成されている。そして、タイヤの空気圧低下検出プログラムは、前記制御ユニット２を周波数特性推定手段、および判定手段として機能させる。前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでいる。また、前記判定手段は、前記パラメータ推定手段によって推定した線形モデルのパラメータ、または前記共振周波数推定手段によって推定した共振周波数を入力とし、正常圧または減圧を示す二値の判定値を出力とするＳＶＭを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいる。

本発明の特徴は、車両の走行条件により発生するノイズの影響により共振周波数の推定値が不安定になる問題や、異常判定の方法が困難であるという問題を、前述したＳＶＭを用いることにより解決することにある。
従来の共振周波数方式に基づくＴＰＭＳでは、タイヤの空気圧の異常検出を行うための指標として、共振ピークが示す周波数しか用いていない。これについては、（１）共振周波数はタイヤ空気圧の変化のみに依存し、速度などの外部要因には依存しないことがタイヤの物理特性やこれまでの計測実験などから明らかにされており、減圧判定のための指標として信頼性があること、（２）共振周波数が低下するという現象は単純であるため、共振周波数を含む周囲の周波数領域の特性さえ分かれば判定基準の実装が容易であること、などが主な理由として挙げられる。

一方、タイヤの性質に鑑みれば、共振周波数以外にも減圧判定の指標となり得る特徴が存在する可能性がある。例えば、１５〜２０Ｈｚ周辺や８０〜９０Ｈｚ周辺には、それぞれタイヤの縦バネや周方向共振に由来する周波数特性が現れるが、タイヤ空気圧が低下するとこれらのダイナミクスも変化すると考えられるため、本来は周波数特性も全体として変化するはずである。

しかし、このような共振周波数以外の周波数特性は、タイヤ空気圧の低下に伴う特性の変化が複雑であり指標として扱いづらい。また、共振周波数のようにタイヤ空気圧の低下に伴う物理特性の変化が自明でなく、速度などの外部要因に影響される可能性も排除できない。

そこで本発明では、前述した２つの課題のうち前者（共振周波数の推定自体が困難であるという課題）を解決するために、二値分類器として高い性能を有するＳＶＭを採用することで、共振周波数を含む全体の周波数特性を考慮した減圧判定を容易に行う。すなわち、共振周波数以外の特徴が複雑に変化するとしても、訓練された二値分類器が適切に判定を行うため、前述した検出困難な状況における判定性能が特に改善される。その結果、減圧判定を高精度に行うことができる。

本発明では、まず、Ｋ次元の時系列解析によって求めたパラメータθ＝{ａ₁、・・・、ａ_K}を入力値とし、正常圧または減圧を示す判定値（例えば、正常圧を１、減圧を０と割り当てるような二値ラベル）を出力値とするＳＶＭを用意する。ここで、時系列モデルの線形パラメータを分類器へのＫ次元入力としたのは、推定したパラメータに周波数特性の情報がすべて含まれるためである。

次に、様々な走行条件で採取したデータから推定されたパラメータと、それに対する正常圧または減圧ラベルのペアを訓練データとし、ＳＶＭを学習する。言い換えると、あらかじめ空気圧の状態が分かっている状況で取得した実験データ（タイヤの回転速度情報データや回転加速度情報データ）に基づき、机上でパラメータを推定し、推定されたパラメータと空気圧の状態を示す二値ラベルのペアを学習データとしてＳＶＭを訓練する。なお、ＳＶＭの学習に使用する実験データは、似通った走行条件のもとで採取されたものではなく、できるだけ極端な条件を複数含むことが判定精度を上げる上で望ましい。その後、実車においては前述した方法であらかじめ机上で学習したＳＶＭを用いて、従来手法と同様にしてオンラインで推定した時系列モデルのパラメータから減圧判定を行う。

また、前述した２つの課題のうち後者（異常判定が困難であるという課題）についても、同様にＳＶＭを用いることで解決することができる。すなわち、共振周波数自体は適切に推定できるものの、減圧感度が小さいために、前述の従来手法に基づいてはその後の判定が困難となる問題を解決できる。

まず、従来より提案されているように、前述のＡＲモデルに基づいて共振周波数を推定する。推定した共振周波数を入力値とし、正常圧または減圧を示す判定値（例えば、正常圧を１、減圧を０と割り当てるような二値ラベル）を出力値とするＳＶＭを用意する。次に、様々な走行条件で採取したデータから推定された共振周波数と、それに対する正常圧または減圧ラベルのペアを訓練データとし、ＳＶＭを学習する。言い換えると、あらかじめ空気圧の状態が分かっている状況で取得した実験データ（タイヤの回転速度情報データや回転加速度情報データ）に基づき、机上で共振周波数を推定し、推定された共振周波数と空気圧の状態を示す二値ラベルのペアを学習データとしてＳＶＭを訓練する。その後、実車においては前述した方法であらかじめ机上で学習したＳＶＭを用いて、従来手法と同様にしてオンラインで推定した共振周波数から減圧判定を行う。

本発明では、想定される走行条件のデータを取得しておき、このデータを用いてあらかじめ机上でＳＶＭを訓練しておくことで、各走行条件に適した減圧判定指標を保持しておくことができる。前述した２つの課題のうち前者を解決する発明については、想定される走行条件が複雑かつ多様になることで、入力となるＡＲパラメータの空間から減圧判定への写像が非線形となる場合でも、モデルの次元を高くし、非線形カーネルによるカーネルトリックを用いるなどの対応により、非線形性を克服することができる。そのような複雑な判定基準は人間の手によっては実装できないが、ＳＶＭは自動的に適切な対応関係（データとして与えられた推定パラメータと空気圧状態の関係）を学習し、各条件に応じて正確に判定を行うことができる。

前述した２つの課題のうち後者を解決する発明については、前者の発明と同様の方法で、あらかじめ机上でＳＶＭを訓練しておくことで、汎化性能が最大となる最適な判別平面を得られるため、減圧感度が小さいタイヤに対しても確実に減圧判定を行うことができる。

なお、ＳＶＭの入力として時系列解析によって求めたパラメータや、得られた共振周波数だけではなく、速度や路面の状況を表わす情報や、摩擦スリップ（μS）特性を付加的に与えることで、より頑健に判定を行うことができる。
以上より、たとえ安定して正確な共振周波数を推定することが難しい場合であっても、ＳＶＭを用いた減圧判定により従来の課題を効果的に解決することができる。

[実施例および比較例]
次に本発明の検出方法の実施例を説明するが、本発明は以下に記載する実施例のみに限定されるものではない。
図３は、本発明のうち、前述した２つの課題のうち前者を解決するものを適用して減圧判定を行った場合（実施例１）と、共振周波数という一次元の指標のみを用いた従来手法（比較例１）との判定精度を示す図である。データのサンプリング周期は４ｍｓである。図３の縦軸は、それぞれの判定結果に対する度数を表わす。なお、実験に使用したタイヤは、その物理特性上極めて共振ピークが不明瞭となる傾向があり、共振周波数の推定が特に難しい。

速度、路面状態および荷重が異なる２５の走行条件で採取したデータセットを用いた。全データのうち８０％をＳＶＭの学習に用い、残りの２０％を評価に用いるクロスバリデーションを実施した。なお、従来手法である比較例１はＳＶＭの学習は不要であるため、学習データは用いない。図３より、本発明を適用する方が誤報（減圧でないのに減圧であると判定する）および未検出（減圧であるのに減圧と判定しない）が少なく、また判定の当否のばらつきも小さいことから、確実にタイヤ空気圧の異常を検出していることが分かる。

図６は、本発明のうち、前述した２つの課題のうち後者を解決するものを適用して減圧判定を行った場合（実施例２）と、共振周波数という一次元の指標のみを用いた従来手法（比較例２）との判定精度を示す図である。使用したデータ、グラフの表記、評価の手順は前述の実施例１と同じである。なお、実験に使用したタイヤは、その物理特性上減圧感度が小さいため、従来手法では減圧判定が特に難しい。
図６より、本発明を適用すれば、誤報・未検出なく確実にタイヤ空気圧の異常を検出できることが分かる。これは、２つの空気圧条件を切り分けるために最適な判別平面を、あらかじめ学習していることによる。

１車輪速度検出手段
２制御ユニット
２ａインターフェース
２ｂＣＰＵ
２ｃＲＯＭ
２ｄＲＡＭ
３表示器
４初期化ボタン
５警報器

Claims

車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段と、
この回転速度情報検出手段により得られる回転速度情報から、当該回転速度情報の周波数特性を推定する周波数特性推定手段と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段と
を備えており、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記パラメータ推定手段によって推定した線形モデルのパラメータを入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴とするタイヤ空気圧低下検出装置。
車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段と、
この回転速度情報検出手段により得られる回転速度情報から、タイヤの回転加速度情報を演算する回転加速度情報演算手段と、
この回転加速度情報から、当該回転加速度情報の周波数特性を推定する周波数特性推定手段と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段と
を備えており、
前記周波数特性推定手段は、前記回転加速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記パラメータ推定手段によって推定した線形モデルのパラメータを入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴とするタイヤ空気圧低下検出装置。
車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段と、
この回転速度情報検出手段により得られる回転速度情報から、当該回転速度情報の周波数特性を推定する周波数特性推定手段と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段と
を備えており、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記周波数特性推定手段によって推定した共振周波数を入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴とするタイヤ空気圧低下検出装置。
車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段と、
この回転速度情報検出手段により得られる回転速度情報から、タイヤの回転加速度情報を演算する回転加速度情報演算手段と、
この回転加速度情報から、当該回転加速度情報の周波数特性を推定する周波数特性推定手段と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段と
を備えており、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記周波数特性推定手段によって推定した共振周波数を入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴とするタイヤ空気圧低下検出装置。
前記パラメータ推定手段が、最小二乗法により線形モデルのパラメータを推定するように構成されている請求項１〜４のいずれかに記載のタイヤ空気圧低下検出装置。
車両の各輪のタイヤの回転速度情報を定期的に検出する検出工程と、
この検出工程において得られる回転速度情報から、当該回転速度情報の周波数特性を推定する推定工程と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定工程と
を含んでおり、
前記推定工程は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するように構成されており、且つ、
前記判定工程は、前記推定工程において推定した線形モデルのパラメータを入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定工程を含んでいることを特徴とするタイヤ空気圧低下検出方法。
車両の各輪のタイヤの回転速度情報を定期的に検出する検出工程と、
この検出工程において得られる回転速度情報から、タイヤの回転加速度情報を演算する演算工程と、
この演算工程において得られる回転加速度情報から、当該回転加速度情報の周波数特性を推定する推定工程と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定工程と
を備えており、
前記推定工程は、前記回転加速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するように構成されており、且つ、
前記判定工程は、前記推定工程において推定した線形モデルのパラメータを入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定工程を含んでいることを特徴とするタイヤ空気圧低下検出方法。
車両の各輪のタイヤの回転速度情報を定期的に検出する検出工程と、
この検出工程において得られる回転速度情報から、当該回転速度情報の周波数特性を推定する推定工程と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定工程と
を含んでおり、
前記推定工程は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するように構成されており、且つ、
前記判定工程は、前記推定工程において推定した共振周波数を入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定工程を含んでいることを特徴とするタイヤ空気圧低下検出方法。
車両の各輪のタイヤの回転速度情報を定期的に検出する検出工程と、
この検出工程において得られる回転速度情報から、タイヤの回転加速度情報を演算する演算工程と、
この演算工程において得られる回転加速度情報から、当該回転加速度情報の周波数特性を推定する推定工程と、
推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定工程と
を備えており、
前記推定工程は、前記回転加速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するように構成されており、且つ、
前記判定工程は、前記推定工程において推定した共振周波数を入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定工程を含んでいることを特徴とするタイヤ空気圧低下検出方法。
前記パラメータを推定する工程において、最小二乗法により線形モデルのパラメータを推定するように構成されている請求項６〜９のいずれかに記載のタイヤ空気圧低下検出方法。
走行中の車両のタイヤの共振周波数に基づいて当該タイヤの空気圧低下を検出するためにコンピュータを、車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段により得られる回転速度情報から、当該回転速度情報の周波数特性を推定する周波数特性推定手段、および、推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段として機能させ、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記パラメータ推定手段によって推定した線形モデルのパラメータを入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴とするタイヤの空気圧低下検出プログラム。
走行中の車両のタイヤの共振周波数に基づいて当該タイヤの空気圧低下を検出するためにコンピュータを、車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段により得られる回転速度情報から、タイヤの回転加速度情報を演算する回転加速度情報演算手段、この回転加速度情報から、当該回転加速度情報の周波数特性を推定する周波数特性推定手段、および、推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段として機能させ、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記パラメータ推定手段によって推定した線形モデルのパラメータを入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴とするタイヤの空気圧低下検出プログラム。
走行中の車両のタイヤの共振周波数に基づいて当該タイヤの空気圧低下を検出するためにコンピュータを、車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段により得られる回転速度情報から、当該回転速度情報の周波数特性を推定する周波数特性推定手段、および推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段として機能させ、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記パラメータ推定手段によって推定した共振周波数を入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴とするタイヤの空気圧低下検出プログラム。
走行中の車両のタイヤの共振周波数に基づいて当該タイヤの空気圧低下を検出するためにコンピュータを、車両の各輪のタイヤの回転速度情報を定期的に検出する回転速度情報検出手段により得られる回転速度情報から、タイヤの回転加速度情報を演算する回転加速度情報演算手段、この回転加速度情報から、当該回転加速度情報の周波数特性を推定する周波数特性推定手段、および推定された周波数特性に基づいて前記タイヤの空気圧の低下を判定する判定手段として機能させ、
前記周波数特性推定手段は、前記回転速度情報を含む時系列信号に対し、線形モデルのパラメータを推定するパラメータ推定手段を含んでおり、且つ、
前記判定手段は、前記パラメータ推定手段によって推定した共振周波数を入力とし、正常圧または減圧を示す二値の判定値を出力とするサポートベクターマシンを用いることにより、タイヤの減圧判定を行う減圧判定手段を含んでいることを特徴とするタイヤの空気圧低下検出プログラム。