[发明专利]路面状态判别方法

说明书

将检测出的行驶中的轮胎的振动的时序波形乘以规定时宽的窗函数来提取每个时间窗的时序波形，根据所述每个时间窗的时序波形分别计算出特征向量，之后，在使用该每个时间窗的特征向量和路面模型来判别行驶中的路面的状态时，根据制动驱动力的大小构建多个所述路面模型，并且估计作用于所述轮胎的制动驱动力，使用所述特征向量和与估计出的所述制动驱动力的大小相应的路面模型来判别路面的状态，其中，该路面模型是将搭载有具备加速度传感器的轮胎的车辆在多个路面状态的路面上分别行驶所得到的轮胎振动的时序波形的数据作为学习用数据构建出的模型。

技术领域

本发明涉及一种对行驶中的路面状态进行判别的方法。

背景技术

以往，作为对路面状态进行判别的方法，提出了如下一种方法(例如参照专利文献1)：将由加速度传感器检测出的轮胎振动的时序波形乘以规定时宽的窗函数来提取每个时间窗的时序波形，并计算出每个时间窗的特征向量，之后针对每个路面模型(隐马尔可夫模型)计算每个时间窗的特征向量的似然度，将与似然度最大的路面模型对应的路面判别为是轮胎正在行驶的路面的路面状态，其中，该路面模型(隐马尔可夫模型)是将搭载有具备加速度传感器的轮胎的车辆在多个路面状态的路面上分别行驶所得到的轮胎振动的时序波形的数据作为学习用数据构建出的模型。

另外，作为使用路面模型来判别路面状态的方法，提出了如下一种方法(例如，参照专利文献2)：根据每个时间窗的特征向量和预先求出的路面特征向量计算核函数，将使用该核函数来识别路面模型的识别函数的值进行比较来对路面状态进行判别。

专利文献1：日本特开2013-6533号公报

专利文献2：日本特开2014-35279号公报

发明内容

发明要解决的问题

然而，在所述专利文献1、2中，不是考虑对轮胎施加的制动驱动力而得到的分类结构，因此存在在加减速时或上坡、下坡时路面状态的判定精度降低的问题点。

本发明是鉴于以往的问题点而完成的，其目的在于提供一种即使在对轮胎作用了制动驱动力的情况下也能够高精度地判定路面状态的方法。

用于解决问题的方案

本发明是一种路面状态判别方法，具备以下步骤：步骤(a)，检测行驶中的轮胎的振动；步骤(b)，取出检测出的所述轮胎的振动的时序波形；步骤(c)，将所述轮胎的振动的时序波形乘以规定时宽的窗函数来提取每个时间窗的时序波形；步骤(d)，根据所述每个时间窗的时序波形分别计算特征向量；以及步骤(e)，使用路面模型和在所述步骤(d)中计算出的每个时间窗的特征向量来判别行驶中的路面的状态，该路面模型是将搭载有具备加速度传感器的轮胎的车辆在多个路面状态的路面上分别行驶所得到的轮胎振动的时序波形的数据作为学习用数据构建出的模型，该路面状态判别方法的特征在于，设置以下步骤：根据制动驱动力的大小构建多个所述路面模型，并且估计作用于所述轮胎的制动驱动力，在所述步骤(e)中，使用所述特征向量和与估计出的所述制动驱动力的大小相应的路面模型来判别路面的状态。

像这样，如果在使用路面模型来判别路面状态时根据制动驱动力的大小构建多个路面模型，则即使在对轮胎作用了制动驱动力的情况下，也能够高精度地判别路面状态。

此外，所述发明内容没有列举本发明需要的全部特征，这些特征组的子组合也还能够形成发明。

附图说明

图1是示出本发明的实施方式1所涉及的路面状态判别装置的结构的图。

图2是示出加速度传感器的配置例的图。

图3是示出轮胎振动的时序波形和每个时间窗的轮胎振动的时序波形的提取方法的图。

图4是示出路面HMM的一例的图。