[发明专利]一种智能轮胎垂向载荷估算方法

说明书

本发明提供一种智能轮胎垂向载荷估算方法，首先采集轮胎在不同实车工况下的运行数据，作为样本进行存储；然后结合训练函数对样本进行学习，得到垂向载荷估算模型；再将轮胎的接地信息导入到垂向载荷估算模型，得出垂向载荷的预估值。本发明通过采集车辆在不同工况下的运行数据结合训练函数，得出垂向载荷预估模型，将模型导入到实时控制器中，通过实时采集轮胎的接地及轮速、胎压信息，实现了对垂向载荷的实时估算。

技术领域

本发明涉及汽车测控技术领域，具体涉及一种智能轮胎垂向载荷估算方法。

背景技术

随着国家对汽车行业“新四化”的发展方向的指引，智能化、网联化对于轮胎行业也有了新的发展需求。轮胎技术，集成了先进的传感技术、信号调理技术、实时通信技术等，可以感知和收集轮胎受力情况、轮胎磨耗和路面状况，有助于改进车辆动力学控制系统，提高车辆操控及行驶安全性。为提高汽车行驶过程中的行驶安全性、操纵稳定性和燃油经济性，需要高精度的获取轮胎垂向载荷，并反馈给电子控制单元，从而更大限度保障了行车安全。

发明内容

本发明的目的在于提供一种轮胎开发测试系统，并基于该系统实现车辆垂向载荷的估算。

为实现上述目的，本发明采用如下技术方案：

一种智能轮胎垂向载荷估算方法，包括以下步骤：

采集轮胎在不同实车工况下的运行数据，作为样本进行存储；

结合训练函数对样本进行学习，得到垂向载荷估算模型；

将轮胎的接地信息导入到垂向载荷估算模型，得出垂向载荷的预估值。

进一步地，所述垂向载荷估算模型通过以下步骤实现：

a、定义模型的输入、输出变量，选定训练集和测试集；

b、对运行数据进行预处理；

c、通过网格搜索、交叉验证的算法选择模型最佳参数；

d、选用ε-Support Vector Regression(ε-SVR)回归算法，并选用高斯径向基(RBF)核作为算法的核函数，利用最佳参数对样本进行学习得到SVM模型,核函数的表达式如下：

其中：X表示样本输入向量，X_c表示核函数的中心向量，σ为核函数的宽度参数。

e、利用SVM模型进行回归预测。

优选地，运行数据的预处理采用归一化的算法，公式如下：

其中：X表示归一化之前的原始数据；Y表示归一化之后的数据；X_min表示样本数据的最小值；X_max表示样本数据的最大值。

进一步地，所述智能轮胎包括轮胎以及安装在所述轮胎上的若干PVDF压电薄膜传感器、若干三轴加速度传感器以及温压一体传感器。

进一步地，所述轮胎的接地信息包括接地纵轴长、接地横轴长、接地压力以及接地面积。

由以上技术方案可知，本发明通过采集车辆在不同工况下的运行数据结合训练函数，得出垂向载荷预估模型，将模型导入到实时控制器中，通过实时采集轮胎的接地及轮速、胎压信息，实现了对垂向载荷的实时估算。

附图说明

图1为垂向载荷估算模型搭建的具体步骤流程图；

图2为垂向载荷估算模型的原理示意图；

图3-5为垂向载荷估算模型的预估效果示意图；

具体实施方式