【技術實現步驟摘要】
本專利技術涉及abs控制策略優化，尤其涉及基于間接式胎壓監測的abs控制策略優化方法及系統。
技術介紹
1、隨著汽車工業的快速發展，車輛的安全性能日益受到廣泛關注。abs(防抱死制動系統)作為現代汽車制動系統的重要組成部分，能夠在緊急制動時防止車輪抱死，提高車輛的操控性和安全性。
2、然而，現有的abs系統大多依賴于固定的控制策略，無法針對車輛的實際運行狀態進行動態調整。這種靜態的控制策略在面對復雜多變的道路條件和駕駛習慣時，往往顯得力不從心。
3、同時現有的abs系統通常忽略了輪胎胎壓對制動性能的影響。輪胎胎壓是影響車輛制動距離和穩定性的關鍵因素之一。當輪胎胎壓異常時，車輪與地面的摩擦系數會發生變化，導致abs系統的控制策略不再適用，從而影響制動效果。具體來說，過高的胎壓會使輪胎與地面的接觸面積減小，降低摩擦力；而過低的胎壓則會使輪胎變形，增加滾動阻力，同樣不利于制動性能。
4、盡管目前有一些車輛配備了直接式胎壓監測系統(tpms)，但這些系統存在成本較高、安裝復雜等問題。且直接式胎壓監測系統需要在每個輪胎內安裝傳感器，這些傳感器不僅價格昂貴，還需要定期更換電池，增加了車主的負擔。此外，這些系統無法提供實時的大數據分析，使得系統難以根據實際的胎壓變化動態調整制動策略，從而無法充分發揮abs的潛力。
技術實現思路
1、本專利技術的目的是提供一種基于間接式胎壓監測的abs控制策略優化方法及系統，解決上述技術問題。
2、為實現上述目的，本
3、s1、實時采集車輛行駛狀態信息，并進行模數轉換，行駛狀態信息包括四個車輪的轉速、車輪角速度、車速、縱向加速度、橫向加速度以及轉向角度；
4、s2、利用卡爾曼濾波算法對步驟s1采集的行駛狀態信息進行處理，并基于車輪轉速信息識別輪胎的動態行為；
5、s3、利用智能決策算法基于車輪轉速估計車輪的胎壓狀態；
6、s4、考慮胎壓、車速以及路面狀況，運用故障樹分析，評估當前行駛狀態下的制動風險；
7、s5、根據風險評估結果生成abs控制參數；
8、s6、基于abs控制參數生成控制指令并傳輸至abs執行器；
9、s7、abs執行器根據接收的控制指令調整液壓系統的壓力，以防止車輪在制動時鎖死；
10、s8、反饋abs執行器的制動信息并結合車輪轉速以及加速度評估步驟s5生成的abs控制參數的有效性，并基于反饋結果調整abs控制參數；
11、s9、輸出顯示abs的工作狀態信息和胎壓信息。
12、優選的，在步驟s1中，針對模數轉換后的行駛狀態信息利用低通濾波器算法去除高頻噪聲。
13、優選的，步驟s2具體包括以下步驟：
14、s21、建立系統的狀態空間模型，狀態空間模型包括狀態方程和觀測方程；
15、其中狀態方程表達式如下：
16、xk＝a×x{l-1}+b×u{l-1}+wk??(1)；
17、觀測方程表達式如下：
18、zk＝h×xk+vk??(2)；
19、式中，xk表示k時刻的狀態向量，x{k-1}表示k-1時刻的狀態向量，k表示狀態轉移矩陣，b表示控制矩陣，u{k-1}表示k-1時刻的控制輸入，wk表示過程噪聲，zk表示k時刻的觀測向量，h表示觀測矩陣，vk表示觀測噪聲；
20、s22、初始化卡爾曼濾波器的狀態估計值和誤差協方差；
21、s23、在每一個時間步長，利用狀態方程預測下一個狀態，并更新誤差協方差；
22、其中狀態預測表達式如下：
23、x{k|k-1}＝a×x{k-1|k-1}?(3)；
24、式中，x{k|k-1}表示在k時刻基于k-1時刻輸入信息預測的狀態預測值，x{k-1|k-1}表示k-1時刻的狀態預測值；
25、誤差協方差更新表達式如下：
26、p{k|k-1}＝a×p{k-1|k-1}×at+q??(4)；
27、式中，p{k|k-1}表示k時刻的誤差協方差預測值，p{k-1|k-1}表示k-1時刻的誤差協方差預測值，q表示過程噪聲協方差矩陣；
28、s24、當輸入新的觀測數據時，利用觀測方程計算殘差，并利用殘差來更新狀態估計值和誤差協方差；
29、計算殘差表達式如下：
30、yk＝zk-h×x{l|k-1}??(5)；
31、式中，yk表示殘差；
32、更新狀態估計值表達式如下：
33、x{k|k}＝x{k|k-1}+kk×yk??(6)；
34、式中，x{k|k}表示k時刻更新后的狀態估計值；kk表示卡爾曼增益；
35、更新誤差協方差表達式如下：
36、p{k|k}＝(e-kk×h)×p{k|k-1}??(7)；
37、式中，p{k|k}表示k時刻更新后的誤差協方差矩陣，e表示單位矩陣，p{k|k-1}表示在k時刻基于k-1時刻輸入信息預測的誤差協方差矩陣；
38、s25、輸出經過濾波的最優狀態估計值
39、s26、迭代更新步驟s23-步驟s25，直至滿足迭代結束條件，輸出處理后的行駛狀態信息至步驟s27；
40、s27、利用差分運算計算車輪轉速的變化率：
41、δω＝ωk-ω{k-1}??(8)；
42、式中，δω表示車輪轉速的變化率，ωk表示k時刻的車輪轉速，ω{k-1}表示k-1的車輪轉速；
43、s28、通過時間序列分析方法提取車輪轉速的短期和長期趨勢；
44、s29、基于采集的車輪角速度、車速計算滑移率λ：
45、λ＝(vw-v)/v??(9)；
46、式中，vw表示車輪角速度，v表示車速；
47、s210、結合提取的車輪轉速的短期和長期趨勢以及滑移率λ判斷輪胎的動態行為。
48、優選的，在步驟s29中，當提取的車輪轉速的短期趨勢超過設定第一閾值范圍時，判定車輪打滑；
49、當車輪變化率超過設定第二閾值范圍時，判定車輪抱死；
50、當滑移率λ大于設定第三閾值時，判定車輪進入滑動臨界狀態，當滑移率λ小于設定第三閾值時，判定車輪處于正常制動狀態。
51、優選的，在步驟s3中，智能決策算法的機器學習單元使用監督學習，其代價函數j(θ)表達式如下：
52、j(θ)＝(1/2m)×σ[(hθ(xi)-yi)2]??(10)；
53、式中，m表示訓練樣本數量，hθ表示預測模型，xi表示輸入的車輪轉速信息，yi表示輸出；
54、且智能決策算法通過k-means聚類算法識別駕駛模式，更新聚類中心vj的表達式如下：
55、vj＝(1本文檔來自技高網...
【技術保護點】
1.一種基于間接式胎壓監測的ABS控制策略優化方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的基于間接式胎壓監測的ABS控制策略優化方法，其特征在于：在步驟S1中，針對模數轉換后的行駛狀態信息利用低通濾波器算法去除高頻噪聲。
3.根據權利要求2所述的基于間接式胎壓監測的ABS控制策略優化方法，其特征在于：步驟S2具體包括以下步驟：
4.根據權利要求3所述的基于間接式胎壓監測的ABS控制策略優化方法，其特征在于：在步驟S29中，當提取的車輪轉速的短期趨勢超過設定第一閾值范圍時，判定車輪打滑；
5.根據權利要求4所述的基于間接式胎壓監測的ABS控制策略優化方法，其特征在于：在步驟S3中，智能決策算法的機器學習單元使用監督學習，其代價函數J(θ)表達式如下：
6.根據權利要求5所述的基于間接式胎壓監測的ABS控制策略優化方法，其特征在于：步驟S4具體包括以下步驟：
7.根據權利要求6所述的基于間接式胎壓監測的ABS控制策略優化方法，其特征在于：在步驟S5中，使用Ziegler-Nichols法優化ABS控
8.根據權利要求7所述的基于間接式胎壓監測的ABS控制策略優化方法，其特征在于：步驟S6具體包括以下步驟：
9.根據權利要求8所述的基于間接式胎壓監測的ABS控制策略優化方法，其特征在于：在步驟S8中，當滑移率λ大于設定第三閾值時，按照設定比例減小車輪的制動力；
10.如上述權利要求9所述的基于間接式胎壓監測的ABS控制策略優化方法的系統，其特征在于：包括信號采集模塊、數據處理與分析模塊、控制決策模塊、通信與顯示模塊、車載網絡通信模塊、電源管理模塊和數據顯示模塊：
...【技術特征摘要】
1.一種基于間接式胎壓監測的abs控制策略優化方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的基于間接式胎壓監測的abs控制策略優化方法，其特征在于：在步驟s1中，針對模數轉換后的行駛狀態信息利用低通濾波器算法去除高頻噪聲。
3.根據權利要求2所述的基于間接式胎壓監測的abs控制策略優化方法，其特征在于：步驟s2具體包括以下步驟：
4.根據權利要求3所述的基于間接式胎壓監測的abs控制策略優化方法，其特征在于：在步驟s29中，當提取的車輪轉速的短期趨勢超過設定第一閾值范圍時，判定車輪打滑；
5.根據權利要求4所述的基于間接式胎壓監測的abs控制策略優化方法，其特征在于：在步驟s3中，智能決策算法的機器學習單元使用監督學習，其代價函數j(θ)表達式如下：
6.根據權利要求5所述的基于間接式...
【專利技術屬性】
技術研發人員：劉思遠，劉兆勇，劉溪淼，余子祥，張莉莉，
申請(專利權)人：格陸博科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。