CN114169222B 路面状态判别方法和路面状态判别装置 （株式会社普利司通）

201880031455.62018.04.26在根据由振动检测单元检测出的行驶中的轮胎的振动的时间变化波形来判别轮胎所接触轮胎的振动的时间变化波形的数据获取多个固有振动模态进行希尔伯特变换而计算出的特征2使用经验模态分解算法来根据所述时间变化波形的数据获取多从所述多个固有振动模态中选择并提取任意的固有针对提取出的所述固有振动模态进行希尔伯特变换来所述特征数据为瞬时频率和瞬时振幅中的任意一方2.一种路面状态判别方法，根据由振动检测使用经验模态分解算法来根据所述时间变化波形的数据获取多从所述多个固有振动模态中选择并提取任意的固有针对提取出的所述固有振动模态进行希尔伯特变换来在根据计算出的所述特征量和所述针对各路面状态预先求出的特征量计算出不定值所述特征数据为瞬时频率和瞬时振幅中的任意一方取代通过支持向量机绘制的一个路面状态的特征量的分布的边界面和另一个路面状状态与另一个路面状态分离的一个边界面来判6.一种路面状态判别装置，其检测行驶中的轮胎3特征数据计算单元，其针对提取出的所述固有振动模态存储单元，其存储针对各路面状态预先求出的、使用振动的不定值核函数计算单元，其根据计算出的所述特征量和针对各路面状态判别单元，其根据使用了计算出的所述不定值核函数的识别函所述路面状态判别单元将针对各路面状态求出的识别函数的值进行比较来判别路面4等函数是根据基于将轮胎的振动的时间序列波形乘以窗函数来提取出的时间序列波形计算出的每个时间窗的特征向量即特定频带的振动水平以及针对各路面状态预先求出的基于轮胎振动的时间序列波形计算出的每个时间窗的路面5[0030]振动波形检测单元12～路面状态判别单元18的各单元例如由计算机的软件以及[0031]如图2所示，加速度传感器11被一体地配置于轮胎20的内衬层部21的轮胎气室226轮胎每旋转一周来提取作为轮胎振动的时间序列波[0033]图3是示出轮胎振动的时间序列波形的一例的图，轮胎振动的时间序列波形在踏Rf和在轮胎20的接地部离开路面之后的蹬出后区域Rk中都出现根据路面状态而不同的振[0035]在本例中，将加速度波形中的包含路面的信息的区域即路面内区域(踏入前区域、触地区域Rs以及蹬出后区域Rk)的加速度波形设为测量数据x1(t)，使用经验模态分解[0036]固有振动模态提取单元13使用EMD算法来根据测量数据x1(t)获取多个IMF(C1，y1理同样的处理，从而求出差波形y2(t)。并且，重复进行该处理，求出差波形y3(t)、y4mk[0040]作为差波形变为IMF的条件，提出了yk(t)的零交叉点的数量处理。提取的IMF的个数根据基础波形(测量数据)而变化，但是通常能够提取10个～15个7[0049]特征数据计算单元14针对所获得的IMFXk(t)进行希尔k[0060]因此，将该图的用粗线表示的时刻tj与时刻tj+1之间的波形视为频率fkj为瞬时频[0061]特征量计算单元15根据作为IMFXk(t)的特征数据的、振幅ak,j[0064]图6是示出根据车辆行驶于路面状态为干燥、湿润两种路面时的加速度波形计算分颜色浅的圆所示的车辆行驶于干燥路面的组与颜色深的圆所示的车辆行驶于湿润路面8b1A)是根据使搭载有在轮胎处安装了加速度传感器的选择出的识别边界附近的特征量称为路面特征量YYDSVISV即可。[0070]组的识别边界一般不能进行线性分离。因此，使用核方法将路面特征向量YDSV和[0079]能够对所述的式(2)使用最速下降法、SMO(SequentialMinimalO9[0085]用于区分干燥路面与除干燥路面以外的路面的干燥路面模型是具备处于f(x)＝+[0086]核函数计算单元17根据由特征量计算单元15计算出的特征量X以及存储单元16中WSI[0087]在路面状态判别单元18中，基于下面的式(9)～(12)所示的使用了核函数KD(WSIDWSI[0093]fD为用于识别干燥路面与其它路面的识别函数，fW为用于识别[0095]识别函数的拉格朗日乘子λD等的值是通过求出用于识别干燥路面与其它路面的[0097]接着，参照图8的流程图对使用路面状态判别装置10来判别轮胎20所行驶的路面[0098]首先，由加速度传感器11检测通过来自轮胎20所行驶的路面R的输入而产生的轮胎振动(步骤S10)，根据检测出的轮胎振动的信号提取轮胎振动的时间序列波形(步骤[0099]然后，在使用EMD算法根据所提取出的轮胎振动的时间序列波形的数据获取了多[0100]接着，在针对Xk(t)进行希尔伯特变换来计算出作[0101]接着，根据所计算出的特征量Xk和存储单元16中所记录的路面模I[0103]图9是将本方法的路面判别精度与将根据轮胎振动的时间序列波形计算出的特定频率的振动水平设为特征量并使用GA核来判别路面状态的以往方法的判定精度进行比较法比较支持向量机的学习花费的时间时，使用特征提取后的数据获得了相当大的改善效b2等中的多雪路面以及结冰路面中的哪一种路面，但是在路面判别例如是干燥/湿润那样的两种路面判别的情况下，如果取代通过支持向量机绘制的一个路面状态的特征量的分布的边界面使用用于将一个路面状态与另一个路面状态分离的一个边界面(干燥-湿润边界面)来判别[0113]以往，通过支持向量机绘制的干燥路面的支持向量(特征量)的分布的边界面(超平面)与用于将干燥路面同其它路面(湿润路面、积雪路面以及结冰路面)分离的识别函数为fD＝0的面大致相同，湿润路面的支持向量(特征量)的分布的边界面与用于将湿润路面图11的(a)的一点划线所示的用于判别干燥路面的边界面fD＝0和该图的虚线所示的用于出了干燥路面的支持向量与湿润路面的支持向量的边界面。此时，支持向量机的超参数[0121]图12是比较使边界面为一个时的干燥/湿润的判别精度与以往的使用了两个边界如图11的(b)所示那样使边界面为一个而干燥/湿润的两[0123]以上使用实施方式对本发明进行了说明，但是本发明也能够如下面那样进行记轮胎振动的时间序列波形计算出的每个时间窗的特面状态的特征量的分布的边界面和另一个路面状态的特征量的分布的边界面这两个边界