一种基于平台的车辆刹车系统监测方法技术方案

本发明专利技术公开一种基于平台的车辆刹车系统监测方法，包括监测系统，数据采集器与平台信号连接，并分别与载重传感器、人机交互界面、惯性测量单元、车辆OBD信号连接；采集数据；通过惯性测量单元获得信息；对坡度进行计算，将将斜坡方向的分力作为输入值；获得每个神经元的误差，将误差再传给隐藏层，隐藏层通过收敛函数不断迭代，直到神经网络收敛；将数据传输到训练好的神经网络中，得到制动能力最大值；与车辆默认值对比，若低于该值则刹车系统判定系统异常，提醒检修。本发明专利技术可实时检测，突破时空限制，能及时反馈当前刹车系统状态；收集行车驾驶者的刹车深度和刹车力度信息，提前预测刹车系统性能。

【技术实现步骤摘要】
一种基于平台的车辆刹车系统监测方法
本专利技术属于车辆刹车
，特别涉及一种基于平台的车辆刹车系统监测方法。
技术介绍
商用车吨位大，使用环境较为恶劣，而且多数为长途运输；所以车辆的刹车系统多数受到外部环境的侵蚀、腐化，异或长时间使用缺乏维护，导致刹车系统失灵或性能下降，往往在关键时刻刹车效果不佳，引起的交通事故普遍为群体事件，带来的损失更是巨大，社会影响深远。为了解决这个问题，当前采用的技术方案有：1.淋水降温；通过改装刹车系统，加装刹车鼓或刹车片的淋水降温系统，防止车辆制动系统过热引起制动性能衰减、自燃；然而淋水降温会加速刹车系统老化，对刹车系统性能的提升也只是短暂和暂时的；2.定期或公里数维护；听从厂家建议，定期或固定公里数后到服务站检修、保养；然而这也只是降低刹车系统失灵的风险，不具备识别、预测潜在的刹车系统失灵风险；而且商用车大多运输、使用里程较远，无法在途中实时检测刹车系统性能是否正常；3.平台式管理的方法，即收集行车里程和使用时间，综合数据推送车辆保养提醒；但同样存在没法预测潜在刹车失灵风险和实时检测刹车系统。
技术实现思路
本专利技术针对现有技术中存在的技术问题，提供一种基于平台的车辆刹车系统监测方法，可达到实时检测，突破时空限制，能及时反馈当前刹车系统状态；收集行车驾驶者的刹车深度和刹车力度信息，提前预测刹车系统性能的有益效果。为解决上述技术问题，本专利技术采用的技术方案是：一种基于平台的车辆刹车系统监测方法，包括监测系统，所述监测系统包括载重传感器、数据采集器、人机交互界面、惯性测量单元、车辆OBD；所述数据采集器与平台信号连接，并分别与载重传感器、人机交互界面、惯性测量单元、车辆OBD信号连接；所述监测方法包括以下步骤：(1)采集数据，其中数据包括车辆减速度、坡度、载重、车速、刹车踏板深度；通过惯性测量单元获得车辆的减速度、坡度，连接车辆的OBD/UDS接口去获取车辆的车速、刹车踏板深度信息；(2)对坡度和迎风阻力进行计算；对坡度进行计算，将车辆整体重量G进行正交分解求得在斜坡方向的分力Fx，直斜坡方向的分力Fy：Fx＝G·cosθ，Fy＝G·sinθ其中θ为坡度，G为整车重量，将斜坡方向的分力Fx作为输入值；(3)对神经网络进行训练；集中收集车辆每一次刹车前一时刻的车辆状态数据A，同时收集车辆下一时刻刹车动作的效果数据B；每一对数据A和数据B即为网络训练的一个样本数据，将采集的样本数据，通过已知数据算出一组权量，通过组权量向前传播，获得每个神经元的误差，将误差再传给隐藏层，隐藏层通过收敛函数不断迭代，直到神经网络收敛；其中收敛函数表达式为：h0(xi)k-样本数据训练时产生的输出误差，-回归训练输出结果，-收敛系数；(4)将数据传输到训练好的神经网络中，得到制动能力最大值amaxm/s2；影响因素包括：车辆减速度、刹车踏板深度、坡度、车速；(5)amaxm/s2与车辆默认值6.5m/s2对比，若低于该值则刹车系统判定系统异常，推送至用户端，提醒检修。与现有技术相比，本专利技术所具有的有益效果是：本专利技术实时监测商用车刹车系统，突破时空限制，能及时反馈当前刹车系统状态，预知刹车系统潜在风险；收集行车驾驶者的刹车深度和刹车力度信息，预测刹车系统性能，提醒驾驶者做好准备。附图说明图1为本专利技术的结构框图；图2为本专利技术的方法流程示意图。具体实施方式为使本领域技术人员更好的理解本专利技术的技术方案，下面结合附图和具体实施例对本专利技术作详细说明。本专利技术的实施例公开了一种基于平台的车辆刹车系统监测方法，如图所示，其包括监测系统，所述监测系统包括载重传感器、数据采集器、人机交互界面、惯性测量单元、车辆OBD；所述数据采集器与平台信号连接，并分别与载重传感器、人机交互界面、惯性测量单元、车辆OBD信号连接；所述监测方法包括以下步骤：(1)采集数据，其中车辆减速度2m/s2、坡度θ＝30°、载重49吨、车速60Km/h、刹车踏板深度100％；(2)对坡度和迎风阻力进行计算；对坡度进行计算，将车辆整体重量49000N进行正交分解求得在斜坡方向的分力Fx，直斜坡方向的分力Fy：Fx＝G·cosθ，Fy＝G·sinθ其中θ为坡度，G为整车重量，将斜坡方向的分力Fx作为输入值；Fx＝49000*cosθ＝42435.224(N)(3)对神经网络进行训练；集中收集车辆每一次刹车前一时刻的车辆状态数据A，同时收集车辆下一时刻刹车动作的效果数据B；每一对数据A和数据B即为网络训练的一个样本数据，将采集的样本数据，通过已知数据算出一组权量，通过组权量向前传播，获得每个神经元的误差，将误差再传给隐藏层，隐藏层通过收敛函数不断迭代，直到神经网络收敛；其中收敛函数表达式为：h0(xi)k-样本数据训练时产生的输出误差，-回归训练输出结果，-收敛系数；(4)将数据传输到训练好的神经网络中，得到制动能力最大值amax＝5.8m/s2；影响因素包括：车辆减速度、刹车踏板深度、坡度、车速；(5)5.8m/s2与车辆默认值6.5m/s2对比，低于该值。由于车辆踏板已全部踩下，此时制动力已达到100％，但车辆的实际减速度仍小于模型计算出车辆应有的减速度，则刹车系统判定系统异常，推送至用户端，提醒检修。惯性测量单元采用MPU-6000(6050)为全球首例整合性6轴运动处理组件，相较于多组件方案，免除了组合陀螺仪与加速器时间轴之差的问题，减少了大量的封装空间。MPU-6000(6050)的角速度全格感测范围为±250、±500、±1000与±2000°/sec(dps)，可准确追踪快速与慢速动作，并且，用户可程式控制的加速器全格感测范围为±2g、±4g±8g与±16g。本方案选用±250°/sec(dps)、±2g即满足车辆物理运动特性。数据采集器采用NXP的MCIMX537CVV8C，是基于CortexTM-A8内核的高级多媒体和高能效处理器，每个内核运行速率高达880MHz。其性能和功耗均经过优化，可满足高端、高级应用的严苛要求。该处理器含有集成显示控制器、全高清(HD)支持、增强型图形和连接功能，非常适用于消费电子、汽车、医疗和工业控制市场中的各种应用。以上通过实施例对本专利技术进行了详细说明，但所述内容仅为本专利技术的示例性实施例，不能被认为用于限定本专利技术的实施范围。本专利技术的保护范围由权利要求书限定。凡利用本专利技术所述的技术方案，或本领域的技术人员在本专利技术技术方案的启发下，在本专利技术的实质和保护范围内，设计出类似的技术方案而达到上述技术效果的，或者对申请范围所作的均等变化与改进等，均应仍归属于本专利技术的专利涵盖保护范围之内。应当注意，为了清楚的进行表述，本专利技术的说明中省略了部分与本专利技术的保护范围无直接明显的关联但本领域本文档来自技高网...

【技术保护点】
1.一种基于平台的车辆刹车系统监测方法，其特征在于，包括监测系统，所述监测系统包括载重传感器、数据采集器、人机交互界面、惯性测量单元、车辆OBD；所述数据采集器与平台信号连接，并分别与载重传感器、人机交互界面、惯性测量单元、车辆OBD信号连接；/n所述监测方法包括以下步骤：/n(1)采集数据，其中数据包括车辆减速度、坡度、载重、车速、刹车踏板深度；/n通过惯性测量单元获得车辆的减速度、坡度，连接车辆的OBD/UDS接口去获取车辆的车速、刹车踏板深度信息；/n(2)对坡度和迎风阻力进行计算；/n对坡度进行计算，将车辆整体重量G进行正交分解求得在斜坡方向的分力F

【技术特征摘要】
1.一种基于平台的车辆刹车系统监测方法，其特征在于，包括监测系统，所述监测系统包括载重传感器、数据采集器、人机交互界面、惯性测量单元、车辆OBD；所述数据采集器与平台信号连接，并分别与载重传感器、人机交互界面、惯性测量单元、车辆OBD信号连接；
所述监测方法包括以下步骤：
(1)采集数据，其中数据包括车辆减速度、坡度、载重、车速、刹车踏板深度；
通过惯性测量单元获得车辆的减速度、坡度，连接车辆的OBD/UDS接口去获取车辆的车速、刹车踏板深度信息；
(2)对坡度和迎风阻力进行计算；
对坡度进行计算，将车辆整体重量G进行正交分解求得在斜坡方向的分力Fx，直斜坡方向的分力Fy：
Fx＝G·cosθ，Fy＝G·sinθ
其中θ为坡度，G为整车重量，将斜坡方向的分力Fx作为输入值；
(3)对神经网络进行训练；
集中收集车辆每一次刹车前...

【专利技术属性】
技术研发人员：刘宗刚，林进贵，
申请(专利权)人：天津所托瑞安汽车科技有限公司，
类型：发明
国别省市：天津;12