一种基于一维卷积神经网络的智能汽车轮胎偏磨预测方法技术

本发明专利技术公开了一种基于一维卷积神经网络的智能汽车轮胎偏磨预测方法，包括获取基础数据、构建训练集X和验证集C、建立轮胎偏磨预测模型和轮胎偏磨预测四个步骤；实时采集轮胎的振动信号数据，对采集到振动信号截取和归一化获得测试样本，将测试样本输入到训练完成的轮胎偏磨预测模型中，得到汽车轮胎的偏磨预测结果。有益效果：本发明专利技术根据采集到的轮胎的振动信号数据进行汽车轮胎偏磨预测，其建立的汽车轮胎偏磨预测模型能够自动的提取数据中的特征，在不需要停车检测的情况下，可以实时有效的检测轮胎偏磨状态，节省人力的同时降低了经济损失，提高了汽车的轮胎状态监测与安全续航行驶能力。行驶能力。行驶能力。

【技术实现步骤摘要】
一种基于一维卷积神经网络的智能汽车轮胎偏磨预测方法


[0001]本专利技术涉及一种汽车轮胎偏磨的预测方法，特别涉及一种基于一维卷积神经网络的智能汽车轮胎偏磨预测方法，属于智能汽车轮胎磨损预测


技术介绍

[0002]轮胎作为汽车与路面接触的唯一部件，轮胎传递着车辆运行过程中所需的力和力矩，实时监测轮胎状态信息，并为车辆动力控制系统提供信息输入与响应反馈，对实现汽车智能化与网联化具有重要意义。智能轮胎能够利用光学、应变和加速度等传感器，直接监测轮胎的各项状态参数，如胎压、轮胎六分力和轮胎/路面附着特性等信息，为智能汽车动力控制系统提供信息参考。但在汽车长时间、远距离的行驶过程中往往会发生磨损现象。汽车轮胎偏磨是轮胎在使用过程中，因为外部原因，如四轮定位参数，轮胎安装，货物装载不平衡等因素造成轮胎单边磨损。主要表现为单胎的花纹高度左右磨损不均匀，其中有一侧花纹迅速下降，而另一侧则磨损不明显；或者花纹前后出现波状磨损，块状磨损等。轮胎偏磨会引起车辆的异常振动，影响汽车的操控性能，并且加剧轮胎的正常磨损，这不仅会直接影响轮胎的使用寿命；还会对轮本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于一维卷积神经网络的智能汽车轮胎偏磨预测方法，其特征在于，包括以下步骤：S1：获取基础数据：分别获取已发生偏磨的轮胎和未发生偏磨的轮胎的行驶过程中的振动信号数据；S2：构建训练集X和验证集C：首先对上述S1中的振动信号数据进行预处理操作，其次截取上述振动信号数据建立两种轮胎对应的样本数据；然后对样本数据进行归一化；再对样本进行标记标签；最后对标记的样本分别划分成训练集X和验证集C；S3：建立轮胎偏磨预测模型：建立一维卷积神经网络初始模型，利用S2中的训练集X训练所述的一维卷积神经网络初始模型，构建轮胎偏磨预测模型，用验证集C检验轮胎偏磨预测模型的诊断性能；S4：轮胎偏磨预测：实时采集轮胎的振动信号数据，对采集到振动信号进行S2中的截取和归一化获得测试样本，将测试样本输入到S3中训练完成的轮胎偏磨预测模型中，得到汽车轮胎的偏磨预测结果。2.根据权利要求1所述的基于一维卷积神经网络的智能汽车轮胎偏磨预测方法，其特征在于：所述步骤S1中的振动信号数据为安装已发生偏磨的轮胎或未发生偏磨的轮胎的轮辋中心处径向加速度与时间之间关系的振动信号数据。3.根据权利要求2所述的基于一维卷积神经网络的智能汽车轮胎偏磨预测方法，其特征在于：所述步骤S1中的振动信号数据，是通过“数据孪生”方法，在有限元分析软件上，对已发生偏磨的轮胎或未发生偏磨的轮胎分别进行建模仿真，通过瞬态动力学分析获得轮辋中心位置径向振动的n个信号数据点。4.根据权利要求3所述的基于一维卷积神经网络的智能汽车轮胎偏磨预测方法，其特征在于：轮辋中心位置径向振动的n个信号数据点根据采样点频率确定。5.根据权利要求1所述的基于一维卷积神经网络的智能汽车轮胎偏磨预测方法，其特征在于，所述步骤S2中对已发生偏磨的轮胎和未发生偏磨的轮胎的行驶过程中的两组振动信号数据进行相同的预处理，截取上述振动信号数据建立两种轮胎对应的样本数据，样本的截取方法为：选定振动信号数据L个数据点作为样本长度，步长为S，上述每类的振动信号包含n个数据点，则每类可以得到(n
‑
L)/S+1组样本，两类样本一共有2*((n
‑
L)/S+1)组样本。6...

【专利技术属性】
技术研发人员：周海超，关浩东，李慧云，王国林，
申请(专利权)人：江苏大学，
类型：发明
国别省市：