CN112590795A - 路面状态推定装置及利用其的路面状态推定方法 - Google Patents

Abstract

本发明涉及路面状态推定装置及利用其的路面状态推定方法，更详细地，涉及即使在天气等的外部环境发生变化的情况下也能够准确地推定路面状态的路面状态推定装置及利用其的路面状态推定方法。用于实现如上所述的目的的本发明提供一种轮胎的路面状态推定装置，其特征在于，包括：传感器模块，安装于轮胎；接收模块，用于接收由上述传感器模块测定的传感信息；处理模块，通过分析由上述接收模块接收的传感信息来抽取用于推定路面状态的参数；以及推定模块，利用由上述处理模块抽取的上述参数来推定路面状态，上述传感信息包含轮胎的加速度。

Description

路面状态推定装置及利用其的路面状态推定方法

技术领域

本发明涉及路面状态推定装置及利用其的路面状态推定方法，更详细地，涉及即使在天气等的外部环境发生变化的情况下也能够准确地推定路面状态的路面状态推定装置及利用其的路面状态推定方法。

背景技术

轮胎为车辆部件中的直接与路面相接触的唯一要素，由于通过产生车辆的旋转力、驱动力、制动力来使车辆行驶，因而对车辆的行驶性能及安全性起到非常重要的作用。

在轮胎与路面之间产生的驱动力、制动力及旋转力很受轮胎的特性和路面种类及状态的影响。

因此，只要可在车辆推定实时路面状态来向车辆的电子控制单元(ECU)提供信息，则可期待制动防抱死系统(ABS)、高级驾驶辅助系统(ADAS)等的车辆控制的性能提高。

并且，这种信息将通过车辆仪表板等来向驾驶人员发出提示，并引导适合各种路面的适当的驾驶。例如，当检测到湿滑路面时，驾驶人员会为了避免水幕现象而降低车辆速度。

这种路面推定方法有利用安装在车辆的摄像头等来拍摄路面并利用图像处理来推定路面的方法。但是，在湿滑的路面或有雪路面，有可能会因摄像头的镜头被污染而导致图像的分辨率下降，深夜有可能会导致光学路面识别变得困难。

并且，另外安装摄像头有可能会造成车辆费用上升以及车载传感器网络变得复杂。

路面状态推定还可从由车辆动力学模型及车载传感器测定的车辆的行驶状态信息间接推定，这种推定方法广泛应用于车辆控制。但是，这种方法存在如下的缺点，即，在间接推定步骤中，有可能会导致误差积累，只有在路面与轮胎之间产生规定程度以上的滑动的情况下才能够进行推定。

在美国授权专利第9170102号中，利用由附着于轮胎内部的加速度传感器测定的加速度波形的特性而对多种路面状态进行分类。该发明涉及划分有雪路面、雨天路面、干燥路面、冰面路面等的方法及设备，有雪路面也可细分为compacted snow、deeply sherbetlike snow、shallowly shebert like snow等来分析。

但是，在美国授权专利第9170102号中，为了判断路面上是否覆盖某种物质，需另外计测路面的温度和在轮胎中产生的噪音，例如，为了区分湿滑路面和干燥路面，需另外计测路面的温度和在轮胎中产生的噪音。

这种路面温度传感器及声音录音传感器将追加安装于车辆并成为增加传感器网络的复杂性和传感器费用的因素。并且，在该专利中，以实施例提出的推定结果的准确度在湿滑(wet)、冰面(icy)、sherbert等的路面状态达到57～86％左右，准确度并不高。为了将路面推定结果有效应用于车辆控制等，需使准确度达到90％以上。

美国公开专利第2018-0222458号公开了可在多种行驶速度下抽取轮胎的加速度传感器的接地区域的方法。由于在轮胎内部进行计测的加速度传感器受到行驶速度的影响，因而在特定速度下划分接地区域的算法很难在其他行驶速度下有效地抽取接地区域。因此，提出了包含速度效果的接地区域划分算法，通过利用这样分离的接地区域的加速度信号的振动能，来分离摩擦系数高的路面和摩擦系数低的路面。

但是，这种方法因路面推定算法中并不包含轮胎接地区域振动特性、接地前后的振动特性，因而无法实现准确的推定。并且，仅划分沥青路面和摩擦系数低的路面，则无法向电子控制单元(ECU)提供详细的路面信息。

因此，需要更准确地推定路面状态的技术。

现有技术文献

专利文献

专利文献1：美国授权专利第9170102号

发明内容

技术问题

用于解决如上所述的问题的本发明的目的在于提供即使在天气等的外部环境发生变化的情况下也能够准确地推定路面状态的路面状态推定装置及利用其的路面状态推定方法。

本发明所要实现的技术问题并不限定于以上提及的技术问题，未提及的其他技术问题可由本发明所属技术领域的普通技术人员根据以下记载明确理解。

解决问题的手段

用于实现如上所述的目的的本发明提供一种轮胎的路面状态推定装置，其特征在于，包括：传感器模块，安装于轮胎；接收模块，用于接收由上述传感器模块测定的传感信息；处理模块，通过分析由上述接收模块接收的传感信息来抽取用于推定路面状态的参数；以及推定模块，利用由上述处理模块抽取的上述参数来推定路面状态，上述传感信息包含轮胎的加速度。

根据本发明的实施例，本发明的特征在于，上述传感器模块形成于上述轮胎的内部表面的胎面部中心。

根据本发明的实施例，本发明的特征在于，上述传感器模块包括：加速度传感器，用于测定上述轮胎的圆周方向加速度、以及径向(radial direction)加速度；以及压力传感器，用于测定上述轮胎的内部压力。

根据本发明的实施例，本发明的特征在于，上述处理模块通过加速度波形曲线分析加速度振动特性，来抽取上述参数。

根据本发明的实施例，本发明的特征在于，上述处理模块从上述加速度波形曲线中抽取上述轮胎的接地区域，通过对上述接地区域进行频率分析来抽取参数。

根据本发明的实施例，本发明的特征在于，在上述加速度波形曲线中，上述处理模块将径向加速度曲线的微分值的最小值与最大值之间的区域抽取成接地区域。

根据本发明的实施例，本发明的特征在于，在上述加速度波形曲线中，上述处理模块将圆周方向加速度曲线的最小值与最大值之间的区域抽取成接地区域。

根据本发明的实施例，本发明的特征在于，上述处理模块通过按路面分析高频区域的功率频谱密度(power spectrum density)来选择关注频率区域，将在上述关注频率区域内所计算出的信号能确定成将向机器学习输入的上述参数。

根据本发明的实施例，本发明的特征在于，上述信号能通过以下数学式计算，

其中，y为信号能、f1为关注频率区域开始点、f2为关注频率区域结束点、X(f)为关注频率区域内的功率频谱密度。

根据本发明的实施例，本发明的特征在于，针对分别从上述轮胎的圆周方向加速度曲线及径向加速度曲线抽取的上述接地区域范围内的区域、接地前区域、接地后区域以及整体区域计算上述信号能，所计算出的值包含在将向上述机器学习输入的参数。

根据本发明的实施例，本发明的特征在于，上述高频区域的频带为1.5kHz至4.5kHz。

根据本发明的实施例，本发明的特征在于，上述关注频率区域为被判断为可通过按路面分析高频区域的功率频谱密度来区分各个路面之间的差异的区域。

根据本发明的实施例，本发明的特征在于，上述推定模块通过在由上述处理模块抽取的多个上述参数还添加轮胎空气压力、轮胎支撑负荷、行驶速度来推定路面状态。

根据本发明的实施例，本发明的特征在于，还包括显示模块，用于向使用人员显示由上述推定模块所推定出的路面状态。

根据本发明的实施例，本发明的特征在于，还包括电子控制单元模块，用于从上述推定模块接收所推定出的路面状态，上述电子控制单元模块用于根据上述路面状态来控制车辆。

用于实现如上所述的目的的本发明提供一种利用轮胎的路面状态推定装置的路面状态推定方法，利用轮胎的路面状态推定装置来实施，其特征在于，包括：步骤a)，测定上述轮胎的加速度；步骤b)，向上述处理模块提供所测定的上述加速度；步骤c)，通过分析所提供的上述加速度来抽取用于推定路面状态的参数；以及步骤d)，利用所抽取的上述参数来推定路面状态。

根据本发明的实施例，本发明的特征在于，上述步骤c)包括：步骤c1)，获得轮胎旋转1圈时的加速度波形曲线；步骤c2)，从上述加速度波形曲线中抽取上述轮胎的接地区域；步骤c3)，针对上述接地区域范围内的区域、接地前区域、接地后区域以及整体区域，按路面分析高频区域的功率频谱密度来选择关注频率区域；步骤c4)，计算所选择的上述关注频率区域内的信号能；以及步骤c5)，将所计算出的上述信号能抽取成参数。

根据本发明的实施例，本发明的特征在于，在上述步骤d)之后，还包括如下的步骤，即，向使用人员显示所推定出的上述路面状态，并以与上述路面状态相对应的方式控制车辆。

发明的效果

基于如上所述的结构的本发明具有如下的效果，即，可通过向驾驶人员发出与雨天路面、有雪路面等相关的警告来实现与之相对应的驾驶。

对于制动防抱死系统(ABS)制动而言，当前的方法在初始制动时基于车轮滑动的产生速度及产生程度来推定路面的摩擦系数并确定适当的滑动系数(slip ratio)。但是，在通过这种方式推定适当的滑动系数的过程会产生一定的时间延迟，这会导致制动距离增大。但是，根据本发明，只要向电子控制单元提供路面种类就可缩短制动防抱死系统算法的初期推定，可减少约5％左右的制动距离。

并且，在各个车辆通过车辆远程控制相连接的情况下，可通过共享前面车辆的信息来提前熟悉路面状态并可实现防范式驾驶。并且，车辆和道路交通公社等相关机构相连接，因而相关机构可实时提供道路状态地图等。

并且，对于无人驾驶车辆而言，若提前熟悉路面状态，则可通过对转向、制动、急刹车的输入确定适当的输入来使反馈控制的反馈过程最小化，从而可增加稳定性。

并且，根据本发明，通过使传感器附着于轮胎内部来测定正在行驶中的轮胎的动力学特性，通过对所测定出的波形进行特性分析来推定路面状态。因此，本发明在以轮胎与路面之间未产生滑动的正常状态行驶的状态下也可进行路面推定，由于直接利用轮胎内部的传感值，因而可使现有间接推定方式的误差积累最小化并提高推定准确度。

通过将信号分为不同的接触区域，并分别从每个区域提取特征，与整体处理信号相比，可以提高分类器的分辨率。

并且，根据本发明，可将所测定出的加速度信号分成轮胎接地及接地前后来抽取特性，并用作机器学习法的输入参数，可仅利用附着于轮胎内部的加速度传感器的计测值来准确推定各种路面种类。

本发明的效果并不限定于如上所述的效果，应理解为包括可从本发明的详细说明或发明要求保护范围中记载的本发明的结构推导的所有效果。

附图说明

图1为本发明一实施例的路面状态推定装置的结构例示图。

图2为示出本发明一实施例的传感器模块的安装位置的例示图。

图3A、图3B为示出本发明一实施例的轮胎旋转1次时的接地位置的例示图及加速度波形曲线。

图4A、图4B、图4C、图4D为本发明一实施例的基于路面状态的圆周方向加速度曲线。

图5A、图5B为示出本发明一实施例的径向加速度曲线的接地区域的例示图。

图6A、图6B为示出本发明一实施例的频率分析方法的图表。

图7A、图7B为示出本发明一实施例的关注频率区域及信号能的图表。

图8为示出本发明一实施例的推定模块的神经网络模型结构的例示图。

图9为本发明一实施例的利用路面状态推定装置及利用其的路面状态推定方法的流程图。

图10为本发明一实施例的抽取参数的步骤的流程图。

附图标记的说明

100：轮胎的路面状态推定装置

110：传感器模块 111：加速度传感器

112：压力传感器 120：接收模块

130：处理模块 140：推定模块

150：显示模块 160：电子控制单元模块

具体实施方式

以下，参照附图对本发明进行说明。但是，可通过多种不同的实施方式实现本发明，因此，本发明并不限定于在本说明书中说明的实施例。而且，为了明确说明本发明，在附图中省略了与说明无关的部分，在说明书全文中，对于相似的部分赋予了相似的附图标记。

在说明书全文中，当表示某个部分与其他部分“相连接(联接、接触、结合)”时，这不仅表示“直接连接”的情况，还包括在中间设置其他部件来“间接连接”的情况。并且，当表示某个部分“包括”某个结构要素时，只要没有特别相反的记载，则意味着还可包括其他结构要素，而不是排除其他结构要素。

在本说明书中使用的术语仅用于对特定实施例进行说明，而不是用于限定本发明。只要未在文章中明确表示其他含义，则单数的表达包括复数的表达。在本说明书中，应理解的是，“包括”或“具有”等的术语用于指定说明书中记载的特征、数字、步骤、动作、结构要素、部件或它们的组合的存在，而不是预先排除一个或一个以上的其他特征、数字、步骤、动作、结构要素、部件或它们的组合的存在或附加可能性。

以下，参照附图详细说明本发明的实施例。

图1为本发明一实施例的路面状态推定装置的结构例示图。

如图1所示，轮胎的路面状态推定装置100包括传感器模块110、接收模块120、处理模块130、推定模块140、显示模块150以及电子控制单元模块160。

图2为示出本发明一实施例的传感器模块的安装位置的例示图。

还参照图2，上述传感器模块110可以为安装在轮胎内部的传感器(TMS，Tiremounted sensor)。由于上述传感器模块110直接安装于轮胎的内部表面，因而可通过测定加速度来获取正在行驶的轮胎的变形及振动信息。

尤其，上述传感器模块110形成于内部表面的胎面部10的中心，可包括加速度传感器111以及压力传感器112。

上述加速度传感器111能够以测定上述轮胎的圆周方向加速度、及径向加速度等的共2个轴的加速度的方式设置。

而且，上述压力传感器112能够以测定上述轮胎的内部压力的方式设置。

这样设置的上述传感器模块110可测定轮胎的变形及与振动相关的传感信息。

并且，上述传感器模块110还可通过形成于胎面部10的中心来使车轮滑动角度或外倾角角度对加速度测定产生的影响最小化。

上述接收模块120能够以可接收由上述传感器模块110测定的传感信息的方式设置。

具体地，上述传感器模块110将以无线方式向发送器发送所测定出的加速度和轮胎内部压力，这由设置于车辆系统内部的接收模块120来接收。

其中，无线发送方式可采用射频(RF)方式、蓝牙低能耗(BLE)方式等。

由上述接收模块120接收的加速度信号包含与轮胎的振动及变形相关的信息，在这种信息中，可根据路面的种类而使轮胎特性变得不同。

上述处理模块130能够以通过分析由上述接收模块120接收的上述传感信息来抽取用于推定路面状态的参数的方式设置。

其中，上述参数可指以对从干燥路面、湿滑路面、冰面路面、有雪路面等所测定出的加速度振动特性进行的分析作为基础来用于路面推定模型的变数。

上述处理模块130能够以通过与由上述传感器模块110所测定出的2个轴的加速度相关的加速度波形曲线来对加速度振动特性进行分析并由此抽取上述参数的方式设置。其中，加速度波形曲线为示出上述2个轴各自随着时间产生的加速度变化的曲线。

图3为示出本发明一实施例的轮胎旋转1次时的接地位置的例示图及加速度波形曲线。

参照图3，上述处理模块130可从上述加速度波形曲线抽取上述轮胎的接地区域，可通过对于上述接地区域进行频率分析来抽取参数。

如图3所示，可确认到加速度的变化在作为轮胎开始接地的位置的b点、作为正在接地的位置的c点、作为正结束接地的位置的d点变化很大。

具体地，由于轮胎形状的非连续性，加速度波形在接地区域b～接地区域d形成最大值或最小值。而且，对于z方向的加速度而言，加速度在接地范围内几乎为0，在接地之外的范围具有相当于轮胎的离心力加速度的值。

因此，在上述加速度波形曲线中，上述处理模块130可将径向加速度曲线的微分值的最小值与最大值之间的区域抽取成接地区域。

并且，在上述加速度波形曲线中，上述处理模块130可将圆周方向加速度曲线的最小值与最大值之间的区域抽取成接地区域。

像这样，上述处理模块130能够以可从上述加速度波形曲线导出上述轮胎的接地区域的方式设置。

图4为本发明一实施例的基于路面状态的圆周方向加速度曲线。

还参照图4，可确认在多种路面计测的轮胎圆周方向的加速度波形，振动特性根据路面种类而不同。如图4A所示，与图4B所示的湿滑路面相比，干燥路面的振动能整体上低，尤其在接地区域前后观察到高能量。

并且，如图4C所示，在冰面路面，接地区域前半部的振动能大于接地区域后半部的振动能，对于图4D部分所示的有雪路面而言，接地区域后半部的振动能大于接地区域前半部的振动能。

如上所述，由于加速度振动特性会根据各种路面而不同，因而可从加速度波形抽取用于路面推定的适当的特征参数。

这种参数将用于利用机器学习进行的数据模型的开发。并且，按各个部分划分加速度信号，即，按接地前、接地范围内、接地后来划分加速度信号，并由此抽取特征参数，则可实现更高水平的推定。

图5为示出本发明一实施例的径向加速度曲线的接地区域的例示图。

还参照图5，可确认到利用径向加速度的微分值抽取接地区域。由于加速度信号的微分值在接地开始点和结束点形成最小值、最大值，因而可通过抽取该位置来划分接地区域。

并且，虽然未图示，但本发明包括利用轮胎的圆周方向加速度来划分接地区域的方法。

而且，优选地，为了划分加速度接地区域，上述处理模块130将利用通过低通滤波器来消除高频杂音的信号。

图6为示出本发明一实施例的频率分析方法的图表。

参照图6，上述处理模块130能够以在利用呈现出基于时间的加速度的加速度波形曲线来划分接地区域之后利用频率分析抽取可表示基于路面的差异的特定参数的方式设置。

具体地，虽然为了进行信号的频率分析而主要使用的方法为利用快速傅立叶变换(FFT)分析的方法，但如图6A所示，在轮胎内部计测的加速度包含多种噪音。因此，如图6B所示，上述处理模块130能够以利用噪音相对少的Welchi's方法来执行频率分析的方式设置。

上述图6中的图表呈现出基于频率的功率频谱密度的变化，对干燥路面和湿滑路面进行了比较。

像这样，上述处理模块130能够以通过按路面分析高频区域的功率频谱密度来选择关注频率区域并将在上述关注频率区域内所计算出的信号能确定成将向机器学习输入的上述参数的方式设置。

其中，上述高频区域的频带可达到1.5kHz至4.5kHz。

而且，上述关注频率区域可指被判断为可通过按路面分析高频区域的功率频谱密度来区分各个路面之间的差异的区域。

图7为示出本发明一实施例的关注频率区域及信号能的图表。

参照图7进行进一步说明，上述处理模块130通过按路面分析高频区域的功率频谱密度来选择了路面之间的差异非常明显的关注频率区域，以加亮区域显示在图7中。

在这种关注频率区域计算信号能并定义成机器学习的输入参数，信号能的数学式如下。

数学式1

其中，y为信号能、f1为关注频率区域开始点、f2为关注频率区域结束点、X(f)为关注频率区域内的功率频谱密度。

针对分别从上述轮胎的圆周方向加速度曲线及径向加速度曲线抽取的上述接地区域范围内的区域、接地前区域、接地后区域以及整体区域计算上述信号能，所计算出的值可成为将向上述机器学习输入的参数。

即，上述参数可以为将针对从轮胎径向加速度曲线抽取的接地区域范围内的区域、接地前区域、接地后区域以及整体区域所计算出的信号能和针对从轮胎圆周方向加速度曲线抽取的接地区域范围内的区域、接地前区域、接地后区域以及整体区域所计算出的信号能包括在内的8个以上的值。

由于像这样抽取的参数使基于路面状态呈现出的特征不同点极大化，因而可更准确地测定路面状态。

上述推定模块140能够以可利用由上述处理模块130抽取的上述参数来推定路面状态的方式设置。

其中，上述推定模块140能够以可通过在由上述处理模块130抽取的多个上述参数还添加轮胎空气压力、轮胎支撑负荷、行驶速度来推定路面状态的方式设置。

图8为示出本发明一实施例的推定模块的神经网络模型结构的例示图。

还参照图8，上述推定模块140能够以可利用将所抽取的8个参数和3个试验条件作为参数的机器学习来推定路面状态的方式设置。

作为一实施例，上述推定模块140可形成利用图8所示的神经网络的模型结构。

具体地，输入参数共达到11个，即，包含轮胎空气压力、轮胎支撑负荷、行驶速度等的试验条件和8个加速度特定参数，输出为4种所推定出的路面状态。

神经网络由包括3个隐藏层，每一层由30个神经元构成。向轮胎施加的负荷可通过从加速度信号所推定出的接地长度和负荷来进行推定，压力使用压力传感器112的测定值。车辆的行驶速度可通过车辆的控制器局域网络总线(CAN/Bus)连接来确保，还可通过追加安装全球定位系统(GPS)传感器来收集速度。

通过利用这种神经网络模型来推定路面状态的上述推定模块140利用约5000个数据执行了测试。即，在车轮旋转5000次的过程中，80％的数据用于机器学习，20％的数据用于路面状态推定测试。

通过这种方法所推定出的结果的准确度在当前实施例中达到了92％。为了确认是否过拟合，进行了利用10折的交叉验证(cross validatioin)。确认了在针对10个实例以准确度相似的水平开发的数据模型并未出现过拟合问题。

其中，上述推定模块140推定路面状态的方法并不仅仅限定于利用神经网络的模型结构，可使用决策树(decision tree)、随机森林(random forest)等的多种机器学习算法。

即，上述推定模块140可包括利用可推定路面状态的机器学习算法的所有方法。

像这样，上述推定模块140能够以利用由上述处理模块130抽取的参数来对基于各种路面状态的参数的变化进行机器学习并在以根据机器学习来学习的数据作为基础输入新参数时推定路面状态的方式设置。

上述显示模块150可设置于车辆的仪表板等，能够以可向使用人员显示由上述推定模块140所推定出的路面状态的方式设置。这样设置的上述显示模块150可通过向驾驶人员发出与雨天路面、有雪路面等相关的警告来实现与之相对应的驾驶。

上述电子控制单元模块160以可从上述推定模块140接收所推定出的路面状态的方式设置，能够以可根据上述路面状态控制车辆的方式设置。

对于制动防抱死系统制动而言，当前的方法在初始制动时基于车轮滑动的产生速度及产生程度来推定路面的摩擦系数并确定适当的滑动系数。但是，在通过这种方式推定适当的滑动系数的过程会产生一定的时间延迟，这会导致制动距离增大。但是，根据本发明，只要向电子控制单元模块160提供路面种类就可缩短制动防抱死系统算法的初期推定，可减少约5％左右的制动距离。

并且，在各个车辆通过车辆远程控制相连接的情况下，可通过共享前面车辆的信息来提前熟悉路面状态并可实现防范式驾驶。并且，车辆和道路交通公社等相关机构相连接，因而相关机构可实时提供道路状态地图等。

并且，对于无人驾驶车辆而言，若提前熟悉路面状态，则可通过对转向、制动、急刹车的输入确定适当的输入来使反馈控制的反馈过程最小化，从而可增加稳定性。

并且，根据本发明，通过使传感器模块110附着于轮胎内部来测定正在行驶中的轮胎的动力学特性，通过对所测定出的波形进行特性分析来推定路面状态。因此，本发明在以轮胎与路面之间未产生滑动的正常状态行驶的状态下也可进行路面推定，由于直接利用轮胎内部的传感值，因而可使现有间接推定方式的误差积累最小化并提高推定准确度。

并且，根据本发明，可将所测定出的加速度信号分成轮胎接地及接地前后来抽取特性，并用作机器学习法的输入参数，可仅利用附着于轮胎内部的加速度传感器111的计测值来准确推定各种路面种类。

图9为本发明一实施例的利用路面状态推定装置及利用其的路面状态推定方法的流程图。

参照图9，利用轮胎的路面状态推定装置的路面状态推定方法可先执行测定上述轮胎的加速度的步骤(步骤S10)。

在测定上述轮胎的加速度的步骤(步骤S10)中，能够以使上述传感器模块110测定上述轮胎的加速度的方式设置。

在测定上述轮胎的加速度的步骤(步骤S10)中，上述传感器模块110可测定上述轮胎的圆周方向加速度、及径向加速度等共2个轴的加速度。

在测定上述轮胎的加速度的步骤(步骤S10)之后，可执行向上述处理模块提供所测定出的上述加速度的步骤(步骤S20)。

在向上述处理模块提供所测定出的上述加速度的步骤(步骤S20)中，能够以使上述接收模块120向上述处理模块130提供由上述传感器模块110所测定出的加速度的方式设置。

在向上述处理模块提供所测定出的上述加速度的步骤(步骤S20)之后，可执行通过分析所提供的上述加速度来抽取用于推定路面状态的参数的步骤(步骤S30)。

图10为本发明一实施例的抽取参数的步骤的流程图。

参照图10，在通过分析所提供的上述加速度来抽取用于推定路面状态的参数的步骤(步骤S30)中，可先执行获得轮胎旋转1圈时的加速度波形曲线的步骤(步骤S31)。

在获得轮胎旋转1圈时的加速度波形曲线的步骤(步骤S31)之后，可执行从上述加速度波形曲线抽取上述轮胎的接地区域的步骤(步骤S32)。

在从上述加速度波形曲线抽取上述轮胎的接地区域的步骤(步骤S32)中，上述处理模块130可从上述加速度波形曲线将径向加速度曲线的微分值的最小值与最大值之间的区域抽取成接地区域。并且，上述处理模块130可从上述加速度波形曲线将圆周方向加速度曲线的最小值与最大值之间的区域抽取成接地区域。

在从上述加速度波形曲线抽取上述轮胎的接地区域的步骤(步骤S32)之后，可执行针对上述接地区域范围内的区域、接地前区域、接地后区域以及整体区域按路面分析高频区域的功率频谱密度来选择关注频率区域的步骤(步骤S33)。

在针对上述接地区域范围内的区域、接地前区域、接地后区域以及整体区域按路面分析高频区域的功率频谱密度来选择关注频率区域的步骤(步骤S33)中，上述处理模块130可通过按路面分析高频区域的功率频谱密度来选择关注频率区域。其中，上述高频区域的频带可达到1.5kHz至4.5kHz。而且，上述关注频率区域可指被判断为可通过按路面分析高频区域的功率频谱密度来区分各个路面之间的差异的区域。

在针对上述接地区域范围内的区域、接地前区域、接地后区域以及整体区域按路面分析高频区域的功率频谱密度来选择关注频率区域的步骤(步骤S33)之后，可执行计算所选择的上述关注频率区域内的信号能的步骤(步骤S34)。

在计算所选择的上述关注频率区域内的信号能的步骤(步骤S34)中，针对分别从上述轮胎的圆周方向加速度曲线及径向加速度曲线抽取的上述接地区域范围内的区域、接地前区域、接地后区域以及整体区域计算上述信号能，所计算出的值可成为将向上述机器学习输入的参数。

在计算所选择的上述关注频率区域内的信号能的步骤(步骤S34)之后，可执行将所计算出的上述信号能抽取成参数的步骤(步骤S35)。

在将所计算出的上述信号能抽取成参数的步骤(步骤S35)中，上述参数可以为将针对从轮胎径向加速度曲线抽取的接地区域范围内的区域、接地前区域、接地后区域以及整体区域所计算出的信号能和针对从轮胎圆周方向加速度曲线抽取的接地区域范围内的区域、接地前区域、接地后区域以及整体区域所计算出的信号能包括在内的8个以上的值。

在这种通过分析所提供的上述加速度来抽取用于推定路面状态的参数的步骤(步骤S30)之后，可执行利用所抽取的上述参数来推定路面状态的步骤(步骤S40)。

在利用所抽取的上述参数来推定路面状态的步骤(步骤S40)中，上述推定模块140能够以利用由上述处理模块130抽取的参数来对基于各种路面状态的参数的变化进行机器学习并在以根据机器学习来学习的数据作为基础输入新参数时推定路面状态的方式设置。

在利用所抽取的上述参数来推定路面状态的步骤(步骤S40)之后，可执行向使用人员显示所推定出的上述路面状态并以与上述路面状态相对应的方式控制车辆的步骤(步骤S50)。

在向使用人员显示所推定出的上述路面状态并以与上述路面状态相对应的方式控制车辆的步骤(步骤S50)中，上述显示模块150可设置于车辆的仪表板等，能够以可向使用人员显示由上述推定模块140所推定出的路面状态的方式设置。这样设置的上述显示模块150可通过向驾驶人员发出与雨天路面、有雪路面等相关的警告来实现与之相对应的驾驶。

并且，在向使用人员显示所推定出的上述路面状态并以与上述路面状态相对应的方式控制车辆的步骤(步骤S50)中，上述电子控制单元模块160以可从上述推定模块140接收所推定出的路面状态的方式设置，能够以可根据上述路面状态控制车辆的方式设置。

以上说明的对于本发明的说明仅属于例示，本发明所属技术领域的普通技术人员可以理解，可在不改变本发明的技术思想或必要特征的情况下轻松改变成其他具体实施方式。因此，应理解的是，以上记述的实施例在所有层面都是例示性的，而不是限定性的。例如，以单一型说明的各个结构要素还可分散实施，同样，分散说明的多个结构要素也能够以结合的形态实施。

本发明的范围由后述的发明要求保护范围来体现，应解释成本发明的范围包括从发明要求保护范围的含义、范围及等同概念导出的所有变更或变形实施方式。

Claims (18)

1.一种轮胎的路面状态推定装置，其特征在于，

包括：

传感器模块，安装于轮胎；

接收模块，用于接收由上述传感器模块测定的传感信息；

处理模块，通过分析由上述接收模块接收的传感信息来抽取用于推定路面状态的参数；以及

推定模块，利用由上述处理模块抽取的上述参数来推定路面状态，

上述传感信息包含轮胎的加速度。

2.根据权利要求1所述的轮胎的路面状态推定装置，其特征在于，上述传感器模块形成于上述轮胎的内部表面的胎面部中心。

3.根据权利要求2所述的轮胎的路面状态推定装置，其特征在于，上述传感器模块包括：

加速度传感器，用于测定上述轮胎的圆周方向加速度、以及径向加速度；以及

压力传感器，用于测定上述轮胎的内部压力。

4.根据权利要求1所述的轮胎的路面状态推定装置，其特征在于，上述处理模块通过加速度波形曲线分析加速度振动特性，来抽取上述参数。

5.根据权利要求4所述的轮胎的路面状态推定装置，其特征在于，

上述处理模块从上述加速度波形曲线中抽取上述轮胎的接地区域，

通过对上述接地区域进行频率分析来抽取参数。

6.根据权利要求5所述的轮胎的路面状态推定装置，其特征在于，在上述加速度波形曲线中，上述处理模块将径向加速度曲线的微分值的最小值与最大值之间的区域抽取成接地区域。

7.根据权利要求5所述的轮胎的路面状态推定装置，其特征在于，在上述加速度波形曲线中，上述处理模块将圆周方向加速度曲线的最小值与最大值之间的区域抽取成接地区域。

8.根据权利要求5所述的轮胎的路面状态推定装置，其特征在于，

上述处理模块通过按路面分析高频区域的功率频谱密度来选择关注频率区域，

将在上述关注频率区域内所计算出的信号能确定成将向机器学习输入的上述参数。

9.根据权利要求8所述的轮胎的路面状态推定装置，其特征在于，上述信号能通过以下数学式计算，

其中，y为信号能、f1为关注频率区域开始点、f2为关注频率区域结束点、X(f)为关注频率区域内的功率频谱密度。

10.根据权利要求9所述的轮胎的路面状态推定装置，其特征在于，

针对分别从上述轮胎的圆周方向加速度曲线及径向加速度曲线抽取的上述接地区域范围内的区域、接地前区域、接地后区域以及整体区域计算上述信号能，

所计算出的值包含在将向上述机器学习输入的参数。

11.根据权利要求9所述的轮胎的路面状态推定装置，其特征在于，上述高频区域的频带为1.5kHz至4.5kHz。

12.根据权利要求8所述的轮胎的路面状态推定装置，其特征在于，上述关注频率区域为被判断为能够通过按路面分析高频区域的功率频谱密度来区分各个路面之间的差异的区域。

13.根据权利要求5所述的轮胎的路面状态推定装置，其特征在于，上述推定模块通过在由上述处理模块抽取的多个上述参数还添加轮胎空气压力、轮胎支撑负荷、行驶速度来推定路面状态。

14.根据权利要求1所述的轮胎的路面状态推定装置，其特征在于，还包括显示模块，用于向使用人员显示由上述推定模块所推定出的路面状态。

15.根据权利要求1所述的轮胎的路面状态推定装置，其特征在于，

还包括电子控制单元模块，用于从上述推定模块接收所推定出的路面状态，

上述电子控制单元模块用于根据上述路面状态来控制车辆。

16.一种利用轮胎的路面状态推定装置的路面状态推定方法，利用权利要求1所述的轮胎的路面状态推定装置来实施，其特征在于，包括：

步骤a)，测定上述轮胎的加速度；

步骤b)，向上述处理模块提供所测定的上述加速度；

步骤c)，通过分析所提供的上述加速度来抽取用于推定路面状态的参数；以及

步骤d)，利用所抽取的上述参数来推定路面状态。

17.根据权利要求16所述的利用轮胎的路面状态推定装置的路面状态推定方法，其特征在于，上述步骤c)包括：

步骤c1)，获得轮胎旋转1圈时的加速度波形曲线；

步骤c2)，从上述加速度波形曲线中抽取上述轮胎的接地区域；

步骤c3)，针对上述接地区域范围内的区域、接地前区域、接地后区域以及整体区域，按路面分析高频区域的功率频谱密度来选择关注频率区域；

步骤c4)，计算所选择的上述关注频率区域内的信号能；以及

步骤c5)，将所计算出的上述信号能抽取成参数。

18.根据权利要求17所述的路面状态推定方法，其特征在于，在上述步骤d)之后，还包括如下的步骤，即，向使用人员显示所推定出的上述路面状态，并以与上述路面状态相对应的方式控制车辆。

Images