确定车辆中轮胎压力状态的制作方法

本公开总体上涉及用于确定车辆中轮胎压力状态的系统和方法。

背景技术：

轮胎压力监控是车辆设计中的重要安全方面，因为充气不足的轮胎可能会导致事故。轮胎压力监测还具有驾驶经济方面的意义，因为如果车辆的轮胎具有最佳气压，则燃料消耗和轮胎磨损都可能更低。

在常规的间接轮胎压力监测系统中，在轮胎更换或轮胎压力充气之后需要校准或学习阶段。该校准或学习阶段通常由车辆的使用者触发，例如通过在轮胎更换或轮胎压力充气发生时请求校准来触发。如果用户在更换轮胎或轮胎气压充气后忘记启动轮胎气压监测系统的校准，则该系统可能无法表现最佳。

现有技术的问题

通常，在功能最佳化之前需要校准或学习的轮胎压力监视系统需要一些初始时间，因为校准或学习顺序可能会持续长达10-15分钟。此外，如果尽管存在轮胎充气不足而没有持续的压力泄漏的情况下校准发生，则轮胎压力监控系统可能无法检测到这一点。因此，这种轮胎压力监测系统的最佳功能依赖于用户仅在轮胎具有正确的压力时请求校准。

因此，需要一种用于确定车辆中轮胎压力状态的改进的系统和方法。

技术实现要素：

通过要求保护的用于确定车辆中轮胎压力状态的系统解决了上述问题。该系统可以包括至少一个处理设备，该至少一个处理设备被布置为：估计一组预定车辆参数的值；基于所述一组预定车辆参数的值来计算轮胎压力参数；以及通过将所述轮胎压力参数与阈值进行比较来确定轮胎压力状态，以指示是否存在轮胎充气不足。使用预训练机器学习系统或预定函数来计算轮胎压力参数，预训练机器学习系统或预定函数是通过使用很多组预定车辆参数的值和相关联的轮胎压力参数来训练机器学习系统而已经产生的。这使得能够以相对简单的方式生成复杂的函数。通过该系统，可以确定轮胎气压状态，而无需系统首先必须校准。此外，该系统可以与需要校准的常规间接轮胎压力监测系统一起使用，以忽略尽管轮胎充气不足而做出的校准请求。这将增强系统的功能并减少误用。

通过要求保护的用于确定车辆中的轮胎压力状态的方法进一步解决了上述问题。该方法可以包括：通过使用很多组预定车辆参数的值和相关联的轮胎压力参数来训练机器学习系统而生成机器学习系统或函数；估计一组预定车辆参数的值；基于所述一组预定车辆参数的值，使用所述预定函数计算轮胎压力参数；以及通过将所述轮胎压力参数与阈值进行比较来确定轮胎压力状态，以指示是否存在轮胎充气不足。这使得能够以相对简单的方式生成复杂的函数。通过这种方法，可以确定轮胎压力状态，而无需系统首先必须校准。此外，该方法可以用在需要校准的常规间接轮胎压力监测系统中，以忽略尽管存在轮胎充气不足而做出的校准请求。这将增强系统的功能并减少误用。

预训练机器学习系统或预定函数已经生成为特定于特定的车辆模型或更通用的，从而可以在许多不同类型的车辆中使用。

在实施例中，使用消除了短暂波动的多组预定车辆参数的值已经生成预训练机器学习系统或预定函数，该消除短暂波动诸如通过平均和/或计算标准偏差和/或方差。

在实施例中，轮胎压力参数指示轮胎压力水平，例如作为标称轮胎压力的百分比，并且如果轮胎压力参数小于阈值，则轮胎压力状态被设置为“真(true)”，并且如果轮胎压力参数不小于阈值，则轮胎压力状态被设置为“假(false)”。

在实施例中，轮胎压力参数指示轮胎压力下降了多少，例如作为标称轮胎压力的百分比的下降，并且如果轮胎压力参数大于阈值，则轮胎压力状态被设置为“真”，以及如果轮胎压力参数不大于阈值，则轮胎压力状态被设置为“假”。

当然，可以使用除真和假之外的其他状态命名，只要确定的轮胎压力状态指示是否存在轮胎充气不足。

在实施例中，可以接收指示是否已经请求轮胎压力监测系统的校准的校准请求信号。在实施例中，当已经接收到这样的校准请求信号时进行估计、计算和确定。在实施例中，如果轮胎压力状态指示存在轮胎充气不足，例如通过将轮胎压力状态设置为真，则这样的校准请求信号被忽略并且维持或重新发布任何有效的轮胎压力警告。这样就可以忽略当存在轮胎充气不足时提出的校准要求。

在实施例中，所述一组预定车辆参数包括表示车轮速度信号的频谱特性的参数。

在实施例中，所述一组预定车辆参数至少包括共振频率和纵向刚度或打滑斜率(slipslope)。

在实施例中，至少一个处理设备是车辆的电子控制单元(ecu)。

在实施例中，至少一个处理设备是多个不同的处理设备，在它们之间传输信号。

本发明的范围由权利要求限定，权利要求通过引用并入本部分。通过考虑以下对一个或多个实施例的详细描述，将给本领域技术人员提供对本发明实施例的更全面理解，以及实现本发明的附加优点。将参考附图，将首先简要描述所述附图。

附图说明

图1示意性地示出根据本文描述的一个或多个实施例的用于确定车辆中轮胎压力状态的系统。

图2示意性地示出根据本文所述的一个或多个实施例的车辆。

图3示意性地示出根据本文所述的一个或多个实施例的用于确定车辆中轮胎压力状态的示例性方法的流程图。

图4示意性地示出根据本文描述的一个或多个实施例的用于确定车辆中轮胎压力状态的方法。

通过参考下面的详细描述，将最好地理解本公开的实施例及其优点。应当理解的是，相同的附图标记用于标识在一个或多个附图中示出的相同元件。

具体实施方式

轮胎压力监控是车辆设计中的重要安全方面，因为充气不足的轮胎可能会导致事故。轮胎压力监测还具有驾驶经济方面的意义，因为如果车辆的轮胎具有最佳气压，则燃料消耗和轮胎磨损都可能更低。为了使常规轮胎压力监测系统表现最佳，通常在轮胎更换或轮胎压力充气后需要个校准或学习阶段。

有许多不同的方法可以执行常规的轮胎压力监测。间接轮胎压力监测可以例如包括车轮半径分析和车轮振动分析，例如如us7263458中所述，和/或纵向和/或横向车辆动力学，例如如ep1272365中所述。

在us7263458中描述的车轮半径分析中，通过将每个车轮的车轮速度(例如其可以由车轮速度传感器测量)与车辆的实际驱动速度进行比较来估算车轮半径。提供恒定的驱动速度，当车轮半径由于轮胎压力损失而减小时车轮速度增加。

在us7263458中描述的车轮振动分析中，在各个车轮的转速的时间相关行为内检测到车轮振动现象(其可以由车轮速度传感器测量)。车轮角速度信号的频谱特性(spectralproperties)(例如不同频带中的能量分布)取决于各个车轮的轮胎压力。如果车轮的频谱特性随时间变化，则这可能是轮胎充气不足的指示。

车轮半径分析和车轮振动分析的结合提高了确定哪个车轮存在充气不足问题的确定性。车轮半径分析和车轮振动分析的融合因此提高了轮胎压力监测的确定性。

us7263458和ep1272365描述了轮胎压力估计，该轮胎压力估计包括诸如纵向刚度或打滑斜率k、滑移偏移δ或车轮半径的相对差以及共振频率ωres之类的参数的估计。纵向刚度或滑动斜率k取决于轮胎压力和道路状况。

在轮胎压力监测中可以考虑许多不同的因素。除了在us7263458和ep1272365中使用的参数之外，还可使用车辆特定参数、有关绝对速度、负载变化、摩擦等的信息来改善轮胎压力监测。车辆特定参数例如是关于车辆是前轮驱动、后轮驱动还是全轮驱动的信息。该信息可以被提供给系统。

关于轮胎类型和/或雪地防滑链(snowchain)是否已安装在任何车轮上的信息也可用于改善轮胎压力监测。由于不同类型的轮胎具有不同的性能，因此当轮胎压力发生变化时，它们可能会做出不同的反应。因此，根据轮胎的性能，车轮振动分析可能会给出不同的结果。轮胎分类方法在wo2015/188929中有所描述。此外，车轮振动分析当然会受到雪地防滑链是否安装在车轮上的影响。

关于车辆中负载变化的信息例如可以用于补偿与车轮的任何问题无关的车轮半径和/或车轮振动差异。如果车辆负载不均匀，或者上坡或下坡行驶，即使没有轮胎充气不足问题，车轮半径分析和车轮振动分析也将检测到异常情况。为了避免错误警告或令人讨厌的警告，因此补偿负载变化是有利的。

可以确定负载变化，例如使用关于轴高度、纵向加速度、垂直加速度、扭矩、发动机rpm、高度、偏航率、俯仰、侧倾和/或来自悬架系统(例如空气悬架系统中的悬架压缩系数)信号的信息。us8630767描述了如何基于指示当前驾驶状况的车辆数据来估算车辆的负载，而us8825267描述了在车辆轮胎的轮胎压力偏差检测中使用悬架信息。基于车辆是否制动、换挡、倒档或挂有拖车而在至少一个车辆处理器中设置的各种标记可以辅助确定负载变化。gps信息连同包括地形信息的地图数据也可以辅助确定负载变化。

此外，关于轮胎与路面之间的摩擦的信息可以用于补偿与任何轮胎充气不足问题无关的车轮半径和/或车轮振动差异。如果车轮打滑，则可能会影响车轮半径和/或车轮振动的确定。因此，可以使用与任何轮胎充气不足问题无关的可用于确定车轮打滑的任何信息来改善轮胎压力监测。ep1701871和wo2011/054363描述了各种类型的道路状况监测。例如如果可以确定道路状况对于不同的车轮是不同的，例如因为车辆行驶在道路边缘附近，所以右车轮在砾石中行驶，而左车轮在沥青上行驶，则该信息可用于改善轮胎压力监测。来自温度传感器的信息还可以辅助确定摩擦，特别是在低温下。

本公开总体上涉及用于确定车辆中的轮胎压力状态的系统和方法。结合附图更详细地呈现了所公开的解决方案的实施例。

图1示意性地示出根据本文描述的一个或多个实施例的用于确定车辆中的轮胎压力状态sp的系统100。系统100包括至少一个处理设备110，其可以被布置为：估计一组预定车辆参数p1,…,pm的值v1,…,vn；基于所述一组预定车辆参数p1,…,pm的值v1,…,vn计算轮胎压力参数tp；以及通过将所述轮胎压力参数tp与阈值tt进行比较来确定轮胎压力状态sp，以指示是否存在轮胎充气不足。轮胎压力参数tp优选地使用预训练机器学习系统或预定函数f来计算，预训练机器学习系统或预定函数是通过使用很多组预定车辆参数p1,…,pm的值v1,…,vn和相关联的轮胎压力参数tp来训练机器学习系统而已经产生的。系统100还可以包括用户界面120，通过其可以接收校准请求信号。

所述一组预定车辆参数p1,…,pm例如可以包括在确定轮胎压力期间由间接轮胎压力监测系统计算的多个车辆参数，例如代表车轮速度信号的频谱特性的参数。一种这样的车辆参数可以例如是轮胎的频率特性，例如一个或多个共振频率ωres。ep1272365描述了一种确定用于轮胎的共振频率ωres的方法。可以例如分析频率特性，以便确定频率曲线的能量含量。

这样的车辆参数可以另外是例如纵向刚度或打滑斜率k，和/或车轮半径δ的相对差，如ep1272365中所述，和/或转速的时间相关行为中的不同频率带中的能量分布，和/或更多共振频率和/或阻尼系数，如us7263458中所述。纵向刚度或打滑斜率k可以使用公式s＝1/k*μ+δ确定，其中s是打滑，1/k是打滑斜率，μ是标准化的牵引力，δ是相关车轮半径。纵向刚度或滑动斜率k取决于轮胎压力和道路状况。

优选地，基于所述一组预定车辆参数p1,…,pm的值v1,…,vn，使用预训练机器学习系统或预定函数f来计算轮胎压力参数tp。轮胎压力参数可以例如是轮胎压力或轮胎压力损失的估计，或者是标称轮胎压力的百分比或与标称轮胎压力有关的轮胎压力损失的百分比的估计。然后通过将轮胎压力参数tp与阈值tt比较确定轮胎压力状态sp，阈值tt优选地基于可接受的轮胎压力损失来设置。阈值tt例如可以设置成使得仅检测到大的轮胎压力变化。

优选地，预训练机器学习系统或预定函数f是通过使用很多组预定车辆参数p1,…,pm的值v1,…,vn和相关联的轮胎压力参数tp来训练机器学习系统而已经产生的。如果基于来自许多不同类型车辆的足够的多组预定车辆参数p1,…,pm的值v1,…,vn生成预训练机器学习系统或预定函数f，这会生成通用的预训练机器学习系统或预定函数f，其可以在许多不同类型的车辆中使用。替代地，可以基于仅仅来自单个车辆模型的多组预定车辆参数p1,…,pm的值v1,…,vn生成预训练机器学习系统或预定函数f，这可以使得预训练机器学习系统或预定函数f更特定于该特定车辆类型或模型，并且对于该特定车辆类型或模型也可能更准确。机器学习系统可以例如是神经网络或支持向量机。

轮胎压力参数tp例如可以指示轮胎压力下降多少，作为标称轮胎压力的百分比的下降。机器学习系统的训练优选地包括数据的系统收集，通过在许多不同条件下驾驶车辆以及收集在不同的已知轮胎压力水平处多组预定车辆参数p1,…,pm的值v1,…,vn。如果针对标称轮胎压力和已知的轮胎充气不足水平(例如5％，10％，15％，20％，25％，30％和35％充气不足)收集足够的多组预定车辆参数p1,…,pm的值v1,…,vn，机器学习系统可以学习确定轮胎压力参数tp作为轮胎充气不足的估计水平，例如作为标称轮胎压力的百分比的下降。

如果系统100包括外部处理设备150，该外部处理设备150例如可以是基于云的，则例如可以使用来自许多车辆的许多组预定车辆参数p1,…,pm的值v1,…,vn和相关联的轮胎压力参数tp连续地改进预训练机器学习系统或预定函数f。轮胎压力参数tp的确定也可以在车辆处理装置110和外部处理装置150之间分配，例如，如在共同待决的se1750775-7中所描述的。例如，可以将基本内部函数fi存储在车辆处理装置110的rom或ram存储器中，以及增强的外部函数fe可以位于云中并使用连接到外部处理设备150的车辆的多组预定车辆参数p1,…,pm的值v1,…,vn和相关联的轮胎压力参数tp来连续改进。基本内部功函数fi例如可以是通用函数f，以及增强的外部函数fe例如可以是更特定于特定车辆类型或车辆模型的函数。

所述一组的预定车辆参数p1,…,pm的值v1,…,vn可能是瞬时值v1,…,vn，但他们优选是消除了短暂波动(例如通过平均和/或计算标准偏差和/或方差)的值v1,…,vn。这简化了预训练机器学习系统或预定函数f的生成。

图2示意性地示出根据本文所述的一个或多个实施例的车辆200。车辆200包括至少一个车辆处理装置110，其例如可以是车辆200的ecu。至少一个车辆处理装置110可以布置在车辆200中的任何地方。图2中所示的车辆200包括四个转速传感器130，每个车轮一个。来自传感器130的信号被传输到至少一个处理装置110，在其中它们可以用作确定在车辆200中的轮胎压力状态sp的基础。

传感器130也可以是其他类型的传感器。为了确定车辆中的负载变化，可能需要例如关于扭矩和发动机rpm的信息，并且这例如可以基于来自各种发动机传感器的测量来确定。诸如像气压计的压力传感器可用于确定高度，并基于此来确定车辆是在上坡还是下坡行驶。例如为惯性测量单元(imu)形式的各种类型的加速度计和/或陀螺仪可用于确定例如偏航率、俯仰、侧倾、纵向加速度、横向加速度和垂直加速度，用于确定车辆的负载变化和/或其他车辆动力学特性。轴高度信息例如可以由布置在车辆中用于适配车辆灯的方向的传感器提供。绝对速度例如可以使用gps传感器或使用其他速度识别传感器(诸如相机、雷达、ir传感器或激光传感器)来确定。来自温度传感器的信息可以辅助确定摩擦和轮胎压力参数tp两者。

图3示意性地示出了根据本文描述的一个或多个实施例的用于确定车辆中轮胎压力状态sp的示例方法的流程图。根据流程图，估计一组预定车辆参数p1,…,pm的值v1,…,vn，以及计算轮胎压力参数tp作为所述一组预定车辆参数p1,…,pm的值v1,…,vn的预训练机器学习系统或预定函数f。然后，通过比较轮胎压力参数tp与阈值tt来确定指示是否存在轮胎充气不足的轮胎压力状态sp。

轮胎压力参数可以例如是轮胎压力或轮胎压力损失的估计，或者是标称轮胎压力的百分比的估计，或者是与标称轮胎压力相关的轮胎压力损失的百分比的估计。阈值tt优选地基于可接受的轮胎压力损失来设置。阈值tt例如可以设置成使得仅检测到大的轮胎压力变化。

确定轮胎压力状态sp的一种方法是评估轮胎压力参数tp是否小于阈值tt。如果轮胎压力参数tp小于阈值tt，这表明轮胎压力低于规定的最小轮胎压力，无论作为绝对轮胎压力或作为标称轮胎压力的百分比，并且这表明存在轮胎充气不足。然后，可以确定轮胎压力状态sp为真。如果轮胎压力参数tp不小于阈值tt，轮胎压力状态sp可以被确定为假。

当然可以使用除真和假之外的其他状态命名，和/或代替地确定轮胎压力参数tp是否大于阈值(如果轮胎压力参数例如指示轮胎压力下降了多少，无论作为绝对轮胎压力下降还是作为标称轮胎压力的百分比的下降)，只要确定的轮胎压力状态sp指示是否存在轮胎充气不足。

如果轮胎压力状态为sp表示存在轮胎充气不足，例如通过将轮胎气压状态sp设置为真，则可以维护或重新发布任何有效的轮胎压力警告，并且可以忽略任何校准请求信号。

阈值tt可以以不同的方式来确定，并且它也可以是可修改的。在希望不丢失检测轮胎充气不足的情况下，以有时会不正确地检测轮胎充气不足为代价，阈值tt可以被设置为高。可替代地，在希望从来不要错误地检测轮胎充气不足的情况下，阈值tt可以设置为低。阈值tt例如可以基于各种类型的车辆监视数据来设置。

图4示意性地示出根据本文描述的一个或多个实施例的用于确定车辆中的轮胎压力状态sp的方法400。方法400可以包括：步骤410：通过使用许多组预定车辆参数p1,…,pm的值v1,…,vn和相关联的轮胎压力参数tp来训练机器学习系统(诸如神经网络)从而产生机器学习系统或函数f。

步骤430：估计一组预定车辆参数p1,…,pm的值v1,…,vn。

步骤440：基于所述一组预定车辆参数p1,…,pm的值v1,…,vn，使用所述预定函数f来计算轮胎压力参数tp。

步骤450：通过比较所述轮胎压力参数tp与阈值tt来确定轮胎压力状态sp，以便指示是否存在轮胎充气不足。

这使得能够以相对简单的方式生成复杂的预训练机器学习系统或预定函数。通过这种方法，可以确定轮胎压力状态，而无需系统首先必须校准。此外，该方法可以用在需要校准的常规间接轮胎压力监测系统中，以忽略尽管存在轮胎充气不足而做出的校准请求。这将增强系统的功能并减少误用。

在实施例中，所述一组预定车辆参数p1,…,pm至少包括共振频率ωres、纵向刚度或打滑斜率k。

可以生成预训练机器学习系统或预定函数f以使其特定于特定的车辆类型或模型，或者更通用，以便可以在许多不同类型或模型的车辆中使用。

方法400可以进一步包括以下一项或多项：

步骤420：接收校准请求信号，该校准请求信号指示是否已经请求轮胎压力监测系统的校准。

在实施例中，当已经接收到校准请求信号时，进行估计430、计算440和确定450。

步骤460：如果轮胎压力参数tp小于阈值tt，设定轮胎压力状态sp为真，如果轮胎压力参数tp不小于阈值tt，设定轮胎压力状态sp为假。

步骤470：如果轮胎压力状态sp指示存在轮胎充气不足，例如通过轮胎压力状态sp设置为真，则忽略校准请求信号。

步骤480：如果轮胎压力状态sp指示存在轮胎充气不足，例如通过轮胎压力状态sp设置为真，则维持或重新发布任何有效的轮胎压力警告。

前述公开内容并非旨在将本发明限制为所公开的精确形式或特定使用领域。可以预期的是，根据本公开，无论是否在本文中明确描述或暗示，对本发明的各种替代实施例和/或修改都是可能的。因此，本发明的范围仅由权利要求限定。