基于CAN网络的胎压监测与路面信息智能感知平台及方法

本发明属于汽车技术领域，更具体地，涉及一种基于汽车can网络的胎压信号采集与路面信息感知平台及方法。

背景技术：

随着现代化技术的不断提升，汽车的数量在日益剧增，安全性能成为了拥有汽车最重要的考虑部分。而轮胎作为汽车重要的部分，轮胎的性能主要考虑的因素便是轮胎的胎压，在汽车的行驶过程中，过高，过低的胎压都会存在一定的安全隐患。所以，在汽车的行驶过程中对胎压进行监测便显得尤为重要。tpms即轮胎压力监测系统，是通过对轮胎气压进行实时监测，并对漏气情况和低气压情况进行报警，从而确保汽车的行驶安全。

对汽车轮胎压力与路面信息的监测系统目前最主要的有两种形式：直接式tpms与路面监测系统，间接式tpms与路面监测系统。直接式的工作原理为放置传感器通过测量胎压的具体值，在漏气导致的胎压较低时，便可以实现报警，通过视觉传感器与压力传感器进行路面信息的感知。而间接式的工作原理为通过设计算法，对轮胎的半径和频谱进行分析，从而实现对胎压的监控，通过汽车轮胎状态间接实现对路面状态的监测。比较之下，直接式可以实时的读出具体信息，可以更直观的得到胎压信息与路面信息。但是，直接式的缺点在于传感器容易受损，并且维护更加的繁琐，故成本较高。而间接式的胎压与路面监测的成本较低，维护简单。而间接式胎压与路面监测的基础在于对大量数据的测试，因此，如何对大量数据进行快速稳定处理是目前需要解决的技术问题。

技术实现要素：

针对现有技术的以上缺陷或改进需求，本发明提出了一种基于汽车can网络的胎压信号采集与路面信息感知平台及方法，使用基于fpga的逻辑以及相应的硬件采集系统，将汽车行驶过程中的四个轮子的轮速信号进行采集以及保存，然后对数据进行分析实现对汽车胎压的监控与路面信息的感知。

为实现上述目的，按照本发明的一个方面，提供了一种基于汽车can网络的胎压信号采集与路面信息感知平台，其基于嵌入式系统实现，包括：电源模块、信号采集模块、通讯模块、系统核心板以及传感器模块；

所述电源模块将输入电压转换为对应的目标电压后，分别给所述系统核心板、所述信号采集模块及所述传感器模块供电；

所述信号采集模块基于可编程逻辑单元实现，用于采集汽车原始轮速信号以及can信号后发送至所述系统核心板；

所述传感器模块包括陀螺仪和gps模块，用于采集包括车身横纵向加速度以及车速的信号发送至所述系统核心板；

所述系统核心板基于linux系统对从所述信号采集模块和所述传感器模块输入的信号的有效性进行判断并处理后以预设格式进行存储，同时通过所述通讯模块将输入的数据发送至上位机进行实时监控采集进度。

在一些可选的实施方案中，所述信号采集模块由四路轮速信号采集和两路can数据采集组成，两路can数据采集可同时采集汽车车身的公共can和私有can信号，通过四路输入的fifo模拟四路轮速信号，并且输入时钟不同步，通过比输入时钟快速的输出时钟使四路数据输出。

在一些可选的实施方案中，所述信号采集模块的四路轮速信号采集中，使用fifogenerate产生普通的fifo，数据暂存用fifo缓存，当fifo半满或者达到某个预设数据量的时候将fifo中的progfull置高，此时输出四路fifo中的数据；而fifo数据的采集过程为，首先等待fifo采集数据，当某一路fifo的progfull被置高以后相应的select_reg置1代表着此路fifo的数据采集完成，当四路fifo读写数据完成以后以一个输出时钟将四路的数据输出。

在一些可选的实施方案中，所述系统核心板通过linux系统分为三个线程，分别为接收处理轮速信号时间戳、接收处理can信号以及将采集数据写入文件，为每个线程设计好延迟，以linux系统下默认的多线程模式进行调度。

按照本发明的另一方面，提供了一种基于上述任意一项所述的基于汽车can网络的胎压信号采集与路面信息感知平台的监测方法，包括：

在信号采集模块采集并处理输出牵引力、发动机扭矩、引擎转速、轮端扭矩与刹车信号至系统核心板中，经处理后基于时间戳信号、车轮齿数、车轮周长、时间进行路面坑洞监测，使用轮速信号进行路面粗糙程度分级，并通过轮速信号实现胎压监测与路面信息感知，使用滑移率、牵引力信号进行路面附着力系数计算，通过构建牵引力-滑移率模型，计算曲线斜率后经卡尔曼滤波器得到路面附着力系数，并将路况信息在上位机上进行显示。

在一些可选的实施方案中，所述基于时间戳信号、车轮齿数、车轮周长、时间进行路面坑洞监测包括：

选择通过齿圈误差消除之后的时间戳信号得到相邻两个时间戳之间的差值detcog；

在路面坑洞监测中将每预设时间段内的所有时间戳的detcog组成一个数据集batch，首先通过detcog的分析初步判断汽车在行驶过程中是否有车轮经过了坑洞，然后以一个batch为单位继续进行坑洞监测的分析，绘制每个batch对应的最小二乘回归线进行辅助分析，若一个车轮行驶过一个坑洞此时相应车轮的sse的数值会显著增大，通过筛选sse数值的大小来监测此时汽车是否经过了一个坑洞，其中，sse为batch中每一个detcog点与最小二乘回归线的距离的平方之和。

在一些可选的实施方案中，所述使用轮速信号进行路面粗糙程度分级包括：

通过汽车原始时间戳信号计算得到四轮轮速信号，将轮速信号经过一个带通滤波器保留下不同频率范围的轮速信号，当汽车行驶在不同粗糙程度的路面时，不同频率范围下的轮速信号会表现出不同的特征，根据这种特征可以得到路面粗糙程度的分级；

将每预设时间段内滤波后的所有轮速信号组成一个数据集batche，将一个batche中汽车各个车轮的轮速信号相加，根据每一个batche计算得到的结果来对路面的粗糙程度进行分级，轮速信号相加值越大，路面粗糙程度越大，粗糙等级也越大。

在一些可选的实施方案中，所述使用滑移率、牵引力信号进行路面附着力系数计算，通过构建牵引力-滑移率模型，计算曲线斜率后经卡尔曼滤波器得到路面附着力系数，包括：

采用最小二乘法与随机抽样一致性算法估计滑移率，由得到滑移率估算值s，其中，rw为车轮半径，wwrw为驱动轮圆周速度的相对差，vw为绝对速度；

建立横轴为滑移率s，纵轴为驱动轮轮端牵引力ff的牵引力-滑移率曲线，通过卡尔曼滤波进行曲线斜率的计算，曲线斜率即所得的路面附着力系数，其中，torque为轮端扭矩，enginespeed为引擎转速，wheelspeed为车轮速度。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

本发明基于的平台是fpga嵌入式系统，使用了其中的fpga部分实现数据采集逻辑，在fpga上模拟多路数据传输，在linux系统下实现对数据的读写操作从而实现整个数据采集的逻辑，基于此技术完成对汽车的轮速信号的采集。此功能的完善使用fpga的优点在于fpga运行时为并行运行，很大程度上提升了计算能力，同时拥有linux操作系统的电路板在运行程序时也更加的稳定。

在整个平台的设计中，为了获取车身横纵向加速度在整个设计平台中加入陀螺仪模块；而为了获取车速以及车辆的运行轨迹在整个设计平台中加入gps模块。

在监测方法中，实现了胎压监测、路面坑洞监测、路面粗糙程度分级与路面附着力系数监测。

附图说明

图1是本发明实施例提供的一种基于fpga嵌入式系统的汽车胎压信号采集与路面信息感知平台的原理框图；

图2是本发明实施例提供的一种在linux系统下多线程工作原理图；

图3是本发明实施例提供的一种基于汽车can网络信号的路面信息监测系统框图；

图4是本发明实施例提供的一种嵌入式系统中处理方法流程图；

图5是本发明实施例提供的未经过卡尔曼滤波器滤波、插值的附着力系数的原始数据集。

图6是本发明实施例提供的一种将路面附着力系数原始数据经卡尔曼滤波器后的结果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明属于一种对汽车上can信号和轮速信号的采集，通过对采集到的数据进行数据处理从而实行对胎压的监测。本发明的具体内容为使用fpga嵌入式系统，使用fpga进行数据采集的逻辑编写，开发板内在linux系统下接收can信号和轮速信号的时间戳以及将数据写入文件，can信号包含发动机扭矩、引擎转速、刹车信号、油门踏板信号、横向加速度，纵向加速度，偏航率。充分利用了fpga并行计算的特点和linux系统稳定性的特点，可用于间接式胎压测量与路面信息感知。

在本发明实施例中，以fpga嵌入式系统进行使用说明，但不仅局限于该32位嵌入式系统。

如图1所示，汽车胎压信号采集与路面信息感知平台由电源模块、信号采集模块、通讯模块、系统核心板以及传感器模块构成。电源模块将输入电压转换为合适的电压给系统核心板以及其他模块供电，信号采集模块采集汽车原始轮速信号以及can信号，经过处理后发送至系统核心板，针对汽车车型还加入了陀螺仪和gps作为外置传感器模块采集车身横纵向加速度以及车速等信号发送至系统核心板。系统核心板将对输入信号的有效性进行判断并按要求进行处理后以一定的格式将数据存入sd卡中，同时系统核心板可通过通讯模块将采集到的数据发送至上位机可实时地监控采集进度。

如图2所示，在fpga嵌入式系统中的linux系统下多线程的工作原理图，从图2中可以看出，在linux系统下使用三个线程进行数据采集平台的实现；其中的第一个线程用于接收和处理汽车的轮速信号的时间戳接收；第二个线程用于对汽车的can信号的接收；第三个线程用于将数据写入文件中。在多线程的条件下进行调度。

信号采集模块由四路轮速信号采集和两路can数据采集组成，该信号采集模块通过运算放大电路将汽车原始轮速信号放大后输入至系统核心板进行下一步处理。信号采集模块的两路can信号采集可同时采集汽车车身的公共can和私有can信号，可根据汽车厂商提供的can网络矩阵对can口读到数据的地址帧进行筛选得到所需的信号。通讯模块设计有串口通信和网口通信两种方式，可通过任意一种方式对硬件进行调试或者获取数据。为了获取更多的车身运动状态的信息，本平台中以外设形式添加了gps模块以及陀螺仪模块，gps模块主要用来获取汽车行驶速度以及运动轨迹通过串口协议与系统核心板通信，陀螺仪模块可获取汽车横向和纵向加速度通过iic协议与系统核心板通信。

本平台采用的fpga嵌入式系统包括一个fpga可编程逻辑单元和一个双核armcortextm-a9处理器。本平台的软件部分工作于嵌入式linux系统下，linux系统下可更方便的进行文件读写的操作。并且在linux系统下可充分利用处理器双核的性能优势，可让不同的任务工作在不同的核心中。该软件系统分为三个线程，分别为接收处理轮速信号时间戳、接收处理can信号以及将数据写入文件，使其可充分发挥双核arm处理器的性能优势，为每个线程设计好延迟，以linux系统下默认的多线程模式进行调度，使各个线程任务之间不起冲突可以稳定运行。

本平台中采集数据的pl逻辑设计主要由fpga可编程逻辑单元实现，在基于fpga的汽车轮速信号采集逻辑的设计中，在fpga语言中产生fifo以设计四路输入的miso_fifoip核，fifo是一种先入先出的双口缓冲器，即第一个进入其内的数据第一个被移除。并且当逻辑完成以后设置相应的时钟完成时序仿真验证。四路fifo数据采集模拟四路轮速信号的产生，最后在linux系统下将采集系统与硬件电路相结合。

本平台的设计中，需要实现四路速率近似，但是时钟不同步，输出也要保证四路的数据不能丢，并且在输出时，输出时钟要比输入时钟快的多。在pl设计逻辑中，使用fifogenerate产生普通的fifo，数据暂存用fifo缓存，当fifo半满或者达到某个数据量的时候将fifo中的progfull置高，此时输出四路fifo中的数据。而fifo数据的采集过程为，首先等待fifo采集数据，当某一路fifo的progfull被置高以后相应的select_reg置1代表着此路fifo的数据采集完成，当四路fifo读写数据完成以后以一个很快的时钟将四路的数据输出。

在本平台设计中，将汽车的轮速信号由电流信号转化为电压信号，通过设计的放大电路将电压信号转化为脉冲信号作为数据的输入，在逻辑端对此输入信号进行处理。

如图3所示，在信号采集模块安装gps模块获取汽车定位信息。将采集到的信号输入到fpga嵌入式系统，使用采集分析平台的ps端在linux系统下进行对数据的处理。

采集分析系统通过网线、usb串口与上位机相连。将发动机扭矩、引擎转速、车轮角速度作为系统输入量，通过can通信协议解析至控制器中，将路面坑洞检测、路面粗糙分级、路面附着力系数识别三种算法嵌入在fpga嵌入式系统。

如图4所示，在信号采集模块采集并处理输出牵引力、发动机扭矩、引擎转速、轮端扭矩与刹车信号至fpga嵌入式系统中，信号经处理后将时间戳信号、车轮齿数、车轮周长、时间作为路面坑洞算法模型的输入量，路面粗糙程度分级算法使用轮速信号进行处理，路面附着力系数算法使用滑移率、牵引力信号作为输入量。通过构建牵引力-滑移率数学模型，计算曲线斜率后经卡尔曼滤波器得到路面附着力系数。路况信息经由串口与网线与上位机进行传输。

(1)路面坑洞监测模型设计如下：

选择通过齿圈误差消除之后的时间戳信号(霍尔式轮速传感器在车轮转动时产生脉冲的脉冲数)得到差值，通过差值的波动误差来判断是否经过坑洞。

其中：detcog值定义为相邻两个时间戳之间的差。batch定义为多个数组成的一个数据集，在路面坑洞监测中每100ms中所有时间戳的detcog。sse定义为每一个点与回归直线的距离的平方之和，m表示batch中detcog个数，yi为batch中第i个detcog值，xi为batch中第i个detcog对应的横坐标值，batch(xi,yi)为由回归直线确定的值。

当汽车经过一个坑洞的时候，经过坑洞的车轮的detcog相对于没有经过坑洞的车轮会出现较大的波动。通过detcog的分析可以初步的判断汽车在行驶过程中是否有车轮经过了坑洞。在以一个batch为单位继续进行坑洞监测的分析，画出一个batch中的detcog的表现，并且此时绘制每个batch对应的最小二乘回归线进行辅助的分析。当汽车行驶过程中经过一个坑洞的时候，detcog与估计出的最小二乘回归线会存在更大的误差，这个误差通过sse表示。如果一个车轮行驶过一个坑洞此时相应车轮的sse的数值会显著增大，此时通过筛选sse数值的大小来监测此时汽车是否经过了一个坑洞。

(2)路面粗糙程度分级算法模型设计

通过车辆原始时间戳信号计算得到四轮轮速信号，再通过一个带通滤波器以保留具有不同频率范围的轮速信号。当汽车行驶在不同粗糙程度的路面时，不同频率范围下的轮速信号会表现出不同的特征，根据这种特征可以得到路面粗糙程度的分级。车辆行驶在粗糙路面时的轮速信号数值大于行驶在平整路面时的数值。

其中，n为batche数据集中数据个数，wave表示为轮速信号数据集在频域上的能量波动，batche定义为数据集在频域上的能量。如公式(2)通过计算能量波动，系统可以通过分析轮速信号的数值大小来对路面的粗糙程度进行精确分类。分级模型将一个batche中车辆各个车轮的轮速信号相加，即根据每一个batche计算得到的数值大小来对路面的粗糙程度进行分级。

(3)基于滑移率的轮胎路面摩擦估算算法模型设计

(a)基于滑移率的轮胎路面摩擦估算理论依据

轮胎路面摩擦估算所依据的原理通过驱动轮与非驱动轮速度的差异，通过对滑移中的摩擦相关性判断得到。各轮速度通过abs的轮速传感器获得，得到滑移率估算值。

其中：rw为车轮半径，wwrw为驱动轮圆周速度的相对差，vw为绝对速度。

(b)基于滑移率的轮胎路面摩擦估算模型

针对样本滑移率的估计，在系统中采用了最小二乘法与随机抽样一致性算法和卡尔曼滤波进行斜率的估算去估计样本的滑移率并且通过设计gui界面去比对同一种算法在不同路面上的滑移率大小以及不同算法在相同路面上的滑移率大小。通过建立牵引力—滑移率曲线的数学模型。横轴为滑移率s，纵轴为驱动轮轮端牵引力ff，曲线斜率即所得的路面附着力系数。

其中，torque为轮端扭矩，enginespeed为引擎转速，wheelspeed为车轮速度。由此可求得模型中的驱动轮轮端牵引力。将路面附着力系数定义为一个驱动轮上的牵引力(ff)和滑移率s的比值。而摩擦系数与滑移率的曲线图显示了一个十分显著的超高特性。这个比值的数值提供摩擦力的精确估计，从而可以看出车轮对路面的附着力，来判断汽车行驶的路面是否发生的切换。

如图5所示，图中为路面附着力系数的原始数据。此时获取的路面附着力系数存在一定的波动偏差，因此使用最小二乘法法与随机抽样一致性算法进行附着力系数的数值拟合与卡尔曼滤波器进一步滤波处理，以提升系统准确性和精度。

(i)最小二乘法法与随机抽样一致性算法

通过最小化误差的平方和寻找数据的最佳函数匹配，此算法可以对未知的数据进行估算从而达到所求数据与实际数据之间的误差平方和最小。而随机抽样一致性算法则是通过从一组观测数据中，通过迭代的方式估计数据的模型，避免了因为少数点偏离的过大而影响拟合模型的精度。两种算法均实现对滑移率的估计，得到大量滑移率数据中更准确的估计结果。

(ii)通过卡尔曼滤波进行斜率的估计

如图6所示，将100/1000点进行最小二乘法的处理之后得到一个关于牵引力与滑移率的估计曲线即斜率k的估计。得到这条估计的曲线后通过卡尔曼滤波器得到后续的斜率k的变化图像，为了拟合的准确性，特别将原始数据0附近的点筛选掉。从图6中以看出，原始路面的斜率为0.12左右，当路面发生切换时，可以看出斜率下降到0.024左右，与原始数据的斜率切换是相符的，收敛时间也比较合理。经过卡尔曼滤波器后的斜率更加符合实际。

需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。