br>[0103]在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如:多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0104]上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
[0105]另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0106]本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM，Read_Only Memory)、随机存取存储器(RAM ,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0107]或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、R0M、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
[0108]以上所述，仅为本发明的【具体实施方式】，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
【主权项】
1.一种胎压检测系统，其特征在于，所述系统包括:数据采集单元、建模单元和检测单元;其中， 所述数据采集单元，用于采集车辆的行为数据;所述行为数据表征车辆的振动信息;所述行为数据包括加速度行为数据、角速度行为数据和方向行为数据;还用于采集所述车辆的状态特征信息;所述状态特征信息包括:速度信息和/或位置信息； 所述建模单元，用于基于所述数据采集单元按预设胎压值多次采集的行为数据和状态特征信息建立胎压预测模型； 所述检测单元，用于将所述数据采集单元采集的行为数据和状态特征信息按所述建模单元建立的胎压预测模型进行处理，获得特征数据;将所述特征数据与胎压特征范围中的特征数据进行匹配，获得匹配结果;基于所述匹配结果确定所述车辆的胎压是否正常。2.根据权利要求1所述的系统，其特征在于，所述胎压特征范围包括:异常胎压特征范围和正常胎压特征范围；所述检测单元，用于当所述匹配结果为所述特征数据与所述异常胎压特征范围中的特征数据匹配成功时，确定所述车辆的胎压异常；当所述匹配结果为所述特征数据与所述正常胎压特征范围中的特征数据匹配成功时，确定所述车辆的胎压正常。3.根据权利要求1所述的系统，其特征在于，所述建模单元，用于对于每个预设胎压值采集的行为数据，提取所述行为数据中与胎压程度相关联的特征数据，基于所述特征数据构建特征向量训练集合;基于所述特征向量训练集合构建胎压分类模型，基于所述胎压分类模型建立异常胎压特征范围；结合所述胎压分类模型和所述异常胎压特征范围建立胎压预测模型。4.根据权利要求1所述的系统，其特征在于，所述数据采集单元包括:加速度传感单元、角速度传感单元和方向传感单元;其中， 所述加速度传感单元，用于采集车辆的加速度行为数据； 所述角速度传感单元，用于采集车辆的角速度行为数据； 所述方向传感单元，用于采集车辆的方向行为数据。5.根据权利要求3所述的系统，其特征在于，所述行为数据包括加速度行为数据、角速度行为数据和方向行为数据;所述建模单元，用于分别获得所述加速度行为数据、角速度行为数据和方向行为数据的时域特征数据和/或频域特征数据，以及对应的状态特征信息;基于行为数据的时域特征数据和/或频域特征数据以及对应的状态特征信息构建特征向量训口 ο6.根据权利要求2所述的系统，其特征在于，所述系统还包括警示单元，用于当所述检测单元确定所述车辆的胎压异常时，输出警示信息。7.一种胎压检测方法，其特征在于，所述方法包括: 基于按预设胎压值多次采集的车辆的行为数据建立胎压预测模型;所述行为数据表征车辆的振动信息;所述行为数据包括加速度行为数据、角速度行为数据和方向行为数据； 采集车辆的行为数据和状态特征信息;所述状态特征信息包括:速度信息和/或位置信息; 将所述行为数据和状态特征信息按所述胎压预测模型进行处理，获得特征数据； 将所述特征数据与胎压特征范围中的特征数据进行匹配，基于所述匹配结果确定所述车辆的胎压是否正常。8.根据权利要求7所述的方法，其特征在于，所述基于按预设胎压值多次采集的车辆的行为数据建立胎压预测模型，包括: 对于每个预设胎压值采集的行为数据，提取所述行为数据中与胎压程度相关联的特征数据，基于所述特征数据构建特征向量训练集合;基于所述特征向量训练集合构建胎压分类模型，基于所述胎压分类模型建立异常胎压特征范围；结合所述胎压分类模型和所述异常胎压特征范围建立胎压预测模型。9.根据权利要求8所述的方法，其特征在于，所述行为数据包括加速度行为数据、角速度行为数据和方向行为数据;所述提取所述行为数据中与胎压程度相关联的特征数据，基于所述特征数据构建特征向量训练集合，包括: 分别获得所述加速度行为数据、角速度行为数据和方向行为数据的时域特征数据和/或频域特征数据，以及对应的状态特征信息;基于行为数据的时域特征数据和/或频域特征数据，以及对应的状态特征信息构建特征向量训练集合。10.根据权利要求7所述的方法，其特征在于，所述胎压特征范围包括:异常胎压特征范围和正常胎压特征范围； 所述将所述特征数据与所述胎压特征范围中的特征数据进行匹配，基于所述匹配结果确定所述车辆的胎压是否正常，包括: 将所述特征数据与所述异常胎压特征范围中的特征数据进行匹配，获得第一匹配结果；当所述第一匹配结果为所述特征数据与所述异常胎压特征范围中的特征数据匹配成功时，确定所述车辆的胎压异常;所述第一匹配结果为所述特征数据与所述异常胎压特征范围中的特征数据匹配失败时，将所述特征数据与所述正常胎压特征范围中的特征数据进行匹配，获得第二匹配结果；当所述第二匹配结果为所述特征数据与所述正常胎压特征范围中的特征数据匹配成功时，确定所述车辆的胎压正常。
【专利摘要】本发明实施例公开了一种胎压检测系统和方法，所述系统包括：数据采集单元，用于采集车辆的行为数据；所述行为数据表征车辆的振动信息；还用于采集所述车辆的状态特征信息；建模单元，用于基于所述数据采集单元按预设胎压值多次采集的行为数据和状态特征信息建立胎压预测模型；检测单元，用于将所述数据采集单元采集的行为数据和状态特征信息按所述建模单元建立的胎压预测模型进行处理，获得特征数据；将所述特征数据与胎压特征范围中的特征数据进行匹配，获得匹配结果；基于所述匹配结果确定所述车辆的胎压是否正常。
【IPC分类】B60C23/02
【公开号】CN105539026
【申请号】CN201510924280
【发明人】蔡忠闽, 童力, 华涛, 吕永
【申请人】西安交通大学
【公开日】2016年5月4日
【申请日】2015年12月11日