一种具有尾气检测功能的车载终端的制作方法

本实用新型涉及车辆安全技术领域，具体涉及一种具有尾气检测功能的车载终端。

背景技术：

随着社会的发展，为了满足科学调度与管理、交通与安全、车辆使用及维护保养，适应节能环保的要求，满足保险理赔等需求，以及为政府决策及有关单位、个人相应服务提供数据支持，对于车辆的监控需求越来越强烈，但是目前的监测系统都无法满足日益增长的需求。

技术实现要素：

本实用新型的目的在于提供一种具有尾气检测功能的车载终端，用以解决现有车辆监测系统功能单一、无法满足日益增长的需求的问题。

为实现上述目的，具体地，该具有尾气检测功能的车载终端包括主机微处理器、组合定位模块、无线通信模块、数据存储模块、电源模块、尾气检测模块和摄像模块，所述的组合定位模块、无线通信模块、数据存储模块、电源模块、尾气检测模块和摄像模块均与主机微处理器连接；

所述尾气检测模块安装在汽车排气管上；

所述摄像模块包括摄像微处理器、LCD主控板、摄像存储模块以及两个摄像机，摄像微处理器通过USB数据线连接主机微处理器，LCD主控板、摄像存储模块和两个摄像机均与摄像微处理器连接，摄像机获得车辆周边图像，摄像微处理器进行图像压缩处理并存储在摄像存储模块中。

所述摄像机为超广角摄像机。

所述车载终端还包括报警器、外部存储模块和OBD接口，报警器、外部存储模块和OBD接口均与主机微处理器连接；

所述外部存储模块用于存储尾气检测模块的数据；

所述主机微处理器通过OBD接口与汽车电路连接，通过OBD接口读取数据。

所述无线通信模块为基于蜂窝的窄带物联网(Narrow Band Internet of Things,NB-IoT)。

所述组合定位模块包括卫星定位导航模块和惯性导航模块。

所述卫星定位导航模块为BD/GPS兼容模块。

所述摄像存储模块为TF卡。

所述主机微处理器通过NB-IoT模块连接中心监控平台。

所述组合定位模块包括卫星定位导航模块和惯性导航模块；

所述检测方法包括以下步骤：

主机微处理器将尾气检测模块和摄像模块所检测的数据通过NB-IoT模块发送给中心监控平台，同时组合定位模块定位车载终端的位置并通过NB-IoT模块发送给中心监控平台；

所述组合定位模块定位车载终端的位置具体包括以下步骤：

S1、采用基于模糊推理系统的带宽自适应的载波相位跟踪回路，当卫星信号信噪比降低时缩小载波相位跟踪回路带宽，提高接收机的抗噪声干扰能力；

S2、采用基于模糊推理系统的量测噪声模型自适应的卡尔曼滤波组合导航算法，描述量测噪声变化，实时调整量测噪声方差阵，提高组合导航算法抗噪声干扰能力。

所述步骤S1具体步骤如下：

S101、根据经下变频和数模转换后的GPS数字信号计算信噪比C/N0，公式如下：

其中：

上两式中A是GPS信号幅度，ME是积分计数值，δiq为信号噪声标准差，TInt为积分时间。

S102、建立模糊控制系统，以C/N0为输入，以GPS跟踪回路带宽为输出，采用如下模糊推理规则：

(1)如果信噪比小于30dB，则锁相环带宽窄；

(2)如果信噪比为30～40dB，则锁相环带宽适中；

(3)如果信噪比高于40dB，则锁相环带宽宽；

将模糊控制系统当前输出作为下一次载波相位跟踪回路带宽值，实现载波回路带宽的自适应调整，提高GPS或北斗导航系统噪声抗干扰能力。

其中，所述的S2具体步骤如下：

S201、计算尔曼滤波器的新息，如式(4)

其中，zk为实际量测量，Hk为量测矩阵，为系统状态的一次估计。

S202、计算新息理论方差，可以由式(5)计算：

其中Fk/k-1为系统状态转移矩阵，Pk-1为估计状态方差阵，Qk-1为系统噪声阵，Rk-1为量测噪声阵。

S203、计算新息的实际方差，其可由最近N个新息向量计算得到，用式(6)表示：

S204、计算新息实际方差与理论方差的比值。由于和都被设置为对角阵，因此比值也为对角阵：

S205、设计模糊推理系统，以新息实际方差与理论方差的比值作为模糊推理系统的输入，以量测噪声模型的修正系数作为模糊推理系统的输出，模糊推理规则有以下三条：

(1)如果新息实际方差与理论方差的比值变低，则量测噪声模型的修正系数变小；

(2)如果新息实际方差与理论方差的比值不变(为1)，则量测噪声模型的修正系数不变(为1)；

(3)如果新息实际方差与理论方差的比值变高，则量测噪声模型的修正系数变大。

基于模糊推理系统的自适应卡尔曼滤波算法可以保证组合导航系统在量测噪声变化较大的情况下量测噪声模型仍是准确的，系统状态估计值仍是最优的。

进一步地，所述尾气检测模块通过安装在汽车排气管上的传感器进行检测，检测出的CO等有害气体，通过CAN2.0将数据传输到主机微处理器，主机微处理器进行数据存储备份，再通过无线通信模块将数据传到中心监控平台。

本实用新型具有如下优点：

1、本实用新型的车载终端具有尾气检测功能，通过对车辆的尾气检测，为政府提供一个全市的尾气分布，给政府提供大量真实有效的数据，这样，就可以通过对车的历史数据和广大用户的运行数据对每个用户进行行为分析，减少事故的发生，减少误报、骗报的行为，而且为政府治理交通、制定路政规划提供可靠数据。

2、具有视频监测功能，当事故发生，系统和车辆都会自动报警，通过对车辆的精确定位，给政府提供大量真实有效的数据，交通能均衡利用；通过对事故现场的摄像监控，还原事故现场，为保险公司提供鉴定的依据。

3、本实用新型还具有视频监测、数据采集、运动姿态报告等功能，提高车辆的安全性。

4、卫星导航和惯性导航系统进行完全自主融合，实现了组合定位，互为补充，极大的提高定位的可靠性。

5、本实用新型的检测方法利用组合定位模块进行准确定位，从而提供更加准确的尾气分布数据。

附图说明

图1为本实用新型实施例1的结构示意图。

图2为本实用新型组合定位模块定位车载终端的位置的方法示意图。

图3为接收机噪比与带宽关系。

图4为传统方法与新型方法噪声模型对比结果。

图5为传统方法与新型方法导航精度对比结果。

图6为本实用新型实施例2的结构示意图。

具体实施方式

以下实施例用于说明本实用新型，但不用来限制本实用新型的范围。

实施例1

参见图1，该具有尾气检测功能的车载终端包括主机微处理器、组合定位模块、无线通信模块、数据存储模块、电源模块、尾气检测模块和摄像模块，所述的组合定位模块、无线通信模块、数据存储模块、电源模块、尾气检测模块和摄像模块均与主机微处理器连接；尾气检测模块安装在汽车排气管上。

所述摄像微处理器通过USB数据线连接主机微处理器，摄像模块包括摄像微处理器、LCD主控板、摄像存储模块以及两个超广角摄像机，LCD主控板、摄像存储模块和两个超广角摄像机均与摄像微处理器连接，超广角摄像机获得车辆周边图像，摄像微处理器进行图像压缩处理存储。

本实施例中的无线通信模块可以但不限制于是2G、3G、4G等数字网络，更为优选的采用无线通信模块为基于蜂窝的窄带物联网(Narrow Band Internet of Things,NB-IoT)。

所述组合定位模块为卫星定位模块和惯性导航模块。卫星导航和惯性导航系统进行完全自主融合，实现了组合定位，互为补充，极大的提高定位的可靠性。卫星定位模块优选为BD/GPS兼容模块。

车载终端通过无线通信模块将数据上传到中心监控平台，中心监控平台收到终端定位、速度、姿态、尾气等信息后，实时显示车辆的位置和尾气分布情况，并存储车辆的运行轨迹和进行历史轨迹的回放。对于重点的车辆，如遇险或报警车辆，可以在中心设置，进行实时跟踪。

进一步地，尾气检测模块通过安装在汽车排气管上的传感器进行检测，检测出的CO等有害气体，通过CAN2.0将数据传输到主机微处理器，主机微处理器进行数据存储备份，再通过移动通信网络将数据传到中心监控平台。

该车主终端的检测方法包括以下步骤：

主机微处理器将尾气检测模块和摄像模块所检测的数据通过NB-IoT模块发送给中心监控平台，同时组合定位模块定位车载终端的位置并通过NB-IoT模块发送给中心监控平台；

参见图2，组合定位模块定位车载终端的位置的方法具体包括以下步骤：

S1、采用基于模糊推理系统的带宽自适应的载波相位跟踪回路，当卫星信号信噪比降低时缩小载波相位跟踪回路带宽，提高接收机的抗噪声干扰能力；对卫星信号接收机带宽自适应调整，是通过以卫星信号的信噪比(即C/N0)为输入的模糊推理系统实现的。若信噪比降低，说明噪声变大，卫星接收机的锁相环带宽应降低以获得更好的滤波效果，即更强的抗噪声干扰能力；若信噪比升高，说明噪声变小，为获得更好的动态性能，卫星接收机的锁相环带宽应相应提高。由于信噪比和带宽之间没有明确的数学关系，且不同噪声、不同动态条件下锁相环带宽没有唯一最优值，因此从简化调整原则、提高鲁棒性角度出发，适于采用模糊推理系统对接收机锁相环带宽进行调整。具体步骤如下：

S201、根据经下变频和数模转换后的GPS数字信号计算信噪比C/N0，公式如下：

其中：

上两式中A是GPS信号幅度，ME是积分计数值，δiq为信号噪声标准差，TInt为积分时间。

S202、建立模糊控制系统，以C/N0为输入，以GPS跟踪回路带宽为输出，采用如下模糊推理规则：

(1)如果信噪比小于30dB，则锁相环带宽窄；

(2)如果信噪比为30～40dB，则锁相环带宽适中；

(3)如果信噪比高于40dB，则锁相环带宽宽；

将模糊控制系统当前输出作为下一次载波相位跟踪回路带宽值，实现载波回路带宽的自适应调整，提高GPS或北斗导航系统噪声抗干扰能力。

模糊推理系统的输入C/N0是根据接收机“积分-清零”过程产生的跟踪结果(同相信号和正交信号)，采用“方差求和算法(VSM)”计算得到的。

S2、采用基于模糊推理系统的量测噪声模型自适应的卡尔曼滤波组合导航算法，描述量测噪声变化，实时调整量测噪声方差阵，提高组合导航算法抗噪声干扰能力。量测噪声模型调整的基本原则是使得卡尔曼滤波器的理论新息方差与实际新息方差一致。具体步骤如下：

S201、计算尔曼滤波器的新息，新息是指卡尔曼滤波器中预测量测量和实际量测量的区别，如式(4)

其中，zk为实际量测量，Hk为量测矩阵，为系统状态的一次估计。

S202、新息表明卡尔曼滤波算法状态：如果系统状态建模和量测矩阵正确，并且系统噪声和量测噪声模型准确，卡尔曼滤波正常，则新息应该是零均值的白噪声，计算新息理论方差，可以由式(5)计算：

其中Fk/k-1为系统状态转移矩阵，Pk-1为估计状态方差阵，Qk-1为系统噪声阵，Rk-1为量测噪声阵。

S203、计算新息的实际方差，其可由最近N个新息向量计算得到，用式(6)表示：

S204、计算新息实际方差与理论方差的比值。由于和都被设置为对角阵，因此比值也为对角阵：

S205、设计模糊推理系统，以新息实际方差与理论方差的比值作为模糊推理系统的输入，以量测噪声模型的修正系数作为模糊推理系统的输出，模糊推理规则有以下三条：

(1)如果新息实际方差与理论方差的比值变低，则量测噪声模型的修正系数变小；

(2)如果新息实际方差与理论方差的比值不变(为1)，则量测噪声模型的修正系数不变(为1)；

(3)如果新息实际方差与理论方差的比值变高，则量测噪声模型的修正系数变大。

如果卡尔曼滤波器工作正常，那么新息和实际方差和理论方差应该是一致的。若理论方差与实际方差发生偏差，则说明理论方差计算有误，其原因可能是系统模型错误或噪声模型不准确。

一般而言，Fk/k-1、Pk-1和Qk-1都容易获得或测量的且准确度较高，而量测噪声阵Rk-1则是随量测噪声变化而变化的，在不同情况下可能变化较剧烈。对卫星和惯性组合导航系统来说，量测量可以是所有可见卫星的伪距和伪距率，其中伪距率由锁相环获得，若卫星信号噪声变化较大，伪距率噪声也会发生变化，此时就要修正量测噪声阵Rk-1。

伪距率噪声发生变化时，新息的实际方差会相应变化，这样就可以根据理论方差与实际方差的区别修正量测噪声模型Rk-1，从而实现自适应卡尔曼滤波算法，即实时在线修正量测噪声模型。

基于模糊推理系统的自适应卡尔曼滤波算法可以保证组合导航系统在量测噪声变化较大的情况下量测噪声模型仍是准确的，系统状态估计值仍是最优的。

参见图3，为验证方案有效性，在第20秒时人为加入噪声，使得信噪比从45dB-Hz变为25dB-Hz，第30s时又缓慢回升，直至45dB-Hz。从图1可以看出，信噪比降低时锁相环带宽迅速减小，从而增强了接收机噪声抗干扰能力。

参见图4，上图为量测噪声标准差对比，下图为理论新息方差与实际新息方差比值的对比结果。从图中可以看出，本实用新型提出的系统方案可以对量测噪声模型进行在线调整，使得理论新息方差与实际新息方差比值一直为1(即0dB)，而传统系统则无法调整量测噪声模型，在噪声发生变化时新息方差与实际新息方差比值变化可达20dB。

参见图5，从图中可以明显看出，在卫星信号信噪比较低和噪声变化明显时(20s-35s)，组合导航模块的导航精度明显优于传统组合导航系统。

本实用新型通过模糊自适应锁相环带宽与模糊自适应卡尔曼滤波算法相结合，使得组合导航系统抗噪声能力明显增强，在卫星信号信噪比较低和噪声变化较大的情况下仍能保持较高精度的导航输出，对比结果图可见说明书附图3～5。

实施例2

参见图6，为本实用新型一种具有尾气检测功能的车载终端实施例2的结构示意图，本实用新型一种具有尾气检测功能的车载终端在图1的基础上，终端设备进一步还可以包括报警器、外部存储模块、OBD接口。报警器、外部存储模块和OBD接口均与主机微处理器连接。

所述外部存储模块用于存储尾气检测模块的数据。

所述车载终端留有OBD(On-Board Diagnostic“车载诊断系统”)接口，主机微处理器通过OBD接口与汽车电路连接，通过OBD读取数据。

虽然，上文中已经用一般性说明及具体实施例对本实用新型作了详尽的描述，但在本实用新型基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本实用新型精神的基础上所做的这些修改或改进，均属于本实用新型要求保护的范围。