[发明专利]基于边缘计算和软测量的车轮轮心载荷估计方法和系统

说明书

本发明为基于边缘计算和软测量的车轮轮心载荷估计方法和系统，通过线下从多个路况下的采集传感器数据中训练得到了从加速度和位移传感器的数据到轮心载荷数据的多个模型；然后通过在线采集到的加速度、位移等传感器数据，首先确定当前车所处的路况，再将加速度、位移传感器数据输入到该路况对应的模型中，从而实时获得汽车行驶过程中的轮心载荷；相较于安装六分力轮胎传感器，本发明在能实时获得较高精度的轮心载荷的同时，还具有安装方便、方法简单、理论成熟、适用的车型范围广、支持批量化模型部署和管理等优点。

技术领域

本发明涉及汽车领域，特别是涉及一种基于边缘计算和软测量的车轮轮心载荷估计方法和系统。

背景技术

车辆在路面行驶过程中，由于路面对轮胎的激励，使得轮胎的轮心产生六个自由度的载荷，包括三个平动力和三个转动力矩。其中轮胎的轮心载荷对于轮胎的行驶状态研究和安全评估等都具备重要的意义，是轮胎上的承重零部件遴选的重要参数，对于悬架和车身的耐久性、平顺性等分析中，轮心载荷也起到了重要的作用。目前的车辆轮心载荷主要通过六分力轮胎传感器进行获取，现有的轮心传感器价格昂贵，增加了车辆成本，而且安装过程复杂，增加了轮胎拼装成本，最后对于不同型号的轮胎，难以实现通用，会增加轮胎设计成本。

准确估计轮心载荷的挑战在于，在复杂且不断变化的外界环境和驾驶操作下运行时，车辆的轮胎、悬架、其他组件会和地面等相互作用，使得车辆系统是高度非线性的。在非线性系统辨识中常用的非线性模型，包括多项式模型、高斯过程、小波网络和人工神经网络(ANN)等。然而，多项式模型等简单模型通常不能表示复杂的系统行为而导致模型性能不佳；而复杂模型，如ANN，虽然具有较高的表达能力，但其不仅缺乏泛化能力，还需要较高计算成本。因此需要一种能够平衡模型的估计性能和计算效率的，低成本、通用的轮心载荷估计方法。

发明内容

本发明的目的是解决现有技术的不足，提供一种基于边缘计算和软测量的车轮轮心载荷估计方法和系统。

为了解决上述问题，本发明采用如下技术方案：

一种基于边缘计算和软测量的车轮轮心载荷估计方法，包括如下步骤：

步骤1：信号采集传感器采集信号，包括加速度信号以及位移信号；并将采集的信号传输至边缘设备层的边缘计算设备；

步骤2：边缘计算设备将信号采集传感器采集的加速度信号和位移信号输入预设的模型，获得轮心载荷的估计值；

步骤3：边缘计算设备将获得的轮心载荷估计值和加速度信号、位移信号，通过通信层打包上传至云端层的服务器中，结束步骤。

进一步的，所述步骤2中的模型为预训练的有限脉冲响应模型，其中获得轮心荷载具体包括如下步骤：

步骤21：边缘计算设备将信号采集传感器采集信号输入路况估计模型，获得估计的路况；

步骤22：根据估计的路况，将信号采集传感器采集的信号输入载荷估计模型，获得估计的轮心载荷，结束步骤。

进一步的，所述步骤21中的路况估计模型为预训练的模型；在路况估计模型训练的过程中，将信号采集传感器中设定一部分传感器采集的信号作为输入，剩余传感器采集的信号作为输出，完成模型训练。

进一步的，所述路况估计模型的输入为加速度传感器采集的加速度信号，输出为位移传感器采集的位移信号。

进一步的，所述步骤22中的载荷估计模型为预训练的模型；在载荷估计模型训练的过程中，模型的输入为任一路况下的若干组加速度信号和位移信号，模型的输出为相同路况下的六分轮传感器信号。

进一步的，所述步骤2中的边缘计算设备设置有三个进程，分别为传感器信号的接收、轮心载荷的估计以及数据的打包上传。