基于智能轮胎的轮胎纵向力与侧向力识别方法

本发明涉及数据处理，具体涉及基于智能轮胎的轮胎纵向力与侧向力识别方法。背景技术：1、在汽车驶入或驶出转弯口时，识别轮胎的纵向力和侧向力有助于优化车辆的动态控制系统，通过智能轮胎技术实时监测轮胎力，动态控制系统可以调整制动力和转向力，提高车辆的操控性和稳定性。现常通过陀螺仪对轮胎纵向加速度数据和侧向加速度数据进行采集，进而由纵向加速度数据和侧向加速度数据进行受力分析得到轮胎纵向力数据和侧向力数据。而由于来自周围环境的电磁信号，例如无线电信号、电源线周围的干扰等，可能通过感应或传导进入传感器系统，导致检测出的轮胎纵向加速度数据和侧向加速度数据中存在随机噪声，进而导致纵向力和侧向力数据的数据准确性降低，影响动态控制系统对车辆的控制判断，增加了交通安全隐患发生的可能性。2、现有方法常通过加权移动平均滤波算法对轮胎的纵向加速度数据和侧向加速度数据进行去噪处理，在传统的加权移动平均滤波算法中滤波窗口内，各数据点对中心数据点的滤波权重均为人为经验值设置，而经验值确定的滤波权重无法适应复杂的数据特征，从而无法达到较好的去噪效果，影响对轮胎纵向力与侧向力的识别。技术实现思路1、本发明提供基于智能轮胎的轮胎纵向力与侧向力识别方法，以解决现有的问题。2、本发明的基于智能轮胎的轮胎纵向力与侧向力识别方法采用如下技术方案：3、本发明一个实施例提供了基于智能轮胎的轮胎纵向力与侧向力识别方法，该方法包括以下步骤：4、采集轮胎在每个时刻的纵向加速度数据和侧向加速度数据以及车速数据；5、根据纵向加速度数据和侧向加速度数据在同时刻的差异，获得每个时刻的初始噪声概率；根据纵向加速度数据和车速数据的相关性，获得纵向噪声占比因子；通过纵向噪声占比因子对每个时刻的初始噪声概率进行调整，获得每个纵向加速度数据的纵向噪声概率和每个侧向加速度数据的侧向噪声概率；构建每个时刻的纵向加速度数据的滤波窗口；根据每个时刻的纵向加速度数据的纵向噪声概率，对每个时刻的纵向加速度数据的滤波窗口内每个数据的预设滤波权重进行调整获得所述滤波窗口内每个数据的滤波权重；根据所述滤波窗口内每个数据的滤波权重获得每个时刻的纵向加速度数据在滤波窗口的滤波均值；获得每个时刻的侧向加速度数据在滤波窗口中的滤波均值；根据纵向加速度数据和侧向加速度数据在滤波窗口中的滤波均值进行去噪，获得去噪后的轮胎纵向加速度数据和侧向加速度数据；6、根据去噪后的轮胎纵向加速度数据和侧向加速度数据进行受力分析，得到轮胎纵向力和侧向力，用于优化车辆的动态控制系统。7、进一步的，所述根据纵向加速度数据和侧向加速度数据在同时刻的差异，获得每个时刻的初始噪声概率，包括的具体公式如下：8、9、式中，表示第i个时刻的初始噪声概率；表示第i个时刻的纵向加速度数据；表示第i+1个时刻的纵向加速度数据；表示第一个纵向加速度数据与最后一个纵向加速度数据的差值的绝对值；表示第i个时刻的侧向加速度数据；表示第i+1个时刻的侧向加速度数据；表示第一个侧向加速度数据与最后一个侧向加速度数据的差值的绝对值；表示归一化函数，表示取绝对值函数。10、进一步的，所述根据纵向加速度数据和车速数据的相关性，获得纵向噪声占比因子，包括的具体公式如下：11、12、式中，表示第i个时刻的纵向加速度数据的纵向噪声占比因子；表示第i个时刻的纵向加速度数据与第i个时刻的车速数据的比值；表示纵向加速度数据的数量；表示第j个时刻的纵向加速度数据与第j个时刻的车速数据的比值；表示线性归一化函数，表示取绝对值函数。13、进一步的，所述纵向加速度数据与车速数据相关性特征，具体的获取方式如下：14、将第i个时刻的纵向加速度数据与第i个时刻的车速数据的比值记为纵向加速度数据与车速数据相关性特征。15、进一步的，所述通过纵向噪声占比因子对每个时刻的初始噪声概率进行调整，获得每个纵向加速度数据的纵向噪声概率和每个侧向加速度数据的侧向噪声概率，包括的具体公式如下：16、17、式中，表示第i个时刻的纵向加速度数据的纵向噪声概率；表示第i个时刻的侧向加速度数据的侧向噪声概率；表示第i个时刻的初始噪声概率；表示第i个时刻的纵向加速度数据的纵向噪声占比因子；表示自然常数。18、进一步的，所述构建每个时刻的纵向加速度数据的滤波窗口，包括的具体步骤如下：19、预设的滤波窗口大小t，以纵向加速度数据的第i个数据为中心，选取包括第i个数据在内的前后共计个数据构成纵向加速度数据的每个数据的滤波窗口。20、进一步的，其特征在于，所述滤波窗口内每个数据的滤波权重，包括的具体公式如下：21、22、式中，表示第i个时刻的纵向加速度数据的滤波窗口内第x个数据的滤波权重；表示预设的初始滤波权重；表示第i个时刻的纵向加速度数据的滤波窗口内第x个数据的纵向噪声概率；表示自然常数。23、进一步的，所述获得每个时刻的纵向加速度数据在滤波窗口的滤波均值，包括的具体公式如下：24、25、式中，表示第i个时刻的纵向加速度数据的滤波窗口的滤波均值；表示每个滤波窗口内数据的数量；表示第i个时刻的纵向加速度数据的滤波窗口内第x个数据的滤波权重；表示第i个时刻的纵向加速度数据的滤波窗口内第x个数据。26、进一步的，所述根据纵向加速度数据和侧向加速度数据在滤波窗口中的滤波均值进行去噪，获得去噪后的轮胎纵向加速度数据和侧向加速度数据，包括的具体步骤如下：27、将纵向加速度数据的每个数据替换为其所在滤波窗口的滤波均值；将侧向加速度数据的每个数据替换为其所在滤波窗口的滤波均值。28、进一步的，所述根据去噪后的轮胎纵向加速度数据和侧向加速度数据进行受力分析，得到轮胎纵向力和侧向力，包括的具体步骤如下：29、根据牛顿第二定律对去噪后的轮胎纵向加速度数据和侧向加速度数据进行计算，得到轮胎纵向力数据和侧向力数据。30、本发明的技术方案的有益效果是：采集轮胎的纵向加速度数据和侧向加速度数据以及车速数据，根据每个时刻数据的差异，获得每个时刻的初始噪声概率，初步分析噪声存在的可能性；根据纵向加速度数据和车速数据的相关性获得纵向噪声占比因子，从而得到纵向噪声概率和侧向噪声概率，通过纵向加速度和侧向加速度，以及纵向加速度和车速之间的相关性特征，表现噪声数据中纵向加速度和侧向加速度的不同影响程度，设置每个数据的滤波窗口对滤波窗口内每个数据的滤波权重进行调整，获得每个数据在滤波窗口的滤波均值，根据滤波均值对纵向加速度数据和侧向加速度数据去噪，提高了轮胎纵向加速度数据和侧向加速度数据的数据准确性，从而提高了对轮胎纵向力和侧向力识别的准确性。技术特征：1.基于智能轮胎的轮胎纵向力与侧向力识别方法，其特征在于，该方法包括以下步骤：2.根据权利要求1所述基于智能轮胎的轮胎纵向力与侧向力识别方法，其特征在于，所述根据纵向加速度数据和侧向加速度数据在同时刻的差异，获得每个时刻的初始噪声概率，包括的具体公式如下：3.根据权利要求1所述基于智能轮胎的轮胎纵向力与侧向力识别方法，其特征在于，所述根据纵向加速度数据和车速数据的相关性，获得纵向噪声占比因子，包括的具体公式如下：4.根据权利要求3所述基于智能轮胎的轮胎纵向力与侧向力识别方法，其特征在于，所述纵向加速度数据与车速数据相关性特征，具体的获取方式如下：5.根据权利要求1所述基于智能轮胎的轮胎纵向力与侧向力识别方法，其特征在于，所述通过纵向噪声占比因子对每个时刻的初始噪声概率进行调整，获得每个纵向加速度数据的纵向噪声概率和每个侧向加速度数据的侧向噪声概率，包括的具体公式如下：6.根据权利要求1所述基于智能轮胎的轮胎纵向力与侧向力识别方法，其特征在于，所述构建每个时刻的纵向加速度数据的滤波窗口，包括的具体步骤如下：7.根据权利要求1所述基于智能轮胎的轮胎纵向力与侧向力识别方法，其特征在于，所述滤波窗口内每个数据的滤波权重，包括的具体公式如下：8.根据权利要求6所述基于智能轮胎的轮胎纵向力与侧向力识别方法，其特征在于，所述获得每个时刻的纵向加速度数据在滤波窗口的滤波均值，包括的具体公式如下：9.根据权利要求1所述基于智能轮胎的轮胎纵向力与侧向力识别方法，其特征在于，所述根据纵向加速度数据和侧向加速度数据在滤波窗口中的滤波均值进行去噪，获得去噪后的轮胎纵向加速度数据和侧向加速度数据，包括的具体步骤如下：10.根据权利要求1所述基于智能轮胎的轮胎纵向力与侧向力识别方法，其特征在于，所述根据去噪后的轮胎纵向加速度数据和侧向加速度数据进行受力分析，得到轮胎纵向力和侧向力，包括的具体步骤如下：技术总结本发明涉及数据处理技术领域，具体涉及基于智能轮胎的轮胎纵向力与侧向力识别方法，包括：采集轮胎的纵向加速度数据和侧向加速度数据以及车速数据，根据每个时刻数据的差异，获得每个时刻的初始噪声概率，根据纵向加速度数据和车速数据的相关性获得纵向噪声占比因子，从而得到纵向噪声概率和侧向噪声概率，设置每个数据的滤波窗口对滤波窗口内每个数据的滤波权重进行调整，获得每个数据在滤波窗口的滤波均值，根据滤波均值对纵向加速度数据和侧向加速度数据去噪，再进行受力分析得到轮胎纵向力和侧向力。本发明通过对轮胎的纵向加速度数据和侧向加速度数据的滤波权重自适应调整后进行去噪，完成对轮胎纵向力和侧向力的识别。技术研发人员：李志超,朱海民,包俊豪受保护的技术使用者：常熟理工学院技术研发日：技术公布日：2024/8/16