路面状态判别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109416412A(43)申请公布日2019.03.01(21)申请号201780041228.7(74)专利代理机构北京林达刘知识产权代理事务所(普通(22)申请日2017.05.26合伙)11277代理人刘新宇(30)优先权数据2016-1311032016.06.30JP(51)Int.Cl.G01W1/00(2006.01)(85)PCT国际申请进入国家阶段日B60C19/00(2006.01)2018.12.29B60W40/068(2006.01)(86)PCT国际申请的申请数据PCT/JP2017/0196812017.05.26(87)PCT国际申请的公布数据WO2018/003366JA2018.01.04(71)申请人株式会社普利司通地址日本东京都(72)发明人花塚泰史后藤嵩人权利要求书1页说明书11页附图9页(54)发明名称路面状态判别方法(57)摘要将检测出的行驶中的轮胎的振动的时序波形乘以规定时宽的窗函数来提取每个时间窗的时序波形，根据所述每个时间窗的时序波形分别计算出特征向量，之后，在使用该每个时间窗的特征向量和路面模型来判别行驶中的路面的状态时，根据制动驱动力的大小构建多个所述路面模型，并且估计作用于所述轮胎的制动驱动力，使用所述特征向量和与估计出的所述制动驱动力的大小相应的路面模型来判别路面的状态，其中，该路面模型是将搭载有具备加速度传感器的轮胎的车辆在多个路面状态的路面上分别行驶所得到的轮胎振动的时序波形的数据作为学习用数据构建出的模型。CN109416412ACN109416412A权利要求书1/1页1.一种路面状态判别方法，具备以下步骤：步骤(a)，检测行驶中的轮胎的振动；步骤(b)，取出检测出的所述轮胎的振动的时序波形；步骤(c)，将所述轮胎的振动的时序波形乘以规定时宽的窗函数来提取每个时间窗的时序波形；步骤(d)，根据所述每个时间窗的时序波形分别计算特征向量；以及步骤(e)，使用路面模型和在所述步骤(d)中计算出的每个时间窗的特征向量来判别行驶中的路面的状态，该路面模型是将搭载有具备加速度传感器的轮胎的车辆在多个路面状态的路面上分别行驶所得到的轮胎振动的时序波形的数据作为学习用数据构建出的模型，该路面状态判别方法的特征在于，设置以下步骤：根据制动驱动力的大小构建多个所述路面模型，并且估计作用于所述轮胎的制动驱动力，在所述步骤(e)中，使用所述特征向量和与估计出的所述制动驱动力的大小相应的路面模型来判别路面的状态。2.根据权利要求1所述的路面状态判别方法，其特征在于，将所述路面模型设为预先针对每个路面状态构建出的隐马尔可夫模型，并且在所述步骤(e)中，对多个所述隐马尔可夫模型分别计算所述特征向量的似然度，使用计算出的所述似然度来判别路面状态。3.根据权利要求1所述的路面状态判别方法，其特征在于，在所述步骤(e)中，在根据路面特征向量和在步骤(d)中计算出的每个时间窗的特征向量计算出核函数之后，基于使用所述核函数来识别所述路面模型的识别函数的值，来对路面状态进行判别，其中，该路面特征向量是预先针对每个路面状态求出且根据轮胎振动的时序波形计算出的每个时间窗的特征向量。4.根据权利要求1至3中的任一项所述的路面状态判别方法，其特征在于，在估计出的所述制动驱动力的大小超出预先设定的范围的情况下，不进行路面状态的判别。2CN109416412A说明书1/11页路面状态判别方法技术领域[0001]本发明涉及一种对行驶中的路面状态进行判别的方法。背景技术[0002]以往，作为对路面状态进行判别的方法，提出了如下一种方法(例如参照专利文献1)：将由加速度传感器检测出的轮胎振动的时序波形乘以规定时宽的窗函数来提取每个时间窗的时序波形，并计算出每个时间窗的特征向量，之后针对每个路面模型(隐马尔可夫模型)计算每个时间窗的特征向量的似然度，将与似然度最大的路面模型对应的路面判别为是轮胎正在行驶的路面的路面状态，其中，该路面模型(隐马尔可夫模型)是将搭载有具备加速度传感器的轮胎的车辆在多个路面状态的路面上分别行驶所得到的轮胎振动的时序波形的数据作为学习用数据构建出的模型。[0003]另外，作为使用路面模型来判别路面状态的方法，提出了如下一种方法(例如，参照专利文献2)：根据每个时间窗的特征向量和预先求出的路面特征向量计算核函数，将使用该核函数来识别路面模型的识别函数的值进行比较来对路面状态进行判别。[0004]专利文献1：日本特开2013-6533号公报[0005]专利文献2：日本特开2014-35279号公报发明内容[0006]发明要解决的问题[0007]然而，在所述专利文献1、2中，不是考虑对轮胎施加的制动驱动力而得到的分类结构，