1.一种轮胎磨损度检测计算系统,包括参数优化单元(5)、检测模型构建单元(6)、轮胎磨损检测单元(7)和可视化单元(8),其特征在于:轮胎数据采集单元(1),所述轮胎数据采集单元(1)用于采集轮胎数据,轮胎数据包括轮胎内部温度、轮胎胎压和轮胎运行过程中三轴加速度,三轴加速度包括X、Y和Z轴加速度,并将采集的轮胎数据传输至数据预处理单元(2);
数据预处理单元(2),所述数据预处理单元(2)对轮胎数据采集单元(1)传输的轮胎数据进行接收,并通过滤波方法对轮胎数据进行预处理,且将预处理后的轮胎数据中的三轴加速度传输至特征提取单元(3),且将预处理后的轮胎数据中的轮胎内部温度和轮胎胎压传输至训练集构建单元(4);
特征提取单元(3),所述特征提取单元(3)对数据预处理单元(2)传输的预处理后的轮胎数据进行接收,并根据轮胎数据中的三轴加速度和采样点构建三轴加速度的波形图,其中波形图的横坐标表示采样点,纵坐标表示三轴加速度,提取Z轴波形波谷中的波谷宽度作为第一特征参数,提取Z轴波形波谷中的波谷面积作为第二特征参数,提取Y轴波形波峰的纵坐标作为第三特征参数,提取Y轴波形波峰和波谷之间距离作为第四特征参数,并将提取的第一、第二、第三和第四特征参数传输至训练集构建单元(4);
训练集构建单元(4),所述训练集构建单元(4)对数据预处理单元(2)传输的预处理后的轮胎数据中的轮胎内部温度和轮胎胎压和特征提取单元(3)传输的第一、第二、第三和第四特征参数进行接收,并根据接收的数据构建训练集向量,并在训练集向量中的添加校验位,且将构建完成的训练集向量传输至参数优化单元(5);
所述轮胎磨损检测单元(7)对检测模型构建单元(6)传输的训练好的RBF神经网络预测模型进行接收,调用实时轮胎数据输入值训练好的RBF神经网络预测模型中,通过训练好的RBF神经网络预测模型输出轮胎实时磨损度,且将输出的轮胎实时磨损度传输至可视化单元(8);
所述可视化单元(8)对轮胎磨损检测单元(7)传输的轮胎实时磨损度进行接收,并通过WEB技术在用户智能显示终端中显示汽车四个轮胎的实时磨损度;
所述参数优化单元(5)对训练集构建单元(4)传输的训练集向量和检测模型构建单元(6)传输的RBF神经网络预测模型进行接收,并通过粒子群优化算法基于RBF神经网络预测模型对训练集向量进行优化,并将优化后的训练集向量传输至检测模型构建单元(6);
所述检测模型构建单元(6)用于构建RBF神经网络预测模型,且将构建的RBF神经网络预测模型传输至参数优化单元(5),并对参数优化单元(5)传输的优化后的训练集向量进行接收,利用高斯函数激活RBF神经网络预测模型,并基于优化后的训练集向量对激活后的RBF神经网络预测模型进行训练,以获得训练好的RBF神经网络预测模型,将获得的训练好的RBF神经网络预测模型传输至轮胎磨损检测单元(7);
所述粒子群优化算法包括以下步骤:
B1、对粒子的位置和速度进行初始化,随机生成初始位置和速度;
B2、通过粒子更新公式进行粒子的位置和速度更新,所述粒子更新公式如下:v
X
其中,v
B3、基于粒子更新式设置参数优化模型,所述参数优化模型如下:
其中,
B4、设置粒子群布局适应度函数,所述粒子群布局适应度函数如下:其中,f表示粒子群布局适应度函数,
B5、计算粒子适应度;
B6、计算每个粒子的个体最优解,并基于每个粒子的个体最优解计算整个群体的全局最优解;
B7、通过粒子更新公式对粒子和速度和位置进行优化;
B8、判断是否满足终止条件,若满足终止条件,则结束所述粒子群优化算法,否则,重复执行步骤B5至B8;
所述步骤B5中,计算粒子适应度包括以下步骤:
B501、将训练集向量不重复的随机分为K份;
B502、将其中1份作为验证集,剩余K-1份作为训练集向量用于RBF神经网络预测模型,在训练后得到训练好的RBF神经网络预测模型,通过验证集测试训练好的RBF神经网络预测模型,获得训练好的RBF神经网络预测模型的性能指标,并不断重复K次;
B503、计算K组测试指标的平均值作为训练好的RBF神经网络预测模型精度的估计,并作为当前K折交叉验证下训练好的RBF神经网络预测模型的性能指标;
B504、选择训练好的RBF神经网络预测模型的预测精度作为性能评估指标,并不断重复步骤B501至B503,直到完成所有粒子的适应度计算。
2.根据权利要求1所述的一种轮胎磨损度检测计算系统,其特征在于:所述轮胎数据采集单元(1)包括温度和胎压采集模块(101)和三轴加速度采集模块(102);
所述温度和胎压采集模块(101)通过将温度和胎压集成传感器安装在轮胎内壁采集轮胎内部温度和轮胎胎压;
所述三轴加速度采集模块(102)通过将加速度传感器安装在轮胎内壁采集轮胎运行过程中三轴加速度。
3.根据权利要求1所述的一种轮胎磨损度检测计算系统,其特征在于:所述滤波方法包括以下步骤:A1、根据二维峰值搜索方法,估计分数阶傅里叶变换的阶次p和对应频率u;
A2、对采集信号X(t)进行分数阶傅里叶变换,所述分数阶傅里叶变换公式如下:X
其中,X
A3、通过如下公式将采集信号X(t)中能量聚集最高的尖峰进行遮隔处理:X‘
其中,C(u)表示分数阶傅里叶变换域中以u为中心的带通滤波器;
A4、将经过滤波去噪处理后的分数阶傅里叶变换域信号进行p阶分数阶傅里叶反变换,以获得去噪的采集信号X
4.根据权利要求1所述的一种轮胎磨损度检测计算系统,其特征在于:所述第一特征参数用于描述轮胎触地后,产生的反向作用力作用于轮胎的时间长度,所述第二特征参数用于描述轮胎触地后,产生的反向作用力作用于轮胎的能量大小,所述第三特征参数用于描述轮胎触地后,加速度的最大差值,所述第四特征参数用于描述轮胎触地后,两段冲击加速度峰值之间的时间差。
5.根据权利要求1所述的一种轮胎磨损度检测计算系统,其特征在于:所述B504中的RBF神经网络预测模型采用三层前馈神经网络,第一层为输入层,由信号源结点组成,第二层为隐含层,且隐含层的激活函数采用径向基函数,第三层为输出层,隐含层和输出层之间采用线性激活函数,且RBF神经网络预测模型的输入矢量为7个,隐含层有h个,输出矢量为1个。