[發明專利]基于機器學習的輪胎漏氣的實時檢測方法及存儲介質

有效

• 申請號: 202011041933.7
• 申請日: 2020-09-28
• 公開（公告）號: CN112116023B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 楊俱成;黃中原;吳銳;劉平;謝樂成
• 申請（專利權）人: 重慶長安汽車股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/10
• 代理公司: 重慶華科專利事務所 50123
• 代理人: 譚小琴

本發明提供了一種基于機器學習的輪胎漏氣的實時檢測方法及存儲介質，包括選擇更多同款車型在更長時間范圍內的數據，并基于預設斜率值，按照N天的時間窗口進行滑動，當滑動到某一天時，若前N天的車輛輪胎的氣體量斜率值大于斜率值K，則標記當前車輛數據的車輛輪胎漏氣，否則不漏氣，并由此得到帶有標簽的樣本集，然后使用不同類型的分類算法對所述樣本集進行驗證與訓練得到最優分類算法，并基于該最優分類算法，對其進行工程化部署，以使最優分類算法的模型上線至生產環境中，用于預測實時新上傳到云端的胎壓數據，得到預測結果。解決了現有技術預測輪胎漏氣結果不夠準確，或還需增加其他生產成本的技術問題。

技術領域

本發明涉及汽車安全技術領域，具體涉及一種基于機器學習的輪胎漏氣的實時檢測方法及存儲介質。

背景技術

汽車是現代化的交通工具，已經成為人們日常生活必不可少交通工具。 隨著汽車產業的發展，人們對于安全的重視也越來越高，汽車輪胎便是汽車重要部件之一。據不完全統計，高速路上因為輪胎造成的事故比例高達42%，目前國家法規要求汽車廠商安裝的TPMS（輪胎壓力監測系統），需要滿足一定的時間要求和一定的閥值條件才會報警，TPMS監控的是胎壓情況，而胎壓又受氣候、路況，載重，環境溫度，海拔等客觀因素影響，對于緩慢漏氣的輪胎，比如扎釘子，TPMS就不能及時檢測出不來。

當前檢測輪胎漏氣的方法主要有兩個，第一種是申請號為CN201510872288.6 所公開的“一種檢測汽車輪胎漏氣的方法及系統”，運用大數據離群算法，通過壓力傳感器定時采集四個輪胎的原始胎壓數據并保存，當采集到若干個某輪胎的胎壓值比原始的胎壓變化大于其他輪胎的變化值，且超過設置的閥值，則判定為漏氣。但該方法存在的問題有如下幾個：1.需要在車機上額外增加單獨的存儲設備，增加了每臺車的成本，且設備的存儲空間始終是有限的；2.該方法沒有數據刪除或更新策略，當設備的存儲空間飽和后，每次進行輪胎漏氣預測都是使用的之前不變的歷史數據來做離群，導致預測結果不準確。3.該方法沒有數據緩存策略，當車輛行駛到網絡信號不好的地方時，在網絡信號不好的行程不能進行有效的預測。

第二種是申請號為CN201910319072.5所公開的“一種基于機器學習的胎碼和輪胎狀態識別方法”，通過人工標注輪胎圖片，運用多層神經網絡對訓練集和驗證集進行督促學習，得到模型，當有新的圖片喂給該模型時，就能實時識別該輪胎是否漏氣，但該方法存在的問題如下：1.前期需要人工進行大量的圖片標注，標注的圖片越多，識別效果越好，但導致前期耗費的人工過多；2.該方法理論上能取到比較好的效果，但有一個實際的問題就是需要在車機針對輪胎，需要增加單獨的攝像頭來拍攝輪胎的實時圖片，攝像頭安裝在哪里才能有一個好的拍攝角度，怎么安裝最安全且不易脫落，都是需要考慮到的實際情況。

因此，有必要開發一種基于機器學習的輪胎漏氣的實時檢測方法及存儲介質。

發明內容

有鑒于此，本發明的目的在于提供一種基于機器學習的輪胎漏氣的實時檢測方法及存儲介質，用于解決現有技術預測輪胎漏氣結果不夠準確，或需增加其他生產成本的技術問題。

第一方面，本發明提供了一種基于機器學習的輪胎漏氣的實時檢測方法，包括如下步驟：

步驟1，在T1時間段內采集A輛同款車型的車輛數據，并對所述車輛數據作預處理，所述車輛數據至少包括車輛ID、輪胎溫度、輪胎位置、環境溫度、高原系數、時間戳以及胎壓；

步驟2，根據理想氣體方程，計算每個輪胎的氣體量以及氣體量均值，同時篩選出滿足預設條件的車輛；

步驟3，根據篩選出的車輛每天每個輪胎的氣體量散點，進行線性最小二乘擬合，得到車輛輪胎的氣體量斜率，并基于實際天數對胎壓的影響，對所述氣體量斜率進行二次優化；

步驟4，根據不同位置的車輛輪胎，計算車輛輪胎的氣體量斜率均值,并篩選出斜率值大于所述氣體量斜率均值M倍的車輛，并記所述斜率值為K；