基于机器学习的间接式胎压监测算法研究

为了克服间接式胎压监测系统在复杂道路环境及可变行驶工况下辨识准确率低的问题,该文在仅依靠轮速传感器的基础上研究了基于机器学习的间接式胎压监测算法。对建立的轮胎刚性环模型进行分析,得到辨识方法的理论依据;使用递归最小二乘法(RLS)剔除轮速传感器误差,获得准确的轮速信号;提取时域和频域轮速信号特征,利用决策树剔除问题轮速信号,基于正常轮速信号的特征综合Bayesian分类器识别当前轮胎压力状态。结果表明:与直接使用Bayesian分类器相比,本研究提出的决策树和Bayesian分类器结合在一起的间接式胎压监测方法具有更高的准确率,其准确率可达96.36%。