|
39.
基于轮内加速度的乘用车胎面磨损程度分类试验
陶亮, 唐钰, 戚文杰, 张大山, 鲁瑞, 张小龙,
中国机械工程
2023, 34 (22):
2737-2745.
DOI: 10.3969/j.issn.1004-132X.2023.22.010
围绕乘用车轮胎花纹深度浅、常规的基于加速度时域信号辨识磨损特征不明显的问题,研究了基于胎内加速度频域特征的胎面磨损程度分类估算问题。首先通过自主开发的专用轮辋总成和数据采集器等搭建智能轮胎测试系统,并在轮胎气密层布置1个三轴加速计,采用有线方式获取加速度值,采样频率50 kHz。其次基于搭建的测试系统在Flat Trac台架上进行典型轮胎纯滚动试验,分析用于明确分类算法的参数并构建数据集。试验轮胎包括新胎、半磨胎和全磨胎,数据分析发现不同磨损程度轮胎周向加速度Ax和径向加速度Az在频域5 kHz内区别度明显。故以间隔10 Hz提取Ax和Az频域5 kHz内振动幅值作为特征点,连同垂直载荷、速度和胎压,分别建立频域数据集FDAx、FDAz。最后利用随机森林算法对这2个数据集分别进行训练与预测,优化参数决策树数目和最小叶子数均为20时模型分类效果最优。结果表明,频域数据集FDAz分类准确度平均值为95.1543%,高于数据集FDAx。与相同试验数据提取Ax和Az时域特征构建的时域数据集TDAx、TDAz对比,分类准确度分别提高了16.18%和10.08%。同时优化数据集FDAz的特征取值后发现,特征频段和特征点个数分别为1000 Hz内和100时模型分类准确度和实时性最优。研究结果表明,基于胎内加速度的频域信号进行轮胎磨损程度辨识是可行的,为乘用车胎磨损程度辨识提供了有效手段。
参考文献 |
相关文章 |
多维度评价 |
评论(0)
|
|