为提高智能汽车性能进行胎压监测系统的数据分析外文翻译资料

英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

毕业设计

英文文献翻译

Title: Handbook of Fingerprint Recognition

为提高智能汽车性能进行胎压监测系统的数据分析

M.A. Harman, A. Hussain, A. Mohamed and S.A. Samad

Signal Processing Research Group, Department of Electrical, Electronics and Systems, Faculty of Engineering, Universiti Kebangsaan Malaysia, 43600 UKM Bangi, Selangor DE, Malaysia

摘要：这项研究的主要目的是分析胎压监测系统（TPMS）数据，主要致力于加强对智能车辆性能的评估。胎压及胎温的数据是通过微型机电系统胎压模块（TPM）的原始样机来采集的，这个原始样机被安装在一个智能轮胎轮辋上。在这项调查中，我们只注重于胎压监测系统分析性数据的分析能力。在这项分析性研究中，一个有关数据分类，拟合优度与假设检验的新颖方法也被提出。应用了一个分类方案用于分类胎压和胎温的数据，基于象限基础操作区的右前（FR），左前（FL），左后（RL）和右后轮（RR）的ID。为了探索轮胎数据拟合优度，还运用了具有多项式拟合的主成分分析法（PCA）。最后，使用萨特思韦特统计的假设检验也被实施。得到的结果与虚假设一致，因此，也验证了胎压监测系统在维持和提高车辆性能上的有用性。

关键词：胎压监测系统，数据分析，PCA，胎压胎温，交通工具性能

引言

至今，一个广泛的多样的传感器技术已经被应用于加强汽车的安全性和可靠性。同样的，胎压监测系统在工业领域也是一项重要的研究范围。除了道路安全，胎压监测系统可以增加轮胎使用寿命，减少燃料消耗和促进汽油行驶的距离。精确充气的轮胎将保证最短的转弯距离，减少爆胎，缓解打滑，在道路上更好的解决突发问题。相反的，过冲或充气不足的轮胎会造成轮胎的异常磨损，增加燃料消耗，减少路途舒适度和轮胎使用寿命（Jurgen,1989,1991,1992）。对于自动汽车的未来预测，数据1（图1）表明在2010年，世界上三分之二的汽车将配备胎压监测系统（Burgess,2004）。

图1 用胎压监测系统预测投影汽车单位

采用拥有胎压监测系统性能的智能轮胎是无可避免的，因为它可以使司机们认识到轮胎泄气情况，轮胎使用周期和是否超速。另外，胎压监测系统可以即时警报轮胎的压力损失，轮胎处于低压行驶状态，轮胎故障，充气轮胎以及轮子的位置（Navet,1998; CAN Newsletter,2003;Bishop, 2000,2005）。

通过实验和数据分析，大量胎压监测系统和它的传感器技术已将被广泛投资，这些试验和数据分析包括基于胎压监测系统的天线系统，表面声波转换器，射频识别（RFID）以及建立在远程传感器晶体石英谐振器（Kaleja et al., 1999; Pohl et al., 1999；Schimetta et al., 2000; Wunderlich and Smith, 2000；Jakoby et al., 2002; Yamamoto et al., 2002）。其中，一些因素是大家的主要关注点，例如锂电池寿命循环的限制，电磁射频收发单元故障，由于广播脉冲响应而发出的巨大回波噪声。

各种类型的传感器，如声学传感器，光学传感器，振动弦传感器，超宽带宽技术和电容传感器都被进行了分析(Clayton and EerNisse, 1998; Milkovic, 1992; Grossmann.1999，EerNisse and Wiggins,2001，Daimler, 2005).这些传感器有望检测有关道路情况的数据，这些数据可以用来检测摩擦参数，但不是为了测力(Scholl et al.,1991，2003; Schimetta et al., 2000).这些传感器的主要缺点是在恶劣环境下，车辆运行时的稳健性差。尽管事实上胎压监测系统技术仍在改善，传感器仍在逐步稳定的，然而对于如何使合适的传感器对应于不同的胎压监测系统仍然被调查分析。

在传感器能力有限的条件下，为了完成挑战，进行了大量有关传感器技术的试验和分析。结果显示在智能汽车安全系统的发展上，电容式MEMS传感器是最具有潜力的（Wang et al., 2000; Gogoi et al., 2001;Gogoi and Mladenvic, 2002; Quero and Brey, 2002）。除了数据分析，集成到一个完整的电子系统，稳定性，小尺寸和低功耗的能力都是MEMS传感器的显著特征之一（Hussain et al ,2006）。因此，电容式微机电传感器为智能汽车安全系统打开了新视角，完美满足了高稳定性的需求，低能量消耗，而不是仅仅追求成本效益。

因此，这项研究的主要目的是对分析的数据进行报告，这些数据是使用主成分分析法(PCA)对胎压，胎温的自动和离散监测进行分析得来的。研究者对一组从所谓的智能轮胎收集到的输出信号进行了分析，从而对汽车上胎压监测系统的安全性和可靠性进行了评估。这项报告还提供了有关数据分析方法的概述，包括它的原理成分，拟合优度，假设检验和分析结果。

胎压监测系统数据分析

数据分析是主要统计问题方法之一，它可以显著增强胎压监测系统的可靠性，轮胎数据的分析是基于根据车辆实时操作而收集的原始数据，拥有200个观测数据集。数据集包括三个变量，即轮胎的标识，压力和温度。在数据集中，0，1，2和3是前左，前右，后左，后右轮胎的ID，并且利用MATLAB统计工具箱对收集到的数据进行分析。在分析数据之前，使用matlab编码对变量进行创建，标记和分类。本研究的首要工作是利用实时车辆的原始数据对胎压监测系统进行研究。本节讨论了在这项研究中使用的分析方法，包括主成分分析，数据拟合和和假设检验。针对胎压监测系统数据分析的方法是显示在图2，根据这种分析方法设计的模型在下面有所介绍。首先，对所有原始数据的变量进行处理，然后归一化。之后，这个归一化的数据根据前左，前右，后左，后右轮胎的ID进行分类。归一化的数据被减少，并利用主成分分析法使用单变量替换一组变量，从而进行简化。为了确定不同变量之间的统计意义，假设最终生成并进行了测试。最后，这项研究用多项式拟合方法分析主成分，找到最佳拟合的观测样本，并且最大限度地减少平方残差的总和。

主成分分析:主成分分析法(PCA)是一种定量的方法，将大集合变量的维数降为一个小集合，该集合中大多数的信息包含在大集合中，同时实行简化。主成分分析是通过用一个新的变量来代替一组变量来简化问题。这一代新的变量被称为主成分(PC)，这个主成分的特征是一个彼此正交的线性组合的原始变量。主成分分析法也可用于在噪声数据中寻找信号。

图2 原胎压监测系统数据分析方法

为了描述一个主成分分析的结构，一个多元数据X以及n行与m列被假设。在特定主题下，每一行m元素都有得分和测量，列入轮胎ID以及温度和压力。数据times;被标准化，每一列的平均值为0，每一列的方差为0，并且每一列都是一个向量变量，Zi，i=1,2hellip;hellip;m,主主成分分析的主要思想是求向量变量的线性函数Zi。这个线性函数是指Z的成分，进行第j个Y向量单个元素的计算。

（1）

其中，vrsquo;是V的列向量。V是mtimes;m的系数矩阵，然后把m元变量z带入n元变量y。z的维度是1times;m，vrsquo;的维度是mtimes;1。因此y_j第i个个体成分得分的标量代数是,j=1,hellip;hellip;m:

（2）

这成为整个y 的矩阵符号：

（3）

方程3表示一个正交变换，Y是转化变量，Z是原标准化变量，V是从z到y自左乘。变量y由不相关的元素构成，DY是一个矩阵，对角矩阵和DY对角元素必须全部是零。

拟合优度：一个模型与数据匹配的主要的目标是研究数据与模型拟合程度的高低。多项式拟合的主成分分析计算其最小化的总和的平方残差，从而确保样品的最佳拟合。有两个测量拟合优度的方法：图形和数字。使用数值测量统计拟合优度，而图形表示使用残差。这个参数化模型是为了评价拟合数值方法的误差平方和(SSE)，复相关系数，R²，调整R²和均方根误差（RMSE）。

误差平方和测量了n个数据点的第i个数据，这些数据是对应值Y总偏差的平方和。从拟合到对应值Y,都与加权拟合w相乘，结果越接近0表示拟合度越高。

（4）

拟合优度的度量是多个相关R²相乘的系数，定义为对应值与预测对应值或者回归平方和(SSR)的比值和平方综合(SST)之间的相关性。因为R²是一个比值，因此它必须在0到1之间，因此给判断拟合的优劣提供了标准。R²值越高，估计的回归模型解释能力越强。

（5）

调整归零的方法是采用上述所定义的R²，并且是基于剩余自由度。剩余自由度被定义为响应值的数目n减去根据响应值估计的拟合系数的数目m。当有附加系数模型时，调整归零后的统计一般是最合适的质量最好的指标。数值越接近1契合度越好。

（6）

统计误差也是适用的标准误差和回归的标准误差，其中当误差值越接近0，表明其更适合。对于图形化的措施，剩余被定义为响应数据之间的差异，在每个预测值y和契合的响应数据y之间。模型拟合数据的残差近似有随机误差。因此，如果这些残差的行为是随机的，它表明该模型契合数据。然而，如果残差形成一个系统的模式，那么则明确表明该模型并不契合数据。

（7）

假设检验：对胎压监测系统的评估显示，它为司机提供了温度和压力损失，轮胎低压运行，爆胎和轮胎膨胀的警告(Jurgen,1989)。一般认为，胎压监测系统的采用可以提高操作的安全性和可靠性，提高轮胎的使用寿命和降低燃料消耗。在没有胎压监测系统的情况下，没有发现胎压胎温的异常可能导致严重事故，增加燃料消耗以及降低乘坐的舒适性和轮胎的使用寿命（Burgess，2004）。为了统计证明胎压监测系统的有效性，我们模拟了一个轮胎异常情况。我们假设，当轮胎处于良好状态，胎压监测系统数据由压力和温度读数是正态分布，均值相等。另外，假设是当轮胎处于不好的状态时，胎压监测系统数据是压力和温度读数不正态分布的平均值。我们将使用这些数据，去测试胎压监测系统提高车辆性能的有效性。在实时车辆运行中，用胎压监测系统所测得的胎压胎温对轮胎的可靠性影响都相同。

在测试中，如果显著性水平是0.05，结果为1，零假设被拒绝。但是，如果结果是0，那么零假设被接受。每个系数的统计意义遵照单因素方差分析。

萨特思韦特的试验意义P值与t统计量定义相关：

（8）

在这里X是一个正态分布的样本，n是x样本中的观测数据，s是零假设下的样本标准数据，意味着x等同于m。

分析结果与讨论

轮胎轮辋上安装的胎压监测系统上的轮胎模块会发送轮胎信号到接收模块，然后进行数据分析。然后，接收器的信号是使用安捷伦54622D混合信号示波器。数据可以通过改变单片机传感器的阈值来获得。所收集的数据有助于对车辆的胎压监测系统的测试过程和性能评价。

轮胎数据分类：一个分类方案被应用于分类每个轮胎的状态。图3显示胎压胎压数据和每个轮胎的分类结果。四个轮胎是根据其FL，FR，RL，RR轮的ID表示，分别属于第一，第二，第三，第四象限。FL轮已被列为异常情况，因为其中一个数据被认为是在正常工作区以外的第二象限。每个象限的正常工作区位于象限的虚线标记区域内。相反，其他的FR，RL，RR轮都在正常情况内，所有数据都分别在第一，第三，第四象限的正常运行区内。总之，这意味着这个分类方案根据获取的胎压监测系统数据正确的将在正常或不正常状况下的轮胎进行了分类。

图3 压力和温度数据的分类

图4 主成分分析与拟合优度

拟合优度：根据所有的变量，研究人员对模型的拟合优度进行了测试。图4显示了主成分分析的多项式拟合优度。上证参数模型的拟合结果是95%置信区间为0.1358，接近0，说明数据吻合较好。多重相关性R^{2 剩余内容已隐藏，支付完成后下载完整资料}

资料编号：[31124]，资料为PDF文档或Word文档，PDF文档可免费转换为Word