一、智能轮胎的研究进展和应用前景（论文文献综述）
付宏勋,赵强,刚宪约,张宇,库来运[1]（2022）在《智能轮胎状态信息估算研究综述与展望》文中认为智能轮胎技术能够将轮胎与路面的相互作用信息第一时间反馈到汽车的控制系统,对汽车的行驶安全性、经济性以及舒适性等起着至关重要的作用。主要从轮胎力估算、路面条件识别、轮胎滑水监测、轮胎磨损监测以及状态信息控制应用等角度梳理了智能轮胎状态信息估算的中外研究进展,并展望了智能轮胎技术的未来发展趋势及可能面临的挑战。
谢枝芃[2]（2019）在《桥梁快速测试中的基于多传感器的车轮力测量》文中研究表明桥梁作为跨越河流或其他地理障碍的重要交通结构,为保障如此数量桥梁安全,对桥梁的性能评估具有重大的意义。冲击振动是结构健康监测的主要手段之一,其输入输出已知的优势相比于其他手段,可以对结构的深层参数进行识别。现阶段冲击振动为避免“停下激振”的局限性,一个理想的方式是直接利用车辆本身作为激励方式“边移动边激振”,即在正常行驶过程中对桥梁结构进行激励,从而方便快捷的进行桥梁冲击振动测试。因此轮胎作为车桥接触的唯一元件,竖向车轮力作为冲击振动的输入力,其精准识别在桥梁快速健康监测中具有重要作用。虽然现有的车轮力方法众多,但因传感器成本高昂等原因,无法运用于本论文所应用的桥梁快速测试理论中。本文提出了一种基于多传感器信息融合的智能轮胎竖向车轮力识别方法。相比于传统轮胎模型,该方法综合考虑了竖向变形、胎压以及转速等轮胎参数信息,并将其转化为一时间序列预测问题精确识别竖向车轮力。之后,设计了一个智能轮胎试验机,分别就轮胎的单参数单独影响和多参数耦合作用下与车轮力的关系设计了试验,验证了所提出的神经网络算法模型的有效性。本文的主要内容如下:（1）以轮胎的力学模型为基础,讨论各种轮胎的动力状态下的适用模型;因传统模型对多参数耦合变化下对竖向车轮力拟合的局限性,本文提出了采用基于BP神经网络算法和基于LSTM深度学习算法进行具体分析,并且解决了传感器采集数据与神经网络输入输出层的匹配性问题,包括因轮胎旋转导致的胎内气压不均匀现象,需对胎压采集数据进行demy小波滤波;因轮胎与障碍物之间的预接触现象,需对激光位移传感器采集数据进行“有效高度”概念转化。（2）介绍了智能轮胎试验机及相关的轮胎实验室试验,轮胎胎压、轮胎转速、轮胎竖向变形与竖向车轮力之间的单因子变化及多因素耦合变化进行实验,比较了基于BP神经网络算法的轮胎模型和基于LSTM的深度学习算法的轮胎模型的拟合效果,并对实验室试验和真实工程之间的几点误差进行了讨论与分析。主要结论有:BP算法神经网络在轮胎的胎压和转速发生变化时,其拟合能力均有不错的表现,但是面对障碍物高度发生变化时,却无法获得精准的拟合结果;而LSTM深度学习算法神经网络,通过时序性样本,无需对竖向变形进行转换,在轮胎处于各种工况下,拟合精度均保持在很高的水平,虽然在部分段会因此产生一些高频“毛刺”,但是其均在可接受范围内波动。（3）对于桥梁快速测试试验来说,路面的不平整度信息是无法提前进行测量的,障碍物形状也不可能是简单同一的形状,因此对障碍物进行“有效高度”的标定是无法预先完成,因此在实验室模拟结果较好的BP神经网络算法无法直接运用到工程试验中;而基于时序性样本LSTM深度学习算法,选择合理的样本段长度,无需对路面不平整度进行标定,可以直接利用监测数据代入到神经网络输入层进行训练学习,其平均误差也,满足要求,对于工况的改变也不受太大影响,具有很好的工程应用前景。
路妍晖[3]（2019）在《基于多点加速度测量的智能轮胎信息估算算法研究》文中提出轮胎与地面的相互接触对于车辆的加速、减速、转向等运动状态及车辆的安全性和操纵稳定性等性能起着至关重要的作用。然而,在某些道路条件突变的情况下,驾驶员对车辆的控制能力会显着降低。因此,在车辆主动安全领域,已经出现了多种底盘控制系统,用于提升整车的主动安全性能。显然,车辆控制系统的设计需要精确的轮胎状态信息。在目前对于轮胎信息的获取方法中,应用较为广泛的是间接估算方式,而这种方式依赖于种类繁多的传感器和复杂的计算。通过研究“智能轮胎”技术可以实现准确、直接、快速地获取多种轮胎状态信息,进而提高底盘控制系统的性能。本文在国家自然科学基金项目的支持下,开展了基于多点加速度测量的智能轮胎信息估算算法的相关研究。首先搭建了多点加速度测量的智能轮胎系统,为智能轮胎信息估算算法的研究提供了支持。之后基于所搭建的智能轮胎系统,进行了台架试验与实车试验。最后,分别对轮胎力信息、胎压状态信息、轮胎-路面附着条件的估算算法进行了相关研究。本文的主要研究内容如下:1.多点加速度计智能轮胎系统搭建确定了加速度计的类型及多点加速度计的布置方案。搭建了多点加速度计智能轮胎系统,设计并完成了智能轮胎台架试验与实车试验,采集得到多种工况下的轮胎加速度信息。对原始加速度信号里的噪声进行处理,为之后的算法研究提供了基础。2.基于多点加速度测量的轮胎力估算分析了智能轮胎多点加速度的响应机理,提出轮胎接地印记长度的估算方法并提取出三向加速度信号特征。基于提取得到的智能轮胎三向加速度信号特征,使用了神经网络的算法和线性回归模型的方法进行了轮胎纵向力、侧向力、垂向力估算。3.基于多点加速度测量的胎压估算研究了不同胎压状态下的振动加速度信号的响应机理,在时域和频域都进行了加速度信号特征的分析和提取。利用神经网络算法,基于智能轮胎加速度信号的时域特征和频域特征,同时结合其他影响因素,如轮速、负载,建立智能轮胎加速度信号与胎压状态的对应关系,对胎压类别进行了估算。4.基于智能轮胎的路面附着系数估算选择了刷子轮胎模型,将路面附着系数作为待辨识参数,使用了遗传算法进行参数辨识。基于模糊逻辑对路面附着条件进行了分类,选取相应的频域特征作为模糊逻辑分类器的输入,将路面类型作为输出,实现了较好的分类效果。
赵文举[4]（2020）在《基于智能轮胎与微波雷达的桥梁快速测试方法与系统开发》文中研究表明我国土木基础设施数量庞大造价昂贵,其安全服役关系国计民生。国家公路网上中小桥梁数量巨大但管养费用有限,导致部分桥梁存在重大安全隐患。基于定期检测的结构技术状况评定是评价桥梁当前服役性能的主要手段,但它以人工为主,费时费力。因此,如何实现公路网上为数众多桥梁的快速测试与诊断,是国内外迫切需要解决的关键科学问题。基于冲击振动的独特优势,本文从结构输入、输出监测以及结构识别等三方面出发,提出了一种基于智能轮胎和微波雷达的桥梁快速测试系统与方法,它通过车辆本身移动式连续激励桥梁,同时通过微波雷达非接触式测量桥梁动态位移,从而实现“边移动、边激振、边测量”的快速测试。主要研究工作如下:（1）基于多传感器信息融合的智能轮胎竖向车轮力反演。为精确识别作用于桥梁结构的移动荷载,本文考虑通过监测安装于轮胎的多传感器信息来反演竖向车桥耦合作用力。即首先通过分析研究轮胎力学特性和分析模型以及轮胎各关键参数与竖向车轮力的复杂映射关系,然后提出了一种基于LSTM深度学习算法的竖向车轮力识别方法。该方法通过前期模型训练,可实现在无明确函数关系映射情况下的竖向车轮力识别。最后基于所开发的高速轮胎试验机静止和高速实验,验证了所提议方法的可行性和有效性。（2）基于长标距应变传感的智能轮胎竖向变形连续实时测量。考虑到实际工程中已有传感器难以实现轮胎各点竖向变形实时连续测量,以及结合长标距应变“宏微观”的独特优势,基于SWIFT轮胎模型假设,改进了一种适用于轮胎等弯曲结构的共轭梁法,将其竖向变形求解问题转化为求解共轭结构弯矩问题。基于改进的共轭梁法,提出了一种基于长标距传感的轮胎竖向变形监测方案,并结合桥梁冲击监测车静止实验、冲击实验以及高速试验机轮胎滚动实验,通过与传统图像、激光等监测方法对比验证了所提议方法的可行性和有效性。最后,针对实际工程应用中长标距传感器的选取问题进行分析讨论,为其具体实施提供参考方案。（3）微波雷达测变形原理与系统开发。基于微波技术和相位干涉法,首先简要阐述了微波雷达系统组成及其测变形原理。针对实际微波雷达设备系统的研发,进行了技术方案规划和主要技术指标计算。然后,详细分析了微波雷达各分级设计方案以及软硬件实施方案。最后,根据桥梁位移监测的需求,详细分析了微波雷达在实桥工程应用中俯仰角选取方案。并通过室内精度实验和实桥实验,验证了所研发微波雷达的精度和在实桥工程应用中的可行性和有效性。（4）基于微波雷达的桥梁挠度监测与模态参数识别。以扬州北澄子河大桥为依托,在验证微波雷达多目标同步监测的同时,进一步基于环境振动下多参考点法实现桥梁结构的模态参数识别。此外,以广州南沙大桥为依托,针对微波雷达在超大跨桥梁工程中的应用提供了详细方案,并针对其测试现场桥梁净通航高度低、微波雷达测试俯仰角太小等问题,提出了一种基于多（动）参考点的微波雷达测点位移反演方法,以及详细分析讨论了极限环境下抑制和消除微波雷达“多径效应”等问题,最后与传统监测方法对比,在验证微波雷达测试结果有效性的同时,凸显出其测试效率高、测试结果丰富等优势。（5）基于微波雷达的桥梁多拉索索力同步监测。结合微波雷达非接触、多目标、远距离、高精度的优势,开展了基于微波雷达的桥梁多拉索索力同步监测,详细分析了微波雷达在拉索索力测试中可能出现的各测试工况和问题,并针对多拉索位于同一测试距离单元出现的信号混叠问题,引入一种融合变分模态分解和时频分析的单通道信号盲源分离方法,从而可实现多拉索索力的同步监测。最后以“南京眼”斜拉步行桥为依托,验证了所提议方法的可行性和有效性。（6）基于改进优化算法的桥梁结构柔度识别。在上述所提议快速测试中结构输入和输出已知后,可结合现有的结构分块冲击测试方法实现结构柔度识别。考虑到实际工程应用中微波雷达由于俯仰角的限制难以实现桥梁整体结构的同步测量,现有的结构分块冲击振动测试方案在具体实施时识别精度和计算效率上仍存在一定的局限性。本文提出了一种基于改进优化算法的结构柔度识别方法。在该方法中,结构划分为相互独立测试的子结构。然后将各子结构测试的数据集成进行整体结构柔度矩阵识别。在子结构集成方法中,本文采用基于最小势能原理和结构模态振型正交性判别子结构模态振型方向系数,并且引入量子遗传优化搜索算法,从而可实现高精度,快速识别。最后,通过实验数据成功验证了该方法的有效性。
陈赵兴[5]（2019）在《基于声表面波技术的智能轮胎压力温度监测系统》文中研究说明中国正在成为全球最大的汽车市场,国内外市场上现有的胎压监测系统（Tire Pressure Monitor System,TPMS）主要采用有源式传感器,存在需要定时更换电池的不足,并且不适于易燃易爆等极端环境。声表面波技术以其无线且无源的本质,能够解决以上问题。基于此背景,论文针对基于声表面波技术的智能轮胎压力温度监测系统展开了研究。论文首先对声表面波传感器结构、回波响应特性及压力和温度传感原理进行了分析,同时根据耦合波方程和部分波理论对石英压电基底进行切型优化,以频率应变系数和频率温度系数为指标选择合适的切向制作压力和温度传感器。接下来对传感器进行结构设计及性能测试。选择三个声表面波谐振器分别作为测压、测温和参考,以压力谐振器与参考谐振器差分的形式对压力进行检测,同时以温度谐振器与参考谐振器差分的形式对温度进行检测。利用COMSOL对圆形铍青铜薄膜进行力学仿真,选择压力谐振器最合适的粘贴位置;制作传感器实物并对其进行阻抗匹配,使高频信号反射能量达到最小;对传感器回波损耗进行了测试,并对传感器进行了压力和温度标定,分析其测压和测温的线性度和灵敏度。然后对阅读器进行设计,设计了拥有三个本振源的发射链路,同时激励三个声表面波传感器,提高测量实时性;根据实际应用时轮胎橡胶和金属轮毂对信号造成较大的衰减,设计了射频放大结合中频放大的超外差接收链路;针对回波信号信噪比较低的问题设计了奇异值分解去噪算法提高其信噪比,并根据采样点数较少导致的频谱分辨率不足,设计了时域补零与频域三次样条插值拟合的算法提高频谱分辨率。最后是通过实验对系统性能进行验证,先搭建了单个传感器无线测试系统,通过旋转轮胎对传感器在不同位置时的回波信号进行分析;同时对阅读器无线性能进行测试,得到阅读器的压力测量精度为±0.2bar左右,温度测量精度为±0.5℃左右,实时性为每秒7次左右。最终根据实际车辆轮胎分布情况搭建了测试系统,实现了轮询地对四组传感器所在位置的压力和温度进行实时监测。
柳肖雪[6]（2018）在《轮胎内机电能量回收系统设计仿真及验证》文中指出随着智能轮胎的发展,轮胎内实时的传感器数据成为高汽车安全性的关键因素,传统的内置电池的供电方式无法满足智能轮胎传感器系统数据实时传输的频率要求和电能需求。在轮胎内部设计能够持续产生电能的装置成为研究的主流,目前已有文献的轮胎内能量回收装置大多基于压电效应、电磁感应和电容效应等,但发电功率多数为微瓦级。本文出的轮胎内能量回收装置采用机电一体化设计,目标在于为智能轮胎实时传感器系统供持续的电能,实现毫瓦级别的平均能量回收功率。本轮胎内机电能量回收装置安装在轮辋和胎面之间,采用齿轮齿条、滑块导轨的传动机构,设计单向轴承的机械整流机构实现单向旋转并简化整流电路,此外应用飞轮储能结构稳定装置发电输出。本文对出的能量回收装置进行了可行性理论验证、精细化和轻量化结构设计、数学建模、仿真结果分析与参数优化、装置受力与车轮动平衡分析等,从理论仿真层面分析装置的可行性和能量回收特性。进一步加工样机并设计校核实验台架,进行台架试验。实验结果与仿真结果呈现相同的装置发电规律与特性:能量回收装置所供的电压、功率随车速或车轮载荷的高而增大;装置发电具有周期性规律,单向轴承和飞轮的设计使得发电波形呈现单向平稳的特点。实验结果表明在57km/h的车速下可实现82mW的平均发电功率,在低至10km/h的车速时仍具有毫瓦以上的平均功率（6mW）,发电性能随车速的高而增强,能够满足胎压传感器系统及智能轮胎传感器系统的供电需求。
本刊编辑部[7]（2018）在《“万力杯”第20届中国轮胎技术研讨会纪要》文中认为2018年9月13—15日,中国化工学会橡胶专业委员会、全国橡胶工业信息中心主办,北京橡胶工业研究设计院有限公司《轮胎工业》《橡胶工业》《橡胶科技》编辑部承办的"万力杯"第20届中国轮胎技术研讨会在江苏苏州召开。来自轮胎生产企业、相关原材料和设备仪器制造企业以及大专院校、研究院所等单位的141名代表出席了会议。会议开幕式由北京橡胶工业研究设计院有限公司首席商务官宁计楼主持,中国化工学会橡胶
韩嘉懿[8]（2018）在《基于自供能智能轮胎的汽车底盘集成控制研究》文中认为汽车底盘集成控制以提升整车的主动安全性能为目标,通过整合各类动力学子系统,改善系统之间干涉与耦合,实现控制系统性能的最优化,已成为车辆动力学研究领域的重点方向。同时,作为直接产生作用力的轮胎,其工作状态直接决定了车辆的动力性、制动性和操纵稳定性等最为重要的性能。因此,将能获取轮胎状态信息的智能轮胎与底盘集成控制系统相融合,可以大大增强底盘集成控制系统的控制效果与作用范围。然而,由于轮胎是相对于车身独立的旋转运动部件,无法采用常规有线方式为智能轮胎供能,其传感器供能问题成为限制智能轮胎发展的一大瓶颈,若能利用能量收集技术,即通过压电效应吸收环境中的振动能量并转化为电能,使智能轮胎实现自供能将会显着增强智能轮胎的功能,并增强其实用性。本文依托国家自然科学基金项目,开展了基于自供能智能轮胎的汽车底盘集成控制研究:首先对车轮振动特性进行了测试与分析,为自供能系统设计提供了依据;其次设计了智能轮胎自供能系统,为智能轮胎研究奠定了基础;对智能轮胎系统进行了设计与测试分析,开发了基于智能轮胎的胎压辨识方法;最后设计了基于智能轮胎的底盘集成控制策略。本文的主要研究内容如下:1.车轮振动特性测试与分析搭建了车轮振动特性测试系统,对车轮振动特性进行了实车测量,采集了多个车速下的车轮振动加速度矢量;利用快速傅里叶变换计算出了各个车速下的车轮振动幅频特性曲线;根据幅频特性曲线分析了车轮振动的特性,研究了低频段的峰值对应频率与车速的关系,确定了自供能系统的工作点,为自供能系统设计提供了依据。2.智能轮胎自供能系统设计设计了智能轮胎自供能系统总体结构,建立了在轴向力作用下的悬臂梁数学模型,依据该模型设计了压电悬臂梁并制作了自供能系统原理样机;搭建了压电悬臂梁台架测试系统并进行了台架试验,试验结果表明所设计制作的压电悬臂梁符合设计要求;搭建了实车测试系统并进行了实车试验,试验结果表明所设计制作的压电悬臂梁可以在实际的工作条件下进行有效的工作,能够为智能轮胎系统内部的用电设备提供足够的电能。3.智能轮胎系统设计与测试分析设计了以三轴加速度传感器为核心的智能轮胎系统总体架构。设计并搭建了用于智能轮胎开发与测试的智能轮胎测试平台;完成了智能轮胎的实车道路试验,采集了用于分析的多源信息;通过快速傅里叶变换等方法对数据进行了分析,发现了胎压与车轮总成振动加速度之间的关系,并据此建立了基于智能轮胎的胎压辨识方法,并进行了验证。4.基于智能轮胎的集成控制研究依据智能轮胎系统功能提出了基于智能轮胎的底盘集成控制架构;根据该架构采用模型预测控制开发了融合胎压信息的集成控制策略;搭建了MATLAB/Simulink和CarSim联合仿真平台,进行了正弦停止转向模拟仿真试验,仿真结果表明,本文所提出的基于智能轮胎的底盘集成控制能够有效的提高汽车在轮胎异常情况下的操纵稳定性。
王岩,危银涛[9]（2017）在《智能轮胎技术的研究进展》文中提出随着智能汽车、智能交通和主动安全技术的发展,智能轮胎技术近年来受到极大的关注。智能轮胎系统通过在轮胎内部安装传感器,将轮胎由一个"被动"的部件转化为"主动"的部件,以实现对轮胎状态的监测。本文综述了智能轮胎技术的发展历程与现状,按照实际功能与应用场景将智能轮胎进行分类。从最简单的监测轮胎内的温度压力的胎压监测系统,到利用各种原理实现对轮胎本身状态（轮胎六分力、轮胎侧偏角、轮胎的磨耗、轮胎的水滑、轮胎的噪音等）监测的扩展功能型智能轮胎,再到利用智能轮胎实现对道路状况的监测以优化现有车辆控制系统的性能。同时,论文指出了智能轮胎发展的几个关键技术问题,包括传感器集成问题、数据采集传输及供电问题、智能轮胎及整车动力学问题。可以预见未来智能轮胎系统将与大数据和车联网深度融合,走向轮胎-汽车-道路的信息化、智能化、数据化的发展道路。
刘胜利[10]（2017）在《基于加速度计的智能轮胎设计及轮胎力估算算法研究》文中进行了进一步梳理汽车的快速发展与性能提升要求对控制系统提出了更高的要求,而全面了解轮胎的各种信息对汽车控制系统性能的改善及提高起着关键作用。然而,当前的轮胎是一个被动元件,无法实现对轮胎各种信息的直接监测,而智能轮胎可实现这一功能。智能轮胎是集成了当前最为先进的传感技术、信号调理技术、实时通讯技术等先进技术一体的轮胎。本文在国家自然科学基金项目“面向车辆动力学控制的多源智能轮胎信息系统关键技术研究”（项目编号:51575225）支持下,设计了基于三轴加速度计的智能轮胎系统,开发了智能轮胎电路系统硬件并搭建了实车测试平台,进行了基于智能轮胎系统的实车试验,基于实车试验数据展开了轮胎力估算算法研究。本文的主要研究内容如下:（1）基于三轴加速度计实现智能轮胎的系统设计设计的智能轮胎系统主要包括智能轮胎三轴加速度计信号采集系统、真实轮胎力采集系统及车辆底盘CAN信号采集系统。（2）智能轮胎电路系统设计为了实现智能轮胎三轴加速度计的无线通讯,首先设计了三轴加速度计的胎内供电与信号调理电路,然后设计了智传输能轮胎三轴加度信号的无线发射电路软硬件系统,实现智能轮胎三轴加速度信号的AD转换与无线发射,最后设计并完成智能轮胎三轴加度信号的无线接收电路软硬件系统,实现对无线发射电路的信号接收,并将接收的信号转化为CAN总线信号。（3）智能轮胎的实车试验搭建基于Mircro Auto Box II和多维力采集的实车试验平台,在典型工况下进行智能轮胎的实车试验,并获得良好的实车试验数据。（4）基于智能轮胎三轴加速度信号的轮胎力估算算法研究基于实车试验获取的试验数据,对三轴加速度信号的响应机理进行分析,结合轮胎力对轮胎变形的影响,提取了智能轮胎三轴加速度信号的典型特征。基于智能轮胎三轴加速度的特征信号,结合轮速、胎压等影响因素,采用神经网络算法对轮胎力进行估算。
二、智能轮胎的研究进展和应用前景（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、智能轮胎的研究进展和应用前景（论文提纲范文）
（1）智能轮胎状态信息估算研究综述与展望（论文提纲范文）
| 1 轮胎力的估算 |
| 1.1 加速度传感器的应用 |
| 1.2 应变传感器的应用 |
| 1.3 光学传感器的应用 |
| 2 其他状态信息的估算及控制应用 |
| 2.1 路面条件识别 |
| 2.2 轮胎滑水监测 |
| 2.3 轮胎磨损监测 |
| 2.4 状态信息控制应用 |
| 3 结论与展望 |
（2）桥梁快速测试中的基于多传感器的车轮力测量（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 冲击振动与桥梁快速测试 |
| 1.3 基于车轮冲击力的桥梁快速动力测试 |
| 1.4 轮胎与车轮力测量 |
| 1.5 本文主要研究内容及结构安排 |
| 1.5.1 论文结构安排 |
| 1.5.2 本文的主要创新点 |
| 第二章 轮胎力学分析 |
| 2.1 充气轮胎概述 |
| 2.2 轮胎的力学特性 |
| 2.2.1 轮胎的静态特性与动态特性 |
| 2.2.2 轮胎垂向力学特性 |
| 2.2.3 轮胎经过障碍物的包容特性 |
| 2.3 轮胎力学分析模型 |
| 2.3.1 基于物理建模的轮胎理论模型 |
| 2.3.2 基于实测数据的轮胎经验模型 |
| 2.3.3 基于理论与试验基础上的轮胎半经验模型 |
| 2.3.4 基于人工神经网络的参数拟合算法的自适应模型 |
| 2.4 本章小结 |
| 第三章 各轮胎参数与竖向车轮力映射关系研究 |
| 3.1 竖向变形与竖向车轮力的映射关系 |
| 3.2 轮胎转速与竖向车轮力的映射关系 |
| 3.3 轮胎胎压与竖向车轮力的映射关系 |
| 3.4 稳态下多参数耦合与竖向车轮力映射关系 |
| 3.5 本章小结 |
| 第四章 多参数耦合作用下人工神经网络拟合方法 |
| 4.1 BP神经网络 |
| 4.1.1 轮胎胎压的神经网络输入 |
| 4.1.2 竖向变形的神经网络输入 |
| 4.1.3 BP神经网络算法流程 |
| 4.2 LSTM深度学习算法 |
| 4.2.1 LSTM深度学习算法优势 |
| 4.2.2 LSTM深度学习算法流程 |
| 4.3 本章小结 |
| 第五章 智能轮胎试验机实验 |
| 5.1 实验概况 |
| 5.1.1 实验仪器及监测方案 |
| 5.1.2 试验整体工况设计 |
| 5.2 单参数轮胎试验机实验 |
| 5.2.1 不同转速下车轮力计算结果 |
| 5.2.2 不同胎压下车轮力计算结果 |
| 5.2.3 不同轮胎竖向变形下车轮力计算结果 |
| 5.3 稳态下多参数轮胎试验机实验 |
| 5.3.1 不同转速下车轮力计算结果 |
| 5.3.2 不同胎压下车轮力计算结果 |
| 5.4 非稳态下多参数轮胎试验机实验 |
| 5.4.1 基本工况下车轮力计算结果 |
| 5.4.2 不同转速下车轮力计算结果 |
| 5.4.3 不同胎压下的车轮力计算结果 |
| 5.4.4 不同障碍物下的车轮力计算结果 |
| 5.5 讨论 |
| 5.5.1 LSTM不同样本长度下车轮力计算结果 |
| 5.5.2 样本库选取方式不同下车轮力计算结果 |
| 5.5.3 外推工况下车轮力计算结果 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（3）基于多点加速度测量的智能轮胎信息估算算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 轮胎信息研究发展概述 |
| 1.2.1 轮胎力估算的研究现状 |
| 1.2.2 胎压监测的研究现状 |
| 1.2.3 轮胎-路面附着估算的研究现状 |
| 1.3 智能轮胎科技发展概述 |
| 1.3.1 智能轮胎研究进展 |
| 1.3.2 智能轮胎传感器类型 |
| 1.4 本文主要研究内容 |
| 第2章 多点加速度计智能轮胎系统搭建 |
| 2.1 多点加速度计智能轮胎系统设计 |
| 2.1.1 智能轮胎系统功能分析 |
| 2.1.2 基于三轴加速度计的智能轮胎 |
| 2.1.3 多点加速度计布置方案设计 |
| 2.2 多点加速度计智能轮胎系统实现 |
| 2.2.1 多点加速度信号采集系统 |
| 2.2.2 轮胎台架试验系统 |
| 2.2.3 实车状态信息采集系统 |
| 2.3 多点加速度智能轮胎系统试验 |
| 2.3.1 智能轮胎台架试验 |
| 2.3.2 智能轮胎实车试验 |
| 2.4 加速度信号预处理 |
| 2.4.1 数字滤波器 |
| 2.4.2 加速度信号处理 |
| 2.5 本章小结 |
| 第3章 基于多点加速度测量的轮胎力估算 |
| 3.1 多点加速度信号响应机理 |
| 3.1.1 轮胎力作用下的胎体变形 |
| 3.1.2 轮胎接地印记判定 |
| 3.2 多点加速度信号特征分析 |
| 3.2.1 不同因素对加速度信号的影响 |
| 3.2.2 加速度信号特征提取 |
| 3.3 轮胎力信息估算 |
| 3.3.1 轮胎纵向力估算 |
| 3.3.2 轮胎侧向力估算 |
| 3.3.3 轮胎垂向力估算 |
| 3.4 本章小结 |
| 第4章 基于多点加速度测量的胎压估算 |
| 4.1 基于车轮振动加速度信号的胎压估算机理 |
| 4.1.1 胎压与轮胎振动的关系 |
| 4.1.2 不同胎压状态下加速度矢量响应分析 |
| 4.2 多点加速度信号特征分析 |
| 4.2.1 加速度信号时域特征分析 |
| 4.2.2 快速傅里叶变换 |
| 4.2.3 加速度信号频域特征分析 |
| 4.3 基于多点加速度的胎压估算算法 |
| 4.3.1 基于智能轮胎的胎压估算算法基本思想 |
| 4.3.2 胎压状态估算算法搭建 |
| 4.3.3 胎压状态估算效果验证 |
| 4.4 本章小结 |
| 第5章 基于智能轮胎的路面附着系数估算 |
| 5.1 基于轮胎模型的路面附着系数估算 |
| 5.1.1 轮胎动力学模型 |
| 5.1.2 遗传算法参数辨识过程 |
| 5.1.3 路面附着系数估算结果 |
| 5.2 基于模糊逻辑的路面附着条件分类 |
| 5.2.1 模糊逻辑基本思想 |
| 5.2.2 模糊逻辑算法搭建 |
| 5.2.3 路面附着条件分类 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简介及在学期间取得的科研成果 |
| 致谢 |
（4）基于智能轮胎与微波雷达的桥梁快速测试方法与系统开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 桥梁快速测试 |
| 1.3 竖向车轮力测量相关研究 |
| 1.4 微波雷达测变形相关研究 |
| 1.5 桥梁结构模态分析理论相关研究 |
| 1.6 本文研究目标与研究内容 |
| 1.6.1 研究目标 |
| 1.6.2 研究内容 |
| 第2章 基于多传感器信息融合的智能轮胎竖向车轮力识别 |
| 2.1 引言 |
| 2.2 轮胎力学特性与分析模型 |
| 2.1.1 轮胎力学特性 |
| 2.1.2 轮胎力学分析模型 |
| 2.3 研究框架 |
| 2.4 轮胎参数与竖向车轮力的映射关系 |
| 2.4.1 竖向变形与竖向车轮力的映射关系 |
| 2.4.2 轮胎转速与竖向车轮力的映射关系 |
| 2.4.3 轮胎胎压与竖向车轮力的映射关系 |
| 2.4.4 运动状态下轮胎多参数耦合与竖向车轮力映射关系 |
| 2.5 基于LSTM深度学习算法的竖向车轮力识别 |
| 2.6 实验验证 |
| 2.6.1 实验设计与测试方案 |
| 2.6.2 轮胎稳态实验结果分析 |
| 2.6.3 轮胎非稳态实验结果分析 |
| 2.6.4 讨论 |
| 2.7 本章小结 |
| 第3章 基于长标距应变传感的智能轮胎竖向变形连续测量 |
| 3.1 引言 |
| 3.2 长标距应变传感与实验制备 |
| 3.3 理论推导 |
| 3.3.1 适用于理论推导的轮胎简化模型及研究框架 |
| 3.3.2 适用于轮胎简化模型的改进共轭梁法 |
| 3.4 智能桥梁冲击车轮胎静态实验 |
| 3.4.1 实验制备与方案设计 |
| 3.4.2 静态实验结果分析 |
| 3.4.3 轮胎静态冲击试验结果分析 |
| 3.5 轮胎运动实验与讨论分析 |
| 3.5.1 轮胎高速实验 |
| 3.5.2 传感器优化分析 |
| 3.6 本章小结 |
| 第4章 微波雷达测变形原理与系统开发 |
| 4.1 引言 |
| 4.2 微波雷达系统组成与工作原理 |
| 4.2.1 微波雷达系统组成 |
| 4.2.2 微波雷达测变形原理 |
| 4.3 技术方案与主要技术指标研究 |
| 4.3.1 技术方案 |
| 4.3.2 主要技术指标计算 |
| 4.4 微波雷达分机设计方案 |
| 4.4.1 收发天线 |
| 4.4.2 发射机 |
| 4.4.3 接收机 |
| 4.4.4 信号处理机 |
| 4.4.5 辅助单元与显控单元 |
| 4.4.6 微波雷达整机结构方案 |
| 4.5 实验验证分析 |
| 4.5.1 雷达视线位移与被测目标竖向位移换算角度影响分析 |
| 4.5.2 郑州刘江黄河公路大桥实验验证 |
| 4.5.3 微波雷达室内精度实验验证 |
| 4.5.4 桥梁变形现场实验验证 |
| 4.6 本章小结 |
| 第5章 基于微波雷达的桥梁变形监测与模态参数识别 |
| 5.1 引言 |
| 5.2 工程实例一:扬州北澄子河大桥 |
| 5.2.1 桥梁概况及测试方案 |
| 5.2.2 研究框架 |
| 5.2.3 结构变形监测 |
| 5.2.4 结构模态参数识别 |
| 5.3 工程实例二:广州南沙大桥 |
| 5.3.1 桥梁概况 |
| 5.3.2 索塔现场测试与结果分析 |
| 5.3.3 桥梁 L/2 截面现场测试与结果分析 |
| 5.3.4 桥梁3L/8 截面现场测试与结果分析 |
| 5.3.5 桥梁跑车实验与结果分析 |
| 5.3.6 环境振动下吊杆群各吊杆测试与结果分析 |
| 5.4 本章小结 |
| 第6章 基于微波雷达的桥梁多拉索时变索力同步监测 |
| 6.1 引言 |
| 6.2 基于微波雷达的桥梁多拉索时变索力同步监测方法 |
| 6.2.1 研究方案与框架 |
| 6.2.2 基于微波雷达的拉索时变索力监测方法 |
| 6.2.3 融合VMD与时频分析的信号盲源分离方法推导 |
| 6.3 “南京眼”斜拉步行桥实验 |
| 6.3.1 桥梁概况与实验布置 |
| 6.3.2 Case1 实验结果分析 |
| 6.3.3 Case2 实验结果分析 |
| 6.3.4 Case3 实验结果分析 |
| 6.3.5 Case4 实验结果分析 |
| 6.4 本章小结 |
| 第7章 基于改进优化算法的桥梁结构柔度识别 |
| 7.1 引言 |
| 7.2 基于智能轮胎与微波雷达的桥梁结构柔度识别理论 |
| 7.2.1 研究框架 |
| 7.2.2 理论推导 |
| 7.3 基于IQGA的桥梁结构柔度识别方法 |
| 7.3.1 研究框架 |
| 7.3.2 改进的量子遗传算法判别方法 |
| 7.4 实例 |
| 7.4.1 实验室钢梁——混凝土组合桥面板试验结构 |
| 7.4.2 三跨连续刚构桥数值验证 |
| 7.5 结论 |
| 第8章 结论与展望 |
| 8.1 本文主要成果与创新 |
| 8.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文 |
| 致谢 |
（5）基于声表面波技术的智能轮胎压力温度监测系统（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.1.1 间接式TPMS |
| 1.1.2 直接式TPMS |
| 1.1.3 声表面波技术TPMS |
| 1.2 国内外研究现状 |
| 1.3 本文关键技术与研究内容 |
| 第二章 传感器原理分析与压电基底切型优化 |
| 2.1 声表面波传感器 |
| 2.1.1 声表面波传感器结构选择 |
| 2.1.2 三个谐振型声表面波传感器同时响应特性分析 |
| 2.2 压力测量原理与压力传感器基底切型优化 |
| 2.3 温度测量原理与温度传感器基底切型优化 |
| 2.4 本章小结 |
| 第三章 传感器设计与测试 |
| 3.1 传感器结构仿真设计 |
| 3.2 传感器阻抗匹配 |
| 3.2.1 史密斯圆图 |
| 3.2.2 采用ADS的阻抗匹配 |
| 3.3 传感器测试与标定 |
| 3.4 本章小结 |
| 第四章 阅读器设计 |
| 4.1 系统整体结构设计 |
| 4.2 三本振源发射链路设计与实现 |
| 4.2.1 发射链路原理 |
| 4.2.2 互调信号分析 |
| 4.2.3 发射链路测试 |
| 4.3 收发隔离和单刀四掷开关 |
| 4.4 超外差接收链路设计与实现 |
| 4.4.1 阅读器前级接收链路原理 |
| 4.4.2 阅读器前级接收链路设计 |
| 4.4.3 阅读器前级接收链路测试 |
| 4.4.4 ADC采样电路设计 |
| 4.5 天线选型 |
| 4.6 数字信号处理 |
| 4.6.1 双MCU架构 |
| 4.6.2 奇异值分解去噪 |
| 4.6.3 时域补零与频域三次样条插值 |
| 4.7 本章小结 |
| 第五章 实验测试 |
| 5.1 小型棒状天线和FPC天线性能比较 |
| 5.2 三本振源阅读器无线性能测试 |
| 5.2.1 测压精度 |
| 5.2.2 测温精度 |
| 5.2.3 实时性 |
| 5.3 传感器在轮胎不同位置回波信号测试 |
| 5.4 系统对四组传感器轮询测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 论文特色与创新 |
| 6.3 论文不足与展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（6）轮胎内机电能量回收系统设计仿真及验证（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 轮胎内传感器研究现状 |
| 1.2.2 轮胎内能量回收无源供电系统 |
| 1.2.3 能量回收装置总结与对比 |
| 1.3 课题研究内容与研究方法 |
| 1.3.1 课题研究内容 |
| 1.3.2 课题研究方法 |
| 第2章 轮胎内机电能量回收系统设计 |
| 2.1 装置初步设计及可行性分析 |
| 2.2 装置具体实现和三维建模装配 |
| 2.3 电路机电一体化设计 |
| 2.4 本章小结 |
| 第3章 装置数学建模及发电性能仿真 |
| 3.1 装置数学建模仿真 |
| 3.1.1 轮胎变形的数学模型 |
| 3.1.2 力和扭矩的传递模型 |
| 3.1.3 微型发电机的数学模型 |
| 3.1.4 电路系统的数学模型 |
| 3.2 装置发电性能仿真与分析 |
| 3.2.1 装置及模型的参数优化 |
| 3.2.2 发电性能与车速的关系 |
| 3.2.3 发电性能与载荷的关系 |
| 3.2.4 电路设计的效果分析 |
| 3.3 本章小结 |
| 第4章 装置受力分析及动平衡设计 |
| 4.1 关键零部件受力分析及强度校核 |
| 4.2 装置的动平衡分析 |
| 4.2.1 装置静平衡分析 |
| 4.2.2 装置动平衡分析 |
| 4.3 本章小结 |
| 第5章 台架设计与实验结果分析 |
| 5.1 实验目的 |
| 5.2 台架设计 |
| 5.3 数据采集系统设计 |
| 5.4 实验结果 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（8）基于自供能智能轮胎的汽车底盘集成控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 智能轮胎系统研究概述 |
| 1.2.1 智能轮胎传感器方案 |
| 1.3 能量收集技术研究概述 |
| 1.3.1 振动能量收集方法 |
| 1.3.2 压电能量收集技术 |
| 1.4 底盘集成控制研究概述 |
| 1.5 本文主要研究内容 |
| 第2章 车轮振动特性测试与分析 |
| 2.1 车轮振动特性特性测试 |
| 2.1.1 车轮振动特性测试系统 |
| 2.1.2 车轮振动特性测试试验 |
| 2.2 车轮振动特性分析 |
| 2.2.1 数据处理及分析结果 |
| 2.3 本章小结 |
| 第3章 智能轮胎自供能系统设计与试验分析 |
| 3.1 自供能系统设计 |
| 3.1.1 自供能系统总体结构 |
| 3.1.2 能量收集装置布置形式 |
| 3.1.3 考虑惯性离心力的压电悬臂梁数学模型 |
| 3.1.4 自供能系统原理样机 |
| 3.2 自供能系统台架试验与分析 |
| 3.2.1 台架测试系统 |
| 3.2.2 试验结果及分析 |
| 3.3 自供能系统实车试验与分析 |
| 3.3.1 实车测试系统 |
| 3.3.2 试验结果及分析 |
| 3.4 本章小结 |
| 第4章 智能轮胎系统设计与测试分析 |
| 4.1 智能轮胎系统设计 |
| 4.1.1 智能轮胎系统功能分析 |
| 4.1.2 智能轮胎系统总体架构 |
| 4.2 智能轮胎测试平台设计与实现 |
| 4.2.1 智能轮胎测试平台总体架构 |
| 4.2.2 智能轮胎测试平台搭建 |
| 4.3 智能轮胎系统实车道路试验 |
| 4.4 基于智能轮胎的胎压辨识方法研究 |
| 4.4.1 振动加速度频域分析 |
| 4.4.2 胎压辨识方法 |
| 4.4.3 胎压辨识方法验证 |
| 4.5 本章小结 |
| 第5章 基于智能轮胎的集成控制研究 |
| 5.1 基于智能轮胎的集成控制架构 |
| 5.2 底盘集成控制策略 |
| 5.2.1 汽车动力学模型 |
| 5.2.2 基于模型预测控制的底盘集成控制 |
| 5.3 仿真测试与分析 |
| 5.3.1 仿真平台搭建 |
| 5.3.2 仿真测试试验与分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简介及在学期间取得的科研成果 |
| 致谢 |
（10）基于加速度计的智能轮胎设计及轮胎力估算算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究智能轮胎的重要意义 |
| 1.2 智能轮胎的研究与进展 |
| 1.3 智能轮胎传感器简介 |
| 1.4 本文研究的主要内容 |
| 第2章 基于加速度计的智能轮胎系统设计 |
| 2.1 智能轮胎系统设计要求与目标 |
| 2.1.1 智能轮胎系统设计的要求 |
| 2.1.2 智能轮胎系统设计目标 |
| 2.1.3 智能轮胎系统设计及研究方案 |
| 2.2 智能轮胎振动信号采集系统硬件 |
| 2.2.1 三轴加速度计 |
| 2.2.2 穿透密封装置 |
| 2.2.3 集流环 |
| 2.2.4 恒流源模块 |
| 2.3 轮胎力采集系统 |
| 2.4 本章小节 |
| 第3章 无线通讯智能轮胎电路系统设计 |
| 3.1 三轴加速度计的供电及信号调理模块设计 |
| 3.2 无线通讯系统的硬件设计 |
| 3.2.1 无线发射系统的硬件设计 |
| 3.2.2 无线接收系统的硬件设计 |
| 3.3 无线通讯系统的软件设计 |
| 3.3.1 软件开发环境 |
| 3.3.2 无线发射系统的软件设计 |
| 3.3.3 无线接收系统的软件设计 |
| 3.4 无线收发系统的试验测试 |
| 3.5 本章小节 |
| 第4章 智能轮胎的实车道路试验 |
| 4.1 实车测试系统 |
| 4.2 dSPACE实时系统 |
| 4.2.1 数据采集硬件工具MicroAutoBox II |
| 4.2.2 测试系统软件平台 |
| 4.3 试验条件及工况 |
| 4.4 试验采集结果 |
| 4.5 本章小节 |
| 第5章 基于智能轮胎三轴加速度信号的轮胎力估算算法研究 |
| 5.1 胎冠三轴加速度矢量信号响应分析 |
| 5.2 智能轮胎三轴加速度信号的特征提取 |
| 5.2.1 轮胎力与轮胎变形的关系 |
| 5.2.2 智能轮胎三轴加速度信号的特征值提取 |
| 5.3 基于智能轮胎的轮胎力估算算法 |
| 5.3.1 基于智能轮胎的轮胎力估算算法基本思想 |
| 5.3.2 BP神经网络算法简介 |
| 5.3.3 基于BP神经网络的轮胎力估算 |
| 5.4 本章小节 |
| 第6章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简介及在学期间取得的科研成果 |
| 致谢 |
四、智能轮胎的研究进展和应用前景（论文参考文献）
- [1]智能轮胎状态信息估算研究综述与展望[J]. 付宏勋,赵强,刚宪约,张宇,库来运. 科学技术与工程, 2022(02)
- [2]桥梁快速测试中的基于多传感器的车轮力测量[D]. 谢枝芃. 东南大学, 2019(05)
- [3]基于多点加速度测量的智能轮胎信息估算算法研究[D]. 路妍晖. 吉林大学, 2019(12)
- [4]基于智能轮胎与微波雷达的桥梁快速测试方法与系统开发[D]. 赵文举. 东南大学, 2020(01)
- [5]基于声表面波技术的智能轮胎压力温度监测系统[D]. 陈赵兴. 南京航空航天大学, 2019(02)
- [6]轮胎内机电能量回收系统设计仿真及验证[D]. 柳肖雪. 清华大学, 2018(06)
- [7]“万力杯”第20届中国轮胎技术研讨会纪要[J]. 本刊编辑部. 橡胶工业, 2018(10)
- [8]基于自供能智能轮胎的汽车底盘集成控制研究[D]. 韩嘉懿. 吉林大学, 2018(01)
- [9]智能轮胎技术的研究进展[A]. 王岩,危银涛. 中国力学大会-2017暨庆祝中国力学学会成立60周年大会论文集（C）, 2017
- [10]基于加速度计的智能轮胎设计及轮胎力估算算法研究[D]. 刘胜利. 吉林大学, 2017(01)