不管是基于模型或者是FFT方法，在应用振动分析之前，都要对速度的测量进行滤波。运用拟合的最小二乘法，得出一个具．有改善了的干扰比率的速度信号。补偿的速度信号波形清晰地显示出45Hz左右的一种振动模式，如图3所示。
利用FFT测量仪和一个低通过率的滤波器可以计算平均周期图，每次测试中可自动计算出如图4所示的峰值。离线后，可以检测15%的轮胎压力降，但是考虑自动设置阈值以及很低的错误警告率，检测30％的轮胎压力降更为可信。FFT是对数据的成批处理，有一定的滞后时间。图4中利用了大量305的测试数据。
采用一个二次“阻尼一弹簧”模型时，计算轮胎压力的相关参数值有
基于模型的振动分析容易引进拟合方法，图5中所给出的就是利用拟合的最小二乘法得出的振动模式。利用这种滤波器，我们可以可靠地在5s之内检测到30%的压力降。这种滤波器能以最低1OOHz的频率处理数据，计算量比FFT方法显著下降。
利用一台仅以20Hz运行的卡尔曼滤波器，在同等计算量的情况下比RLS具有更强的能力。图6不同轮胎压力下，卡尔曼滤波器的振动估计模式，比原来少5倍的计算量，这种新的方法检测到15%的压力变化的速度与RLS算法检测30％的一样。
4.2 基于轮胎半径的轮胎压力计算
最常见的轮胎压力计算是基于静态非线性变化的各轮胎速度的差值，当车轮大小一致时这一值接近于零。
路面摩擦指示的卡尔曼滤波器的滑转偏移量能很好反映相对的车轮半径，测量数据是线性的，该方法对噪声反应不灵敏。滑转偏移量可以检测左右车轮的相对误差，利用横摆率滤波器可计算前后车轮之间的相对误差，从而计算出车轮半径。
现有的车轮压力测定方法大多是基于对车轮速度的静态测试，设ω1／ω2=ω3/ω4,脚标为各车轮的代号（左前轮1，右前轮2，左后轮3，右后轮4）。当车辆匀速直线或圆周行驶时，此车辆车轮转速方程的值为零。这种信号的低透过性形式具有不小于0的非正常偏差，这超过了TPI所能利用的基点值。另外，数据的非线性变换引起的不合要求的统计状态、弯曲强度的不足、不同的摩擦水平、轮胎磨损等等都限制了这种方法的可靠性。
我们发现，基于模型的方法能很好的顾及到上述问题，使用性能有显．著的提高。所用的基本滤波器是路面摩擦指示滤波器（RFI），高精度横摆率（HPY）和绝对速度指示（AVI）滤波器，后两者适合轮胎压力测定，相关信息见表1。
当所有的轮胎气体慢慢漏出时，车辆半径与理论值的偏差可以用检测仪器的diffusion功能键完成。
经过实地试验，对所有的方法进行了比较，得出的结论是最后一种方法在精确性、快速响应特性、强度和计算复杂性（低阶模型和低抽样频率）等方面具有最优性能。
然而，在特定的情况下其它方法在某些方面可以作为一种很好的补充，因此最终的算法系统应该是一种多算法的组合。
5 结论
虚拟传感器通过其他传感器的信号间接测得信息，测量路面和轮胎间的附着系数和轮胎压力值，而所需要的专用传感器是很昂贵的。通过精确测量车辆车轮速度信号，借助计算机技术可得到摩擦和轮胎压力。附着系数的虚拟传感器技术现已日渐成熟，开始引入工程应用中。轮胎压力虚拟传感器技术目前尚在研究阶段，研究方法集中在基于振动的虚拟传感器技术，和基于车轮半径模型的虚拟传感器技术。但对于复杂多变的外部干扰因素需要CAN总线的修正信息。
您现在的位置： 
