基于胎压信号的爆胎检测方案研究

张 鹏，王 琪，洪 磊

（江苏科技大学机械学院，江苏 张家港 215600）

1 概述

近来为了解决爆胎给行驶车辆所带来的巨大危害，不少研究机构开始展开爆胎安全方面的研究，先后提出了一种胎压监控及爆胎自动减速系统[1]；通过轮胎试验获得轮胎在正常胎压及零胎压下的力学特性参数，并对爆胎汽车的整车动力学进行了仿真[2]；对汽车防爆胎自动控制系统进行了研究[3]；对爆胎的动力学响应、稳定控制算法进行了试验和理论研究[4-6]。同时，随着胎压监测系统的推广，一些厂商提出了利用胎压来实现爆胎监测进而实现紧急制动的新功能[7]。因此，如何利用胎压信号来实现爆胎监测成为一项值得研究的课题。为此本文设计了阈值法及小波算法这两种方案的试验，并分别测试了其性能。发现这两种方案各有优缺点，且具有一定的互补性。因此，建议未来的爆胎检测方案可以通过这两种算法的组合来实现。如图1所示，试验系统由轮胎、胎压传感器系统以及用于数据接收处理的计算机系统组成。通过在轮胎上安装可以快速放气的阀门模拟爆胎过程，通过改变爆胎时流通阀门截面积的大小，在直径为1.5 cm、2.5 cm两种不同流通截面积下进行试验。

2 基于阈值的爆胎监测方案

一种常见的阈值监测方案是选择胎压作为判断的依据。当胎压降低到一定程度时，即认为发生爆胎。然而这种方案必须等待胎压下降到较为明显的程度才能报警，而没有充分利用爆胎后胎压下降梯度值显著变化这一特征，因此，本文设计了另外的方案。考虑到正常状态下，轮胎的体积及温度在短时间内不会发生大的改变，根据气体状态方程pV=nRT可以知道，正常状态下胎压变化梯度不可能发生大的改变；而当爆胎发生时，持续时间往往只有几十到几百毫秒[4]，这使得胎压在短时间内会产生较大波动，因此，可以考虑以胎压梯度阈值来判断爆胎。

为了得到爆胎后胎压波动的规律，本文在不同爆胎截面条件下进行了试验，并根据所获试验数据，绘制了胎压采样序列相邻两点之差随时间的变化曲线。由于我们的采样时间固定，因此，该差值就反映了胎压变化梯度值的大小。根据传感器的手册，胎压传感器一个单位的读数对应于真实压力0.686 kPa。试验结果图中采用的是传感器的读数值，而未转换为实际压力值。

图2、3分别显示了爆胎模拟试验过程中，不同流通截面条件下，两相邻胎压采样值之间的差值（即胎压变化梯度）随时间改变的曲线。其横坐标为时间/s，纵坐标为两相邻胎压之间的差值，即胎压梯度的大小（以胎压传感器读数值表示）。从图中可以看到，随着爆胎截面的增加，整个爆胎持续的时间缩短，且胎压下降梯度值增大。这说明爆胎与胎压梯度的变化有密切的联系，因此，检测算法可以利用胎压梯度作为判断的依据，尤其是在爆胎后压力下降比较快的情形，而这也是比较紧急的情形，需要有快速的反应能力。

为了能有效地通过胎压梯度变化区分正常压力波动和爆胎状态，本文对实验结果进行了统计。正常状态下胎压变化梯度值分布如图4所示。

根据以上这些试验数据，本文设计了基于胎压梯度阈值的爆胎检测方案，具体阈值的取值如下：设定胎压下降的警戒阈值为正常状态下的90%；设定胎压下降梯度阈值为200 Pa/s。

传感器以较快的采样频率采样，并计算最近一段时间内的压力梯度值。当传感器检测到胎压下降超过正常值90%，且下降梯度超过梯度阈值时，就判断为爆胎。之所以要设定胎压下降的警戒阈值是为了验证爆胎后胎压会降低这一特征，以进一步确保判断准确；而之所以该阈值设计得与正常值相差不大，是为了在尽可能早的爆胎初期实现判断。

根据以上算法，在室内模拟环境下进行了试验。为了使得试验容易进行，设定正常胎压值在200 kPa左右。不同爆胎截面积下的试验结果如图5和图6所示。

图中判别是否发生爆胎由跳变直线来表示。正常状态时曲线处于底部；曲线跃升至顶部则判断为爆胎。另一条较光滑曲线代表胎压变化曲线。从以上试验结果可以看到，由于爆胎后胎压出现剧烈下降，与正常状态有明显的区别，因此，利用阈值判别方法能简单迅速地实现爆胎检测。虽然这些试验只是在室内静止条件下完成的，但是方案设计的思路可以推广到实际应用中，具有一定的参考价值。

同时也可以注意到，虽然阈值方案简单直接，但其设定的阈值是根据已有的试验数据来完成的。由于引起爆胎的因素很多，在不同的爆胎条件下，流通截面的大小也会不同，且变化范围比较大，要使所选阈值能在所有状态下均有效，则非常困难。因此，该方案适应性不佳，不容易推广。

3 基于信号突变的爆胎监测方案

为了克服以上阈值方案的缺点，需要寻求具有一定自适应能力的算法。通过前述试验可以看到，胎压曲线在爆胎前后呈明显的变化，存在一个信号突变点，这使得可以考虑利用信号突变点的检测方案[8]来达到监测爆胎的目的。由小波理论[9-11]可以知道，信号的突变点对应着小波变换的模极大值，因此，小波变换很适合这类信号的处理，且无需事先对信号建模，具有较好的适应性能。根据这一原理，设计了基于信号突变点检测的方案。其具体设计过程由文献[12]给出，这里不再详述。在此只给出试验结果，并将其与前面的阈值方案进行对比。试验结果如图7和图8所示。

图中左图为利用小波实现突变点检测的试验结果；右图为爆胎检测的结果。从图中的试验结果可以看到，当爆胎发生后，胎压发生较大的改变，表现为一突变信号，对此利用小波多分辨率分析技术可以得到不同分解尺度上的细节系数（如各左图所示）。对于突变点，各层细节系数在此处均表现为一局部极大值点，因此，可以判断突变点所在的位置。

4 结论

对于基于阈值的爆胎检测方案，当爆胎截面较大时，无论是压力，还是压力梯度值都有很大的变化，因此，利用该算法能迅速而准确地得到结果；而当流通截面积较小时，判断所需时间则有所增加。而基于信号突变点检测的方案则不同，由于该算法具有较好的适应能力，因此，无论爆胎截面大小如何变化，它都能在较为固定的时间段内判断出信号突变点的位置，这也就使得判断爆胎所需的时间相差不大，体现了该方案受外界条件影响较小、适应性好的特点[12]。但该方案计算量较大，因此，在面对爆胎截面较大这样的紧急情况时，不能像阈值方案那样反应迅速。

因此，为了有效利用两种算法的优点而避免其缺点，本文建议，对于将来实际使用的爆胎检测方案，可以结合阈值法以及信号处理算法来共同实现：利用阈值方案响应迅速的特点来检测较为紧急的爆胎状态；对于不满足阈值检测条件的，为了避免漏检，在发现到胎压有持续下降等异常状况时，再启动信号突变点检测方案来辅助检测，以此弥补阈值方案适应性差的缺点。

[1]傅建中，石勇.轮胎气压监测与爆胎自动减速系统[J].汽车工程，2006，28（2）：199-202.

[2]郭孔辉，黄江，宋晓琳.爆胎汽车整车运动分析及控制[J].汽车工程，2007，29（12）：1041-1045.

[3]蔡彦资.汽车防爆胎自动控制系统研究[J].科技创新导报，2009，(29)：5-6.

[4]王英麟.基于Car Sim与UniTire的爆胎汽车动力学响应研究[D].长春：吉林大学，2007.

[5]S.Patwardhan,H,S.Tana,M.Tomizukab.Experimental results of a tire-burstcontroller[J].AHS Control Engineering Practice，1997，Volume 5 Issue 11：1615-1622.

[6]Patwardham S.,Tomizuka M.,Wei-Bin Z..Theory and Experiments of Tire-Blow-out Effects and Hazard Reduction Control[J].Automated Vehicle Lateral Control System JSAE Review,1995,Volume 16:219-220.

[7]梁静.爆胎无忧——吉利爆胎监测与安全控制系统(BMBS).[J].时代汽车，2008，(3):103-105.

[8]胡广书.现代信号处理教程[M].北京：清华大学出版社，2004.

[9]刘涛，曾祥利，曾军.实用小波分析入门[M].北京：国防工业出版社，2006.

[10]程正兴.小波分析算法与应用[M].北京：西安交通大学出版社，1998.

[11]林京，屈梁生.基于连续小波变换的奇异性检测与故障诊断[J].振动工程学报，2000，13(4):523-530.

[12]张鹏，李寿涛，郭立书，等.基于小波变换的爆胎识别方案[J].汽车技术，2010，(2)：37-40.