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著降低。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。