Как я могу обнаружить выбоины с помощью акселерометра, установленного в транспортном средстве?

В настоящее время я изучаю DSP и FFT, я очень новичок в этом и давно занимаюсь электроникой в проектах Arduino и хобби. Недавно я выполняю проект, целью которого является составить карту выбоин вдоль ваших ежедневных поездок в автомобиле, измеряя неровности дороги. Это не профиль дороги, а подверженная неровностям поездка, которую водитель ощущает во время поездки. У меня установлено ускорение для измерения «вертикального» ускорения по оси Z автомобиля, когда выбоины ударяются, удары и пружины ослабляют силу в соответствии с моделью автомобиля четверти для простоты.

По сути, я хочу иметь возможность создать детектор, который будет обнаруживать выбоины с помощью БПФ, чтобы найти доминирующую частоту вертикального ускорения, а затем я могу сопоставить его с шаблоном для обнаружения хлопка дверцы автомобильной двери или крышки люка из выбоины, может быть, в будущем.

Я не уверен, что если БПФ является подходящим способом, любые отзывы или советы и идеи очень ценятся, я создал фильтр низких частот, чтобы отфильтровать высокочастотную вибрацию от трансмиссии и двигателя.

Какие-нибудь идеи относительно подвергнутой "шероховатости", которую чувствуют пассажиры / водитель в автомобиле? Я думал о том, чтобы провести дорожные испытания на ровной дороге, гравийной дороге, кирпичной дороге, плохой дороге, и придумать порог величины вертикального ускорения и каким-то образом сделать шкалу для того, что считается «грубым».

Обнаруженные выбоины будут также регистрироваться с помощью GPS их местоположения, я пытаюсь использовать Rasberry Pi для этого, с хранением данных и их скоростью, как хороший проект для этого.

Спасибо за любую помощь или идеи, книги, учебные пособия, мудрость и т. Д.

ОБНОВИТЬ:

Перенесите дополнительные данные сюда:

/electronics/56238/accelerometer-data-smoothing-filtering-pothole-detection

fft

— zacharoni16
источник

В ответе ПАК-9 ниже есть несколько хороших предложений. Шаг 1 для вас, вероятно, должен состоять в том, чтобы собрать некоторые данные, используя дорожные тесты (как вы предложили), чтобы увидеть, на что действительно похожи функции, которые вы хотели бы обнаружить.

— Джейсон Р

Собираетесь ли вы автоматически отправлять их на seeclickfix.com? :)

— эндолит

Да, я мог бы, если бы я работал правильно, лол. Город Бостон сделал приложение для смартфонов, которое делает это, у них были тысячи долларов в виде грантов людям за их представления. Мой пример будет простым подмножеством этого, я представляю, что со смартфоном большинство людей перемещают его в своей машине, поэтому вам придется иметь телефон в держателе, чтобы получать точные показания или быть осторожным, если вы уроните телефон или переместите его во время машина движется. Поэтому я использую внешний акселерометр, чтобы избежать этих осложнений

— zacharoni16

@ user978563 Что это за внешняя марка акселерометра, которую вы используете между прочим?

— Спейси

Бренд KXPS5-3157 Лист данных dz863.com/downloadpdf-lovdnabsxg-KXPS5-3157.pdf

— zacharoni16

На самом деле вас интересует не столько информация о частоте в вашем сигнале, сколько обнаруживаемые функции - поэтому я бы сказал, что в БПФ не так много полезного.

Что вы действительно хотите сделать, так это сопоставить непрерывный «автомобильный сигнал», записанный в автомобиле, с другим сигналом, который является «сигнатурой» выбоины. Вам нужно будет приобрести эту подпись, записав ее в машине, проезжающей через выбоину (возможно, записав множество и используя их для получения общего сигнала, который является хорошим представлением выбоины). Получив его, вы можете сопоставить его с сигналом вашего автомобиля. Вы можете сделать это в частотной области, и в этом случае вы должны взаимно коррелировать БПФ вашей подписи со скользящим БПФ автомобильного сигнала.

Возможно, вы захотите обработать сигнал автомобиля, прежде чем использовать его для удаления, например, высокочастотного шума (с помощью фильтра нижних частот). Вы можете сделать это довольно эффективно на глаз - поиграйтесь с различными фильтрами автомобильных сигналов, чтобы увидеть, какой из них удаляет наиболее постороннюю информацию, оставляя при этом важную информацию о дырах нетронутой.

— PAK-9
источник

Будет ли эту перекрестную корреляцию очень сложно сделать программно? Я хочу, чтобы все это делалось автоматически в программном обеспечении. Я предполагаю, что самое сложное - это получить «общий сигнал» для выбоины, достаточно широкой, чтобы сопоставить БПФ с БПФ текущих данных в автомобиле. Скользящее БПФ, какой будет функция управления окнами? Единственное, что меня смущает в FFT - это окно, это будет скользящее окно? Кажется, что частоты выбоин происходят в диапазоне от 5 Гц до 20 Гц, очень низкая частота влияет на SHM

— демпфированной

Кросс-корреляция не особенно сложна для программной работы, она очень похожа на свертку (оба из которых по сути итерируют по двум массивам и выполняют некоторую функцию с выборкой из каждого) - я уверен, что есть библиотеки, доступные, если вы не хотите написать свой. Подпись может быть немного трудной для получения, но если вы получаете кучу данных, вы должны увидеть появление некоторых функций, плюс кросс-корреляция не является двоичной, результат по сути является «доверительным» значением, так что вы можете ограничить его по своему усмотрению.

— ПАК-9

Окно fn скользящего БПФ может быть любым, оно не должно слишком сильно влиять на результат. Я ожидал бы увидеть большой импульс, который затухает в течение короткого периода (SHM подвески, как вы говорите), так что вы можете синтезировать что-то подобное, основываясь на наблюдениях за сигналами.

— ПАК-9

Ах, это имеет смысл, трудная часть заключается в получении подписи, есть ли какое-нибудь учебное пособие или книга или сайт с подобным примером процедуры, сейчас я думаю, что мне просто нужно сделать синтетические удары, вроде ударов скорости, выбоин и водителя над ними кучу раз, чтобы получить много данных. Я не уверен, какие функции я должен рассмотреть для подписи, хотя

— zacharoni16

Просто проезжая через неровности и дыры, а затем отсеивая эти части сигнала, вы получите библиотеку подписей. БПФ каждый из них, чтобы дать вам спектральную подпись, если некоторые визуально различаются, а затем разделить их на группы, которые похожи. Затем вы можете выполнить какое-то усреднение для каждой группы подписей, чтобы в итоге получить окончательную «основную» подпись из каждой группы, которую вы можете сравнить с автомобильными сигналами.

— ПАК-9