BR112020026387B1 - Sistema de desgaste de banda de rodagem do pneu - Google Patents

Sistema de desgaste de banda de rodagem do pneu Download PDF

Info

Publication number
BR112020026387B1
BR112020026387B1 BR112020026387-7A BR112020026387A BR112020026387B1 BR 112020026387 B1 BR112020026387 B1 BR 112020026387B1 BR 112020026387 A BR112020026387 A BR 112020026387A BR 112020026387 B1 BR112020026387 B1 BR 112020026387B1
Authority
BR
Brazil
Prior art keywords
tire
tread wear
machine learning
data
geometric model
Prior art date
Application number
BR112020026387-7A
Other languages
English (en)
Other versions
BR112020026387A2 (pt
Inventor
Gian Luca Storti
Mumtaz Vauhkonen
Gregory D. Dibb
Original Assignee
Nissan North America, Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US16/022,032 external-priority patent/US10960712B2/en
Application filed by Nissan North America, Inc filed Critical Nissan North America, Inc
Publication of BR112020026387A2 publication Critical patent/BR112020026387A2/pt
Publication of BR112020026387B1 publication Critical patent/BR112020026387B1/pt

Links

Abstract

ESTIMATIVA DE DESGASTE DE PNEU USANDO UM SISTEMA E MÉTODO DE APRENDIZADO DE MÁQUINA HÍBRIDO REFERÊNCIA CRUZADA AO(S) PEDIDO(S) RELACIONADO(S). A presente invenção se refere a um sistema de desgaste de banda de rodagem do pneu que pode incluir um ou mais sensores de veículo e um processador. O processador pode incluir um módulo de controle, um modelo geométrico, um modelo de aprendizado de máquina e uma chave. O modelo geométrico pode ser configurado para coletar dados a partir dos sensores de veículo para determinar um raio de rolagem dinâmica de um pneu. O modelo geométrico pode ser configurado para emitir uma estimativa de desgaste da banda de rodagem com base no raio de rolagem dinâmica do pneu. O modelo de aprendizado de máquina pode ser configurado para coletar dados a partir dos sensores de veículo. O modelo de aprendizado de máquina pode ser configurado para emitir uma estimativa de desgaste da banda de rodagem com base em uma correlação da estimativa de desgaste da banda de rodagem emitida a partir do modelo geométrico e um ou mais exemplos de dados com um estado da banda de rodagem do pneu. A chave pode ser configurada para ativar (...).

Description

REFERÊNCIA CRUZADA AO(S) PEDIDO(S) RELACIONADO(S)
[001] O presente pedido reivindica a prioridade e o benefício do Pedido de Patente U.S. No. de série 16/022.032 depositado em 28 de junho de 2018, aqui incorporado por referência em sua totalidade.
CAMPO DA TÉCNICA
[002] A presente descrição se refere ao gerenciamento operacional de veículos.
ANTECEDENTES
[003] Abordagens típicas para a estimativa da banda de rodagem do pneu podem ser classificadas em dois grupos. O primeiro grupo usa sensores adicionais que não estão presentes em um veículo de produção atual e o segundo grupo usa sensores oferecidos no comércio. O uso de sensores adicionais aumenta a complexidade e o custo enquanto em geral proporciona melhor precisão. O uso de sensores oferecidos no comércio em geral não proporciona resultados confiáveis em estimativas da banda de rodagem do pneu. Em última análise, seria desejável ter um sistema preciso e de baixo custo para determinar o desgaste da banda de rodagem do pneu sem a necessidade de sensores adicionais.
SUMÁRIO
[004] Descritos nesse documento são aspectos, características, elementos, implementações e modalidades de sistemas e métodos para gerenciamento operacional de veículo.
[005] Um sistema de desgaste de banda de rodagem do pneu pode incluir um ou mais sensores de veículo e um processador. O processador pode incluir um módulo de controle, um modelo geométrico, um modelo de aprendizado de máquina e uma chave.
[006] O módulo de controle pode ser configurado para determinar um evento do pneu. O modelo geométrico pode ser configurado para coletar dados a partir dos um ou mais sensores de veículo para determinar um raio de rolagem dinâmica de um pneu. O modelo geométrico pode ser configurado para emitir uma estimativa de desgaste da banda de rodagem com base no raio de rolagem dinâmica do pneu. O modelo de aprendizado de máquina pode ser configurado para coletar dados a partir dos um ou mais sensores de veículo. O modelo de aprendizado de máquina pode ser configurado para emitir uma estimativa de desgaste da banda de rodagem com base em uma correlação da estimativa de desgaste da banda de rodagem emitida a partir do modelo geométrico e um ou mais exemplos de dados com um estado da banda de rodagem do pneu. A chave pode ser configurada para ativar o modelo geométrico, o modelo de aprendizado de máquina ou uma combinação dos mesmos. Em algumas modalidades, a chave pode ser uma chave lógica.
[007] O módulo de controle do sistema de desgaste de banda de rodagem do pneu pode ser configurado para ativar o modelo geométrico com base em uma determinação de que o evento do pneu é uma configuração inicial do pneu. Em algumas modalidades, a chave pode ser configurada para ativar o modelo de aprendizado de máquina em uma condição de que o módulo de controle determina que o evento do pneu é uma troca de pneu. Em algumas modalidades, a chave pode ser configurada para desativar o modelo geométrico.
[008] Em algumas modalidades, o modelo geométrico do sistema de desgaste de banda de rodagem do pneu pode ser configurado para coletar dados em uma condição de que o veículo está em uma velocidade constante. Em algumas modalidades, o modelo de aprendizado de máquina do sistema de desgaste de banda de rodagem do pneu pode ser configurado para coletar dados continuamente e independentemente a partir de uma velocidade do veículo.
[009] Em algumas modalidades, os dados coletados pelo modelo geométrico podem incluir dados do sistema de posicionamento global (GPS), dados de velocidade da roda ou uma combinação dos mesmos. Em algumas modalidades, os dados coletados pelo modelo de aprendizado de máquina podem incluir dados de velocidade da roda, dados de ângulo do volante, dados de pressão do freio, dados de aceleração longitudinal, dados de distância total ou qualquer combinação dos mesmos.
[010] Em algumas modalidades, o modelo de aprendizado de máquina pode utilizar uma máquina de vetor de suporte multiclasse (SVM) com um núcleo radiano para prever o estado da banda de rodagem do pneu. O estado da banda de rodagem do pneu pode ser usado para classificar cada pneu em um grupo. Por exemplo, um primeiro grupo pode ser para pneus que têm 100% de banda de rodagem restante, um segundo grupo pode ser para pneus que têm 75% de banda de rodagem restante, um terceiro grupo pode ser para pneus que têm 50% de banda de rodagem restante e um quarto grupo pode ser para pneus que têm 25% de banda de rodagem restante.
[011] O sistema de desgaste de banda de rodagem do pneu pode incluir uma tela. A tela pode ser configurada para receber a estimativa de desgaste da banda de rodagem do modelo geométrico e a estimativa de desgaste da banda de rodagem do modelo de aprendizado de máquina. Em resposta, a tela pode ser configurada para gerar a visualização para o pneu com base na estimativa de desgaste da banda de rodagem do modelo geométrico e no modelo de aprendizado de máquina. A tela pode ser configurada para exibir a visualização gerada para o pneu.
[012] Em outro aspecto, um sistema de desgaste de banda de rodagem do pneu pode incluir um ou mais sensores e um processador. O processador pode incluir um módulo de controle, um modelo geométrico, um modelo de aprendizado de máquina, uma chave e uma tela.
[013] O módulo de controle pode ser configurado para determinar um estado do pneu de um veículo. O modelo geométrico pode ser configurado para coletar dados a partir dos um ou mais sensores de veículo para determinar um raio de rolagem dinâmica de um pneu. O modelo geométrico pode ser configurado para emitir uma estimativa de desgaste da banda de rodagem com base no raio de rolagem dinâmica do pneu. O modelo de aprendizado de máquina pode ser configurado para coletar dados a partir dos um ou mais sensores de veículo. O modelo de aprendizado de máquina pode ser configurado para emitir uma estimativa de desgaste da banda de rodagem com base em uma correlação da estimativa de desgaste da banda de rodagem emitida a partir do modelo geométrico e um ou mais exemplos de dados com um estado da banda de rodagem do pneu. A chave pode ser configurada para ativar o modelo geométrico, o modelo de aprendizado de máquina ou uma combinação dos mesmos.
[014] A tela pode ser configurada para receber a estimativa de desgaste da banda de rodagem do modelo geométrico, a estimativa de desgaste da banda de rodagem do modelo de aprendizado de máquina ou uma combinação dos mesmos. A tela pode ser configurada para gerar uma visualização para o pneu. A visualização pode ser com base na estimativa de desgaste da banda de rodagem do modelo geométrico, a estimativa de desgaste da banda de rodagem do modelo de aprendizado de máquina ou uma combinação dos mesmos. A tela pode ser configurada para exibir a visualização gerada para o pneu.
[015] Em algumas modalidades, o módulo de controle do sistema de desgaste de banda de rodagem do pneu pode ser configurado para ativar o modelo geométrico com base em uma determinação de que o evento do pneu é uma configuração inicial do pneu. Em algumas modalidades, a chave pode ser configurada para ativar o modelo de aprendizado de máquina em uma condição de que o módulo de controle determina que o evento do pneu é uma troca de pneu. Em algumas modalidades, o pode ser configurado para desativar o modelo geométrico.
[016] Em algumas modalidades, os dados coletados pelo modelo geométrico podem incluir dados do sistema de posicionamento global (GPS), dados de velocidade da roda ou uma combinação dos mesmos. Em algumas modalidades, os dados coletados pelo modelo de aprendizado de máquina podem incluir dados de velocidade da roda, dados de ângulo do volante, dados de pressão do freio, dados de aceleração longitudinal, dados de distância total ou qualquer combinação dos mesmos.
[017] Em algumas modalidades, o modelo de aprendizado de máquina pode utilizar uma SVM multiclasse com um núcleo radiano para prever o estado da banda de rodagem do pneu. O modelo de aprendizado de máquina pode ser configurado para classificar o estado da banda de rodagem do pneu em um grupo. Por exemplo, um primeiro grupo pode incluir pneus que têm 100% de banda de rodagem restante, um segundo grupo pode incluir pneus que têm 75% de banda de rodagem restante, um terceiro grupo pode incluir pneus que têm 50% de banda de rodagem restante e um quarto grupo pode incluir pneus que têm 25% de banda de rodagem restante.
[018] Em outro aspecto, um sistema de desgaste de banda de rodagem do pneu pode incluir um ou mais sensores de veículo, um modem sem fio, um servidor e uma tela. O modem sem fio pode ser configurado para transmitir dados recebidos a partir de um ou mais dos sensores de veículo.
[019] O servidor pode ser configurado para receber os dados a partir do modem sem fio. O servidor pode incluir um receptor, um módulo de controle, um modelo geométrico, um modelo de aprendizado de máquina, uma chave e um transmissor. Em algumas modalidades, o receptor e o transmissor pode ser combinado em uma única unidade de transceptor.
[020] O módulo de controle pode ser configurado para determinar um estado do pneu de um veículo. O modelo geométrico pode ser configurado para coletar dados a partir dos um ou mais sensores de veículo para determinar um raio de rolagem dinâmica de um pneu. O modelo geométrico pode ser configurado para emitir uma estimativa de desgaste da banda de rodagem com base no raio de rolagem dinâmica do pneu. O modelo de aprendizado de máquina pode ser configurado para coletar dados a partir dos um ou mais sensores de veículo. O modelo de aprendizado de máquina pode ser configurado para emitir uma estimativa de desgaste da banda de rodagem com base em uma correlação da estimativa de desgaste da banda de rodagem emitida a partir do modelo geométrico e um ou mais exemplos de dados com um estado da banda de rodagem do pneu. A chave pode ser configurada para ativar o modelo geométrico, o modelo de aprendizado de máquina ou uma combinação dos mesmos. A chave pode ser uma chave lógica.
[021] Variações nestes e em outros aspectos, características, elementos, implementações e modalidades dos métodos, aparelhos, procedimentos e algoritmos descritos neste documento são descritos em mais detalhes a seguir.
BREVE DESCRIÇÃO DOS DESENHOS
[022] Os vários aspectos dos métodos e aparelhos descritos neste documento se tornarão mais evidentes, com referência aos exemplos proporcionados na descrição e desenhos a seguir nos quais:
[023] A Figura 1 é um diagrama de um exemplo de um veículo no qual os aspectos, características e elementos descritos nesse documento podem ser implementados;
[024] A Figura 2 é um diagrama de um exemplo de uma porção de um sistema de comunicação de veículo no qual os aspectos, características e elementos descritos nesse documento podem ser implementados;
[025] A Figura 3 é um diagrama de outro exemplo de uma porção de um sistema de comunicação de veículo no qual os aspectos, características e elementos descritos nesse documento podem ser implementados;
[026] A Figura 4 é um diagrama de um exemplo de tela do sistema de comunicação de veículo;
[027] A Figura 5 é um diagrama de fluxo de um exemplo de um método para uso em um sistema de comunicação de veículo configurado para estimar o desgaste da banda de rodagem do pneu de acordo com modalidades dessa descrição; e
[028] A Figura 6 é um diagrama de fluxo de um exemplo de um método para uso em um sistema de comunicação de veículo configurado para estimar o desgaste da banda de rodagem do pneu de acordo com modalidades dessa descrição.
DESCRIÇÃO DETALHADA
[029] Um veículo pode incluir um ou mais sensores para gerar ou capturar dados do sensor, tal como dados que correspondem a um ambiente operacional do veículo ou uma porção dos mesmos. Por exemplo, os dados do sensor podem incluir informação que corresponde a um ou mais objetos externos, tais como pedestres, veículos distantes, outros objetos dentro do ambiente operacional do veículo, uma geometria de rede de transporte de veículo ou uma combinação dos mesmos.
[030] Como usado nesse documento, a terminologia “computador” ou “dispositivo de computação” inclui qualquer unidade ou combinação de unidades, capazes de realizar qualquer método ou qualquer porção ou porções dos mesmos, descritos nesse documento.
[031] Como usado nesse documento, a terminologia “processador” indica um ou mais processadores, tal como um ou mais processadores de objetivo especial, um ou mais processadores de sinal digital, um ou mais microprocessadores, um ou mais controladores, um ou mais microcontroladores, um ou mais processadores de aplicação, um ou mais Circuitos Integrados Específicos de Aplicação, um ou mais Produtos Padrão Específicos de Aplicação, uma ou mais Matrizes de Portas Programáveis em Campo, qualquer outro tipo ou combinação de circuitos integrados, uma ou mais máquinas de estado ou qualquer combinação dos mesmos.
[032] Como usado neste documento, a terminologia "memória" indica qualquer meio ou dispositivo utilizável por computador ou legível por computador que pode conter, armazenar, comunicar ou transportar qualquer sinal ou informação que possa ser usado por ou em conexão com qualquer processador. Por exemplo, uma memória pode ser uma ou mais memórias somente leitura (ROM), uma ou mais memórias de acesso aleatório (RAM), um ou mais registros, uma ou mais memórias de taxa de dados dupla de baixa potência (LPDDR), uma ou mais memórias cache, um ou mais dispositivos de memória semicondutores, uma ou mais mídias magnéticas, uma ou mais mídias ópticas, uma ou mais mídias magneto-ópticas ou qualquer combinação dos mesmos.
[033] Como usado nesse documento, a terminologia “instruções” pode incluir direções ou expressões para realizar qualquer método ou qualquer porção ou porções dos mesmos, descritos nesse documento e podem ser realizadas em hardware, software ou qualquer combinação dos mesmos. Por exemplo, instruções podem ser implementadas como informação, tal como um programa de computador, armazenado na memória que pode ser executado por um processador para realizar qualquer um dos respectivos métodos, algoritmos, aspectos ou combinações dos mesmos, como descrito nesse documento. Instruções ou uma porção das mesmas, podem ser implementadas como um processador de objetivo especial ou circuitos, que podem incluir hardware especializado para realizar qualquer um de métodos, algoritmos, aspectos ou combinações dos mesmos, como descrito nesse documento. Em algumas implementações, porções das instruções podem ser distribuídas através de múltiplos processadores em um único dispositivo ou através de múltiplos processadores em múltiplos dispositivos que podem se comunicar diretamente ou através de uma rede, tal como uma rede de área local, a rede de área ampla, a Internet ou uma combinação dos mesmos.
[034] Como usado nesse documento, a terminologia “exemplo”, “modalidade”, “implementação”, “aspecto”, “característica” ou “elemento” indica que serve como um exemplo, caso ou ilustração. A não ser que expressamente indicado de outro modo, qualquer exemplo, modalidade, implementação, aspecto, característica ou elemento é independente de cada outro exemplo, modalidade, implementação, aspecto, característica ou elemento e pode ser usado em combinação com qualquer outro exemplo, modalidade, implementação, aspecto, característica ou elemento.
[035] Como usado nesse documento, a terminologia “determina” e “identifica” ou quaisquer variações dos mesmos, inclui selecionar, verificar, computar, procurar, receber, determinar, estabelecer, obter ou de outra forma identificar ou determinar de qualquer maneira usando um ou mais dos dispositivos mostrados e descritos neste documento.
[036] Tal como aqui utilizado, a terminologia "ou" pretende significar um "ou" inclusivo em vez de um "ou" exclusivo. Isto é, a menos que especificado de outra forma ou claramente indicado de outra forma pelo contexto, "X inclui A ou B" destina- se a indicar qualquer uma das permutações inclusivas naturais dos mesmos. Ou seja, se X inclui A; X inclui B; ou X inclui A e B, então "X inclui A ou B" é satisfeito em qualquer um dos casos anteriores. Além disso, os artigos "um" e "uma" conforme usados no presente pedido e nas reivindicações em anexo devem ser em geral interpretados como significando "um ou mais", a menos que especificado de outra forma ou claro a partir do contexto para ser direcionado a uma forma singular.
[037] Além disso, para simplicidade de explicação, embora as figuras e descrições neste documento possam incluir sequências ou séries de operações ou estágios, os elementos dos métodos divulgados neste documento podem ocorrer em várias ordens ou simultaneamente. Além disso, os elementos dos métodos divulgados neste documento podem ocorrer com outros elementos não explicitamente apresentados e descritos neste documento. Além disso, nem todos os elementos dos métodos descritos neste documento podem ser necessários para implementar um método de acordo com esta descrição. Embora aspectos, recursos e elementos sejam descritos neste documento em combinações particulares, cada aspecto, característica ou elemento pode ser usado independentemente ou em várias combinações com ou sem outros aspectos, características e elementos.
[038] A Figura 1 é um diagrama de um exemplo de um veículo no qual os aspectos, características e elementos descritos nesse documento podem ser implementados. Como mostrado, um veículo 1000 inclui um chassi 1100, um grupo motopropulsor 1200, um controlador 1300, rodas 1400 e pode incluir qualquer outro elemento ou combinação de elementos de um veículo. Embora o veículo 1000 seja mostrado como incluindo quatro rodas 1400 por simplicidade, qualquer outro dispositivo ou dispositivos de propulsão, tal como uma hélice ou banda de rodagem, pode ser usado. Na Figura 1, as linhas que interconectam os elementos, tal como o grupo motopropulsor 1200, o controlador 1300 e as rodas 1400, indicam que informação, tal como dados ou sinais de controle; energia, tal como energia elétrica ou torque; ou ambos informação e energia pode ser comunicada entre os respectivos elementos. Por exemplo, o controlador 1300 pode receber energia a partir do grupo motopropulsor 1200 e pode se comunicar com o grupo motopropulsor 1200, com as rodas 1400 ou com ambos, para controlar o veículo 1000, que pode incluir acelerar, desacelerar, guiar ou de outro modo controlar o veículo 1000.
[039] O grupo motopropulsor 1200 pode incluir uma fonte de energia 1210, uma transmissão 1220, uma unidade de direção 1230, um acionador 1240 ou qualquer outro elemento ou combinação de elementos de um grupo motopropulsor, tal como uma suspensão, um eixo de acionamento, eixos ou um sistema de exaustão. Embora mostrado em separado, as rodas 1400 podem ser incluídas no grupo motopropulsor 1200.
[040] A fonte de energia 1210 pode incluir um motor, uma bateria ou uma combinação dos mesmos. A fonte de energia 1210 pode ser qualquer dispositivo ou combinação de dispositivos que operam para proporcionar energia, tal como energia elétrica, energia térmica ou energia cinética. Por exemplo, a fonte de energia 1210 pode incluir um motor, tal como um motor de combustão interna, um motor elétrico ou uma combinação de um motor de combustão interna e um motor elétrico e pode ser operacionais para proporcionar energia cinética como uma força motriz para uma ou mais das rodas 1400. A fonte de energia 1210 pode incluir uma unidade de energia em potencial, tal como uma ou mais baterias de células secas, tais como baterias de níquel-cádmio (NiCd), níquel-zinco (NiZn), hidreto de metal níquel (NiMH) ou de íons de lítio (íon-Li); células solares; células de combustível; ou qualquer outro dispositivo capaz de proporcionar energia.
[041] A transmissão 1220 pode receber energia, tal como energia cinética, a partir da fonte de energia 1210 e pode transmitir a energia para as rodas 1400 para proporcionar a força motriz. A transmissão 1220 pode ser controlada pelo controlador 1300, pelo acionador 1240 ou ambos. A unidade de direção 1230 pode ser controlada pelo controlador 1300, pelo acionador 1240 ou por ambos e pode controlar as rodas 1400 para dirigir o veículo. O acionador 1240 pode receber sinais a partir do controlador 1300 e pode acionar ou controlar a fonte de energia 1210, a transmissão 1220, a unidade de direção 1230 ou qualquer combinação dos mesmos para operar o veículo 1000.
[042] O controlador 1300 pode incluir uma unidade de localização 1310, uma unidade de comunicação eletrônica 1320, um processador 1330, uma memória 1340, uma interface de usuário 1350, um sensor 1360, uma interface de comunicação eletrônica 1370 ou qualquer combinação dos mesmos. Embora mostrado como uma única unidade, qualquer um ou mais elementos do controlador 1300 pode ser integrado dentro de qualquer número de unidades físicas separadas. Por exemplo, a interface de usuário 1350 e o processador 1330 podem ser integrados em uma primeira unidade física e a memória 1340 pode ser integrada em uma segunda unidade física. Embora não mostrado na Figura 1, o controlador 1300 pode incluir uma fonte de energia, tal como uma bateria. Embora mostrados como elementos separados, a unidade de localização 1310, a unidade de comunicação eletrônica 1320, o processador 1330, a memória 1340, a interface de usuário 1350, o sensor 1360, a interface de comunicação eletrônica 1370 ou qualquer combinação dos mesmos podem ser integrados em uma ou mais unidades eletrônicas, circuitos ou chips.
[043] O processador 1330 pode incluir qualquer dispositivo ou combinação de dispositivos, agora existentes ou desenvolvidos futuramente, capaz de manipular ou processar um sinal ou outra informação, que inclui processadores ópticos, processadores quantum, processadores moleculares ou uma combinação dos mesmos. Por exemplo, o processador 1330 pode incluir um ou mais processadores de objetivo especial, um ou mais processadores de sinal digital, um ou mais microprocessadores, um ou mais controladores, um ou mais microcontroladores, um ou mais circuitos integrados, um ou mais Circuitos integrados específicos de aplicação, um ou mais Matrizes de portas programáveis em campo, uma ou mais matrizes logicas programáveis, um ou mais controladores de lógica programável, uma ou mais máquinas de estado ou qualquer combinação dos mesmos. O processador 1330 pode ser acoplado de modo operacional com a unidade de localização 1310, a memória 1340, a interface de comunicação eletrônica 1370, a unidade de comunicação eletrônica 1320, a interface de usuário 1350, o sensor 1360, o grupo motopropulsor 1200 ou qualquer combinação dos mesmos. Por exemplo, o processador pode ser acoplado de modo operacional com a memória 1340 por meio de um barramento de comunicação 1380.
[044] A memória 1340 pode incluir qualquer meio tangível não transitório utilizável por computador ou legível por computador capaz, por exemplo, de conter, armazenar, comunicar ou transportar instruções legíveis por máquina ou qualquer informação associada a elas, para uso por ou em conexão com o processador 1330. A memória 1340 pode ser, por exemplo, uma ou mais unidades de estado sólido, um ou mais cartões de memória, uma ou mais mídias removíveis, uma ou mais memórias somente leitura, uma ou mais memórias de acesso aleatório, uma ou mais discos (incluindo um disco rígido, um disquete, um disco óptico), um cartão magnético ou óptico ou qualquer tipo de mídia não transitória adequada para armazenar informações eletrônicas ou qualquer combinação dos mesmos.
[045] A interface de comunicação 1370 pode ser uma antena sem fio (como mostrado), uma porta de comunicação com fio, uma porta de comunicação óptica ou qualquer outra unidade com fio ou sem fio capaz de interfacear com um meio de comunicação eletrônico com fio ou sem fio 1500. Embora a Figura 1 mostre a interface de comunicação 1370 se comunicando por meio de um único link de comunicação, a interface de comunicação pode ser configurada para se comunicar por meio de múltiplos links de comunicação. Embora a Figura 1 mostre uma única interface de comunicação 1370, um veículo pode incluir qualquer número de interfaces de comunicação.
[046] A unidade de comunicação 1320 pode ser configurada para transmitir ou receber sinais por meio de um meio de comunicação eletrônico com fio ou sem fio 1500, tal como por meio da interface de comunicação 1370. Embora não explicitamente mostrado na Figura 1, a unidade de comunicação 1320 pode ser configurada para transmitir, receber ou ambos por meio de qualquer meio de comunicação com fio ou sem fio, tal como rádio frequência (RF), ultravioleta (UV), luz visível, fibra ótica, cabo elétrico de perfilagem ou uma combinação dos mesmos. Embora a Figura 1 mostre uma única unidade de comunicação 1320 e uma única interface de comunicação 1370, qualquer número de unidades de comunicação e qualquer número de interfaces de comunicação pode ser usado. A unidade de comunicação 1320 pode incluir uma unidade de comunicações de faixa curta dedicada (DSRC), uma unidade integrada (OBU) ou uma combinação dos mesmos.
[047] A unidade de localização 1310 pode determinar a informação de geolocalização, tal como longitude, latitude, elevação, direção de trajeto ou velocidade, do veículo 1000. Por exemplo, a unidade de localização pode incluir uma unidade de sistema de posicionamento global (GPS), tal como uma unidade da National Marine Electronics Association (NMEA) habilitada para Wide Area Augmentation System (WAAS), uma unidade de triangulação a rádio ou uma combinação dos mesmos. A unidade de localização 1310 pode ser usada para obter informação que representa, por exemplo, um rumo atual do veículo 1000, uma posição atual do veículo 1000 em duas ou três dimensões, uma orientação angular atual do veículo 1000 ou uma combinação dos mesmos.
[048] A interface de usuário 1350 pode incluir qualquer unidade capaz de interfacear com uma pessoa, tal como um teclado físico ou virtual, a touchpad, uma tela, uma tela de toque, uma tela de visualização frontal, uma tela virtual, uma tela de realidade aumentada, uma tela tátil, um dispositivo de rastreamento de recursos (como um dispositivo de rastreamento ocular), um alto-falante, um microfone, uma câmera de vídeo, um sensor, uma impressora ou qualquer combinação delas. A interface de usuário 1350 pode ser operativamente acoplada ao processador 1330, como mostrado, ou a qualquer outro elemento do controlador 1300. Embora mostrado como uma única unidade, a interface de usuário 1350 pode incluir uma ou mais unidades físicas. Por exemplo, a interface de usuário 1350 pode incluir uma interface de áudio para realizar comunicação de áudio com uma pessoa e uma tela de toque para realizar comunicação visual e baseada em toque com a pessoa. A interface de usuário 1350 pode incluir vários monitores, tais como várias unidades fisicamente separadas, várias porções definidas dentro de uma única unidade física ou uma combinação dos mesmos.
[049] O sensor 1360 pode incluir um ou mais sensores, como uma matriz de sensores, que podem ser operáveis para fornecer informações que podem ser usadas para controlar o veículo. Os sensores 1360 podem fornecer informações sobre as características operacionais atuais do veículo. Os sensores 1360 podem incluir, por exemplo, um sensor de velocidade, sensores de aceleração, um sensor de ângulo de direção, sensores relacionados à tração, sensores relacionados à frenagem, sensores de posição do volante, sensores de rastreamento ocular, sensores de posição de assento ou qualquer sensor, ou combinação de sensores, que é operável para relatar informações sobre algum aspecto da situação dinâmica atual do veículo 1000.
[050] Os sensores 1360 podem incluir sensores que são operáveis para obter informações sobre o ambiente físico em torno do veículo 1000. Por exemplo, um ou mais sensores podem detectar a geometria da estrada e obstáculos, tais como obstáculos fixos, veículos e pedestres. Os sensores 1360 podem ser ou incluir uma ou mais câmeras de vídeo, sistemas de detecção de laser, sistemas de detecção de infravermelho, sistemas de detecção acústica ou qualquer outro tipo adequado de dispositivo de detecção ambiental no veículo, ou combinação de dispositivos, agora conhecidos ou posteriormente desenvolvido. Em algumas modalidades, os sensores 1360 e a unidade de localização 1310 podem ser combinados.
[051] Embora não mostrado separadamente, em algumas modalidades, o veículo 1000 pode incluir um controlador de trajetória. Por exemplo, o controlador 1300 pode incluir o controlador de trajetória. O controlador de trajetória pode ser operável para obter informações que descrevem um estado atual do veículo 1000, uma rota planejada para o veículo 1000 ou uma combinação dos mesmos. Com base nesta informação, o controlador de trajetória pode determinar e otimizar uma trajetória para o veículo 1000. O controlador de trajetória pode emitir sinais operáveis para controlar o veículo 1000 de modo que o veículo 1000 siga a trajetória que é determinada pelo controlador de trajetória. Em outro exemplo, a saída do controlador de trajetória pode ser uma trajetória otimizada que pode ser fornecida ao grupo motopropulsor 1200, às rodas 1400 ou a ambos. Em algumas modalidades, a trajetória otimizada pode ser entrada de controle, como um conjunto de ângulos de direção, com cada ângulo de direção correspondendo a um ponto no tempo ou uma posição. Em algumas modalidades, a trajetória otimizada pode ser um ou mais caminhos, linhas, curvas ou uma combinação dos mesmos.
[052] Uma ou mais das rodas 1400 pode ser uma roda direcionada, que pode ser articulada para um ângulo de direção sob o controle da unidade de direção 1230, uma roda propelida, que pode ser com torque para impulsionar o veículo 1000 sob o controle da transmissão 1220, ou uma roda dirigida e impulsionada que pode dirigir e impulsionar o veículo 1000.
[053] Embora não mostrado na Figura 1, um veículo pode incluir unidades ou elementos não mostrados na Figura 1, tal como um gabinete, um módulo de Bluetooth®, uma unidade de rádio modulada por frequência (FM), um módulo NearField Comunication (NFC), uma unidade de exibição de tela de cristal líquido (LCD), uma unidade de exibição de diodo orgânico emissor de luz (OLED) , um alto-falante ou qualquer combinação dos mesmos.
[054] A Figura 2 é um diagrama de um exemplo de uma porção de um sistema de comunicação de veículo 2000 no qual os aspectos, características e elementos descritos nesse documento podem ser implementados, por exemplo, no veículo 1000 mostrado na Figura 1. No referido exemplo, a porção do sistema de comunicação de veículo 2000 inclui uma unidade de comunicação 2010, um ou mais sensores de veículo 2020 e uma tela 2030. Um exemplo da unidade de comunicação 2010 pode ser a unidade de comunicação 1320 mostrada na Figura 1. Como mostrado na Figura 2, os um ou mais sensores de veículo 2020 podem ser configurados para medir, por exemplo, ângulo do volante, velocidade da roda, aceleração longitudinal, pressão do freio, distância total e velocidade do GPS. O ângulo do volante pode ser medido em graus (deg), a velocidade da roda pode ser medida em revoluções por minuto (rpm), a aceleração longitudinal pode ser medida em força gravitacional (g), a pressão do freio pode ser medida em pressão atmosférica (bar), a distância total pode ser medida por um hodômetro em quilômetros (km) e a velocidade do GPS pode ser medida em quilômetros por hora (kph). Cada uma das referidas medições pode ser amostrada pelo menos a 10 hertz (Hz). As referidas medições podem ser referidas nesse documento como sinais.
[055] A unidade de comunicação 2010 inclui um módulo de controle 2040, um modelo geométrico 2050, um modelo de aprendizado de máquina 2060 e uma chave 2070. Em algumas modalidades, o módulo de controle 2040 pode ser a supervisor, por exemplo, no caso em que uma máquina de vetor de suporte (SVM) é implementada como um classificador multiclasse. O módulo de controle 2040 é configurado para indicar quando a calibração para o modelo geométrico 2050 tem que ser realizada por transmitir uma sinalização de início de calibração. O módulo de controle 2040 também está configurado para transmitir uma primeira sinalização de troca de pneu quando os primeiros pneus do equipamento foram trocados.
[056] O modelo geométrico 2050 é configurado para receber sinais de velocidade do GPS e de velocidade da roda a partir dos um ou mais sensores de veículo 2020. Com a partida inicial de um veículo equipado com um conjunto de primeiros pneus do equipamento, o movimento do veículo aciona o módulo de controle 2040 para transmitir uma sinalização de início de calibração para o modelo geométrico 2050. O modelo geométrico 2050 recebe a sinalização de início de calibração e calcula um raio de rolagem de referência dinâmico (DRR) com base na velocidade do GPS e nos sinais de velocidade da roda recebidos de um ou mais sensores do veículo 2020. O DRR de referência pode ser armazenado quando a calibração estiver completa, por exemplo, na memória 1340 mostrada na Figura 1. Após a calibração inicial, o modelo geométrico 2050 também é configurado para calcular um DRR quando uma velocidade constante é alcançada e comparar o DRR com o DRR de referência para estimar o desgaste da banda de rodagem do pneu. O valor estimado do desgaste da banda de rodagem do pneu pode ser emitido como uma porcentagem, por exemplo, 100% para um pneu novo, 75% e 50% para o desgaste intermediário do pneu e 25% para um pneu gasto. Estas percentagens são fornecidas apenas a título de exemplo e podem ser utilizadas quaisquer percentagens de 100% para um pneu novo a 0% para um pneu usado. O valor estimado do desgaste da banda de rodagem do pneu é enviado para a chave 2070 e para o modelo de aprendizado de máquina 2060.
[057] O modelo de aprendizado de máquina 2060 pode usar uma SVM como um classificador multiclasse. O modelo de aprendizado de máquina 2060 é configurado para receber os sinais de ângulo do volante e velocidade da roda, de pressão do freio, de aceleração longitudinal e de distância total a partir dos um ou mais sensores de veículo 2020. O modelo de aprendizado de máquina 2060 é configurado para ser treinado ao receber uma sinalização de aprendizado a partir do modelo geométrico 2050. O modelo geométrico 2050 é usado para treinar o modelo de aprendizado de máquina 2060. O modelo de aprendizado de máquina 2060 é configurado para estimar o valor de desgaste da banda de rodagem do pneu e emitir o valor para a chave 2070 como um percentual, por exemplo, 100% para um pneu novo, 75% e 50% para um desgaste intermediário do pneu e 25% para um pneu gasto. Os referidos percentuais são proporcionados meramente como um exemplo e quaisquer percentuais podem ser usados. O modelo de aprendizado de máquina 2060 não tem qualquer restrição de velocidade constante, tal como o modelo geométrico 2050 ou qualquer outra condição ou limitação a ser respeitada.
[058] O valor de desgaste da banda de rodagem do pneu estimado é emitido para a chave 2070. A chave 2070 pode ser uma chave lógica que é configurada para controlar onde o valor estimado da banda de rodagem do pneu é gerado, por exemplo, o modelo geométrico 2050 pode proporcionar o valor estimado da banda de rodagem do pneu para um usuário final por toda a vida dos primeiros pneus do equipamento enquanto o modelo de aprendizado de máquina 2060 pode proporcionar o valor estimado da banda de rodagem do pneu para o usuário final após a primeira troca de pneu. A chave 2070 é também configurada para transmitir o valor estimado da banda de rodagem do pneu para a tela 2030. A tela 2030 pode ser uma tela de veículo a bordo, um dispositivo móvel, um tablet, um assistente digital pessoal (PDA), um computador desktop, um laptop ou qualquer dispositivo adequado. Exemplos de telas integradas em veículos incluem, e não estão limitados a uma tela de painel de instrumentos, uma tela de navegação por satélite, um sistema de visualização frontal, ou uma combinação dos mesmos.
[059] A Figura 3 é um diagrama de outro exemplo de uma porção de um sistema de comunicação de veículo 3000 no qual os aspectos, características e elementos descritos nesse documento podem ser implementados, por exemplo, no veículo 1000 mostrado na Figura 1. No referido exemplo, a porção do sistema de comunicação de veículo 3000 inclui uma unidade de comunicação 3010, um ou mais sensores de veículo 3020, uma tela 3030 e um componente de nuvem 3040. Um exemplo da unidade de comunicação 3010 pode ser a unidade de comunicação 1320 mostrada na Figura 1. Como mostrado na Figura 3, os um ou mais sensores de veículo 3020 podem ser configurados para medir, por exemplo, o ângulo do volante, a velocidade da roda, a aceleração longitudinal, a pressão do freio, a distância total e a velocidade do GPS. O ângulo do volante pode ser medido em graus (deg), a velocidade da roda pode ser medida em revoluções por minuto (rpm), a aceleração longitudinal pode ser medida em força gravitacional (g), a pressão do freio pode ser medida em pressão atmosférica (bar), a distância total pode ser medida por um odômetro em quilômetros (km) e a velocidade do GPS pode ser medida em quilômetros por hora (kph). Cada uma das referidas medições pode ser amostrada pelo menos a 10 hertz (Hz). As referidas medições podem ser referidas nesse documento como sinais.
[060] A unidade de comunicações 3010 inclui um modem sem fio 3015 configurado para receber os sinais de velocidade do GPS, de velocidade da roda, do ângulo do volante, de pressão do freio, de aceleração longitudinal e de distância total a partir dos um ou mais sensores de veículo 3020. O modem sem fio 3015 é configurado para transmitir os referidos sinais para o componente de nuvem 3040.
[061] O componente de nuvem 3040 pode ser um servidor remoto que inclui um módulo de controle 3050, um modelo geométrico 3060, um modelo de aprendizado de máquina 3070 e uma chave 3080. Em algumas modalidades, o módulo de controle 2040 pode ser um supervisor, por exemplo, no caso em que a máquina de vetor de suporte (SVM) é implementada como um classificador multiclasse. O módulo de controle 3050 é configurado para indicar quando a calibração para o modelo geométrico 3060 tem que ser realizada por transmitir a sinalização de início de calibração. O módulo de controle 3050 é também configurado para transmitir uma primeira sinalização de troca de pneu quando os primeiros pneus do equipamento foram trocados.
[062] O modelo geométrico 3060 é configurado para receber sinais de velocidade do GPS e de velocidade da roda a partir do modem sem fio 3015 da unidade de comunicação 3010. Com a partida inicial de um veículo equipado com um conjunto de primeiros pneus do equipamento, o movimento do veículo engatilha o módulo de controle 3050 para transmitir a sinalização de início de calibração para o modelo geométrico 3060. O modelo geométrico 3060 recebe a sinalização de início de calibração e calcula o DRR de referência com base nos sinais de velocidade do GPS e de velocidade da roda recebidos a partir do modem sem fio 3015 da unidade de comunicação 3010. O DRR de referência pode ser armazenado quando a calibração é completa, por exemplo, na memória 1340 mostrada na Figura 1. Após a calibração inicial, o modelo geométrico 3060 é também configurado para calcular um DRR quando uma velocidade constante é alcançada e comparar o DRR ao DRR de referência para estimar o desgaste da banda de rodagem do pneu. O valor de desgaste da banda de rodagem do pneu estimado pode ser emitido como um percentual, por exemplo, 100% para um pneu novo, 75% e 50% para um desgaste intermediário do pneu e 25% para um pneu gasto. Os referidos percentuais são proporcionados meramente como um exemplo e quaisquer percentuais a partir de 100% para um pneu novo a 0% para um pneu gasto pode ser usado. O valor de desgaste da banda de rodagem do pneu estimado é emitido para a chave 3080 e o modelo de aprendizado de máquina 3070.
[063] O modelo de aprendizado de máquina 3070 pode usar uma SVM como um classificador multiclasse. O modelo de aprendizado de máquina 3070 é configurado para receber sinais de ângulo do volante e velocidade da roda, de pressão do freio, de aceleração longitudinal e de distância total a partir do modem sem fio 3015 da unidade de comunicação 3010. O modelo de aprendizado de máquina 3070 é configurado para começar a treinar ao receber a sinalização de aprendizado a partir do modelo geométrico 3060. O modelo de aprendizado de máquina 3070 é configurado para estimar o valor de desgaste da banda de rodagem do pneu e emitir o valor para a chave 3080 como um percentual, por exemplo, 100% para um pneu novo, 75% e 50% para um desgaste intermediário do pneu e 25% para um pneu gasto. Os referidos percentuais são proporcionados meramente como um exemplo e quaisquer percentuais podem ser usados. O modelo de aprendizado de máquina 3070 não tem qualquer restrição de velocidade constante, tal como o modelo geométrico 3060 ou qualquer outra condição ou limitação a ser respeitada.
[064] O valor de desgaste da banda de rodagem do pneu estimado é emitido para a chave 3080. A chave 3080 pode ser uma chave lógica que é configurada para controlar onde o valor estimado da banda de rodagem do pneu é gerado, por exemplo, o modelo geométrico 3060 pode proporcionar o valor estimado da banda de rodagem do pneu a um usuário final por toda a vida dos primeiros pneus do equipamento enquanto o modelo de aprendizado de máquina 3070 pode proporcionar o valor estimado da banda de rodagem do pneu para o usuário final após a primeira troca de pneu. A chave 3080 é também configurada para transmitir o valor estimado da banda de rodagem do pneu para a tela 3030. A tela 3030 pode ser uma tela integrada ao veículo, um dispositivo móvel, um tablet, um PDA, um computador desktop, um computador laptop ou qualquer dispositivo adequado. Exemplos de tela integrada aos veículos incluem e não são limitados a uma tela do painel de instrumentos, uma tela de navegação por satélite, um sistema de visualização frontal ou uma combinação dos mesmos.
[065] A Figura 4 é um diagrama de um exemplo de tela 4000 do sistema de comunicação de veículo. Como mostrado na Figura 4, a tela 4000 inclui uma ilustração gráfica do veículo 4010. A tela 4000 também inclui representações gráficas de cada um dos pneus do veículo. Por exemplo, o pneu 4020 é mostrado em uma posição dianteira esquerda, o pneu 4030 é mostrado em uma posição traseira esquerda, o pneu 4040 é mostrado em uma posição dianteira direita e o pneu 4050 é mostrado em uma posição traseira direita. Cada pneu pode incluir dados específicos para o pneu, por exemplo, uma pressão do pneu pode ser mostrada como um valor numérico, um valor estimado de desgaste do pneu pode ser indicado por uma cor ou uma combinação dos mesmos. O pneu 4020 é mostrado em pontilhado para indicar um status de desgaste do pneu em cor. Por exemplo, o pneu 4020 pode ser exibido em amarelo ou qualquer cor adequada para indicar que o status de desgaste do pneu é “intermediário”. O pneu 4040 é mostrado em sombreado para indicar um status de desgaste do pneu em cor. Por exemplo, o pneu 4040 pode ser exibido em vermelho ou qualquer cor adequada para indicar que o status de desgaste do pneu é “alto”. Os pneus 4030 e 4050 podem ser exibidos em verde ou qualquer cor adequada para indicar que o status de desgaste dos referidos pneus é “baixo”. Os esquemas de cor descritos aqui são meramente proporcionados como exemplos. Quaisquer esquemas de cores e graus variáveis de desgaste de pneu pode ser usado.
[066] A Figura 5 é um diagrama de fluxo de um exemplo de um método 5000 para uso em um sistema de comunicação de veículo configurado para estimar o desgaste da banda de rodagem do pneu de acordo com modalidades dessa descrição. O método 5000 mostrado na Figura 5 é um exemplo de modelo geométrico método usado nos sistemas de comunicações de veículo das Figuras 2 e 3. No referido exemplo, um veículo é equipado com um novo conjunto de pneus, isto é, primeiros pneus do equipamento. Uma vez que o veículo é ajustado em movimento, o módulo de controle transmite uma sinalização de início de calibração para o modelo geométrico. O modelo geométrico recebe a sinalização de calibração e começa a calcular o DRR de cada novo pneu.
[067] Para calcular o DRR de cada novo pneu, o modelo geométrico mede a velocidade do veículo em operação 5010. Em operação 5020, o modelo geométrico determina se a velocidade do veículo é constante. Se a velocidade do veículo é não constante, o modelo geométrico continua a medir a velocidade do veículo em operação 5010. Se a velocidade do veículo é constante em operação 5020, o modelo geométrico calcula o DRR de cada pneu em operação 5030. O modelo geométrico calcula o DRR em velocidade constante para cada pneu usando a Equação (1) abaixo:
Equação (1)
[068] Uma vez que o modelo geométrico completa o cálculo do DRR para cada pneu 5030, o modelo geométrico transmite a sinalização de aprendizado para o modelo de aprendizado de máquina. A partir desse momento em diante, o modelo geométrico calcula um DRR para cada pneu a cada vez que a velocidade do veículo for determinada ser constante. Na operação 5040, o modelo geométrico compara o DRR calculado para cada pneu com um DRR de referência e estima o valor de desgaste da banda de rodagem do pneu para cada pneu em operação 5050. O valor de desgaste da banda de rodagem do pneu para cada pneu é então emitido para o modelo de aprendizado de máquina e para o usuário em operação 5060. O valor de desgaste estimado da banda de rodagem para cada pneu pode ser emitido como um percentual como descrito acima.
[069] A Figura 6 é um diagrama de fluxo de um exemplo de um método 6000 para uso em um sistema de comunicação de veículo configurado para estimar o desgaste da banda de rodagem do pneu de acordo com modalidades dessa descrição. O método 6000 mostrado na Figura 6 é um exemplo de método de modelo de aprendizado de máquina usado nos sistemas de comunicações de veículo das Figuras 2 e 3.
[070] Em resposta ao recebimento da sinalização de aprendizado a partir do modelo geométrico, o modelo de aprendizado de máquina começa a coletar dados a partir dos sensores de veículo em operação 6010. O modelo de aprendizado de máquina usa os dados coletados a partir dos sensores de veículo e os dados emitidos a partir do modelo geométrico para marcar os exemplos de dados com um estado da banda de rodagem do pneu, por exemplo, usando aprendizado supervisionado. O modelo de aprendizado de máquina coleta e utiliza dados do sensor tal como ângulo do volante, velocidade da roda, aceleração longitudinal, pressão do freio e distância total, junto com os dados emitidos a partir do modelo geométrico para classificar o desgaste da banda de rodagem para cada pneu em operação 6020. Em algumas modalidades, o modelo de aprendizado de máquina pode não usar a velocidade do GPS, no entanto o melhor uso de outros sinais pode produzir contexto adicional para o sistema geral e aumenta a precisão final dos valores de desgaste estimado da banda de rodagem. A longo prazo, usar mais dados do sensor pode aumentar a saída e a precisão. Considerando que o modelo de aprendizado de máquina coleta dados continuamente, enquanto o modelo geométrico coleta dados em velocidade constante do veículo, uma interpolação dos rótulos pode ser realizada. O modelo de aprendizado de máquina pode usar um SVM multiclasse com um kernel radiano para determinar um valor de desgaste da banda de rodagem do pneu em um grupo, por exemplo 100%, 75%, 50% ou 25%.
[071] Na operação 6030, o modelo de aprendizado de máquina treina o conjunto de dados. O conjunto de dados de treinamento pode incluir 75% de todo o conjunto de dados e 25% deste conjunto de dados pode ser definido para teste. Após a conclusão do treinamento do conjunto de dados na operação 6030, o modelo de aprendizado de máquina realiza uma validação cruzada dos dados na operação 6040. Em algumas modalidades, a validação cruzada pode ser uma validação cruzada de 10 vezes. Uma vez que o classificador foi treinado, uma inferência pode ser extraída do modelo de aprendizado de máquina nos dados mais recentes para determinar um valor estimado da banda de rodagem do pneu e o modelo de aprendizado de máquina é atualizado na operação 6050.
[072] O módulo de controle engatilha o sistema durante a partida inicial e quando a primeira troca de pneu ocorre. Por exemplo, uma vez que o sistema é usado quando não só o veículo, mas também os pneus são novos, o módulo de controle transmite a sinalização de início de calibração tão logo o veículo é enviado para o condutor na concessionária. No referido exemplo, o procedimento é completamente automático e contínuo a partir da perspectiva do condutor.
[073] Para que o sistema acione o primeiro sinalizador de mudança de pneu, o módulo de controle pode monitorar continuamente a produção estimada de desgaste da banda de rodagem do pneu para cada pneu. Quando uma descontinuidade com um valor absoluto de 50% ou mais é determinada na saída, o módulo de controle determina que um pneu foi trocado e transmite a primeira sinalização de troca de pneu.
[074] Em algumas modalidades, quando uma rotação do pneu é realizada, o sistema pode gerar um aviso para indicar uma nova posição do pneu e a estimativa do pneu pode continuar sem interrupção. Devido à natureza do sistema, o cálculo em tempo real pode ser realizado integrado a um veículo, em um ambiente de nuvem ou em uma combinação dos dois. Em algumas modalidades, um cálculo integrado onde todo o processamento é realizado pode ser exibido em uma tela de multimídia. Em um exemplo baseado em nuvem, onde parte ou todo o processamento é realizado na nuvem, a saída pode ser exibida em uma tela multimídia do veículo ou um dispositivo móvel, como um smartphone. Em algumas modalidades, o modelo geométrico pode ser realizado a bordo do veículo enquanto o modelo de aprendizado de máquina é realizado na nuvem. Em algumas modalidades, o valor da pressão do pneu pode ser adicionado à determinação dos cálculos estimados de desgaste da banda de rodagem do pneu para o modelo geométrico, o modelo de aprendizado de máquina ou uma combinação dos mesmos.
[075] Algumas vantagens do sistema e métodos descritos neste documento incluem o seguinte. Por exemplo, o sistema e os métodos podem ser capazes de adotar uma abordagem de aprendizado de máquina híbrida com maior precisão sem a necessidade de sensores adicionais. Além disso, o sistema e os métodos aqui descritos são contínuos da perspectiva do usuário final, que não precisa interagir com o sistema ou medir manualmente a banda de rodagem do pneu. Após a fase de calibração, o sistema trabalha com altíssima precisão, desde que não haja alteração do tamanho do pneu. O sistema realiza inicialmente uma estimativa da banda de rodagem do pneu em velocidade constante e, uma vez que a primeira troca do pneu é realizada, os valores da banda de rodagem de cada pneu são determinados continuamente sem qualquer restrição de velocidade do veículo. O teste do modelo geométrico mostrou uma precisão aproximada de 91%. Uma vez que o modelo de aprendizado de máquina foi treinado, o teste mostrou uma precisão aproximada de 95%.
[076] Os aspectos, exemplos e implementações descritos acima foram descritos a fim de facilitar a fácil compreensão da descrição e não são limitantes. Pelo contrário, a descrição cobre várias modificações e arranjos equivalentes incluídos no escopo das reivindicações anexas, cujo escopo deve receber a interpretação mais ampla, conforme permitido pela lei, de modo a abranger todas essas modificações e arranjos equivalentes.

Claims (11)

1. Sistema de desgaste de banda de rodagem do pneu, CARACTERIZADO pelo fato de que compreende: uma pluralidade de sensores de veículo (1360, 2020, 3020); e um processador (1330) que compreende: um módulo de controle (2040) configurado para determinar um evento do pneu; um modelo geométrico configurado para coletar dados a partir da pluralidade de sensores de veículo (1360, 2020, 3020) para determinar um raio de rolagem dinâmica de um pneu e emitir a estimativa de desgaste da banda de rodagem com base no raio de rolagem dinâmica do pneu; um modelo de aprendizado de máquina (2060) configurado para coletar dados a partir da pluralidade de sensores de veículo (1360, 2020, 3020) e emitir a estimativa de desgaste da banda de rodagem com base em uma correlação da estimativa de desgaste da banda de rodagem emitida a partir do modelo geométrico e uma pluralidade de exemplos de dados com um estado da banda de rodagem do pneu; e uma chave lógica configurada para ativar o modelo geométrico e o modelo de aprendizado de máquina (2060).
2. Sistema de desgaste de banda de rodagem do pneu, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que o módulo de controle (2040) é configurado para ativar o modelo geométrico com base em uma determinação de que o evento do pneu é uma configuração inicial do pneu.
3. Sistema de desgaste de banda de rodagem do pneu, de acordo com a reivindicação 2, CARACTERIZADO pelo fato de que a chave lógica é configurada para ativar o modelo de aprendizado de máquina (2060) em uma condição de que o módulo de controle (2040) determina que o evento do pneu é uma troca de pneu.
4. Sistema de desgaste de banda de rodagem do pneu, de acordo com a reivindicação 3, CARACTERIZADO pelo fato de que a chave lógica é configurada para desativar o modelo geométrico.
5. Sistema de desgaste de banda de rodagem do pneu, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que o modelo geométrico é configurado para coletar dados em uma condição de que o veículo (1000) está em uma velocidade constante.
6. Sistema de desgaste de banda de rodagem do pneu, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que o modelo de aprendizado de máquina (2060) é configurado para coletar dados continuamente e independentemente a partir de uma velocidade do veículo (1000).
7. Sistema de desgaste de banda de rodagem do pneu, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que os dados coletados pelo modelo geométrico incluem dados do sistema de posicionamento global (GPS) e dados de velocidade da roda.
8. Sistema de desgaste de banda de rodagem do pneu, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que os dados coletados pelo modelo de aprendizado de máquina (2060) incluem pelo menos um de dados de velocidade da roda, dados de ângulo do volante, dados de pressão do freio, dados de aceleração longitudinal ou dados de distância total.
9. Sistema de desgaste de banda de rodagem do pneu, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que o modelo de aprendizado de máquina (2060) utiliza uma máquina de vetor de suporte multiclasse (SVM) com um núcleo radiano para prever o estado da banda de rodagem do pneu e classificar o estado da banda de rodagem do pneu em uma pluralidade de grupos.
10. Sistema de desgaste de banda de rodagem do pneu, de acordo com a reivindicação 9, CARACTERIZADO pelo fato de que um primeiro grupo da pluralidade de grupos é 100% de banda de rodagem restante, um segundo grupo da pluralidade de grupos é 75% de banda de rodagem restante, um terceiro grupo da pluralidade de grupos é 50% de banda de rodagem restante e um quarto grupo da pluralidade de grupos é 25% de banda de rodagem restante.
11. Sistema de desgaste de banda de rodagem do pneu, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que adicionalmente compreende: uma tela (2030) configurada para: receber a estimativa de desgaste da banda de rodagem do modelo geométrico e a estimativa de desgaste da banda de rodagem do modelo de aprendizado de máquina (2060); gerar uma visualização para o pneu com base na estimativa de desgaste da banda de rodagem do modelo geométrico e no modelo de aprendizado de máquina (2060); e exibir a visualização gerada para o pneu.
BR112020026387-7A 2018-06-28 2019-03-19 Sistema de desgaste de banda de rodagem do pneu BR112020026387B1 (pt)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/022,032 2018-06-28
US16/022,032 US10960712B2 (en) 2018-06-28 2018-06-28 Tire wear estimation using a hybrid machine learning system and method
PCT/US2019/022919 WO2020005346A1 (en) 2018-06-28 2019-03-19 Tire wear estimation using a hybrid machine learning system and method

Publications (2)

Publication Number Publication Date
BR112020026387A2 BR112020026387A2 (pt) 2021-03-23
BR112020026387B1 true BR112020026387B1 (pt) 2024-04-16

Family

ID=

Similar Documents

Publication Publication Date Title
US10960712B2 (en) Tire wear estimation using a hybrid machine learning system and method
US20200376927A1 (en) Artificial intelligence in conditioning or thermal management of electrified powertrain
US10935978B2 (en) Vehicle self-localization using particle filters and visual odometry
US11726474B2 (en) Vehicle path-planner monitor and controller
US10031523B2 (en) Method and system for behavioral sharing in autonomous vehicles
US11726189B2 (en) Real-time online calibration of coherent doppler lidar systems on vehicles
US20210018924A1 (en) Power management, dynamic routing and memory management for autonomous driving vehicles
US10031521B1 (en) Method and system for using weather information in operation of autonomous vehicles
US10551207B2 (en) Autonomous vehicle sensor data and map integration
US10845803B2 (en) Method and apparatus for simultaneous processing and logging of automotive vision system with controls and fault monitoring
US10818110B2 (en) Methods and systems for providing a mixed autonomy vehicle trip summary
US11636077B2 (en) Methods, devices, and systems for processing sensor data of vehicles
US20200039523A1 (en) Vehicle control system using nonlinear dynamic model states and steering offset estimation
US11567211B2 (en) Systems and methods for estimating vehicle speed based on radar
WO2019126551A1 (en) Intelligent trip prediction in autonomous vehicles
US11820255B2 (en) Predictive regenerative braking
US20210206395A1 (en) Methods and systems to enhance safety of bi-directional transition between autonomous and manual driving modes
US11647164B2 (en) Methods and systems for camera sharing between autonomous driving and in-vehicle infotainment electronic control units
US20190372750A1 (en) Systems and methods of controlling synchronicity of communication within a network of devices
US10556596B2 (en) Driver scoring and safe driving notifications
EP4196892A1 (en) Systems and methods for object detection in autonomous vehicles
BR112020026387B1 (pt) Sistema de desgaste de banda de rodagem do pneu
US20210206288A1 (en) Optimization of battery pack size using swapping