CN112976956A - 评估轮胎状况的方法 - Google Patents
评估轮胎状况的方法 Download PDFInfo
- Publication number
- CN112976956A CN112976956A CN202011499447.XA CN202011499447A CN112976956A CN 112976956 A CN112976956 A CN 112976956A CN 202011499447 A CN202011499447 A CN 202011499447A CN 112976956 A CN112976956 A CN 112976956A
- Authority
- CN
- China
- Prior art keywords
- tire
- data
- condition
- sensor
- vehicle
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C11/00—Tyre tread bands; Tread patterns; Anti-skid inserts
- B60C11/24—Wear-indicating arrangements
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60B—VEHICLE WHEELS; CASTORS; AXLES FOR WHEELS OR CASTORS; INCREASING WHEEL ADHESION
- B60B11/00—Units comprising multiple wheels arranged side by side; Wheels having more than one rim or capable of carrying more than one tyre
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60B—VEHICLE WHEELS; CASTORS; AXLES FOR WHEELS OR CASTORS; INCREASING WHEEL ADHESION
- B60B37/00—Wheel-axle combinations, e.g. wheel sets
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C23/00—Devices for measuring, signalling, controlling, or distributing tyre pressure or temperature, specially adapted for mounting on vehicles; Arrangement of tyre inflating devices on vehicles, e.g. of pumps or of tanks; Tyre cooling arrangements
- B60C23/02—Signalling devices actuated by tyre pressure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C11/00—Tyre tread bands; Tread patterns; Anti-skid inserts
- B60C11/24—Wear-indicating arrangements
- B60C11/246—Tread wear monitoring systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C23/00—Devices for measuring, signalling, controlling, or distributing tyre pressure or temperature, specially adapted for mounting on vehicles; Arrangement of tyre inflating devices on vehicles, e.g. of pumps or of tanks; Tyre cooling arrangements
- B60C23/02—Signalling devices actuated by tyre pressure
- B60C23/04—Signalling devices actuated by tyre pressure mounted on the wheel or tyre
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C23/00—Devices for measuring, signalling, controlling, or distributing tyre pressure or temperature, specially adapted for mounting on vehicles; Arrangement of tyre inflating devices on vehicles, e.g. of pumps or of tanks; Tyre cooling arrangements
- B60C23/06—Signalling devices actuated by deformation of the tyre, e.g. tyre mounted deformation sensors or indirect determination of tyre deformation based on wheel speed, wheel-centre to ground distance or inclination of wheel axle
- B60C23/064—Signalling devices actuated by deformation of the tyre, e.g. tyre mounted deformation sensors or indirect determination of tyre deformation based on wheel speed, wheel-centre to ground distance or inclination of wheel axle comprising tyre mounted deformation sensors, e.g. to determine road contact area
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C23/00—Devices for measuring, signalling, controlling, or distributing tyre pressure or temperature, specially adapted for mounting on vehicles; Arrangement of tyre inflating devices on vehicles, e.g. of pumps or of tanks; Tyre cooling arrangements
- B60C23/06—Signalling devices actuated by deformation of the tyre, e.g. tyre mounted deformation sensors or indirect determination of tyre deformation based on wheel speed, wheel-centre to ground distance or inclination of wheel axle
- B60C23/065—Signalling devices actuated by deformation of the tyre, e.g. tyre mounted deformation sensors or indirect determination of tyre deformation based on wheel speed, wheel-centre to ground distance or inclination of wheel axle by monitoring vibrations in tyres or suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/02—Tyres
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/02—Tyres
- G01M17/025—Tyres using infrasonic, sonic or ultrasonic vibrations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Mechanical Engineering (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Tires In General (AREA)
Abstract
提供了用于评估轮胎的状况的方法。该轮胎支撑车辆并安装在车轮上。车轮可旋转地安装在轴上。传感器安装在轮胎、车轮、轴和制动系统的部件中的至少一个上。通过传感器测量振动数据。将数据从传感器传输到处理器,并且处理数据。归一化处理的数据,并且将归一化的数据和预处理的数据中的至少一个输入到机器学习模型中。生成轮胎的状况评估,该状况评估包括轮胎的胎面深度、轮胎的压力和双轮胎不匹配中的至少一个。
Description
技术领域
本发明总体上涉及轮胎监测系统。更具体地,本发明涉及预测或评估轮胎状况(诸如磨损和压力)的系统。本发明涉及通过感测振动数据并通过机器学习技术分析数据而评估轮胎状况的方法,该轮胎状况包括胎面深度或磨损状态、压力和双轮胎不匹配。
背景技术
轮胎包括有利于监测和评估的多种状况,特别是当轮胎老化时。这样的状况包括轮胎磨损、轮胎压力和双轮胎不匹配。
轮胎磨损在诸如安全性、可靠性和性能的车辆因素中起重要作用。随着轮胎的磨损,胎面和失去材料,并直接影响这样的车辆因素。因此,期望监测和/或测量轮胎的胎面深度,该胎面深度与轮胎经历的磨损的量直接相关联。应当理解的是,为了方便的目的,将使用术语“胎面深度”,其指示轮胎的磨损程度。
监测和/或测量胎面深度的一个方式是通过使用设置在轮胎胎面中的传感器,这被称为直接方法或方式。例如,传感器嵌入在胎面中,并且当胎面深度随着轮胎磨损而减小时,传感器的电特性(诸如电阻)改变。一些现有技术将电特性的改变与从胎面失去的材料相关联,而其他技术则将电特性的改变与留在胎面上的材料深度相关联。从安装在轮胎上的传感器测量轮胎深度的直接方式存在多个挑战。将传感器放置在未硫化轮胎或生胎中,然后在高温下固化可造成传感器损坏。此外,在满足轮胎数百万转的要求时,传感器的耐用性证明可是成问题的。此外,在直接测量方式中的传感器必须足够小,以免在轮胎高速旋转时引起任何均匀性问题。最后,传感器可是昂贵的,并且显着增加了轮胎的成本。
由于这样的挑战,已经开发了替代方式,其包括在轮胎的寿命期间对胎面深度的预测,包括对胎面深度或轮胎磨损状态的间接评估。由于缺乏最优预测技术,在现有技术中这些替代方式存在某些缺点,这降低了胎面深度或磨损预测的准确性和/或可靠性。例如,许多这样的技术涉及不容易获取的数据或信息,或是并非在所有驾驶状况下都准确的数据。
关于轮胎压力,将充气轮胎充空气到建议的充气压力。然而,充气轮胎由于被钉子和其他尖锐物体刺穿、温度改变和/或空气通过轮胎自身的扩散而遭受气压损失。这样的压力损失可导致降低的燃料经济性、轮胎寿命和/或轮胎性能。
已经开发了轮胎压力监测系统(TPMS),TPMS是自动系统,当车辆轮胎中的气压下降到预定水平以下时,TPMS向驾驶员和/或中央系统发出警报。这样的系统经常在每个轮胎中采用昂贵的传感器。而且,TPMS传感器可难以安装,并且因此可安装不正确,这导致传感器的测量不准确。此外,一些传感器发生准确性和/或可靠性降低,这继而不期望地降低了由系统生成的压力评估。
此外,某些车辆(诸如重型车辆)配备有双轮胎,其中在轴的每个端部上安装有一对轮胎安,即在轴上总共有四个轮胎。期望的是每对中的两个轮胎是彼此匹配的以优化轮胎的寿命和性能。例如,轮胎应具有相同的尺寸、相同的外直径、具有大致相同的充气压力和/或大致相同的胎面深度。当每对中的两个轮胎的尺寸不相同、外直径不相同、不具有大致相同的充气压力或不具有大致相同的胎面深度时,就会发生不匹配。这样的不匹配被称为双轮胎不匹配,并且可不期望地降低该对轮胎中的一个或两个轮胎的寿命和/或性能。
因此,在本领域中需要一种方法,该方法准确地且可靠地评估轮胎状况,包括胎面深度、压力和双轮胎不匹配。
发明内容
根据本发明的示例性实施例的方面,提供了用于评估轮胎状况的方法。该轮胎支撑车辆并安装在车轮上,该车轮可旋转地安装在轴上。方法包括将传感器安装在轮胎、车轮、轴和制动系统的部件中的至少一个上的步骤。通过传感器测量振动数据。将数据从传感器传输到处理器。在处理器中处理数据,并且将处理的数据归一化。将归一化的数据和预处理的数据中的至少一个输入到机器学习模型中。生成关于轮胎的状况评估,其包括轮胎的胎面深度、轮胎的压力和双轮胎不匹配中的至少一个。
本发明还提供了以下技术方案:
1. 一种用于评估支撑车辆并安装在车轮上的轮胎的状况的方法,所述车轮可旋转地安装在轴上,其特征在于,所述方法包括以下步骤:
将传感器安装在所述轮胎、所述车轮、所述轴和制动系统的部件中的至少一个上;
通过所述传感器测量振动数据;
将所述数据从所述传感器传输到处理器;
在所述处理器中处理所述数据;
归一化处理的数据;
将归一化的数据和预处理的数据中的至少一个输入到机器学习模型中;并且
生成所述轮胎的状况评估,其中,所述状况评估包括所述轮胎的胎面深度、所述轮胎的压力和双轮胎不匹配中的至少一个。
根据方案1所述的用于评估轮胎状况的方法,其特征在于,所述传感器是加速度计。
根据方案1所述的用于评估轮胎状况的方法,其特征在于,所述传感器是第一传感器,并且所述方法还包括以下步骤:
将第二传感器安装在所述轮胎、所述车轮、所述轴和所述制动系统的部件中的至少一个上;并且
通过所述第二传感器测量振动数据。
根据方案3所述的评估轮胎状况的方法,其特征在于,所述第二传感器是声学传感器。
根据方案1所述的用于评估轮胎状况的方法,其特征在于,将所述测量的数据传输到处理器的所述步骤包括将所述数据无线地传输到远程处理器。
根据方案1所述的用于评估轮胎状况的方法,其特征在于,所述处理器安装在所述车辆上并且电连接到所述车辆的电子控制系统。
根据方案1所述的用于评估轮胎状况的方法,其特征在于,归一化所述测量的数据的步骤包括减去线性趋势并归一化为单位方差。
根据方案1所述的用于评估轮胎状况的方法,其特征在于,还包括从在归一化所述处理的数据的步骤中生成的数据计算功率谱密度的步骤,并且在将所述归一化的数据和预处理的数据中的至少一个输入到机器学习模型中的步骤包括将来自所述功率谱密度计算的数据输入到深度学习模型中。
根据方案8所述的用于评估轮胎状况的方法,其特征在于,所述深度学习模型是卷积神经网络。
根据方案1所述的用于评估轮胎状况的方法,其特征在于,还包括从在归一化所述处理的数据的步骤中生成的数据计算功率谱密度的步骤,并且在将所述归一化的数据和预处理的数据中的至少一个输入到机器学习模型中的步骤包括将来自所述功率谱密度计算的数据输入到支持向量机算法中。
根据方案1所述的用于评估轮胎状况的方法,其特征在于,还包括为所述轮胎提供识别信息的步骤。
根据方案1所述的用于评估轮胎状况的方法,其特征在于,还包括将所述状况评估与所述轮胎的历史状况进行比较以获取最终预测胎面深度的步骤。
根据方案1所述的用于评估轮胎状况的方法,其特征在于,还包括基于所述车辆的状态对所述状况评估进行分类的步骤。
根据方案13所述的用于评估轮胎状况的方法,其特征在于,基于所述车辆的状态对所述状况评估进行分类的步骤包括确定所述车辆是否移动以及所述车辆是否静止中的至少一个。
根据方案1所述的用于评估轮胎状况的方法,其特征在于,还包括将天气状况、道路状况和车辆速度中的至少一个输入到所述机器学习模型中的步骤。
根据方案1所述的用于评估轮胎状况的方法,其特征在于,还包括将所述状况评估通信到所述车辆的至少一个控制系统、所述车辆的操作者和远程管理中心中的至少一个的步骤。
根据方案1所述的用于评估轮胎状况的方法,其特征在于,还包括以下步骤:将所述状况评估与预定极限进行比较,并且如果所述状况评估不满足所述预定极限,则向所述车辆的至少一个控制系统、所述车辆的操作者和远程管理中心中的至少一个传输通知。
根据方案17所述的用于评估轮胎的状况的方法,其特征在于,生成所述轮胎的状况评估的步骤包括,当在一对双轮胎中的每个轮胎的轮胎胎面深度评估之间的差异超过预定阈值时,识别胎面深度双轮胎不匹配。
根据方案17所述的用于评估轮胎的状况的方法,其特征在于,生成所述轮胎的状况评估的步骤包括,当在一对双轮胎中的每个轮胎的轮胎压力评估之间的差异超过预定阈值时,识别压力双轮胎不匹配。
附图说明
将以示例的方式并参考附图描述本发明,其中:
图1是带有轮胎的车辆的示意性侧视图,该轮胎采用了本发明的评估轮胎状况的方法的示例性实施例;
图2是图1中示出的车辆和双轮胎构造的部分的放大透视图;
图3是图1中示出的轮胎和车轮的局部剖视的示意性透视图;
图4是安装在轴上的图1中示出的轮胎和车轮的部分的平面图;
图5是示出随着轮胎磨损振动频率的移位的曲线图;
图6是示出根据本发明的评估轮胎状况的方法的示例性步骤,输入到机器学习算法中以生成预测的轮胎振动的时域信号的总体流程图;
图7是在本发明的评估轮胎状况的方法中可采用的可选的深度学习模型的方面的示意性表示;
图8是在本发明的评估轮胎状况的方法中可采用的可选的支持向量机模型的方面的示意性表示;
图9是在本发明的评估轮胎状况的方法中可采用的计算结构的示意性表示;以及
图10是示出本发明的评估轮胎状况的方法的示例性步骤的流程图。
在所有附图中,相似的附图标记指示相似的部分。
具体实施方式
定义
“轴向的(axial)”和“轴向地(axially)”是指平行于轮胎的旋转轴线的线或方向。
“CAN总线(CAN bus)”或“CAN总线系统(CAN bus system)”是控制器区域网络系统的缩写,其是设计用于允许微控制器和设备在车辆内相互通信而无需主机的车辆总线标准。CAN总线是基于消息的协议,专门设计用于车辆应用。
“周向的(circumferential)”表示沿着与轴向方向垂直的环形胎面表面的周长延伸的线或方向。
“赤道中心平面(CP)”表示垂直于轮胎的旋转轴线并且穿过胎面中心的平面。
“印迹(footprint)”表示当轮胎旋转或滚动时,由轮胎胎面与平坦表面生成的接触印痕或接触面积。
“内侧面(inboard side)”表示当轮胎安装在车轮上并且车轮安装在车辆上时最靠近车辆的轮胎侧面。
“横向(lateral)”表示轴向方向。
“侧边(lateral edges)”表示,如在标准负荷和轮胎充气情况下测量的,与轴向最外胎面接触印痕或轮胎印迹相切的线,这些线平行于赤道中心平面。
“净接触面积(net contact area)”表示在围绕轮胎的胎面的整个圆周的侧边之间的接地胎面元件的总面积除以在侧边之间的整个胎面的总面积。
“外侧面(outboard side)”表示当轮胎安装在车轮并且车轮安装在车辆上时最远离车辆的轮胎侧面。
“径向的(radial)”和“径向地(radially)”表示径向地朝着或远离轮胎的旋转轴线的方向。
“胎面元件(tread element)”或“牵引元件(traction element)”表示由具有相邻花纹沟(groove)的形状限定的块元件。
“胎面弧宽(tread arc width)”表示如在胎面的侧边之间测量的轮胎的胎面的弧长度。
本发明的具体描述
本发明的评估轮胎状况的方法的示例性实施例以10指示并示出在图1至10中。评估轮胎状况的方法10试图克服通过直接测量来测量轮胎状况的现有技术方法带来的挑战,所述轮胎状况包括胎面深度、压力和双轮胎不匹配。由此,在本文中主题方法被称为“间接”状况评估方法。
特别参考图1,采用方法10以评估支撑车辆14的一个或多个轮胎12的某些状况,这些状况将在下文中描述。虽然将车辆14描绘为商用卡车,但是本发明不限制于此。本发明的原理可应用中其他车辆类别中,诸如乘用车、越野车辆等,其中车辆可由比图1中示出的更多或更少的轮胎支撑。
额外参考图2,车辆14可包括双轮胎构造。双轮胎构造包括一对轮胎12A和12B,该轮胎12A和12B彼此相邻地安装在轴18的相应端部上(图4)。
转到图3,轮胎12包括一对胎圈区域16,一对胎圈区域16中的每一个形成有胎圈芯。一对侧壁20中的每一个从相应的胎圈区域16径向地向外延伸至接地的胎面22。胎面22形成有多个胎面元件24,这些胎面元件24由在周向的、横向的和/或成角度的方向上延伸的花纹沟26间隔开。如本领域技术人员已知的,轮胎12由胎体28加强,胎体28从一个胎圈区域16环形地延伸到另一胎圈区域。内衬30形成在胎体28的内表面或内里表面上。如本领域中已知的,轮胎10安装在车轮32上,并且在安装时限定腔34。以本领域技术人员已知的方式,每个车轮32可旋转地安装在相应的轴18上(图4)。
如图3和图4中示出的,第一传感器38安装到车轮32、轮胎12、车轮的内侧的轴18的端部36、或安装到邻近轮胎的车辆制动系统的部件。第一传感器38可安装到车轮32的外侧或内侧表面、安装到轮胎12的内部表面或外部表面、安装到轴18的内部表面或外部表面、或安装到附接到盘式基础制动器的框架或鼓式基础制动器的凸轮管。第一传感器38优选地是加速度计,其是测量与车轮32和/或轮胎12的振动相关的加速力的机电传感器。优选地,加速度计38至少测量车轮32的竖直加速度,这产生振动数据。更优选地,加速度计38测量轮32的竖直、横向和纵向加速度以产生振动数据。可采用多于一个的加速度计38,其中加速度计设置在轮胎12、车轮32和/或轴18上的不同位置中。
可选地,邻近第一传感器38安装第二传感器40。第二传感器可安装到车轮32、轮胎12、车轮的内侧的轴18的端部36、或安装到邻近轮胎的车辆制动系统的部件。第二传感器40可安装到车轮32的外侧或内侧表面、安装到轮胎12的内部表面或外部表面、安装到轴18的内部表面或外部表面、或安装到附接到盘式基础制动器的框架或鼓式基础制动器的凸轮管。第二传感器40可与第一传感器38安装到相同的表面,或者安装到靠近第一传感器安装于其上的表面的不同表面。
第二传感器40优选地是声学传感器,其可是麦克风或其他已知类型的传感器,用于在车辆14的运行期间当轮胎14和/或车轮32旋转时收集轮胎14和/或车轮32的声学信号数据。当采用第二传感器40时,来自声学传感器40的声学信号数据产生振动数据,该振动数据补充来自加速度计38的振动数据。
如示出的,传感器38和40可是分开的单元,或者可集成到单个单元中。另外,传感器38和40中的一个或两个可集成到轮胎压力监测系统(TPMS)传感器中,该轮胎压力监测系统传感器是用于测量轮胎的腔34中的温度和压力的传感器,并且其可安装到内衬30或安装到轮胎12的另一部件或安装到车轮32。
额外参考图1,每个传感器38、40包括用于将感测或测量的数据传输到处理器42的装置。处理器42可是安装在车辆14上的本地设置的处理器,在这种情况下,传输装置可包括在处理器和传感器38、40之间的有线连接或无线连接44。处理器42和传感器38、40还可电连接至车辆的电子控制系统(诸如车辆CAN总线),其允许在传感器和处理器之间的通信。
参考图9,处理器42可是远程处理器,在这种情况下,传输装置优选地包括电连接到每个传感器38、40的天线,用于将测量的数据无线传输到处理器。例如,每个传感器38、40可无线连接46到车载发射器48,该车载发射器48通过有线或无线连接52连接到互联网50。服务器54也通过有线或无线连接56连接到互联网50,并且服务器54包括处理器42和储存装置58或与处理器42和储存装置58电子通信,以执行评估轮胎状况的方法10的步骤。
转到图10,示出了评估轮胎状况的方法10的示例性步骤。该方法包括将加速度计38安装到车轮32、轮胎12、轴18、或安装到邻近轮胎的车辆制动系统的部件(步骤100)。当采用声学传感器40时,将声学传感器40安装到车轮32、轮胎12、轴18、或安装到邻近轮胎的车辆制动系统的部件(步骤102)。每个传感器38、40收集原始振动数据(步骤104)并且如上文描述地将数据传输到处理器42(步骤106)。
处理器42收集来自传感器38、40的数据并执行数据分析。更具体地,通过额外参考图5,可使用快速傅立叶变换62处理来自每个传感器38、40的原始振动数据60(步骤108)。快速傅立叶变换62是计算序列的离散傅立叶变换的算法,并且用于将来自传感器38、40的信号从其原始域转换为在频域或时域中的表示。
现在参考图6和10,在72处指示了所得的轮胎振动的时域信号的示例。使用机器学习技术74在处理器42上处理振动数据72以产生预测或评估76,如下文将更详细描述的那样。为了准备用于分析的振动数据72,通过减去线性趋势并将其归一化为单位方差对数据进行归一化(步骤110)。
一旦振动数据72已经归一化,优选地计算功率谱密度(PSD)78(步骤112),因为数据的功率谱密度提供了在机器学习技术74中的改进的处理。应理解的是,在步骤112中可采用通过PSD78的计算以外的振动数据72预处理。替代地,根据振动数据72,可不需要预处理,并且因此将不采用预处理。为了方便的目的,应参考PSD数据78的使用,并理解步骤112可涉及其他预处理技术或可不执行步骤112。
机器学习技术74包括将任何PSD数据78输入到机器学习模型80中(步骤114)。虽然可采用多种机器学习模型80,第一优选模型或技术是深度学习模型82,并且第二优选模型或技术是支持向量机(SVM)算法或模型84。深度学习82是擅长分析非结构化数据的机器学习模型或技术80,该非结构化数据包括振动数据72和任何对应的PSD数据78。深度学习82采用将特征构造、建模和预测结合到单个端到端系统中的算法,并且因此将非结构化数据减少为预测而优化的信息密集表示。
在评估轮胎状况的方法10中,用于深度学习82的优选的技术是卷积神经网络(CNN)86。CNN86采用多层神经网络。CNN86的层包括输入层、输出层和隐藏层,隐藏层包括多个卷积层、池化层、全连接层和归一化层。CNN86的方面的示例示出在图7中,图7示意性地说明了CNN的层。对应于振动数据72的PSD数据78的输入矢量88给送到连接的网络90。网络90生成轮胎状况的预测76。以这种方式,用数据训练CNN86以提供有效的预测76。
支持向量机算法(SVM)84是替代的机器学习模型或技术80。如图8中示出的,SVM84包括定位分类数据点94的超平面92。SVM分析84包括使用PSD数据78从相似数据点94生成轮胎状况的预测76。
返回图10,在步骤116中,机器学习模型80因此生成轮胎12的状况的预测76。然后基于预测76输出所得的评估96(步骤118)。
轮胎12的识别(ID)信息可提供在传感器38、40中的一个或两个的存储单元中,或者可储存在单独的单元中,该信息称为轮胎ID标签。轮胎ID信息传输到处理器42,以允许轮胎状况评估96与特定轮胎12相关联。这样的识别使得能够将评估96与轮胎12的历史状况数据进行比较(步骤120),以增加方法10的保真度或准确性。
例如,与处理器42通信的储存装置58(图9)可包括数据库,该数据库储存随时间的每个轮胎12的胎面深度的评估96。当机器学习模型80输出新的评估96时,在步骤120中,新的评估可与历史数据进行比较。新的评估96添加到回溯时间段内的历史评估,并通过组合历史时期内的所有评估而获取最终预测胎面深度130(步骤128)。此外,在步骤128中,当与近期历史数据比较时,如果新的评估96始终显示更高的胎面深度,则可得出已经更换了轮胎12的结论。
为了进一步提高方法10的保真度或准确性,可采用额外输入98。例如,天气状况98A可基于车辆14的地理位置从互联网50(图9)获取;道路状况98B可基于车辆的地理位置使用全球定位系统(GPS)从互联网获取,或者如本领域技术人员已知的从道路附着评估计算器获取;和/或车辆的速度98C可通过CAN总线系统从车速表或GPS计算获取。将一个或多个额外输入98通过处理器42提供给机器学习模型80。通过考虑这样的额外输入98,由模型80生成的评估96和/或最终预测胎面深度130的准确性进一步提高。
可选地,可基于车辆14的状态对评估96和/或最终预测胎面深度130分类(步骤124)。例如,可监测车辆14的状态。例如,在步骤124中,可确定车辆14是否正在移动,这是通过诸如通过CAN总线获取车速表信号或GPS计算。还可确定车辆14是否静止且怠速,或者静止且在其内部动力单元上运行,这是通过诸如通过CAN总线获取发动机接合和制动接合信号。通过根据车辆状态的额外标准对评估96和/或最终预测胎面深度130分类,由模型80生成的评估96和/或最终预测胎面深度130的准确性可进一步提高。
如上文描述的,因为处理器42可通过CAN总线电连接到车辆14的其他系统,最终预测胎面深度130可通信到车辆的其他控制系统,诸如防抱死制动系统(ABS)和/或电子稳定性控制系统(ESC),以提高这样的系统的性能。
另外,可在处理器42中将每个最终预测胎面深度130与预定极限进行比较。如果最终预测胎面深度130不满足预定极限,则可通过CAN总线或其他控制系统将通知传输到车辆14的操作者可见的显示器,传输到手持设备(诸如操作者的智能手机),和/或传输到远程管理中心。方法10因此可向车辆操作者或管理者提供通知或建议,即每个轮胎12的一个或多个状况不满足预定极限,由此使得能够采取适当的动作。
如图5中示出的,使用胎面深度作为特定轮胎状况评估96的示例,就轮胎12,具有减小的胎面深度70A、70B、70C和70D的振动频率66相对于时间68的曲线图64指示随着轮胎磨损或胎面深度减小在振动频率上的移位。振动频率66和胎面22的磨损(图3)之间的关系可用以下方程式表示:
其中,ω是振动频率,m t 是胎面22的质量,并且k t 是基于时间的常数。对于磨损的轮胎12,胎面的质量m t 的减小引起振动频率ω的向上移位。
返回图10,机器学习模型80在步骤114中采用振动频率和轮胎磨损或减小的胎面深度之间的关系,以在步骤116中生成轮胎12的胎面深度的预测76。在步骤118中输出所得的胎面深度的评估96。在模型80中可在步骤122中采用附加输入98,并且在步骤120中可进行与历史状况的比较,以及在步骤124中可进行基于车辆状态的分类。因此,所得的最终预测胎面深度130是可传输到车辆控制系统和/或车辆操作者的准确评估。
如上文描述的,评估96优选地与每个特定轮胎12的轮胎识别信息相关联。因此,如图2中示出的,当车辆14采用具有轮胎12A和12B的双轮胎构造时,评估轮胎状况的方法10可识别轮胎之间的不匹配。更具体地,在步骤126中,将第一轮胎12A的胎面深度评估96和/或最终预测胎面深度130与第二轮胎12B的胎面深度评估进行比较。如果评估96和/或最终预测胎面深度130中的差异超过预定阈值,则如上文描述的,可生成并传输不匹配通知。例如,在第一轮胎12A和第二轮胎12B之间,如果胎面深度评估96产生大于约一英寸的2/32的胎面深度上的差异,则可生成胎面深度不匹配通知。
机器学习模型80在步骤114中采用振动频率和压力之间的关系,以在步骤116中生成轮胎12的压力预测76。在步骤118中输出所得的轮胎压力的评估值96。在模型80中可在步骤122中采用额外输入98,并且可在步骤120中进行与历史状况的比较以获取最终预测胎面深度130,在步骤124中可基于车辆状态对最终预测胎面深度130进行分类。所得的最终预测胎面深度130因此是可传输到车辆控制系统和/或车辆操作者的准确评估。
在步骤126中,评估轮胎状况的方法10可识别双轮胎12A和12B之间的压力相关的不匹配。更具体地,在步骤126中,将第一轮胎12A的轮胎压力评估96与第二轮胎12B的轮胎压力评估进行比较。如果评估96中的差异超过预定阈值,则如上文描述的,可生成并传输不匹配通知。例如,在第一轮胎12A和第二轮胎12B之间,如果压力评估96产生大于约每平方英寸5磅的差异,则可生成压力不匹配通知。
可选地,评估轮胎状况的方法10可采用来自传感器38、40的振动数据以确定轮胎12、车轮32和/或车辆14的额外状况。例如,可根据上文描述的步骤处理来自传感器38、40的振动数据,以确定潜在的状况,包括一个或多个轮胎12的胎冠分离、不规则的轮胎磨损、轮胎接地点扁平化、车轮和/或轮胎的不平衡和/或潜在的制动部件问题。
以这种方式,本发明的评估轮胎状况的方法10,通过收集轮胎和/或车轮32的振动数据并通过机器学习技术74分析数据,提供了轮胎12的状况的评估96。本发明的评估轮胎状况的方法10准确且可靠地评估轮胎12的状况,包括胎面深度、压力和双轮胎不匹配。
应当理解,上文描述的轮胎状况评估系统的方法10可改变或重新布置,或者可省略或添加本领域技术人员已知的部件或步骤,而不影响本发明的整体概念或操作。例如,轮胎状况评估系统10可应用在任何类型的轮胎12上。
已经参考优选实施例描述了本发明。通过阅读和理解本说明书,其他人将可想到潜在的修改和改变。应当理解,所有这些修改和改变均包括如在所附权利要求或其等同限定的本发明的范围内。
Claims (10)
1.一种用于评估支撑车辆并安装在车轮上的轮胎的状况的方法,所述车轮可旋转地安装在轴上,其特征在于,所述方法包括以下步骤:
将传感器安装在所述轮胎、所述车轮、所述轴和制动系统的部件中的至少一个上;
通过所述传感器测量振动数据;
将所述数据从所述传感器传输到处理器;
在所述处理器中处理所述数据;
归一化处理的数据;
将归一化的数据和预处理的数据中的至少一个输入到机器学习模型中;并且
生成所述轮胎的状况评估,其中,所述状况评估包括所述轮胎的胎面深度、所述轮胎的压力和双轮胎不匹配中的至少一个。
2.根据权利要求1所述的用于评估轮胎状况的方法,其特征在于,所述传感器是加速度计。
3.根据权利要求1所述的用于评估轮胎状况的方法,其特征在于,所述传感器是第一传感器,并且所述方法还包括以下步骤:
将第二传感器安装在所述轮胎、所述车轮、所述轴和所述制动系统的部件中的至少一个上;并且
通过所述第二传感器测量振动数据。
4.根据权利要求3所述的评估轮胎状况的方法,其特征在于,所述第二传感器是声学传感器。
5.根据权利要求1所述的用于评估轮胎状况的方法,其特征在于,将所述测量的数据传输到处理器的所述步骤包括将所述数据无线地传输到远程处理器。
6.根据权利要求1所述的用于评估轮胎状况的方法,其特征在于,所述处理器安装在所述车辆上并且电连接到所述车辆的电子控制系统。
7.根据权利要求1所述的用于评估轮胎状况的方法,其特征在于,归一化所述测量的数据的步骤包括减去线性趋势并归一化为单位方差。
8.根据权利要求1所述的用于评估轮胎状况的方法,其特征在于,还包括从在归一化所述处理的数据的步骤中生成的数据计算功率谱密度的步骤,并且在将所述归一化的数据和预处理的数据中的至少一个输入到机器学习模型中的步骤包括将来自所述功率谱密度计算的数据输入到深度学习模型中。
9.根据权利要求1所述的用于评估轮胎状况的方法,其特征在于,还包括从在归一化所述处理的数据的步骤中生成的数据计算功率谱密度的步骤,并且在将所述归一化的数据和预处理的数据中的至少一个输入到机器学习模型中的步骤包括将来自所述功率谱密度计算的数据输入到支持向量机算法中。
10.根据权利要求1所述的用于评估轮胎状况的方法,其特征在于,还包括基于所述车辆的状态对所述状况评估进行分类的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962948880P | 2019-12-17 | 2019-12-17 | |
US62/948880 | 2019-12-17 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112976956A true CN112976956A (zh) | 2021-06-18 |
Family
ID=76345033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011499447.XA Pending CN112976956A (zh) | 2019-12-17 | 2020-12-17 | 评估轮胎状况的方法 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN112976956A (zh) |
AU (1) | AU2020286203A1 (zh) |
BR (1) | BR102020025719A2 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114559775A (zh) * | 2022-03-31 | 2022-05-31 | 中国第一汽车股份有限公司 | 一种汽车轮胎异常识别系统及识别方法 |
CN115711752A (zh) * | 2022-11-04 | 2023-02-24 | 广州小鹏汽车科技有限公司 | 轮胎磨损检测方法、装置、车辆及计算机可读存储介质 |
DE102022210221A1 (de) | 2022-09-27 | 2024-03-28 | Continental Reifen Deutschland Gmbh | Verfahren zur verbesserten Abschätzung der Profiltiefe von Fahrzeugreifen |
DE102022210222A1 (de) | 2022-09-27 | 2024-03-28 | Continental Reifen Deutschland Gmbh | Verfahren zur Abschätzung der Profiltiefe von Fahrzeugreifen bei Fahrzeugen mit Zwillingsbereifung |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7194066B2 (ja) * | 2019-03-29 | 2022-12-21 | Toyo Tire株式会社 | 演算モデル生成システム、摩耗量推定システムおよび演算モデル生成方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020108435A1 (en) * | 2001-01-19 | 2002-08-15 | Klaus Hartmann | Method for measuring the tread depth of a tire |
EP2078624A2 (de) * | 2008-01-10 | 2009-07-15 | Robert Bosch GmbH | Reifendruckkontrollvorrichtung mit Beschleunigungserfassung durch den Reifendrucksensor |
CN101890878A (zh) * | 2009-04-11 | 2010-11-24 | 德国曼商用车辆股份公司 | 用于车辆、尤其用于商用车辆的车轴结构 |
CN106080055A (zh) * | 2016-07-29 | 2016-11-09 | 济南三元卡车节能技术有限公司 | 一种车辆双轮胎压力平衡器 |
CN107000504A (zh) * | 2014-12-22 | 2017-08-01 | 大陆汽车有限公司 | 用于确定作用在车辆的轮胎上的车轮负载的方法和系统 |
CN206493797U (zh) * | 2017-02-24 | 2017-09-15 | 刘燕 | 一种双胎型汽车轮胎在线自动充气系统 |
US20180003593A1 (en) * | 2016-06-30 | 2018-01-04 | Massachusetts lnstitute of Technology | Applying motion sensor data to wheel imbalance detection, tire pressure monitoring, and/or tread depth measurement |
CN108688414A (zh) * | 2017-04-07 | 2018-10-23 | 通用汽车环球科技运作有限责任公司 | 基于道路振动数据和轮胎胎面凹槽深度确定轮胎剩余寿命的方法和设备 |
CN108712972A (zh) * | 2016-03-09 | 2018-10-26 | 米其林集团总公司 | 车辆集成预期胎面寿命指示系统 |
-
2020
- 2020-12-08 AU AU2020286203A patent/AU2020286203A1/en active Pending
- 2020-12-16 BR BR102020025719-6A patent/BR102020025719A2/pt not_active IP Right Cessation
- 2020-12-17 CN CN202011499447.XA patent/CN112976956A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020108435A1 (en) * | 2001-01-19 | 2002-08-15 | Klaus Hartmann | Method for measuring the tread depth of a tire |
EP2078624A2 (de) * | 2008-01-10 | 2009-07-15 | Robert Bosch GmbH | Reifendruckkontrollvorrichtung mit Beschleunigungserfassung durch den Reifendrucksensor |
CN101890878A (zh) * | 2009-04-11 | 2010-11-24 | 德国曼商用车辆股份公司 | 用于车辆、尤其用于商用车辆的车轴结构 |
CN107000504A (zh) * | 2014-12-22 | 2017-08-01 | 大陆汽车有限公司 | 用于确定作用在车辆的轮胎上的车轮负载的方法和系统 |
CN108712972A (zh) * | 2016-03-09 | 2018-10-26 | 米其林集团总公司 | 车辆集成预期胎面寿命指示系统 |
US20180003593A1 (en) * | 2016-06-30 | 2018-01-04 | Massachusetts lnstitute of Technology | Applying motion sensor data to wheel imbalance detection, tire pressure monitoring, and/or tread depth measurement |
CN106080055A (zh) * | 2016-07-29 | 2016-11-09 | 济南三元卡车节能技术有限公司 | 一种车辆双轮胎压力平衡器 |
CN206493797U (zh) * | 2017-02-24 | 2017-09-15 | 刘燕 | 一种双胎型汽车轮胎在线自动充气系统 |
CN108688414A (zh) * | 2017-04-07 | 2018-10-23 | 通用汽车环球科技运作有限责任公司 | 基于道路振动数据和轮胎胎面凹槽深度确定轮胎剩余寿命的方法和设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114559775A (zh) * | 2022-03-31 | 2022-05-31 | 中国第一汽车股份有限公司 | 一种汽车轮胎异常识别系统及识别方法 |
DE102022210221A1 (de) | 2022-09-27 | 2024-03-28 | Continental Reifen Deutschland Gmbh | Verfahren zur verbesserten Abschätzung der Profiltiefe von Fahrzeugreifen |
DE102022210222A1 (de) | 2022-09-27 | 2024-03-28 | Continental Reifen Deutschland Gmbh | Verfahren zur Abschätzung der Profiltiefe von Fahrzeugreifen bei Fahrzeugen mit Zwillingsbereifung |
EP4344905A1 (de) | 2022-09-27 | 2024-04-03 | Continental Reifen Deutschland GmbH | Verfahren zur abschätzung der profiltiefe von fahrzeugreifen bei fahrzeugen mit zwillingsbereifung |
CN115711752A (zh) * | 2022-11-04 | 2023-02-24 | 广州小鹏汽车科技有限公司 | 轮胎磨损检测方法、装置、车辆及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
AU2020286203A1 (en) | 2021-07-01 |
BR102020025719A2 (pt) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3838628B1 (en) | Method of estimating tire conditions | |
US10809742B2 (en) | System and method for tire sensor-based autonomous vehicle fleet management | |
CN112976956A (zh) | 评估轮胎状况的方法 | |
US11548324B2 (en) | Tire wear state estimation system and method employing footprint length | |
US20170129498A1 (en) | Tire sensor-based robust mileage tracking system and method | |
US11498371B2 (en) | Tire data information system | |
US9963146B2 (en) | Tire lift-off propensity predictive system and method | |
US11644386B2 (en) | Tire wear state estimation system and method | |
CN112440629B (zh) | 用于提取轮胎特性的变化的方法 | |
US11827229B2 (en) | Method for estimating tire grip | |
US11981163B2 (en) | Tire wear state estimation system and method employing footprint shape factor | |
US20160161373A1 (en) | Tire lift-off propensity predictive system and method | |
EP3960505B1 (en) | Tire wear state estimation system and method | |
US20230173852A1 (en) | Tire irregular wear detection system and method | |
EP3957501A1 (en) | Tire high temperature forecasting system and method | |
CN115519942A (zh) | 轮胎更换预估系统和方法 | |
EP4140838A1 (en) | Road condition monitoring system and method | |
CN118182021A (zh) | 利用印迹长度自动定位轮胎的系统 | |
CN115923409A (zh) | 用于轮胎的载荷估计系统 | |
CN117715771A (zh) | 用于实时估计轮胎滚动阻力的系统和方法 | |
CN118182018A (zh) | 利用车轮速度估计轮胎胎面深度的系统 | |
WO2023133051A1 (en) | Comprehensive tire health modeling and systems for the development and implementation thereof | |
CN115782473A (zh) | 用于轮胎的反向挠度载荷估计系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |