CN114103560A - 轮胎磨损状态估计系统 - Google Patents
轮胎磨损状态估计系统 Download PDFInfo
- Publication number
- CN114103560A CN114103560A CN202110988319.XA CN202110988319A CN114103560A CN 114103560 A CN114103560 A CN 114103560A CN 202110988319 A CN202110988319 A CN 202110988319A CN 114103560 A CN114103560 A CN 114103560A
- Authority
- CN
- China
- Prior art keywords
- tire
- wear state
- vehicle
- model
- rolling radius
- 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
- 238000005096 rolling process Methods 0.000 claims description 64
- 230000035945 sensitivity Effects 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 17
- 238000013459 approach Methods 0.000 description 6
- 239000011324 bead Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000013179 statistical model Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 125000002015 acyclic group Chemical group 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- 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
- B60C11/00—Tyre tread bands; Tread patterns; Anti-skid inserts
- B60C11/24—Wear-indicating arrangements
- B60C11/243—Tread wear sensors, e.g. electronic sensors
-
- 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
- B60C23/0408—Signalling devices actuated by tyre pressure mounted on the wheel or tyre transmitting the signals by non-mechanical means from the wheel or tyre to a vehicle body mounted receiver
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/12—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre models
-
- 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
-
- 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
- B60C19/00—Tyre parts or constructions not otherwise provided for
- B60C2019/004—Tyre sensors other than for detecting tyre pressure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Tires In General (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
Abstract
轮胎磨损状态估计系统。轮胎磨损状态估计系统包括支撑车辆的至少一个轮胎。传感器安装在轮胎上并且测量轮胎参数。至少一个传感器安装在车辆上并且测量车辆参数。多个子模型中的每一个接收来自轮胎安装的传感器的选择的轮胎参数和来自车辆安装的传感器的选择的车辆参数。子模型中的每一个生成子模型磨损状态估计，并且为子模型中的每一个确定模型可靠性。监督模型接收来自每个子模型的磨损状态估计和用于每个子模型的模型可靠性，并且生成用于轮胎的组合的磨损状态估计。
Description
技术领域
本发明总体上涉及轮胎监视系统。更特别地，本发明涉及预测轮胎磨损的系统。具体地，本发明涉及通过采用子模型并从由每个子模型生成的估计确定综合磨损状态以用于估计轮胎磨损状态的系统。
背景技术
轮胎磨损在诸如安全性、可靠性和性能等车辆因素中扮演重要角色。胎面磨损（其指从轮胎胎面的材料损失）直接影响这样的车辆因素。因此，期望的是监视和/或测量轮胎经历的胎面磨损量。为了方便起见，在本文中术语“胎面磨损”可与术语“轮胎磨损”互换使用。
监视和/或测量胎面磨损的一个途径是通过使用设置在轮胎胎面中的磨损传感器，这已被称为直接方法或途径。从轮胎安装的传感器测量轮胎磨损的直接途径面临多种挑战。将传感器放置在未固化或“生”轮胎中以然后在高温下固化可对磨损传感器造成损坏。另外，在满足轮胎数百万次轮转要求的方面，传感器耐用性证明可是成问题的。此外，直接测量途径中的磨损传感器须足够小，以免在轮胎高速旋转时引起任何均匀性问题。最后，磨损传感器可是昂贵的并且显著增加了轮胎的成本。
由于这样的挑战，已经开发了替代途径，其涉及在轮胎寿命期间预测胎面磨损，包括间接估计轮胎磨损状态。在现有技术中，由于缺乏优化的预测技术，这些替代途径已经出现了某些缺点，这继而降低了胎面磨损预测的准确性和/或可靠性。
现有技术的轮胎磨损间接估计包括基于特定轮胎行为和/或特性的确定的统计模型。例如，间接磨损估计已经基于：轮胎的滚动半径；轮胎的滑动；轮胎的摩擦能量；轮胎的振动；轮胎的侧偏刚度；轮胎的制动刚度；轮胎的印迹长度；以及诸如轮胎里程、天气、和轮胎构造的参数组合的分析。
这些技术中的每个提供了轮胎磨损状态的具体估计。然而，每个技术的可靠性可受外部参数（诸如天气、车辆位置、道路表面和道路粗糙度）中以及轮胎物理参数（诸如轮胎温度、车辆负载状态等）中的改变的影响。此外，通过基于轮胎操作环境以及伴随的外部和物理参数中的改变提供轮胎磨损的更准确和/或更可靠的估计，这些技术中的任何一个可表现得优于其他技术。在现有技术中，尚没有实时组合或评估每个单独技术的结果以达到优化磨损状态估计的方式。
因此，本领域中需要综合轮胎磨损状态估计系统，其提供比现有技术系统更准确并且更可靠的轮胎磨损状态的估计。
发明内容
根据本发明的示例性实施例的方面，提供了轮胎磨损状态估计系统。该系统包括支撑车辆的至少一个轮胎。传感器安装在轮胎上，并且轮胎安装的传感器测量轮胎参数。至少一个传感器安装在车辆上，并且车辆安装的传感器测量车辆参数。多个子模型中的每一个接收来自轮胎安装的传感器的选择的轮胎参数以及来自车辆安装的传感器的选择的车辆参数。多个子模型中的每一个生成相应的子模型磨损状态估计。为多个子模型中的每一个确定可靠性。监督模型接收子模型磨损状态估计和用于子模型的每一个的可靠性作为输入。监督模型生成用于轮胎的组合的磨损状态估计。
本发明还提供了以下技术方案：
1. 一种轮胎磨损状态估计系统，其特征在于，其包括：
支撑车辆的至少一个轮胎；
安装在所述至少一个轮胎上的传感器，轮胎安装的传感器测量轮胎参数；
安装在所述车辆上的至少一个传感器，车辆安装的至少一个传感器测量车辆参数；
多个子模型，其中每个子模型接收来自所述轮胎安装的传感器的选择的轮胎参数和来自所述车辆安装的至少一个传感器的选择的车辆参数；
多个子模型磨损状态估计，所述子模型磨损状态估计中的每一个由所述多个子模型中的相应一个生成；
为所述多个子模型中的每一个确定模型可靠性；和
监督模型，所述监督模型接收所述多个子模型磨损状态估计和用于所述多个子模型中的每一个的所述模型可靠性作为输入，其中所述监督模型生成用于所述至少一个轮胎的组合的磨损状态估计。
2. 根据技术方案1所述的轮胎磨损状态估计系统，其特征在于，所述监督模型执行贝叶斯推断以确定在生成所述组合的磨损状态估计中在所述多个子模型上的概率分布。
3. 根据技术方案1所述的轮胎磨损状态估计系统，其特征在于，多个子模型包括基于滚动半径的磨损状态估计器。
4. 根据技术方案3所述的轮胎磨损状态估计系统，其特征在于，所述基于滚动半径的磨损状态估计器包括滚动半径计算器，并且所述滚动半径计算器接收所述选择的轮胎参数和所述选择的车辆参数以计算所述至少一个轮胎的滚动半径中的改变。
5. 根据技术方案3所述的轮胎磨损状态估计系统，其特征在于，用于所述基于滚动半径的磨损状态估计器的所述模型可靠性包括滚动半径可靠性评分函数，所述滚动半径可靠性评分函数对滚动半径灵敏度参数进行评分，以生成用于所述基于滚动半径的磨损状态估计器的模型可靠性评分。
6. 根据技术方案5所述的轮胎磨损状态估计系统，其特征在于，所述滚动半径灵敏度参数包括所述车辆的负载状态、充气压力条件、道路坡度状态、和全球定位系统状况中的至少一个。
7. 根据技术方案3所述的轮胎磨损状态估计系统，其特征在于，用于所述基于滚动半径的磨损状态估计器的所述模型可靠性是通过推断多个相关性生成的。
8. 根据技术方案7所述的轮胎磨损状态估计系统，其特征在于，所述多个相关性包括所述至少一个轮胎的滚动半径与所述车辆的里程的相关性、全球定位系统速度与所述车辆的车轮速度的相关性、在所述至少一个轮胎的滚动半径与车辆负载之间的相关性、以及所述车辆在其上行驶的道路的坡度的相关性中的至少一个。
9. 根据技术方案1所述的轮胎磨损状态估计系统，其特征在于，多个子模型包括基于滑动的磨损状态估计器。
10. 根据技术方案9所述的轮胎磨损状态估计系统，其特征在于，所述基于滑动的磨损状态估计器包括轮胎滑动计算器，并且所述轮胎滑动计算器接收所述选择的轮胎参数和所述选择的车辆参数以计算所述至少一个轮胎的所述滑动。
11. 根据技术方案9所述的轮胎磨损状态估计系统，其特征在于，用于所述基于滑动的磨损状态估计器的所述模型可靠性是通过基于滑动的可靠性评分函数计算的，所述基于滑动的可靠性评分函数对基于滑动的灵敏度参数进行评分。
12. 根据技术方案11所述的轮胎磨损状态估计系统，其特征在于，所述基于滑动的灵敏度参数包括所述车辆的负载状态、充气压力条件、全球定位系统状况、所述至少一个轮胎的环境温度、以及道路表面条件中的至少一个。
13. 根据技术方案3所述的轮胎磨损状态估计系统，其特征在于，用于所述基于滑动的磨损状态估计器的所述模型可靠性是通过多个相关性推断的。
14. 根据技术方案13所述的轮胎磨损状态估计系统，其特征在于，所述多个相关性包括在所述至少一个轮胎的滑动与所述车辆的里程之间的相关性、在全球定位系统速度与所述车辆的车轮速度之间的相关性、所述至少一个轮胎的滑动与所述至少一个轮胎的温度的相关性、所述车辆在其上行驶的道路的表面特征的相关性、以及所述车辆在其上行驶的道路的粗糙度的相关性中的至少一个。
15. 根据技术方案1所述的轮胎磨损状态估计系统，其特征在于，多个子模型包括基于摩擦能量的磨损状态估计器。
16. 根据技术方案15所述的轮胎磨损状态估计系统，其特征在于，所述基于摩擦能量的磨损状态估计器包括摩擦能量计算器，并且所述摩擦能量计算器接收所述选择的轮胎参数和所述选择的车辆参数以计算所述至少一个轮胎的摩擦能量。
17. 根据技术方案15所述的轮胎磨损状态估计系统，其特征在于，用于所述基于摩擦能量的磨损状态估计器的所述模型可靠性包括基于摩擦能量的可靠性评分函数，所述基于摩擦能量的可靠性评分函数对基于摩擦能量的灵敏度参数进行评分，以生成用于所述基于摩擦能量的磨损状态估计器的模型可靠性评分。
18. 根据技术方案17所述的轮胎磨损状态估计系统，其特征在于，所述基于摩擦能量的灵敏度参数包括所述至少一个轮胎的环境温度、道路表面条件、以及道路粗糙度条件中的至少一个。
19. 根据技术方案1所述的轮胎磨损状态估计系统，其特征在于，多个子模型包括基于振动的磨损状态估计器、基于侧偏刚度的磨损状态估计器、基于制动刚度的磨损状态估计器、基于印迹长度的磨损状态估计器、和基于包括轮胎里程、天气、和轮胎结构中的至少一个的参数组合的分析的轮胎磨损状态估计器中的至少一个。
20. 根据技术方案1所述的轮胎磨损状态估计系统，其特征在于，其还包括作为到所述监督模型中的输入接收的在先前时间步长时的所述至少一个轮胎的磨损状态的估计。
附图说明
将以示例的方式并参考所附附图描述本发明，其中：
图1是与本发明的轮胎磨损状态估计系统相关联地采用的车辆和配备传感器的轮胎的透视图，该轮胎部分地以剖面示出；
图2是图1中示出的车辆的示意性平面图；
图3是示出本发明的轮胎磨损状态估计系统的子模型的方面的流程图；
图4是本发明的轮胎磨损状态估计系统的第一示例性实施例的监督模型的示意图；
图5是本发明的轮胎磨损状态估计系统的第二示例性实施例的监督模型的示意图；以及
图6是图1中示出的车辆的示意性透视图，带有向基于云的服务器和显示设备的数据传输的表示。
在所有附图中，相似的附图标记指代相似的部分。
具体实施方式
定义
“轴向”和“轴向地”是指平行于轮胎的旋转轴线的线或方向。
“CAN”是控制器区域网络的缩写。
“周向”表示沿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”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。
“GPS”是全球定位系统的缩写。
“内侧面”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的侧面。
“横向”表示轴向方向。
“净接触面积”表示围绕胎面的整个圆周在横向边缘之间的接触地面的胎面元件的总面积除以在横向边缘之间的整个胎面的总面积。
“外侧面”表示当轮胎安装在车轮上并且车轮安装在车辆上时，最远离车辆的轮胎侧面。
“径向”和“径向地”表示径向地朝着或远离轮胎的旋转轴线的方向。
“肋”表示在胎面上周向延伸的橡胶条，其由至少一个周向花纹沟以及第二个这样的花纹沟或侧边缘限定，该条在横向方向上未被大深度花纹沟分开。
“TPMS”是轮胎压力监视系统的缩写。
“胎面元件”或“牵引元件”表示由具有邻近花纹沟的形状限定的肋或块状元件。
本发明提供了使用监督模型提供轮胎磨损状态的间接估计的系统，该监督模型从由不同子模型生成的轮胎磨损状态估计中确定综合轮胎磨损状态。
本发明的轮胎磨损状态估计系统的第一示例性实施例以10指示，并且示出在图1至图4和图6中。特别参考图1，系统10估计用于支撑车辆14的每个轮胎12的轮胎磨损状态。虽然车辆14被描绘为客车，但本发明不限于此。本发明的原理可应用于其他车辆类别，诸如商用卡车、越野车等等，其中车辆可由更多或更少的轮胎支撑。此外，本发明可应用于单个车辆14或车辆的车队。
每个轮胎12包括一对胎圈区域16（仅示出一个）和嵌入在每个胎圈区域中的胎圈芯（未示出）。一对侧壁18（仅示出一个）中的每一个从相应的胎圈区域16径向向外延伸到接触地面的胎面20。轮胎12由胎体22加强，该胎体22从一个胎圈区域16环形地延伸到另一胎圈区域，如本领域技术人员已知的那样。内衬层24形成在胎体22的内侧表面上。轮胎12以本领域技术人员已知的方式安装在车轮26上，并且当安装后，形成填充有加压流体（诸如空气）的内腔28。
传感器单元30可凭借诸如粘合剂附接到每个轮胎12的内衬层24并且测量轮胎的某些参数或条件，如下文将更详细地描述的那样。应理解的是，传感器单元30可以这样的方式附接，或附接到轮胎12的其他组件，诸如在胎体22的层之间、在侧壁18的一个上或一个中、在胎面20上或胎面20中，和/或其组合。为了方便起见，本文中将参考传感器单元30在轮胎12上的安装，其中应理解的是安装包括所有这样的附接。
为了检测轮胎内侧的某些实时轮胎参数（诸如轮胎压力和温度）的目的，传感器单元30安装在每个轮胎12上。优选地，传感器单元30是商业可获得类型的轮胎压力监视系统（TPMS）模块或传感器，并且可具有任何已知的配置。为了方便起见，传感器单元30可称为TPMS传感器。每个TPMS传感器30优选地还包括电子存储器容量，用于存储用于每个轮胎12的识别（ID）信息（称为轮胎ID信息）。替代地，轮胎ID信息可包含在另一传感器单元中，或在分开的轮胎ID存储介质中，诸如轮胎ID标签34。
轮胎ID信息可包括用于轮胎12的制造信息，诸如：轮胎类型；轮胎型号；尺寸信息，诸如轮辋尺寸、宽度和外径；生产地点；生产日期；包括或关联到复合物识别的胎面行使面代码；以及包括或关联到胎面结构识别的模具代码。轮胎ID信息还可包括维修历史或其他信息，以识别每个轮胎12的具体特征和参数，以及轮胎的机械特点，诸如侧偏参数、刚度、负载-充气关系等等。这样的轮胎识别使得能够将测量的轮胎参数与具体轮胎12关联，以提供轮胎的本地或中央跟踪、其当前条件、和/或其随时间的条件。额外地，全球定位系统（GPS）能力可包括在TPMS传感器30和/或轮胎ID标签34中，以提供在运输期间的轮胎12的位置跟踪和/或轮胎安装于其上的车辆14的位置跟踪。
现转到图2，TMPS传感器30和轮胎ID标签34各自包括用于将测量的轮胎温度以及轮胎ID数据无线传输36到处理器38的天线。处理器38可如示出的安装在车辆14上，或者可集成到TPMS传感器30中。为了方便起见，处理器38将描述为安装在车辆14上，应理解的是，处理器可替代地集成到TPMS传感器30中。优选地，处理器38与车辆14的电子系统电子通信或集成到车辆14的电子系统中，该电子系统诸如车辆CAN总线系统42，其称为CAN总线。
轮胎磨损状态估计系统10的方面优选地在处理器38上或通过车辆CAN总线42可访问的另一处理器上执行，其使得能够输入来自TMPS传感器30和轮胎ID标签34的数据，以及输入作为来自与CAN总线电子通信的其他传感器的数据。以此方式，轮胎磨损状态估计系统10使得能够通过TPMS传感器30测量轮胎温度和压力，优选地将测量值传输到处理器38。轮胎ID信息优选地从轮胎ID标签34传输到处理器38。处理器38优选地使测量的轮胎温度、测量的轮胎压力、测量时间、和用于每个轮胎12的ID信息相关。
转到图4，轮胎磨损状态估计系统10的第一示例性实施例包括监督模型60。监督模型60通过可靠性评分函数推断多个子模型或估计器的可靠性，该可靠性评分函数基于外部或物理参数计算每个子模型的可靠性评分。每个子模型的推断的可靠性与来自每个子模型的轮胎磨损状态的单独估计组合，以生成单个组合的磨损状态估计62。优选的监督模型60是贝叶斯网络（Bayesian Network），其是通过有向无环图表示变量集及其条件相依性的概率图模型。当然，其他类型的预测模型可用于监督模型60。
由监督模型60分析的子模型或估计器包括基于滚动半径的磨损状态估计器54、基于滑动的磨损状态估计器56和基于摩擦能量的磨损状态估计器58。参考图3，示例性的基于滚动半径的磨损状态估计器54包括滚动半径计算器66，其计算轮胎12的半径中的改变以生成滚动半径磨损估计64。可由监督模型60分析的其他子模型包括：基于振动的磨损状态估计器，基于侧偏刚度的磨损状态估计器，基于制动刚度的磨损状态估计器，基于印迹长度的磨损状态估计器，以及基于诸如轮胎里程、天气、和轮胎构造的参数组合的分析的轮胎磨损状态估计器。
在基于滚动半径的磨损状态估计器54中，获取自TPMS传感器30的轮胎参数68（诸如压力、温度和ID）输入到滚动半径计算器66中。此外，车辆参数70由传感器测量，该传感器安装在车辆14上并且与车辆CAN总线系统42（图2）电子通信。具体地，获取诸如车轮速度、车辆速度、加速度和/或位置的车辆参数70，并将其输入到滚动半径计算器66中。
滚动半径计算器66基于轮胎参数68和车辆参数70计算轮胎12半径中的改变，其由基于滚动半径的磨损状态估计器54使用以生成滚动半径磨损估计64。用于确定滚动半径磨损估计64的示例性技术描述在美国专利9,663,115号、9,878,721号、和9,719,886号中，其由与本发明相同的专利权人The Goodyear Tire & Rubber Company（固特异轮胎和橡胶公司）所有，并在此通过引用并入。
示例性的基于滑动的磨损状态估计器56包括轮胎滑动计算器72，其计算轮胎12的滑动以生成基于滑动的磨损状态估计74。在基于滑动的磨损状态估计器56中，获取自TPMS传感器30的轮胎参数68（诸如压力、温度和ID）输入到轮胎滑动计算器72中。此外，获取诸如车轮速度、车辆速度、和/或加速度的车辆参数70，并将其输入到轮胎滑动计算器72中。
滑动计算器72基于轮胎参数68和车辆参数70计算轮胎12的滑动，基于滑动的磨损状态估计器56使用该滑动生成基于滑动的磨损状态估计74。用于确定基于滑动的磨损状态估计74的示例性技术描述在美国专利9,610,810号、9,821,611号、和10,603,962号中，其由与本发明相同的专利权人The Goodyear Tire & Rubber Company（固特异轮胎和橡胶公司）所有，并在此通过引用并入。
示例性的基于摩擦能量的磨损状态估计器58包括轮胎摩擦能量计算器76，其计算轮胎12的摩擦能量以生成基于摩擦能量的磨损估计78。在基于摩擦能量的磨损状态估计器58中，获取自TPMS传感器30的轮胎参数68（诸如压力、温度和ID）输入到摩擦能量计算器76中。此外，获取诸如车辆惯性和/或位置的车辆参数70并输入到摩擦能量计算器76中。
摩擦能量计算器76基于轮胎参数68和车辆参数70计算轮胎12的摩擦能量，基于摩擦能量的磨损状态估计器58使用该摩擦能量以生成基于摩擦能量的磨损估计78。用于确定基于摩擦能量的磨损估计78的示例性技术描述在美国专利9,873,293号中，其由与本发明相同的专利权人The Goodyear Tire & Rubber Company（固特异轮胎和橡胶公司）所有，并在此通过引用并入。
如上文描述的，监督模型60可分析其他子模型。用于确定基于振动的磨损状态估计的示例性技术描述在美国专利9,259,976号和9,050,864号中，以及美国专利申请公开2018/0154707号和2020/0182746号中，其由与本发明相同的专利权人The Goodyear Tire& Rubber Company（固特异轮胎和橡胶公司）所有，并在此通过引用并入。用于确定基于侧偏刚度的磨损状态估计的示例性技术描述在美国专利9,428,013号中，其由与本发明相同的专利权人The Goodyear Tire & Rubber Company（固特异轮胎和橡胶公司）所有，并在此通过引用并入。
用于确定基于制动刚度的磨损状态估计的示例性技术描述在美国专利9,442,045号中，其由与本发明相同的专利权人The Goodyear Tire & Rubber Company（固特异轮胎和橡胶公司）所有，并在此通过引用并入。用于确定基于印迹长度的磨损状态估计器的示例性技术描述在美国专利申请62/893,862号、62/893,852号、和62/893,860号中，其由与本发明相同的专利权人The Goodyear Tire & Rubber Company（固特异轮胎和橡胶公司）所有，并在此通过引用并入。用于确定基于诸如轮胎里程、天气、和轮胎构造的参数组合的分析的轮胎磨损状态估计的示例性技术描述在美国专利申请公开2018/0272813号中，其由与本发明相同的专利权人The Goodyear Tire & Rubber Company（固特异轮胎和橡胶公司）所有，并在此通过引用并入。
返回到图4，轮胎磨损状态估计系统10计算子模型或估计器的可靠性并将其输入到监督模型60中以生成组合的磨损状态估计62。本文中以示例的方式参考基于滚动半径的磨损状态估计器54、基于滑动的磨损状态估计器56和基于摩擦能量的磨损状态估计器58。更特别地，基于每个估计器对其灵敏的外部参数和物理参数（称为灵敏度参数），确定用于基于滚动半径的磨损状态估计器54、基于滑动的磨损状态估计器56和基于摩擦能量的磨损状态估计器58中的每个的相应模型可靠性评分82、84和86。
例如，滚动半径模型可靠性评分82是使用滚动半径可靠性评分函数88确定的。滚动半径灵敏度参数94是在基于滚动半径的磨损状态估计器54中未考虑的因素，并且已知其影响滚动半径磨损估计64的可靠性。灵敏度参数94包括：车辆14的负载状态，即当前车辆负载与标称车辆负载状态的偏差；过高或过低的轮胎充气压力条件，即轮胎充气压力与标称充气压力范围的偏差；道路坡度状态，即车辆在其上行驶的道路的坡度与平坦道路条件的偏差；以及GPS状况，即由车辆GPS指示的车辆速度与非驱动轮速度的偏差。这些灵敏度参数94输入到滚动半径可靠性评分函数88中，该滚动半径可靠性评分函数88通过统计模型技术对参数进行评分以生成滚动半径模型可靠性评分82，该统计模型技术诸如回归技术、机器学习模型、和/或模糊逻辑技术或函数。
基于滑动的模型可靠性评分84是使用基于滑动的可靠性评分函数90确定的。基于滑动的灵敏度参数96是在基于滑动的磨损状态估计器56中未考虑的因素，并且已知其影响基于滑动的磨损状态估计74的可靠性。灵敏度参数96包括：车辆14的负载状态，即当前车辆负载与标称车辆负载状态的偏差；过高或过低的轮胎充气压力条件，即轮胎充气压力与标称充气压力范围的偏差；GPS状况，即由车辆GPS指示的车辆速度与非驱动轮速度的偏差；轮胎12的环境温度；以及道路表面条件，即如由摩擦系数指示的车辆在其上行驶的道路的表面特性。这些灵敏度参数96输入到基于滑动的可靠性评分函数90中，该基于滑动的可靠性评分函数90通过统计模型技术对参数进行评分以生成基于滑动的模型的可靠性评分84，该统计模型技术诸如回归技术、机器学习模型、和/或模糊逻辑技术或函数。
基于摩擦能量的模型可靠性评分86是使用基于摩擦能量的可靠性评分函数92确定的。基于摩擦能量的灵敏度参数98是在基于摩擦能量的磨损状态估计器58中未考虑的因素，并且已知其影响基于摩擦能量的磨损估计的可靠性78。灵敏度参数98包括：轮胎12的环境温度；道路表面条件，即如由摩擦系数指示的车辆在其上行驶的道路的表面特性；以及道路粗糙度条件，即如由国际粗糙度指数（IRI）指示的车辆在其上行驶的道路的粗糙度。这些灵敏度参数98输入到基于摩擦能量的可靠性评分函数92中，该基于摩擦能量的可靠性评分函数92通过统计模型技术对参数进行评分以生成基于摩擦能量的模型可靠性评分86，该统计模型技术诸如回归技术、机器学习模型、和/或模糊逻辑技术或函数。
由基于滚动半径的磨损状态估计器54生成的滚动半径磨损估计64和滚动半径模型的可靠性评分82输入到监督模型60中。由基于滑动的磨损状态估计器56生成的基于滑动的磨损估计74和基于滑动的模型的可靠性评分84也输入到监督模型60中。额外地，由基于摩擦能量的磨损状态估计器58生成的基于摩擦能量的磨损估计78和基于摩擦能量的模型的可靠性评分86输入到监督模型60中。
优选地，轮胎磨损状态估计系统10还包括在先前时间步长时的轮胎磨损状态的估计80，其可称为在T-1时的轮胎磨损状态。因为轮胎12随时间的推移继续磨损，所以在先前时间步长时的轮胎磨损状态的估计80改善了当前的轮胎磨损状态估计62。因此，优选地，在先前时间步长时的轮胎磨损状态的估计80也输入到监督模型60中。当在先前时间步长时的轮胎磨损状态的估计80不可获得时，可将车辆14的里程120输入到监督模型120中以使得能够获得在先前时间步长时的轮胎磨损状态的估计。
监督模型60因此接收滚动半径模型的磨损估计64、滚动半径模型的可靠性评分82、基于滑动的模型的磨损估计74、基于滑动的模型的可靠性评分84、基于摩擦能量的模型的磨损估计78、基于摩擦能量的模型的可靠性评分86和在先前时间步长时的轮胎磨损状态的估计80作为输入。监督模型60然后执行统计推断以确定就轮胎磨损状态的概率分布，从而指示单个最可能的组合的磨损估计62。当采用贝叶斯网络（Bayesian Network）作为监督模型60时，磨损估计62通过执行贝叶斯推断（Bayesian inference）生成。
以此方式，本发明的轮胎磨损状态估计系统10的第一实施例使用监督模型60提供了轮胎磨损状态62的准确且可靠的估计。监督模型从由多个子模型54、56和58生成的估计中确定综合磨损状态62。
现在参考图1至图3和图5至图6，本发明的轮胎磨损状态估计系统的第二示例性实施例以100指示。轮胎磨损状态估计系统100的第二实施例在结构和操作上相似于轮胎磨损状态估计系统10的第一实施例，其中不同在于在轮胎磨损状态估计系统的第二实施例中滚动半径模型可靠性评分82和基于滑动的模型可靠性评分84不同地确定。因此，仅描述轮胎磨损状态估计系统100的第二实施例与轮胎磨损状态估计系统10的第一实施例之间的不同。
在轮胎磨损估计系统100的第二实施例中，滚动半径模型的可靠性82是使用多个相关性推断的。例如，第一滚动半径相关性102包括轮胎12的滚动半径与车辆14的里程的相关。第二滚动半径相关性104包括全球定位系统（GPS）速度与车辆14的车轮速度的相关。第三滚动半径相关性106包括轮胎12的滚动半径与车辆负载的相关。第四滚动半径相关性108与车辆14在其上行驶的道路的坡度相关。监督模型使用这些相关性102、104、106和108以推断滚动半径模型的可靠性82。当采用贝叶斯网络作为监督模型60时，可靠性82是通过执行贝叶斯推断进行推断的。
基于滑动的模型的可靠性84也可使用多个相关性推断。第一基于滑动的相关性110包括在轮胎12的滑动与车辆14的里程之间的相关性。第二基于滑动的相关性112包括在全球定位系统（GPS）速度与车辆14的车轮速度之间的相关性。第三基于滑动的相关性114包括轮胎12的滑动与轮胎的温度的相关。第四基于滑动的相关性116与车辆14在其上行驶的道路的表面特征相关。第五相关性118与车辆14在其上行驶的道路的粗糙度相关。监督模型使用相关性110、112、114、116和118以推断基于滑动的模型的可靠性84。当采用贝叶斯网络作为监督模型60时，可靠性84是通过执行贝叶斯推断进行推断的。
如轮胎磨损状态估计系统10的第一实施例那样，在轮胎磨损状态估计系统100的第二实施例中，监督模型60接收滚动半径模型的磨损估计64、滚动半径模型的可靠性82、基于滑动的模型的磨损状态估计74、基于滑动的模型的可靠性84、基于摩擦能量的模型的磨损估计78、基于摩擦能量的模型的可靠性评分86和在先前时间步长时的轮胎磨损状态的估计80作为输入。监督模型60然后执行统计推断以确定就轮胎磨损状态的概率分布，这有助于指示单个最可能的组合的磨损估计62。当采用贝叶斯网络作为监督模型60时，磨损估计62通过执行贝叶斯推断生成。
以此方式，本发明的轮胎磨损状态估计系统100的第二实施例使用监督模型60提供轮胎磨损状态62的准确且可靠的估计。监督模型60从由多个子模型54、56和58生成的估计中确定综合磨损状态62。
如图6中示出的，用于每个轮胎12的轮胎参数68、用于车辆14的车辆参数70可从车辆上的处理器38和/或CAN总线42无线传输40到远程处理器48，诸如在基于云的服务器44中的处理器。基于云的服务器44可执行轮胎磨损状态估计系统10、100的方面。轮胎磨损状态估计62可无线传输46到设备50，诸如车队管理服务器或车辆操作者设备，其包括用于向车队管理者或车辆14的操作者示出估计的磨损状态的显示器52。
本发明还包括估计轮胎12的磨损状态62的方法。该方法包括根据上文呈现的并且在图1到6中示出的说明的步骤。
应理解的是，上文描述的轮胎磨损状态估计系统10、100的结构和方法可修改或重新布置，或者可省略或增加本领域技术人员已知的组件或步骤，而不影响本发明的整体概念或操作。
已经参考优选实施例描述了本发明。在阅读和理解本说明书后其他人将想到可能的修改和替代。应理解的是，所有这样的修改和替代都包括在所附权利要求或其等同物中所记载的本发明的范围内。
Claims (10)
1.一种轮胎磨损状态估计系统，其特征在于，其包括：
支撑车辆的至少一个轮胎；
安装在所述至少一个轮胎上的传感器，轮胎安装的传感器测量轮胎参数；
安装在所述车辆上的至少一个传感器，车辆安装的至少一个传感器测量车辆参数；
多个子模型，其中每个子模型接收来自所述轮胎安装的传感器的选择的轮胎参数和来自所述车辆安装的至少一个传感器的选择的车辆参数；
多个子模型磨损状态估计，所述子模型磨损状态估计中的每一个由所述多个子模型中的相应一个生成；
为所述多个子模型中的每一个确定模型可靠性；和
监督模型，所述监督模型接收所述多个子模型磨损状态估计和用于所述多个子模型中的每一个的所述模型可靠性作为输入，其中所述监督模型生成用于所述至少一个轮胎的组合的磨损状态估计。
2.根据权利要求1所述的轮胎磨损状态估计系统，其特征在于，所述监督模型执行贝叶斯推断以确定在生成所述组合的磨损状态估计中在所述多个子模型上的概率分布。
3.根据权利要求1所述的轮胎磨损状态估计系统，其特征在于，多个子模型包括基于滚动半径的磨损状态估计器。
4.根据权利要求3所述的轮胎磨损状态估计系统，其特征在于，所述基于滚动半径的磨损状态估计器包括滚动半径计算器，并且所述滚动半径计算器接收所述选择的轮胎参数和所述选择的车辆参数以计算所述至少一个轮胎的滚动半径中的改变。
5.根据权利要求3所述的轮胎磨损状态估计系统，其特征在于，用于所述基于滚动半径的磨损状态估计器的所述模型可靠性包括滚动半径可靠性评分函数，所述滚动半径可靠性评分函数对滚动半径灵敏度参数进行评分，以生成用于所述基于滚动半径的磨损状态估计器的模型可靠性评分。
6.根据权利要求5所述的轮胎磨损状态估计系统，其特征在于，所述滚动半径灵敏度参数包括所述车辆的负载状态、充气压力条件、道路坡度状态、和全球定位系统状况中的至少一个。
7.根据权利要求3所述的轮胎磨损状态估计系统，其特征在于，用于所述基于滚动半径的磨损状态估计器的所述模型可靠性是通过推断多个相关性生成的。
8.根据权利要求7所述的轮胎磨损状态估计系统，其特征在于，所述多个相关性包括所述至少一个轮胎的滚动半径与所述车辆的里程的相关性、全球定位系统速度与所述车辆的车轮速度的相关性、在所述至少一个轮胎的滚动半径与车辆负载之间的相关性、以及所述车辆在其上行驶的道路的坡度的相关性中的至少一个。
9.根据权利要求1所述的轮胎磨损状态估计系统，其特征在于，多个子模型包括基于滑动的磨损状态估计器。
10.根据权利要求9所述的轮胎磨损状态估计系统，其特征在于，所述基于滑动的磨损状态估计器包括轮胎滑动计算器，并且所述轮胎滑动计算器接收所述选择的轮胎参数和所述选择的车辆参数以计算所述至少一个轮胎的所述滑动。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202063070506P | 2020-08-26 | 2020-08-26 | |
| US63/070506 | 2020-08-26 | ||
| US17/343,880 US20220063347A1 (en) | 2020-08-26 | 2021-06-10 | Tire wear state estimation system |
| US17/343880 | 2021-06-10 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114103560A true CN114103560A (zh) | 2022-03-01 |
Family
ID=79877190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110988319.XA Pending CN114103560A (zh) | 2020-08-26 | 2021-08-26 | 轮胎磨损状态估计系统 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20220063347A1 (zh) |
| EP (1) | EP3960505B1 (zh) |
| JP (1) | JP2022040072A (zh) |
| CN (1) | CN114103560A (zh) |
| AU (1) | AU2021215209A1 (zh) |
| BR (1) | BR102021016269A2 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220309840A1 (en) * | 2021-03-24 | 2022-09-29 | Bridgestone Americas Tire Operations, Llc | System and method for reconstructing high frequency signals from low frequency versions thereof |
| EP4299341A1 (en) * | 2022-06-27 | 2024-01-03 | Bridgestone Europe NV/SA | Apparatus and methods for calculating and/or monitoring a wear rate of a tire |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3006242A1 (fr) * | 2013-06-04 | 2014-12-05 | Renault Sa | Procede et dispositif d'estimation d'un etat d'usure d'au moins un pneu de vehicule automobile |
| CN104369628A (zh) * | 2013-08-12 | 2015-02-25 | 固特异轮胎和橡胶公司 | 扭振模式轮胎磨损状态估算系统和方法 |
| US20170113494A1 (en) * | 2015-10-21 | 2017-04-27 | The Goodyear Tire & Rubber Company | Indirect tire wear state prediction system and method |
| EP3318422A1 (en) * | 2016-11-08 | 2018-05-09 | The Goodyear Tire & Rubber Company | Indirect tire wear state prediction system and method |
| CN108146162A (zh) * | 2016-12-05 | 2018-06-12 | 固特异轮胎和橡胶公司 | 间接轮胎压力和磨损状态估计系统及方法 |
| EP3421267A1 (en) * | 2017-06-29 | 2019-01-02 | The Goodyear Tire & Rubber Company | Tire wear state estimation system and method |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9050864B2 (en) | 2013-06-14 | 2015-06-09 | The Goodyear Tire & Rubber Company | Tire wear state estimation system and method |
| US20150057877A1 (en) | 2013-08-22 | 2015-02-26 | The Goodyear Tire & Rubber Company | Tire wear state estimation system utilizing cornering stiffness and method |
| US9442045B2 (en) | 2014-04-03 | 2016-09-13 | The Goodyear Tire & Rubber Company | Model-based longitudinal stiffness estimation system and method |
| US9719886B2 (en) | 2015-07-21 | 2017-08-01 | The Goodyear Tire & Rubber Company | Tread wear estimation system and method |
| US9663115B2 (en) | 2015-10-09 | 2017-05-30 | The Goodyear Tire & Rubber Company | Method for estimating tire forces from CAN-bus accessible sensor inputs |
| US9821611B2 (en) * | 2015-10-21 | 2017-11-21 | The Goodyear Tire & Rubber Company | Indirect tire wear state estimation system |
| US9610810B1 (en) | 2015-10-21 | 2017-04-04 | The Goodyear Tire & Rubber Company | Method of tire state estimation through wheel speed signal feature extraction |
| US9878721B2 (en) | 2015-11-11 | 2018-01-30 | The Goodyear Tire & Rubber Company | Tire sensor-based robust mileage tracking system and method |
| DE102017204648A1 (de) * | 2017-03-21 | 2018-09-27 | Continental Automotive Gmbh | Verfahren, Steuereinrichtung und System zum Ermitteln einer Profiltiefe eines Profils eines Reifens |
| US20180272813A1 (en) | 2017-03-23 | 2018-09-27 | The Goodyear Tire & Rubber Company | Model based tire wear estimation system and method |
| US10518590B2 (en) * | 2018-03-05 | 2019-12-31 | Sensata Technologies, Inc. | System and method for tracking tire tread wear |
| US11472235B2 (en) * | 2019-01-22 | 2022-10-18 | American Tire Distributors, Inc. | Tire health monitoring systems and methods thereto |
-
2021
- 2021-06-10 US US17/343,880 patent/US20220063347A1/en active Pending
- 2021-08-12 AU AU2021215209A patent/AU2021215209A1/en active Pending
- 2021-08-17 BR BR102021016269-4A patent/BR102021016269A2/pt active IP Right Grant
- 2021-08-25 EP EP21193131.6A patent/EP3960505B1/en active Active
- 2021-08-26 JP JP2021137692A patent/JP2022040072A/ja active Pending
- 2021-08-26 CN CN202110988319.XA patent/CN114103560A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3006242A1 (fr) * | 2013-06-04 | 2014-12-05 | Renault Sa | Procede et dispositif d'estimation d'un etat d'usure d'au moins un pneu de vehicule automobile |
| CN104369628A (zh) * | 2013-08-12 | 2015-02-25 | 固特异轮胎和橡胶公司 | 扭振模式轮胎磨损状态估算系统和方法 |
| US20170113494A1 (en) * | 2015-10-21 | 2017-04-27 | The Goodyear Tire & Rubber Company | Indirect tire wear state prediction system and method |
| EP3318422A1 (en) * | 2016-11-08 | 2018-05-09 | The Goodyear Tire & Rubber Company | Indirect tire wear state prediction system and method |
| CN108146162A (zh) * | 2016-12-05 | 2018-06-12 | 固特异轮胎和橡胶公司 | 间接轮胎压力和磨损状态估计系统及方法 |
| EP3421267A1 (en) * | 2017-06-29 | 2019-01-02 | The Goodyear Tire & Rubber Company | Tire wear state estimation system and method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2022040072A (ja) | 2022-03-10 |
| EP3960505B1 (en) | 2023-10-04 |
| BR102021016269A2 (pt) | 2022-11-22 |
| AU2021215209A1 (en) | 2022-03-17 |
| US20220063347A1 (en) | 2022-03-03 |
| EP3960505A1 (en) | 2022-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230294459A1 (en) | Model based tire wear estimation system and method | |
| CN112440628B (zh) | 利用印迹长度的轮胎磨损估计系统和方法 | |
| EP3838628B1 (en) | Method of estimating tire conditions | |
| US11498371B2 (en) | Tire data information system | |
| EP3960505B1 (en) | Tire wear state estimation system and method | |
| AU2020286203A1 (en) | Method of estimating tire conditions | |
| US11827229B2 (en) | Method for estimating tire grip | |
| US11981163B2 (en) | Tire wear state estimation system and method employing footprint shape factor | |
| US20230196854A1 (en) | Tire replacement system | |
| US20210394562A1 (en) | Model based tire wear estimation system and method | |
| CN114076644B (zh) | 轮胎高温预报系统 | |
| US20220388348A1 (en) | Tire replacement forecasting system and method | |
| US20230060578A1 (en) | Road condition monitoring system | |
| US20230066535A1 (en) | Counter-deflection load estimation system for a tire | |
| CN116278523A (zh) | 轮胎更换系统 | |
| CN118107594A (zh) | 轮胎滚动阻力估计系统 | |
| CN115782473A (zh) | 用于轮胎的反向挠度载荷估计系统 | |
| CN118003809A (zh) | 用于采用印迹长度自动定位轮胎的系统 |
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 |