CN116419856A - 轮胎磨损状态预测系统、轮胎磨损状态预测程序以及轮胎磨损状态预测方法 - Google Patents
轮胎磨损状态预测系统、轮胎磨损状态预测程序以及轮胎磨损状态预测方法 Download PDFInfo
- Publication number
- CN116419856A CN116419856A CN202180075584.7A CN202180075584A CN116419856A CN 116419856 A CN116419856 A CN 116419856A CN 202180075584 A CN202180075584 A CN 202180075584A CN 116419856 A CN116419856 A CN 116419856A
- Authority
- CN
- China
- Prior art keywords
- tire
- wear
- index
- value
- strain
- 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
- 238000000034 method Methods 0.000 title claims description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000001133 acceleration Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 13
- 238000012937 correction Methods 0.000 description 12
- 238000005259 measurement Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 7
- 238000005299 abrasion Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- B60C11/00—Tyre tread bands; Tread patterns; Anti-skid inserts
- B60C11/24—Wear-indicating arrangements
- B60C11/246—Tread wear monitoring systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Tires In General (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明具备:传感器单元(SU),其设置于轮胎(10)的内侧表面或内部,具有用于探测轮胎的应变的应变传感器(SN);应变信号获取部(201),其获取应变信号;指标计算部(202),其基于应变信号的时间序列波形来计算变形速度的指标;关系值计算部(203),其预先计算变形速度的指标与轮胎的磨损程度之间的关系值;磨损状态估计部(204),其将关系值与变形速度的指标进行比较来估计轮胎的磨损程度;以及关系值预测部(205),其基于关于轮胎的变形速度的指标与轮胎的磨损程度之间的关系值,来预测其它尺寸的轮胎的关系值,其中,关系值预测部在预测其它尺寸的轮胎的关系值时,使用预先保存于数据保存部(206)的至少与轮胎胎面部的厚度有关的数据。
Description
技术领域
本发明涉及一种轮胎磨损状态预测系统、轮胎磨损状态预测程序以及轮胎磨损状态预测方法。
背景技术
自以往以来,提出了一种在充气轮胎(下面称为轮胎)设置加速度传感器并基于所检测出的加速度来估计(预测)轮胎的磨损的技术(专利文献1)。
像这样的使用了加速度传感器的磨损估计技术例如使用对所检测出的径向加速度进行微分并获取峰而得到的变形速度的指标(也称为磨损度量(wear measure)),利用该变形速度的指标值随着磨损进展而增加这一原理,通过回归方程式来估计轮胎的沟槽余量。
现有技术文献
专利文献
专利文献1:WO2009/008502号公报
发明内容
另外,在使用了加速度传感器的磨损估计技术中,加速度信号的大小依赖于轮胎的旋转速度,因此存在在低速区难以获取数据的问题。
因此,提出了代替加速度传感器而使用应变传感器的磨损估计技术。
可是,在预测轮胎磨损时,在使用加速度传感器的技术和使用应变传感器的技术中存在“针对每个种类的轮胎都实施伴有实验的参数学习需要非常高的成本”这样共同的问题。
另一方面,作为使用应变传感器的优势,例如几乎不存在速度依赖性。
另外,作为使用应变传感器的劣势,例如由于受到轮胎内表面厚度的影响而难以进行校正这一点。因此,存在如下问题:难以使以往使用了加速度传感器的轮胎磨损预测中的轮胎尺寸通用化的技术直接适应于使用了应变传感器的轮胎磨损预测。
因此,本发明是鉴于上述问题而完成的,其目的在于提供一种使用应变传感器并且对于未持有学习数据的轮胎也能够低成本地进行高精度的磨损状态的预测的轮胎磨损状态预测系统、轮胎磨损状态预测程序以及轮胎磨损状态预测方法。
本发明的一个方式所涉及的轮胎磨损状态预测系统的要旨在于,具备:传感器单元,其设置于轮胎的内侧表面或者内部,具有用于探测所述轮胎的应变的应变传感器;应变信号获取部,其获取从所述应变传感器输出的应变信号;指标计算部,其基于所获取到的所述应变信号的时间序列波形来计算变形速度的指标;关系值计算部,其预先计算所述变形速度的指标与所述轮胎的磨损程度之间的关系值;磨损状态估计部,其将所述关系值与所述变形速度的指标进行比较来估计所述轮胎的磨损程度;以及关系值预测部,其基于关于所述轮胎的所述变形速度的指标与所述轮胎的磨损程度之间的关系值,来预测其它尺寸的轮胎的关系值,其中,所述关系值预测部在预测其它尺寸的轮胎的关系值时,使用预先保存于数据保存部的至少与轮胎胎面部的厚度有关的数据。
根据这样的结构,对于其它尺寸的轮胎也能够低成本地进行高精度的磨损状态的预测。
另外,可以是,与所述轮胎胎面部的厚度有关的数据包括从轮胎内表面起到设置于该轮胎内的带束层为止的径向厚度的数据。
由此,即使随着轮胎的内表面厚度的增加而应变增大,也能够进行高精度的磨损状态的预测。
本发明的其它方式所涉及的轮胎磨损状态预测程序由轮胎磨损状态预测系统所具备的计算机执行,所述轮胎磨损状态预测程序包括以下步骤:应变信号获取步骤,获取从设置于轮胎的内侧表面或内部的应变传感器输出的应变信号;指标计算步骤,基于所获取到的所述应变信号的时间序列波形来计算变形速度的指标;关系值计算步骤,预先计算所述变形速度的指标与所述轮胎的磨损程度之间的关系值;磨损状态估计步骤,将所述关系值与所述变形速度的指标进行比较来估计所述轮胎的磨损程度;以及关系值预测步骤,基于关于所述轮胎的所述变形速度的指标与所述轮胎的磨损程度之间的关系值,来预测其它尺寸的轮胎的关系值,其中,在所述关系值预测步骤中,在预测其它尺寸的轮胎的关系值时,使用至少与轮胎胎面部的厚度有关的数据。
根据这样的结构,对于其它尺寸的轮胎也能够低成本地进行高精度的磨损状态的预测。
另外,可以是,与所述轮胎胎面部的厚度有关的数据包括从轮胎内表面起到设置于该轮胎内的带束层为止的径向厚度的数据。
由此,即使随着轮胎的内表面厚度的增加而应变增大,也能够进行高精度的磨损状态的预测。
本发明的其它方式所涉及的轮胎磨损状态预测方法包括以下过程:应变信号获取过程,获取从设置于轮胎的内侧表面或内部的应变传感器输出的应变信号;指标计算过程,基于所获取到的所述应变信号的时间序列波形来计算变形速度的指标;关系值计算过程,预先计算所述变形速度的指标与所述轮胎的磨损程度之间的关系值;磨损状态估计过程,将所述关系值与所述变形速度的指标进行比较来估计所述轮胎的磨损程度;以及关系值预测过程,基于关于所述轮胎的所述变形速度的指标与所述轮胎的磨损程度之间的关系值,来预测其它尺寸的轮胎的关系值,其中,在所述关系值预测过程中,在预测其它尺寸的轮胎的关系值时,使用至少与轮胎胎面部的厚度有关的数据。
根据这样的结构,对于其它尺寸的轮胎也能够低成本地进行高精度的磨损状态的预测。
另外,可以是,与所述轮胎胎面部的厚度有关的数据包括从轮胎内表面起到设置于该轮胎内的带束层为止的径向厚度的数据。
由此,即使随着轮胎的内表面厚度的增加而应变增大,也能够进行高精度的磨损状态的预测。
根据本实施方式,能够提供使用应变传感器并且对于未持有学习数据的轮胎也能够低成本地进行高精度的磨损状态的预测的轮胎磨损状态预测系统、轮胎磨损状态预测程序以及轮胎磨损状态预测方法。
附图说明
图1是示出实施方式所涉及的轮胎磨损状态预测系统的概要结构的概要结构图。
图2是示出实施方式所涉及的轮胎磨损状态预测系统的功能结构的功能块图。
图3是示出实施方式所涉及的轮胎磨损状态预测处理的处理过程的流程图。
图4是示出关于轮胎的应变与时间之间的关系的曲线图。
图5是示出关于轮胎的应变速度与时间之间的关系的曲线图。
图6是示出关于轮胎的变形速度的指标(磨损度量)与接地时间比(CTR)之间的关系的曲线图。
图7是示出多个尺寸的轮胎的规格的图表。
图8是示出轮胎的内表面厚度(较薄的情况)对应变的影响的示意图(a),并且是示出该应变分布的示意图(b)。
图9是示出轮胎的内表面厚度(较厚的情况)对应变的影响的示意图(a),并且是示出该应变分布的示意图(b)。
图10是示出关于轮胎的应变的指标(应变度量)与接地时间比(CTR)之间的关系的曲线图。
具体实施方式
参照图1和图2来说明本发明的实施方式所涉及的轮胎磨损状态预测系统S1。
此外,在下面的附图的记载中,对相同或类似的部分标注了相同或类似的附图标记。但是,应该注意,附图是示意性的,各尺寸的比率等与现实不同。
因而,具体的尺寸等应该参考下面的说明来进行判断。另外,附图彼此之间当然也包括彼此的尺寸的关系、比率不同的部分。
(轮胎磨损状态预测系统的概要结构)
参照图1的概要结构图来说明实施方式所涉及的轮胎磨损状态预测系统S1的概要结构。
轮胎磨损状态预测系统S1由设置于充气轮胎(下面仅称为轮胎)10侧的传感器单元SU以及对经由无线线路N1从传感器单元SU获取到的信息进行处理的处理装置(车载器(ECU)等)200构成。
在图1中,示出了沿着被组装在轮辋90上的轮胎10的轮胎宽度方向的截面形状。
另外,胎面部20是被安装于未图示的车辆的轮胎10在路面上滚动时与路面接触的部分。在胎面部20形成有与车辆的类型及所要求的性能相应的胎面花纹。
而且,在能够应用轮胎磨损状态预测系统S1的轮胎10的内表面10a设置有传感器单元SU,该传感器单元SU具备用于检测轮胎10的应变的应变传感器SN。此外,虽然与本实施方式没有直接关系,但也可以设为传感器单元SU除了能够获取应变以外还能够获取温度信息等。
在图1所示的结构例中,传感器单元SU设置于与胎面部20相向的内表面10a。更具体地说,传感器单元SU安装于用于防止填充到被组装在轮辋90上的充气轮胎10的内部空间中的空气等气体泄漏的内衬层(省略图示)的表面。
传感器单元SU优选设置于向车辆安装的各轮胎10。这是因为,期望监视各轮胎10的磨损状态等以确保车辆的安全性。
另外,传感器单元SU也可以不必一定粘贴于轮胎10的内侧表面,例如,也可以设为传感器单元SU的一部分或者全部被埋设于轮胎10的内部的结构。
(轮胎磨损状态预测系统的功能结构)
如图2的功能块图所示,传感器单元SU具备:应变传感器SN,其用于检测轮胎10的应变;发送器150,其向处理装置200发送检测数据;以及电池151,其向应变传感器SN和发送器150供电。
另一方面,由ECU等构成的处理装置200具备应变信号获取部201,该应变信号获取部201每隔固定的检测周期从传感器单元SU获取应变信号。此外,传感器单元SU与处理装置200之间的通信经由无线线路N1而在传感器单元SU侧的发送器150与处理装置200侧的通信部210之间进行。
另外,具备指标计算部202,该指标计算部202基于所获取到的应变信号的时间序列波形来计算变形速度的指标(磨损度量)。
另外,具备关系值计算部203,该关系值计算部203预先计算变形速度的指标与轮胎10的磨损程度之间的关系值。
另外,具备磨损状态估计部204,该磨损状态估计部204将所计算出的关系值与变形速度的指标进行比较来估计轮胎10的磨损程度。
另外,具备关系值预测部205,该关系值预测部205基于关于轮胎10的变形速度的指标与轮胎10的磨损程度之间的关系值,来预测尺寸与轮胎10不同的其它轮胎的关系值。
并且,具备由非易失性存储器等构成的数据保存部206,该数据保存部206对于尺寸不同的多个轮胎预先保存与轮胎胎面部的厚度有关的数据。
而且,关系值预测部205使用预先保存于数据保存部206的与轮胎胎面部的厚度有关的数据来预测其它尺寸的轮胎的关系值。
此外,在后面记述预测其它尺寸的轮胎的关系值的具体的方法等。
根据这样的结构,除了轮胎10以外,对于其它尺寸的轮胎也能够低成本地进行高精度的磨损状态的预测。即,不像以往那样针对轮胎的内表面厚度不同的多个种类的轮胎都进行伴有实验的参数学习,就能够针对多个种类的轮胎进行磨损状态的预测。
另外,与轮胎胎面部的厚度有关的数据能够包括从轮胎10的内表面起到设置于该轮胎内的带束层为止的径向厚度的数据。
由此,即使随着轮胎的内表面厚度的增加而应变增大,也能够进行高精度的磨损状态的预测。
(关于轮胎磨损状态预测处理)
参照图3所示的流程图来说明在轮胎磨损状态预测系统S1中执行的轮胎磨损状态预测处理的处理过程。
此外,本处理能够通过处理装置200等所具备的OS(操作系统)与规定的应用程序的协作来实现。但是,也可以通过硬件来实现各处理的一部分或全部。
当该处理开始时,在步骤S10中,由应变信号获取部201获取从传感器单元SU的应变传感器SN输出的应变信号,并转移到步骤S11。
在步骤S11中,基于所获取到的应变信号的时间序列波形来计算变形速度的指标(磨损度量),并转移到步骤S12。
在步骤S12中,计算变形速度的指标(磨损度量)与轮胎10的磨损程度之间的关系值,并转移到步骤S13。
在步骤S13中,将所计算出的关系值与变形速度的指标(磨损度量)进行比较来估计轮胎10的磨损程度,并转移到步骤S14。
在步骤S14中,基于关于轮胎10的变形速度的指标(磨损度量)与轮胎10的磨损程度之间的关系值,来预测其它尺寸的轮胎的关系值,并结束处理。
在此,在预测其它尺寸的轮胎的关系值时,使用预先保存于数据保存部206的与轮胎胎面部的厚度有关的数据。
此外,与轮胎胎面部的厚度有关的数据能够包括从轮胎10的内表面起到设置于该轮胎10内的带束层为止的径向厚度的数据。
(关于轮胎磨损状态预测的算法)
在此,说明应用于本发明所涉及的轮胎磨损状态预测的算法。
在本发明中,作为使用了应变传感器的轮胎磨损状态预测的基本算法,使用与本申请人的专利申请(日本特开2009-018667号、WO2009/008502等)所公开的算法同等的算法。
此外,上述专利申请所公开的算法是关于使用了设置于轮胎的加速度传感器的磨损预测的算法,是在将对径向的加速度进行微分后检测出的峰值(磨损度量值)和接地时间比(CTR:Contact Time Ratio)作为主要的特征量的机械学习模型。对于更详细的情况,请参照上述专利申请的记载。
另一方面,在本发明中使用的“应变”设为轮胎周向(切向)的1个轴。
在此,在图4的曲线图中示出周向应变的例子,在图5的曲线图中示出其微分波形的例子。
此外,图4、图5是通过FEM(Finite Element Method:有限元分析)获得的波形。
另外,在本实施方式的FEM分析中,将尺寸为“11R22.5 M801”的轮胎作为样本,所检测出的“应变”是轮胎内衬层的应变。
在此,通过下面的式子来定义磨损度量(WM:Wear Measure)。
WM=DP×ORT×CL
此外,DP(Derivative Peak)是微分波形的峰值,也可以是踏入侧/蹬出侧的绝对值、或者将其平均等而汇总得到的值。
另外,ORT(One Rotational Time)表示轮胎旋转1周的时间,CL(CircumferentialLength)表示轮胎的周长。
此外,关于CL,能够用直径等表示尺寸的值来替代轮胎半径,根据设计规范等来决定CL。
ORT用于消除速度依赖性,CL用于消除轮胎半径依赖性。
另外,关于CTR,是将微分波形的从踏入峰到蹬出峰的经过时间除以ORT而得到的,是表示载荷的代表性的指标。
在图6的曲线图中示出全新轮胎TR1a和完全磨损的轮胎TR1b中的CTR与WM(磨损度量:变形速度的指标)之间的关系。
参照图6的曲线图可知,能够清楚地区分全新轮胎TR1a和完全磨损的轮胎TR1b。
另外,能够还添加TPMS(轮胎的空气压监视系统)的信息,通过下述的回归方程式等来估计沟槽余量(RTD)。
RTD=f(WM、温度、空气压、速度等)
(关于加速度传感器的校正方法及其问题点)
在使用了加速度传感器的磨损预测中,使用下述的式(数1)来估计轮胎的磨损度量。
[数1]
在此,D为轮胎直径,W为轮胎宽度,H为截面高度。
基于轮胎直径D的校正是针对根据传感器自身的大小来平均化的情况的校正。因此,作为样本数据使用的数据是轮胎内表面的坐标、变形行为,由于没有传感器的物理大小,因此能够忽略D的影响。
而且,在CTR固定为0.04的条件下,加速度的相关系数能够获得为R2=0.967,应变的相关系数能够获得为R2=0.677。
此外,作为样本数据,以直径、扁平率等在一定程度上涵盖全部范围的方式使用了如图7的图表所示的TR10~TR15这六种轮胎的数据。
而且,从上述相关系数来看,在加速度的情况下相关系数非常高,通过该校正模型能够高精度地预测磨损度量值。
另一方面,在应变的情况下相关系数低,认为若是利用与加速度传感器同等的尺寸校正算法则精度变差。
因此,在使用了本实施方式所涉及的应变传感器SN的轮胎磨损状态预测中,需要新的校正方法。
(关于基于轮胎内表面厚度的校正)
在应变传感器SN的情况下,受轮胎的内表面的橡胶的厚度的影响大,因此需要进行其校正。
在此,图8的(a)是示出轮胎的内表面厚度(较薄的情况)对应变的影响的示意图,图8的(b)是示出该应变分布的示意图,图9的(a)是示出轮胎的内表面厚度(较厚的情况)对应变的影响的示意图,图9的(b)是示出该应变分布的示意图。
首先,轮胎的张力的大部分通过带束层来支承,轮胎整体的力学行为的大部分由在带束层产生的力、变形决定。
在此,假设在带束层产生了某种固定的弯曲变形。
参照图8可知,在内表面的厚度薄的情况下(din=小),在内衬层表面产生的压缩应变变小。
另一方面,参照图9可知,在内表面厚度厚的情况下(din=大),推测出产生的压缩应变大。
因而,能够推测出随着内表面厚度的增加而应变变大。
在此,使用FEM调查了内表面的厚度的变化对磨损度量带来的影响。具体地说,在FEM的完全磨损品的模型中,对于内衬层的厚度,准备按照设计值的轮胎(TR20b)、比设计值厚1mm的轮胎(TR20c)、比设计值厚2mm的轮胎(TR20d)这三种轮胎实施了解析(参照图10)。
此外,在图10的曲线图中,TR20a呈现出按照设计值的未使用(全新)轮胎的解析结果。
根据图10的曲线图可知,当内表面厚度按照理论增加时,应变被放大而磨损度量值变大。
另一方面,在使用了加速度传感器的情况下,是由轮胎内表面的轮廓(与带束层的轮廓大致相同)的形状决定的,因此认为虽然受到由内表面厚度略微增加而引起的轮廓变化的影响但是没有产生显著的差异。
根据上面的验证可知,在使用应变传感器SN的情况下,需要施加基于轮胎的内表面厚度的校正。
(关于磨损度量值的估计式)
根据上面的研究结果,使用下面的式(数2)来估计完全磨损时的磨损度量值。
[数2]
在此,din为内表面的厚度。
此外,除了通过式(数2)进行的校正以外,也可以进行使用TPMS数据的校正。
另外,式(数2)的函数可以是简单的线性多元回归,也可以是非线性的函数。
(磨损预测的过程)
实际预测轮胎的磨损时的过程能够设为如下面那样。
1)模型学习阶段
首先,将上述六种(参照图7)程度的完全磨损轮胎作为供试验轮胎来进行实验,并学习WM、CTR、D、din等的关系。
2)全新轮胎的参数获取阶段
在没有学习数据的轮胎的情况下,在轮胎未磨损的行驶初期的阶段,求出WM与CTR、TPMS数据之间的关系。
3)沟槽余量的估计
测量WM、CTR、TPMS数据等。
在此,在预测其它轮胎尺寸中的关系时,除了使用din:轮胎内部构造厚度以外,还能够使用D:轮胎直径、W:轮胎宽度、H:轮胎截面高度等设计信息。
而且,根据CTR、TPMS数据、设计信息数据来计算全新时的磨损度量、完全磨损时的磨损度量。
求出所测量出的WM相对于全新和完全磨损时的磨损度量而言位于哪个等级,并计算沟槽余量。
如上所述,根据本实施方式所涉及的轮胎磨损状态预测系统S1,在利用应变传感器SN的磨损预测中,不再需要针对多个规格(尺寸等)的轮胎分别实际测量“变形速度的指标与轮胎的磨损程度之间的关系”,能够低成本地准确地预测轮胎的尺寸之间的差异。
上面基于图示的实施方式说明了本发明的轮胎磨损估计系统、轮胎磨损估计程序以及轮胎磨损估计方法,但是本发明不限于此,各部的结构能够替换为具有同样功能的任意的结构。
例如,只要满足电源(电池)151等的工作条件,则也可以将本实施方式中的处理装置200所具有的处理功能的一部分搭载于传感器单元SU内。
附图标记说明
S1:轮胎磨损状态预测系统;SU:传感器单元;SN:应变传感器;200:处理装置;201:应变信号获取部;202:指标计算部;203:关系值计算部;204:磨损状态估计部;205:关系值预测部。
Claims (6)
1.一种轮胎磨损状态预测系统,具备:
传感器单元,其设置于轮胎的内侧表面或者内部,具有用于探测所述轮胎的应变的应变传感器;
应变信号获取部,其获取从所述应变传感器输出的应变信号;
指标计算部,其基于所获取到的所述应变信号的时间序列波形来计算变形速度的指标;
关系值计算部,其预先计算所述变形速度的指标与所述轮胎的磨损程度之间的关系值;
磨损状态估计部,其将所述关系值与所述变形速度的指标进行比较来估计所述轮胎的磨损程度;以及
关系值预测部,其基于关于所述轮胎的所述变形速度的指标与所述轮胎的磨损程度之间的关系值,来预测其它尺寸的轮胎的关系值,
其中,所述关系值预测部在预测其它尺寸的轮胎的关系值时,使用预先保存于数据保存部的至少与轮胎胎面部的厚度有关的数据。
2.根据权利要求1所述的轮胎磨损状态预测系统,其中,
与所述轮胎胎面部的厚度有关的数据包括从轮胎内表面起到设置于该轮胎内的带束层为止的径向厚度的数据。
3.一种轮胎磨损状态预测程序,由轮胎磨损状态预测系统所具备的计算机执行,所述轮胎磨损状态预测程序包括以下步骤:
应变信号获取步骤,获取从设置于轮胎的内侧表面或内部的应变传感器输出的应变信号;
指标计算步骤,基于所获取到的所述应变信号的时间序列波形来计算变形速度的指标;
关系值计算步骤,预先计算所述变形速度的指标与所述轮胎的磨损程度之间的关系值;
磨损状态估计步骤,将所述关系值与所述变形速度的指标进行比较来估计所述轮胎的磨损程度;以及
关系值预测步骤,基于关于所述轮胎的所述变形速度的指标与所述轮胎的磨损程度之间的关系值,来预测其它尺寸的轮胎的关系值,
其中,在所述关系值预测步骤中,在预测其它尺寸的轮胎的关系值时,使用至少与轮胎胎面部的厚度有关的数据。
4.根据权利要求3所述的轮胎磨损状态预测程序,其中,
与所述轮胎胎面部的厚度有关的数据包括从轮胎内表面起到设置于该轮胎内的带束层为止的径向厚度的数据。
5.一种轮胎磨损状态预测方法,包括以下过程:
应变信号获取过程,获取从设置于轮胎的内侧表面或内部的应变传感器输出的应变信号;
指标计算过程,基于所获取到的所述应变信号的时间序列波形来计算变形速度的指标;
关系值计算过程,预先计算所述变形速度的指标与所述轮胎的磨损程度之间的关系值;
磨损状态估计过程,将所述关系值与所述变形速度的指标进行比较来估计所述轮胎的磨损程度;以及
关系值预测过程,基于关于所述轮胎的所述变形速度的指标与所述轮胎的磨损程度之间的关系值,来预测其它尺寸的轮胎的关系值,
其中,在所述关系值预测过程中,在预测其它尺寸的轮胎的关系值时,使用至少与轮胎胎面部的厚度有关的数据。
6.根据权利要求5所述的轮胎磨损状态预测方法,其中,
与所述轮胎胎面部的厚度有关的数据包括从轮胎内表面起到设置于该轮胎内的带束层为止的径向厚度的数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-189449 | 2020-11-13 | ||
JP2020189449A JP7407100B2 (ja) | 2020-11-13 | 2020-11-13 | タイヤ摩耗状態予測システム、タイヤ摩耗状態予測プログラムおよびタイヤ摩耗状態予測方法 |
PCT/JP2021/040648 WO2022102516A1 (ja) | 2020-11-13 | 2021-11-04 | タイヤ摩耗状態予測システム、タイヤ摩耗状態予測プログラムおよびタイヤ摩耗状態予測方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116419856A true CN116419856A (zh) | 2023-07-11 |
Family
ID=81601213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180075584.7A Pending CN116419856A (zh) | 2020-11-13 | 2021-11-04 | 轮胎磨损状态预测系统、轮胎磨损状态预测程序以及轮胎磨损状态预测方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230393024A1 (zh) |
EP (1) | EP4246117A4 (zh) |
JP (1) | JP7407100B2 (zh) |
CN (1) | CN116419856A (zh) |
WO (1) | WO2022102516A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5072463B2 (ja) | 2007-07-11 | 2012-11-14 | 株式会社ブリヂストン | タイヤの摩耗検知方法及びタイヤの摩耗検知装置 |
WO2009008502A1 (ja) | 2007-07-11 | 2009-01-15 | Kabushiki Kaisha Bridgestone | タイヤ摩耗推定方法 |
JP5902473B2 (ja) | 2011-12-28 | 2016-04-13 | 株式会社ブリヂストン | タイヤ偏摩耗検知方法及びタイヤ偏摩耗検知装置 |
JP6673933B2 (ja) | 2015-11-10 | 2020-03-25 | 株式会社ブリヂストン | タイヤ管理方法及びタイヤ管理装置 |
US20180154707A1 (en) | 2016-12-05 | 2018-06-07 | The Goodyear Tire & Rubber Company | Indirect tire pressure and wear state estimation system and method |
JP7265912B2 (ja) | 2019-03-29 | 2023-04-27 | 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 |
-
2020
- 2020-11-13 JP JP2020189449A patent/JP7407100B2/ja active Active
-
2021
- 2021-11-04 US US18/035,853 patent/US20230393024A1/en active Pending
- 2021-11-04 WO PCT/JP2021/040648 patent/WO2022102516A1/ja unknown
- 2021-11-04 CN CN202180075584.7A patent/CN116419856A/zh active Pending
- 2021-11-04 EP EP21891762.3A patent/EP4246117A4/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4246117A4 (en) | 2024-04-24 |
EP4246117A1 (en) | 2023-09-20 |
JP7407100B2 (ja) | 2023-12-28 |
US20230393024A1 (en) | 2023-12-07 |
WO2022102516A1 (ja) | 2022-05-19 |
JP2022078630A (ja) | 2022-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6563165B2 (ja) | タイヤサイドウォール荷重推定システム及び方法 | |
EP2813378B1 (en) | Tire wear state estimation system and method | |
EP2837510A1 (en) | Torsional mode tire wear state estimation system and method | |
JP2019011048A (ja) | タイヤ摩耗状態推定システムおよび方法 | |
EP2740640B1 (en) | Tire slip angle estimation system and method | |
EP3028910A1 (en) | Slip ratio point optimization system and method for vehicle control | |
WO2021079838A1 (ja) | タイヤ摩耗量推定システム、タイヤ摩耗量推定プログラム及びタイヤ摩耗量推定方法 | |
EP3674159B1 (en) | Arithmetic model generation system and arithmetic model generation method | |
US20220080779A1 (en) | Tire deterioration inferring device and tire deterioration inferring method | |
US20200250899A1 (en) | Tire force estimation system and tire force estimation method | |
KR20040023725A (ko) | 타이어가 겪는 힘들의 성분들과 자기-정렬 토크를결정하는 방법 | |
JP6803448B1 (ja) | 最大摩擦係数推定システムおよび最大摩擦係数推定方法 | |
JP2020085610A (ja) | タイヤ劣化推定システムおよびタイヤ劣化推定方法 | |
WO2019207835A1 (ja) | タイヤ状態検出装置 | |
US20240042812A1 (en) | Slow leak detection system for vehicle tires | |
CN114103560A (zh) | 轮胎磨损状态估计系统 | |
CN116419856A (zh) | 轮胎磨损状态预测系统、轮胎磨损状态预测程序以及轮胎磨损状态预测方法 | |
US20200182746A1 (en) | Tire wear state estimation system and method | |
CN116569012A (zh) | 轮胎载荷预测系统、轮胎载荷预测程序以及轮胎载荷预测方法 | |
CN118107594A (zh) | 轮胎滚动阻力估计系统 | |
CN113227750A (zh) | 用于评估轮胎参数的方法和系统 |
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 |