CN116917141A - 用于根据轮胎压力和/或温度测量结果来估计胎面深度的系统和方法 - Google Patents
用于根据轮胎压力和/或温度测量结果来估计胎面深度的系统和方法 Download PDFInfo
- Publication number
- CN116917141A CN116917141A CN202180094828.6A CN202180094828A CN116917141A CN 116917141 A CN116917141 A CN 116917141A CN 202180094828 A CN202180094828 A CN 202180094828A CN 116917141 A CN116917141 A CN 116917141A
- Authority
- CN
- China
- Prior art keywords
- tire
- vehicle
- computer
- implemented method
- tread depth
- 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 abstract description 55
- 238000009529 body temperature measurement Methods 0.000 title description 8
- 238000009530 blood pressure measurement Methods 0.000 title description 2
- 238000001816 cooling Methods 0.000 claims abstract description 20
- 230000008859 change Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 abstract description 12
- 238000005259 measurement Methods 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 abstract description 4
- 239000003570 air Substances 0.000 description 34
- 238000007726 management method Methods 0.000 description 13
- 238000012360 testing method Methods 0.000 description 12
- 238000005096 rolling process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 239000012080 ambient air Substances 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000012345 traction test Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
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
-
- 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
-
- 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
- B60C23/20—Devices for measuring or signalling tyre temperature only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/18—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring depth
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L17/00—Devices or apparatus for measuring tyre pressure or the pressure in other inflated bodies
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L19/00—Details of, or accessories for, apparatus for measuring steady or quasi-steady pressure of a fluent medium insofar as such details or accessories are not special to particular types of pressure gauges
- G01L19/0092—Pressure sensor associated with other sensors, e.g. for measuring acceleration or temperature
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Tires In General (AREA)
- Measuring Fluid Pressure (AREA)
Abstract
本文公开了用于估计安装在车辆上的轮胎上剩余的胎面深度的系统和方法。提供一个或多个传感器用于检测与该车辆相关联的运行数据以及对应于环境温度和所包含的空气温度的轮胎测量结果,这些测量结果可直接测量或从所测量的轮胎压力导出。至少基于所检测的运行数据和轮胎状况来估计该轮胎的热质量,并且至少部分地基于相应的所估计的热质量来估计该轮胎的当前胎面深度。在某些实施方案中,可使用限于在该车辆不移动时在该轮胎的冷却阶段捕获的测量结果的热传递模型来执行热质量估计,从而简化对应时间常数的计算。
Description
技术领域
本公开整体涉及轮式车辆上的轮胎的胎面深度估计。
更具体地,如本文所公开的系统、方法和相关算法可使用轮胎压力和/或环境温度测量结果对轮式车辆的轮胎的胎面深度进行例如改进的估计,该轮式车辆包括但不限于摩托车、消费类车辆(例如,乘用车和轻型卡车)、商业和越野(OTR)车辆。
背景技术
当前轮胎胎面深度的估计以及轮胎磨损的相关联预测对于拥有或操作车辆的任何人都是重要工具,特别是在车队管理的背景下。随着对轮胎的使用,通常胎面逐渐地变得更薄,并且整体轮胎性能发生变化。在某一时刻,了解轮胎状况变得至关重要,因为轮胎胎面不充足可能产生不安全的驾驶状况。例如,当道路状况不佳时,轮胎可能无法抓地,并且驾驶员可能失去对他或她的车辆的控制。一般而言,当在雨天、雪天等驾驶时,轮胎胎面越薄,驾驶员越容易失去牵引力。
另外,不规则胎面磨损可能出于多种原因而发生,这些原因可能引起用户比原本所需的更早地更换轮胎。车辆、驾驶员和各个轮胎全都彼此不同,并且可能导致轮胎以非常不同的速率磨损。例如,用于跑车的高性能轮胎比用于家用轿车的轮胎磨损得更快。然而,各种各样的因素可能导致轮胎比预期的磨损得更早,和/或导致轮胎不规则地磨损并且产生噪声或振动。过早和/或不规则轮胎磨损的两个常见原因是不适当的充气压力和超规格的对准条件。
期望提供胎面深度估计,优选地以接近实时的方式,否则缺乏估计会给许多重要的车队管理任务造成困难,诸如例如维护警报的产生、剩余磨损寿命的量的预测、哪些(以及何时)轮胎将需要更换的预测、成本预测等。
如果可以在不需要向车辆添加任何额外硬件的情况下提供此类胎面深度估计,则进一步期望提供此类胎面深度估计。
发明内容
本文公开了用于估计轮胎的胎面深度的示例性系统、方法和相关联模型。在各种实施方案中,此类模型可以在理论上建立,因为热时间常数与轮胎的质量直接相关,使得随着轮胎磨损和质量损失,热时间常数将减小。在具体实施方案中,此类模型可集中于轮胎处于静止状态并冷却的时间段,这简化了热时间常数与轮胎质量之间的关系。
如本文所公开的用于估计安装在车辆上的至少第一轮胎上剩余的胎面深度的计算机实现的方法的示例性实施方案可包括:检测与车辆和/或轮胎相关联的运行数据;以及还检测至少对应于环境温度和所包含的空气温度的轮胎状态数据。可至少部分地基于所检测的运行数据和轮胎状态数据随时间的所检测的变化来估计轮胎的热质量。还可至少部分地基于相应的所估计的热质量来估计轮胎的当前胎面深度。
在根据上述实施方案的一个示例性方面,可通过安装在轮胎上的传感器直接测量所包含的空气温度。另选地,可与直接测量的轮胎充气压力相关联地导出所包含的空气温度。
在根据上述实施方案的另一示例性方面,可通过安装到至少第一轮胎外部的一个或多个传感器来检测轮胎状态数据。
在根据上述实施方案的另一示例性方面,该方法还可包括在车辆停止的情况下:确定在冷却期间与轮胎相关联的时间常数随时间的变化;以及至少部分地基于所确定的时间常数随时间的变化来估计轮胎的热质量的变化。
在根据上述实施方案的另一示例性方面,该方法还可包括在车辆停止的情况下:在冷却期间监测轮胎压力和/或所包含的空气温度;在冷却期间确定所监测的轮胎压力和/或所包含的空气温度的冷却速率;以及至少部分地基于所监测的轮胎压力和/或所包含的空气温度的所确定的冷却速率来估计轮胎的热质量。
在根据上述实施方案的另一示例性方面,在车辆移动的情况下,与车辆相关联的所检测的运行数据还包括车辆速度和载荷;并且该方法还包括确定依赖于轮胎的热质量的时间常数。
在根据上述实施方案的另一示例性方面,在车辆移动的情况下,与车辆相关联的所检测的运行数据还包括车辆速度;并且基于相对于轮胎压力和/或所包含的空气温度的历史数据的热质量的聚合模型来校准轮胎的所估计的热质量。
在根据上述实施方案的另一示例性方面,该方法还可包括:将所估计的胎面深度作为轮胎磨损预测模型的输入来实施。
在根据上述实施方案的另一示例性方面,该方法还可包括:基于相较与轮胎相关联的一个或多个轮胎磨损阈值而言的预测的轮胎磨损状态来预测至少第一轮胎的更换时间。
在根据上述实施方案的另一示例性方面,该一个或多个轮胎磨损阈值可包括对应于车辆-轮胎组合的给定车轮位置的轮胎胎面阈值。
在根据上述实施方案的另一示例性方面,该方法还可包括:生成包括所预测的更换时间和与车辆-轮胎组合相关联的标识符的车辆维护警报;以及向车队管理设备传输包括车辆维护警报的消息。
在另一实施方案中,本文公开了一种用于估计安装在车辆上的至少第一轮胎上剩余的胎面深度的系统,该系统包括:一个或多个传感器;和计算设备,该计算设备功能性地链接到一个或多个传感器和可选择算法热模型,并且被配置为指导根据上述实施方案以及可选地任何一个或多个相关联的示例性方面的方法中的步骤的执行。
在根据上述系统实施方案的一个示例性方面,将一个或多个传感器安装到至少第一轮胎外部。
在根据上述系统实施方案的另一示例性方面中,该一个或多个传感器包括轮胎压力监测系统(TPMS)传感器。
在根据上述系统实施方案的另一示例性方面中,该计算设备相对于车辆是远程的,并且经由通信网络和驻留在车辆内的至少第二计算设备功能性地链接到一个或多个传感器。
附图说明
在下文中,参考附图更详细地示出了本发明的实施方案。
图1是表示如本文所公开的用于胎面深度估计的系统的实施方案的框图。
图2是根据图1的系统的用于检测轮胎压力和环境温度的示例性传感器的透视图。
图3是表示如本文所公开的用于胎面深度估计的方法的实施方案的流程图。
图4是表示在恒定行驶条件下轮胎的示例性所包含的空气温度曲线的图形图。
图5是表示在与转毂测试相关联的不同胎面深度下测量的轮胎随时间的冷却的图形图。
图6是表示胎面深度与热时间常数之间的示例性相关性的图形图。
图7是表示使用轮胎质量与热时间常数之间的关系来估计每个测试结果的质量损失的示例性结果的图形图。
图8是表示根据本公开的方法预测的胎面深度相对于轮胎的所测量的实际胎面深度的比较的图形图。
具体实施方式
总体参考图1至图8,现在可详细地描述本发明的各种示例性实施方案。在各种附图可描述与其他实施方案共享各种共同元件和特征的实施方案的情况下,类似的元件和特征被赋予相同的附图标号,并且下文可省略其冗余描述。
如本文所公开的系统的各种实施方案可包括与多个分布式数据收集器进行功能通信的集中式计算节点(例如,云服务器)以及用于有效地实现如本文所公开的磨损模型的计算节点(例如,与各个用户和/或车辆相关联)。
初始参考图1,系统100的示例性实施方案包括计算装置102,该计算装置在车辆上并且被配置为至少获得数据并且将所述数据传输到远程服务器130和/或执行如本文所公开的相关计算。计算装置可以是便携式的或以其他方式模块化的而作为分布式车辆数据收集和控制系统(如图所示)的一部分,或者可以相对于中央车辆数据收集控制系统(未示出)一体地提供。该装置可以包括处理器104和其上驻留有程序逻辑108的存储器106。各种实施方案中的计算设备102可以是车辆电子控制单元(ECU)的一部分,或者在本质上可以是分立的,例如相对于车辆安装架永久地或可拆卸地提供。
一般来讲,如本文所公开的系统100可实现分布在一个或多个车辆上的许多部件,例如但不一定与车队管理实体相关联,并且还可实现经由通信网络与车辆中的每个车辆进行功能通信的中央服务器130或服务器网络。车辆部件通常可包括例如链接到控制器局域网(CAN)总线网络并由此将信号提供给本地处理单元的一个或多个传感器,诸如例如车身加速度计、陀螺仪、惯性测量单元(IMU)、位置传感器诸如全球定位系统(GPS)转发器112、轮胎压力监测系统(TPMS)传感器发射器118和相关联的车载接收器等。出于例示性目的而不另外限制本发明的范围,所例示的实施方案包括环境温度传感器116、被配置收集例如与车辆相关联的加速数据的车辆速度传感器114和DC电源110。如本文所公开的传感器中的一个或多个传感器可被集成或以其他方式共同定位在给定模块化结构中,而不是在结构中是离散的和分散的。例如,这里所指的轮胎安装TPMS传感器可以被配置为生成与多个轮胎特定状况(例如,加速度、压力、温度)中的每一者对应的输出信号。
各种总线接口、协议和相关联的网络在本领域中熟知用于相应数据源与本地计算设备之间的通信等,并且本领域技术人员将认识到广泛范围的此类工具和用于实现这些工具的装置。
应当指出的是,图1中所表示的实施方案不限制如本文所公开的系统或方法的范围,并且在另选实施方案中,模型134中的一个或多个模型可在车载计算设备102处而非在服务器级处本地实施。例如,模型134可以随着时间的推移在服务器级别生成和训练,并下载到车载计算设备102以用于本地执行如本文所公开的一个或多个步骤或操作。
在其他另选实施方案中,各种传感器112、114、116、118中的一个或多个可以被配置为直接与远程服务器130通信,或者经由由车辆的用户携带的移动计算装置(未示出)而不是经由车载计算装置102与远程服务器130通信。
该系统100可包括附加分布式程序逻辑(诸如例如驻留在车队管理服务器或其他用户计算装置140上),或驻留于车辆的或与其驾驶员(未示出)相关联的用于进行实时通知(例如,经由视觉和/或音频指示器)的装置的用户界面,其中车队管理装置在一些实施方案中经由通信网络功能性地链接到车载装置102。系统编程信息可例如由驾驶员在车辆上提供或从车队管理器提供。
在实施方案中,车辆和轮胎传感器112、114、116、118还被提供有唯一标识符,其中车载装置处理器104可在从同一车辆上的相应传感器提供的信号之间进行区分,并且进一步在某些实施方案中,其中中央服务器130和/或车队维护监督器客户端装置140可在从多个车辆上的轮胎101和相关联的车辆和/或轮胎传感器提供的信号之间进行区分。换句话讲,在各种实施方案中,出于车载或远程/下游数据存储和用于如本文所公开的计算的具体实施的目的,传感器输出值可与特定轮胎101、特定车辆和/或特定轮胎-车辆系统相关联。车载装置处理器104可与托管服务器130直接地通信,如图1所示,或者另选地,驾驶员的移动装置或安装在卡车上的计算装置可被配置为接收车载装置输出数据并且将其进行处理/传输到托管服务器130和/或车队管理服务器/装置140。
从特定车辆和/或轮胎传感器112、114、116、118接收的信号可存储在车载装置存储器106中,或者存储在功能性地链接到车载装置处理器104的等同数据存储网络中,以根据需要进行选择性检索来用于根据本文所公开的方法的计算。如本文所用,“数据存储网络”一般可指被配置为存储数据并且使得能够从其选择性地检索数据的个别、集中式或分布式逻辑和/或物理实体,并且可包括(例如但不限于)存储器、查找表、文件、寄存器、数据库等。在一些实施方案中,来自各种传感器112、114、116、118的原始数据信号可基本上实时从车辆传送到服务器130。另选地,特别是根据高频率数据的连续数据传输中固有的低效率,数据可例如被编译、编码和/或汇总,以用于经由适当的通信网络从车辆到远程服务器130的更高效的(例如,基于周期性时间或另选地基于所定义的事件的)传输。
车辆数据和/或轮胎数据一旦经由通信网络传输到托管服务器130,就可存储在例如与其相关联的数据库132中。服务器130可包括本文所公开的一个或多个算法模型134或以其他方式与该一个或多个算法模型134相关联,以用于选择性地检索和处理车辆数据和/或轮胎数据作为适当的输入。模型134可至少部分地经由执行处理器来实施,从而使得能够选择性地检索车辆数据和/或轮胎数据,并且还使得能够进行电子通信,以输入来自与服务器130关联地存储的数据库、查找表等的任何附加的数据或算法。
该系统100可包括附加分布式程序逻辑(诸如例如驻留在车队管理服务器或其他用户计算装置140上),或驻留于车辆的或与其驾驶员(未示出)相关联的用于进行实时通知(例如,经由视觉和/或音频指示器)的装置的用户界面,其中车队管理装置140在一些实施方案中经由通信网络功能性地链接到车载装置102。系统编程信息可例如由驾驶员在车辆上提供或从车队管理器提供。
常规轮胎压力监测系统(TPMS)传感器118的示例包括功能性地链接到TPMS接收器的传感器发射器,TPMS接收器自身进一步链接到数据处理单元。TPMS传感器发射器可设置在车辆的每个轮胎101的内部空气腔中而在胎轮车轮或轮胎101的内表面上。发射器可以预定的时间间隔检测轮胎101的内部压力和所包含的空气温度168,并且将对应的值连同与轮胎101相关联的唯一标识符无线地传输到接收器。发射器可例如安装在轮辋158上,以便与轮胎气门集成为一体。另选地,可将发射器附接到轮胎的内表面。接收器还经由通信装置(诸如例如蓝牙)将信号从发射器中继到数据处理单元。
给定轮胎的所包含的空气温度可描述为车辆速度、轮胎压力、竖直载荷、胎面深度和诸如空气温度的环境条件的函数。通常,载荷和胎面深度可能是未知的。在如本文进一步公开的各种实施方案中,可基于温度测量结果来估计胎面深度。
轮胎在运行中的压力和温度历史主要由三个因素驱动:轮胎滚动引起的能量耗散和至/自轮胎到环境的热传递;轮胎的热容量,该热容量随着轮胎/车轮组件的热质量的量而变化;和充当散热器的环境的环境温度。通过解释这些因素之间的关系,可以设计识别轮胎/车轮组件的当前热质量的算法,该当前热质量将随着胎面橡胶由于轮胎磨损而被去除而改变。因此,本公开包括利用这些关系来推断轮胎磨损水平的方法,该方法通过监测压力随时间的变化并将它们与热质量以及因此与轮胎的剩余橡胶体积或磨损水平相关。
如本文所公开的并且与该实施方案一致的示例性技术可集中于监测轮胎充气压力和/或温度随时间的变化并将其与补充信息一起用于判断磨损水平。信息的逻辑流程可从车辆运行和环境数据的收集开始,其中这些输入被应用于估计热质量的轮胎的热模型134。轮胎的热质量还可与剩余胎面深度相关。例如通过使用机器学习技术,统计过程和重复测量随时间改进算法和对应的轮胎磨损预测。
在车辆停止并且其中轮胎正在冷却且环境温度已知的特定情况下,可实施冷却速率的差异以估计轮胎热质量,进一步地,其中轮胎热质量可实施为剩余轮胎胎面深度的准确指示。
又如,当车辆在运行时(例如,在对应于单个路线的时间跨度期间),可监测轮胎充气压力和/或所包含的空气温度随时间的变化,其中环境温度和诸如车辆速度、加速度等的路线信息是已知实体。轮胎热质量可例如通过与轮胎相关联的数字孪生模型134的校准来估计(如下面进一步讨论的),进一步基于与轮胎充气压力和/或温度值相关联的历史数据,其中当轮胎开始相对于先前参考更快地加热时,这将是轮胎热质量降低以及因此轮胎磨损的指示。
一般而言,参考图3,本文所公开的方法300的示例性实施方案可包括提供车辆运行数据和环境数据(步骤310)作为热模型(320)的输入,以及针对至少第一轮胎检测对应于环境温度和所包含的空气温度的轮胎状态数据(步骤322)。在某些实施方案中,所包含的空气温度可直接测量,或者如以下进一步描述的,可与例如适当的热传递模型或直接测量的轮胎充气压力相关联地估计或以其他方式间接确定。方法300还包括至少部分地基于所检测的运行数据和轮胎状态数据来估计至少第一轮胎的热质量(步骤324),以及至少部分地基于相应的所估计的热质量来估计至少第一轮胎的当前胎面深度(步骤326)。
在一个实施方案中,可通过使用简单的热传递模型134来估计轮胎瞬态所包含的空气温度,该热传递模型使用例如以下形式的一阶微分方程式来估计瞬态所包含的空气温度:
T(t)=(Rssυ/hA)+T∞+(T0–(Rssυ/hA)–T∞)e-t/τ
其中:T∞是环境空气温度;T0是初始温度;Rss是稳态滚动阻力;υ是车辆速度,h是热传递系数,A是轮胎的表面积,并且τ是时间常数。稳态滚动阻力取决于轮胎充气压力、环境空气温度、车辆速度、垂直载荷和胎面深度,并且时间常数取决于轮胎的质量。
如果轮胎上的载荷、车辆速度、轮胎充气压力和环境空气温度是已知的,则胎面深度和质量(其与胎面深度相关)可隔离为仅有的未知变量。通过实施例如卡尔曼滤波器,可通过考虑测量和预测不确定性来改进估计。
如上所述,该实施方案要求作用在轮胎上的载荷是已知的。然而,从温度测量结果确定轮胎上的胎面深度的一个实际问题是载荷通常是未知的。
在另一个实施方案中,该问题可通过仅考虑当轮胎在运行一段时间之后冷却时收集的数据并且使用轮胎的简单的热传递模型134来规避。例如,系统的热能平衡得出以下等式:
其中,是轮胎产生的热传递速率,/>是到周围环境的热传递速率,并且是储存在轮胎中的热传递速率。
通过假设所有滚动阻力转化为热量,并且仅考虑热传递到周围环境的对流,等式1可表示为:
其中,R是瞬态滚动阻力,V是轮胎的速度,h是热传递系数,A是表面积,T是温度,T∞是环境温度,m是轮胎的质量,并且cp是轮胎的热容量。
瞬态滚动阻力可估计为线性地取决于瞬时温度:
其中,Rss是稳态滚动阻力,Tss是稳态温度,并且α是常数。
将等式3代入等式2得出:
可解析地求解该线性一阶微分方程式。例如,T项前面的常数可表征为a1,并且该方程式右侧的常数项可表征为a2。微分方程式的解为:
其中,c1是积分常数。
c1的解可通过边界条件T(0)=T0得出,使得
此外,从等式5可以看出,稳态温度等于a2/a1,这可简化为:
再次参考等式5,时间常数等于1/a1,这使得:
等式8表明,用于正常运行的热时间常数是滚动阻力的函数,因此热时间常数是复杂的。这是因为滚动阻力将根据载荷、压力、速度和温度而变化。
图4示出了在恒定行驶条件下轮胎的典型温度曲线。通过集中于轮胎的冷却(即,当轮胎处于静止状态时)而不是升温,热时间常数仅是轮胎质量的函数:
这种关系可以说简单得多,因为它消除了运行期间热时间常数所涉及的滚动阻力值的复杂性。简言之,轮胎的质量越低,冷却的速度越快。可假设在轮胎寿命期间的质量损失可基本上由胎面损失引起,并且因此通过使用等式9确定轮胎的质量变化,还可推断胎面深度的变化。
通过在轮胎运行之后达到静止状态之后的持续时间内测量所包含的空气温度,可估计热时间常数。然后,通过使用例如等式9,可估计轮胎的质量,并且随后估计轮胎的胎面深度。在如本文所公开的此类实施方案中,可能仅需要所包含的空气温度和环境温度来进行测量。因此,可使用传统的安装在轮胎上的传感器(例如,TPMS)来收集一些或全部必要数据。
为了根据如上所述的方法300的实施方案根据所包含的空气温度和环境温度测量结果进一步估计胎面深度,可进一步确定其他参数。例如,当首次安装所讨论的轮胎并且已知该轮胎是新轮胎时,可根据温度数据估计相关联的热时间常数,并且可通过下式确定等式9中的热传递特性:
其中,假设由于该轮胎是新轮胎,质量是已知的或由轮胎制造商提供。
然后,随着轮胎磨损,可通过结合使用等式9和等式10的结果来确定给定时间点的质量。在一个实施方案中,可通过使用以下形式的一阶微分方程式得出最佳拟合冷却数据的时间常数来估计热时间常数,例如:
T(t)=T∞+(T0-T∞)e-t/τ[11]
其中:T∞是环境空气温度;T0是初始温度;并且τ是时间常数。时间常数随轮胎质量线性变化。随着轮胎磨损,质量减小,并且因此时间常数也减小。除非另有说明,否则轮胎根据轮胎磨损的增加而更快地升温和冷却。当轮胎是新轮胎时,通过测量时间常数,可估计质量变化(并且因此估计胎面深度的变化)。质量损失可使用例如几何关系转换为胎面损失:
其中,R是轮胎的外半径,w是胎面宽度,ρ是胎面橡胶密度,并且Δh是胎面损失。胎面密度可例如选择为一般的1100kg/m3。
为了精确测量时间常数,冷却周期测量持续时间必须足够长。这将基于轮胎的类型和剩余胎面的量而变化,但通常在几分钟左右。
根据上述技术,从两种轮胎收集实验数据—Bridgestone Turanza EL440和Destination A/T。在转毂上测试轮胎,抛光,然后再测试数次。根据温度测量结果计算的时间常数的结果再现如下:
轮胎名称 | 新 | 磨损2mm | 磨损4mm | 磨损6mm |
EL440 | 3972s | 3294s | 3182s | 2730s |
Dest.A/T | 7413s | 5884s | 5420s | 4302s |
进行转毂测试以评估根据上述实施方案的轮胎胎面深度估计的准确性。在单个条件(5000N,230kPa,100kph)下在转毂上测试Bridgestone Turanza EL440轮胎30分钟,该时间足够长以使轮胎达到稳态温度。然后停止转毂,再收集数据2小时(该时间足够长以使轮胎冷却到测试室中的环境温度)。然后将轮胎胎面抛光至较低的胎面深度,然后等待轮胎从抛光过程完全冷却下来,然后回到转毂上。然后进行相同的测试,并且针对几个不同的胎面深度重复该测试。所研究的胎面深度为7.5mm、6.0mm、4.5mm和2mm。这些胎面深度是轮胎主槽和圆周周围三个不同位置的平均深度。在轮胎内衬的胎冠区域的中心安装测量温度的设备。还收集测试室的环境温度。
图5示出了该测试的结果。从图中可以看出,胎面深度与冷却温度曲线之间的预期关系在这些实验结果中是明显的。随着胎面深度减小,轮胎更快地冷却并且具有更小的热时间常数。
图6进一步表明胎面深度与热时间常数之间的强相关性。在某些实施方案中,这种强相关性本身可基本上体现用于估计胎面深度的模型,但是这可能不期望地需要对每个新轮胎设计进行预测试。
图7示出了使用轮胎质量与热时间常数之间的关系来估计每个测试结果的质量损失的结果,从而潜在地消除进行预测试的需要。与针对每个胎面深度测量的实际质量损失相比,这些结果几乎是一对一的。
图8示出了使用如本文所公开的示例性模型基于图5中所示的数据估计胎面深度的结果。图7和图8两者表明了合理的精度,但是图8在最低胎面深度数据点(即,与图7中的右上点对应的图8中的左下点)具有略微较低的精度。对于这一点,预测的质量损失非常接近于实际的质量损失,然而预测的胎面深度偏离约0.5mm。这表明通过使用胎面花纹的更精确的几何形状,胎面深度结果将更加精确。即使采用更简单的几何形状,误差平均小于5%,最大约为0.5mm。这些结果对于大多数应用来说都是可接受的。
在本文所公开的一个实施方案中,可基于轮胎充气压力来计算所包含的空气温度,而不是直接测量所包含的空气温度。通过理想气体定律,将轮胎充气压力与所包含的空气温度相关:
pV=NRT
其中:p是轮胎充气压力;V是空气腔的体积;N是摩尔数;R是理想气体常数;并且T是所包含的空气温度。根据理想气体定律,如果假设体积和摩尔数保持恒定,则在压力与温度之间存在线性关系,当空气泄漏可忽略并且体积没有变化时,这是很好的假设。
该实施方案可以提供比需要直接测量所包含的空气温度的实施方案更高的值,因为它使得可以使用压力传感器作为所包含的空气压力的指示器,该压力传感器可安装在空腔内部或外部。与感测压力和内部温度的内部安装的传感器不同,外部安装的传感器暴露于外部温度,因此不能直接测量所包含的空气温度。然而,外部安装的传感器测量空腔压力。外部轮胎压力监测系统(TPMS)设备可能因其简单性而被优选的,至少因为例如它们易于安装和接近,而不必拆卸轮胎。
接下来参考图2,在如上所述的一个实施方案中,如图1所示的内部安装的轮胎压力监测系统(TPMS)传感器118可相应地用外部安装的帽型传感器150替换,该帽型传感器在所示的示例中螺纹连接到从轮胎轮辋158延伸的阀杆156上。经由软管连接或嵌入到阀杆中的其他传感器也被认为在本公开的范围内。传感器150的两个主要部件是被配置为测量外部环境空气166的温度的温度传感器152和被配置为测量所包含的空气压力168的压力传感器154。
利用例如安装在阀杆156上的外部压力传感器154和温度传感器152,除了轮胎压力之外还可以测量恰好在轮胎外部的环境温度166。与通过车辆底盘上的接收器测量环境的情况相比,这可有利地提供更准确的环境温度测量结果。此外,接收器现在可从底盘上移除,并放置在任何地方(例如,车舱内),以便更简单地安装和使用。
如本文所公开的各种实施方案可至少部分地基于具有可忽略空气泄漏的所包含的体积中的压力和温度的关系。本领域技术人员可理解,这对于由于空气通过轮胎扩散而仅在数天和数周内具有空气损失的轮胎车轮组件而言是真实的;在几小时量级的时间尺度上的空气损失基本上可忽略不计。
在各种实施方案中,方法300还可涉及将胎面深度估计作为输入提供给模型134以用于预测在一个或多个未来时间点的磨损值(步骤340),其中此类预测值可与相应的阈值进行比较。例如,与预测的轮胎磨损状态(例如,在给定距离、时间等下的预测的胎面深度)相对应的反馈信号可经由界面被提供给与车辆本身相关联的车载装置102,或者被提供给与用户相关联的移动装置,该移动装置诸如例如与被配置为提供应当或者不久将需要更换轮胎的警报或者通知/建议的用户界面集成在一起。在本公开的范围内并且基于经预测的轮胎磨损(包括例如轮胎旋转、对准、充气等),可预测和实施其他轮胎相关阈值事件以用于警报和/或干预。系统100可基于关于预先确定的参数的各个阈值、阈值组和/或非阈值算法比较来生成此类警报和/或干预建议。
可基于各种物理部分、过程或系统的“数字孪生”虚拟表示来估计各种轮胎磨损值,其中数字和物理数据配对并与学习系统诸如例如神经网络组合。例如,可提供来自车辆的真实数据和相关联的位置/路线信息来生成车辆轮胎的数字表示以用于估计轮胎磨损,其中所估计的轮胎磨损与所确定的实际轮胎磨损的后续比较可被实现为机器学习算法的反馈。磨损模型134可被实施在车辆处,以用于经由车载系统进行处理,或者轮胎数据和/或车辆数据可被处理来将代表性数据提供给托管服务器以用于远程磨损估计。
轮胎磨损状态(例如,胎面深度)可例如与某些车辆数据一起作为输入被提供到牵引模型(步骤350),该牵引模型可被配置为提供相应轮胎的估计的牵引状态或一个或多个牵引特性。与前述磨损模型一样,牵引模型可包括物理部分、过程或系统的“数字孪生”虚拟表示,其中数字和物理数据配对并与学习系统诸如例如人工神经网络组合。可在相应资产的整个生命周期中提供来自特定轮胎、车辆或轮胎-车辆系统的真实车辆数据和/或轮胎数据来生成车辆轮胎的虚拟表示以用于估计轮胎牵引力,其中所估计的轮胎牵引力与对应的测量的或确定的实际轮胎牵引力的后续比较可优选地被实现为在服务器级执行的机器学习算法的反馈。
在各种实施方案中,牵引模型可利用如关于许多轮胎-车辆系统所收集的来自先前测试的结果(包括例如停止距离测试结果、轮胎牵引力测试结果等)以及输入参数(例如,轮胎胎面、充气压力、路面特性、车辆速度和加速度、滑移速率和角度、法向力、制动压力和负载)的值的相关联的组合,其中可针对给定一组当前车辆数据和轮胎数据输入有效地预测轮胎牵引力输出。
在一个实施方案中,来自该牵引模型的输出可以被并入主动安全系统中。如本文所用的术语“主动安全系统”可优选地涵盖本领域技术人员通常已知的此类系统,包括但不限于以下示例,诸如防撞系统、高级驾驶员辅助系统(ADAS)、防抱死制动系统(ABS)等,此类系统可被配置为利用牵引模型输出信息来实现最佳性能。例如,防撞系统通常被配置为采取退避行动,诸如自动地接合主车辆的制动器以避免或缓解与目标车辆的潜在碰撞,并且非常期望关于轮胎的牵引能力以及因此轮胎-车辆系统的制动能力的增强信息。
在另一个实施方案中,共乘自主车队可使用来自牵引模型的输出数据来在恶劣天气期间禁用或以其他方式选择性地免于使用胎面深度低的车辆,或者有可能限制该车辆的最大速度。
在各种实施方案中,该方法还可涉及将当前磨损值相对于阈值进行比较,以确定轮胎是否(或何时)需要干预,诸如例如更换(步骤360)。该方法可另选地或进一步地包括预测在一个或多个未来时间点的磨损值,其中这种预测值可与各自的阈值比较。如例如在图1中所表示的,对应于预测的轮胎磨损状态(例如,在给定距离、时间等下的预测胎面深度)的反馈信号可以经由接口120被提供给与车辆本身相关联的车载装置102,或者被提供给与用户相关联的移动装置140,该移动装置诸如例如与被配置为提供应当或者不久将需要更换轮胎的警报或者通知/推荐的用户界面集成在一起。
作为另一示例,自主车辆车队可包括具有不同最小胎面状态值的许多车辆,其中车队管理系统可被配置为禁用降至低于最小阈值的车辆的部署。车队管理系统还可以实现对应于车轮位置的不同最小胎面状态值。该系统可相应地被配置为根据与车辆相关联的多个轮胎中的每个轮胎的最小轮胎胎面值起作用,或者在实施方案中,可计算多个轮胎的聚合的胎面状态以用于与最小阈值进行比较。
在各种实施方案中,该方法还可包括即使在未检测到阈值违反的情况下的数据流式传输,其中估计及/或预测的磨损值可实时显示在本地用户界面及/或(例如,与车队管理服务器相关联的)远程显示器上,且进一步显示的数据可包括(例如)所包含的空气温度。
在整个说明书和权利要求书中,除非上下文另有规定,否则以下术语至少具有本文明确相关联的含义。下面标识的含义不一定限制术语,而是仅为术语提供例示性示例。“一个”、“一种”和“所述”的含义可包括复数指代,并且“在...中”的含义可包括“在...中”和“在...上”。如本文所用,短语“在一个实施方案中”不一定是指相同的实施方案,尽管它可以是相同的实施方案。
结合本文所公开的实施方案描述的各种例示性逻辑块、模块和算法步骤可被实现为电子硬件、计算机软件或两者的组合。为了清楚地示出硬件和软件的这种可互换性,上文已在其功能方面总体描述了各种例示性部件、块、模块和步骤。此类功能是被实现为硬件还是软件取决于特定应用和施加在整个系统上的设计约束。所描述的功能可针对每个特定应用以不同方式实现,但是此类实现决策不应被解释为导致脱离本公开的范围。
结合本文所公开的实施方案描述的各种例示性逻辑块和模块可由机器实现或执行,该机器诸如通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其他可编程逻辑器件、离散栅极或晶体管逻辑、离散硬件部件或它们的被设计成执行本文所述的功能的任何组合。通用处理器可以是微处理器,但是在另选方案中,处理器可以是控制器、微控制器或状态机、它们的组合等。处理器也可被实现为计算设备的组合,例如DSP和微处理器的组合、多个微处理器的组合、与DSP核结合的一个或多个微处理器的组合或任何其他此类配置的组合。
结合本文所公开的实施方案描述的方法、过程或算法的步骤可直接体现在硬件中、由处理器执行的软件模块中或两者的组合中。软件模块可驻留在RAM存储器、闪存存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移除磁盘、CD-ROM或本领域已知的任何其他形式的计算机可读介质中。示例性计算机可读介质可耦接到处理器,使得处理器可从存储器/存储介质读取信息并将信息写入到存储器/存储介质。在另选方案中,介质可集成到处理器。处理器和介质可驻留在ASIC中。ASIC可驻留在用户终端中。在另选方案中,处理器和介质可作为分立部件驻留在用户终端中。
除非另外特别说明或在所使用的上下文内以其他方式理解,否则本文所用的条件语言(诸如“可以”、“可能”、“可”、“例如”等)通常旨在传达某些实施方案包括某些特征、元件和/或状态,而其他实施方案不包括某些特征、元件和/或状态。因此,此类条件语言通常不旨在暗示特征、元素和/或状态对于一个或多个实施方案以任何方式是必需的,或者一个或多个实施方案有必要包括用于在有或没有作者输入或提示的情况下决定这些特征、元件和/或状态是否包括在任何特定实施方案中或者是否将在任何特定实施方案中执行的逻辑。
虽然本文通常可针对车队管理系统并更具体地是自主车辆车队或商业卡车应用的轮胎磨损估计来描述本发明的某些优选实施方案,但是本发明明确地绝不受限于此,并且除非另外说明,否则如本文所用的术语“车辆”可指汽车、卡车或它们的可包括一个或多个轮胎并因此要求轮胎磨损的准确的估计或预测以及以例如直接车辆控制调整的形式进行的潜在的禁用、更换或干预的任何等同物(无论是自推进的还是其他形式的)。
除非另外说明,否则如本文所用的术语“用户”可指驾驶员、乘客、机修工、技术人员、车队管理人员或可能例如与具有用于提供如本文所公开的特征和步骤的用户界面的设备相关联的任何其他人或实体。
出于说明和描述的目的已提供了先前的详细描述。因此,尽管已描述了新的和有用的发明的具体实施方案,但并不旨在将这些参考理解为是对本发明范围的限制,除非如以下权利要求所述。
Claims (15)
1.一种用于估计安装在车辆上的轮胎上剩余的胎面深度的计算机实现的方法,所述方法包括:
检测与所述车辆和/或所述轮胎相关联的运行数据;
检测至少对应于环境温度和所包含的空气温度的轮胎状态数据;
至少部分地基于所检测的运行数据和所述轮胎状态数据随时间的所检测的变化来估计所述轮胎的热质量;以及
至少部分地基于相应的所估计的热质量来估计所述轮胎的当前胎面深度。
2.根据权利要求1所述的计算机实现的方法,其中:
通过安装在轮胎上的传感器直接测量所包含的空气温度。
3.根据权利要求1所述的计算机实现的方法,其中:
与直接测量的轮胎充气压力相关联地导出所包含的空气温度。
4.根据权利要求3所述的计算机实现的方法,其中:
通过安装到至少第一轮胎外部的一个或多个传感器来检测所述轮胎状态数据。
5.根据权利要求1至4中任一项所述的计算机实现的方法,所述方法还包括在所述车辆停止的情况下:
确定在冷却期间与所述轮胎相关联的时间常数随时间的变化;以及
至少部分地基于所确定的时间常数随时间的变化来估计所述轮胎的热质量的变化。
6.根据权利要求1至4中任一项所述的计算机实现的方法,其中所述方法还包括在所述车辆停止的情况下:
在冷却期间监测所述轮胎压力和/或所包含的空气温度;
在所述冷却期间确定所监测的轮胎压力和/或所包含的空气温度的冷却速率;以及
至少部分地基于所监测的轮胎压力和/或所包含的空气温度的所确定的冷却速率来估计所述轮胎的所述热质量。
7.根据权利要求1至4中任一项所述的计算机实现的方法,其中:
在所述车辆移动的情况下,与所述车辆相关联的所检测的运行数据还包括车辆速度和载荷;并且
所述方法还包括确定依赖于所述轮胎的所述热质量的时间常数。
8.根据权利要求1至4中任一项所述的计算机实现的方法,其中:
在所述车辆移动的情况下,与所述车辆相关联的所检测的运行数据还包括车辆速度;并且
基于相对于轮胎压力和/或所包含的空气温度的历史数据的热质量的聚合模型来校准所述轮胎的所估计的热质量。
9.根据权利要求1所述的计算机实现的方法,所述方法还包括:
将所估计的胎面深度作为轮胎磨损预测模型的输入来实施。
10.根据权利要求9所述的计算机实现的方法,所述方法还包括:
基于相较与所述轮胎相关联的一个或多个轮胎磨损阈值而言的预测的轮胎磨损状态来预测所述至少第一轮胎的更换时间。
11.根据权利要求10所述的计算机实现的方法,其中:
所述一个或多个轮胎磨损阈值包括对应于车辆-轮胎组合的给定车轮位置的轮胎胎面阈值。
12.根据权利要求10所述的计算机实现的方法,所述方法还包括:
生成包括所预测的更换时间和与所述车辆-轮胎组合相关联的标识符的车辆维护警报;以及
向车队管理设备传输包括所述车辆维护警报的消息。
13.一种用于估计安装在车辆上的至少第一轮胎上剩余的胎面深度的系统,所述系统包括:
一个或多个传感器,所述一个或多个传感器被配置为检测与所述车辆相关联的运行数据以及至少对应于环境温度和所包含的空气温度的轮胎状态数据;和
计算设备,所述计算设备功能性地链接到所述一个或多个传感器和可选择算法热模型,并且被配置为指导根据权利要求1至12中任一项所述的方法的步骤的执行。
14.根据权利要求13所述的系统,其中:
所述一个或多个传感器中的至少一个传感器是安装到所述轮胎外部的轮胎压力监测系统(TPMS)传感器。
15.根据权利要求13或14所述的系统,其中所述计算设备相对于所述车辆是远程的,并且经由通信网络和驻留在所述车辆内的至少第二
计算设备功能性地链接到所述一个或多个传感器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163160059P | 2021-03-12 | 2021-03-12 | |
US63/160,059 | 2021-03-12 | ||
PCT/US2021/053870 WO2022191875A1 (en) | 2021-03-12 | 2021-10-07 | System and method for estimation of tread depth from tire pressure and/or temperature measurements |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116917141A true CN116917141A (zh) | 2023-10-20 |
Family
ID=83227015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180094828.6A Pending CN116917141A (zh) | 2021-03-12 | 2021-10-07 | 用于根据轮胎压力和/或温度测量结果来估计胎面深度的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11959827B2 (zh) |
EP (1) | EP4304876A1 (zh) |
JP (1) | JP7448731B1 (zh) |
CN (1) | CN116917141A (zh) |
BR (1) | BR112023017942A2 (zh) |
WO (1) | WO2022191875A1 (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6151959A (en) * | 1996-10-10 | 2000-11-28 | Pirelli Coordinamento Pneumatici Spa | Pneumatic tire having tread wear detectors |
US6327904B1 (en) * | 1997-04-21 | 2001-12-11 | Continental Ag | Method for determining the tread depth of a vehicle tire while the vehicle is moving |
DE10058099A1 (de) * | 2000-11-09 | 2002-05-23 | Continental Teves Ag & Co Ohg | Verfahren und Vorrichtung zum Erkennen oder Abschätzen von Reifenabnutzung |
CN104781092A (zh) * | 2012-10-01 | 2015-07-15 | 大陆汽车有限公司 | 用于获取轮胎胎纹的胎纹深度的方法、控制器和系统 |
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 |
CN112440628A (zh) * | 2019-08-30 | 2021-03-05 | 固特异轮胎和橡胶公司 | 利用印迹长度的轮胎磨损估计系统和方法 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6741169B2 (en) * | 2001-07-06 | 2004-05-25 | Trw Inc. | Tire tread integrity monitoring system and method |
DE10218781A1 (de) | 2002-04-26 | 2003-11-13 | Tuev Automotive Gmbh | Auf einer Felge montierbarer Luftreifen, Sensornetz, Umdrehungsmesseinheit und Fahrzeugüberwachungssystem |
JP4699682B2 (ja) | 2003-07-29 | 2011-06-15 | 株式会社ブリヂストン | タイヤ経時変化予測方法、装置、プログラム及び媒体 |
JP5347054B1 (ja) | 2012-09-03 | 2013-11-20 | 株式会社ブリヂストン | タイヤケースライフ予測システム |
US20150057877A1 (en) | 2013-08-22 | 2015-02-26 | The Goodyear Tire & Rubber Company | Tire wear state estimation system utilizing cornering stiffness and method |
US9636955B2 (en) | 2014-06-11 | 2017-05-02 | The Goodyear Tire & Rubber Company | Tire temperature predictive system and method |
FR3034045B1 (fr) * | 2015-03-24 | 2017-04-28 | Michelin & Cie | Methode de determination de la temperature d'une partie interne des materiaux d'un pneumatique |
US9873293B2 (en) * | 2015-10-21 | 2018-01-23 | The Goodyear Tire & Rubber Company | Indirect tire wear state prediction system and method |
US9878721B2 (en) * | 2015-11-11 | 2018-01-30 | The Goodyear Tire & Rubber Company | Tire sensor-based robust mileage tracking system and method |
EP3739289A1 (en) | 2016-04-25 | 2020-11-18 | Sigmavision Limited | Tread depth measurement |
WO2018005972A1 (en) * | 2016-06-30 | 2018-01-04 | Massachusetts Institute Of Technology | Applying motion sensor data to wheel imbalance detection, tire pressure monitoring, and/ or tread depth measurement |
FR3060463A1 (fr) | 2016-12-15 | 2018-06-22 | Compagnie Generale Des Etablissements Michelin | Procede et systeme d'estimation de la severite de conditions d'utilisation d'un pneumatique |
US20180272813A1 (en) | 2017-03-23 | 2018-09-27 | The Goodyear Tire & Rubber Company | Model based tire wear estimation system and method |
US10603962B2 (en) * | 2017-06-29 | 2020-03-31 | The Goodyear Tire & Rubber Company | Tire wear state estimation system and method |
US10730352B2 (en) * | 2018-02-22 | 2020-08-04 | Ford Global Technologies, Llc | System and method for tire wear prognostics |
US10518590B2 (en) | 2018-03-05 | 2019-12-31 | Sensata Technologies, Inc. | System and method for tracking tire tread wear |
IT201800006322A1 (it) * | 2018-06-14 | 2019-12-14 | Sistema e metodo per monitorare il consumo di battistrada | |
US10960712B2 (en) * | 2018-06-28 | 2021-03-30 | Nissan North America, Inc. | Tire wear estimation using a hybrid machine learning system and method |
US11458784B2 (en) * | 2020-03-25 | 2022-10-04 | Ford Global Technologies, Llc | Methods and apparatus to determine tire tread depth |
CN116056916A (zh) * | 2020-09-02 | 2023-05-02 | 普利司通美国轮胎运营有限责任公司 | 使用温度升高数据的车辆轮胎定位系统和方法 |
US20220388348A1 (en) * | 2021-06-08 | 2022-12-08 | The Goodyear Tire & Rubber Company | Tire replacement forecasting system and method |
-
2021
- 2021-10-07 BR BR112023017942A patent/BR112023017942A2/pt unknown
- 2021-10-07 JP JP2023552999A patent/JP7448731B1/ja active Active
- 2021-10-07 US US18/275,059 patent/US11959827B2/en active Active
- 2021-10-07 WO PCT/US2021/053870 patent/WO2022191875A1/en active Application Filing
- 2021-10-07 EP EP21930579.4A patent/EP4304876A1/en active Pending
- 2021-10-07 CN CN202180094828.6A patent/CN116917141A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6151959A (en) * | 1996-10-10 | 2000-11-28 | Pirelli Coordinamento Pneumatici Spa | Pneumatic tire having tread wear detectors |
US6327904B1 (en) * | 1997-04-21 | 2001-12-11 | Continental Ag | Method for determining the tread depth of a vehicle tire while the vehicle is moving |
DE10058099A1 (de) * | 2000-11-09 | 2002-05-23 | Continental Teves Ag & Co Ohg | Verfahren und Vorrichtung zum Erkennen oder Abschätzen von Reifenabnutzung |
CN104781092A (zh) * | 2012-10-01 | 2015-07-15 | 大陆汽车有限公司 | 用于获取轮胎胎纹的胎纹深度的方法、控制器和系统 |
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 |
CN112440628A (zh) * | 2019-08-30 | 2021-03-05 | 固特异轮胎和橡胶公司 | 利用印迹长度的轮胎磨损估计系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
EP4304876A1 (en) | 2024-01-17 |
WO2022191875A1 (en) | 2022-09-15 |
JP2024512293A (ja) | 2024-03-19 |
US11959827B2 (en) | 2024-04-16 |
JP7448731B1 (ja) | 2024-03-12 |
BR112023017942A2 (pt) | 2023-10-03 |
US20240035928A1 (en) | 2024-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3378679B1 (en) | Model based tire wear estimation system and method | |
US20210061022A1 (en) | Tire wear state estimation system and method employing footprint length | |
US20210300132A1 (en) | Tire state estimation system and method utilizing a physics-based tire model | |
US20230256778A1 (en) | Vehicle tire localization system and method using temperature rise data | |
EP3838628A1 (en) | Method of estimating tire conditions | |
US20230196854A1 (en) | Tire replacement system | |
US20210061020A1 (en) | Tire wear state estimation system and method employing footprint shape factor | |
US11959827B2 (en) | Estimating tread depth remaining on vehicle-mounted tire by estimating thermal mass of tire based on detected changes in detected operational data and tire condition data over time | |
EP3957501B1 (en) | Tire high temperature forecasting system and method | |
EP4112335A1 (en) | Tire pressure monitoring system and method employing axle cross comparison | |
JP7490139B2 (ja) | 温度上昇データを使用する車両タイヤ位置特定システム及び方法 | |
US11872850B2 (en) | System and method for tire vertical load prediction | |
US20220309840A1 (en) | System and method for reconstructing high frequency signals from low frequency versions thereof | |
WO2023250236A1 (en) | Vehicle tire localization system and method using tire and/or wheel sensors and directional antennas | |
CN117715771A (zh) | 用于实时估计轮胎滚动阻力的系统和方法 | |
US20240118175A1 (en) | System and method for identifying a tire contact length from radial acceleration signals | |
CN116278523A (zh) | 轮胎更换系统 | |
EP4344907A1 (en) | Tire leak detection method and modular tire pressure leak detection system | |
WO2023133051A1 (en) | Comprehensive tire health modeling and systems for the development and implementation thereof | |
CN117897284A (zh) | 根据轮胎充气压力估计作用在轮胎上的垂直负载 | |
EP4274747A1 (en) | System and method for estimating tire wear using acoustic footprint analysis |
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 |