CN117042987A - 用于量化机动车辆轮胎的现场使用苛刻度的系统、方法和轮胎老化模型 - Google Patents
用于量化机动车辆轮胎的现场使用苛刻度的系统、方法和轮胎老化模型 Download PDFInfo
- Publication number
- CN117042987A CN117042987A CN202280020171.3A CN202280020171A CN117042987A CN 117042987 A CN117042987 A CN 117042987A CN 202280020171 A CN202280020171 A CN 202280020171A CN 117042987 A CN117042987 A CN 117042987A
- Authority
- CN
- China
- Prior art keywords
- tires
- tire
- ambient temperature
- motor vehicle
- 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
- 230000032683 aging Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000001590 oxidative effect Effects 0.000 claims abstract description 20
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 230000001186 cumulative effect Effects 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 230000010354 integration Effects 0.000 claims abstract description 8
- 238000009825 accumulation Methods 0.000 claims description 8
- 239000003570 air Substances 0.000 description 30
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 238000007726 management method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000009529 body temperature measurement Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 229920000642 polymer Polymers 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 239000012080 ambient air Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002277 temperature effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012345 traction test Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- 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
- B60C11/00—Tyre tread bands; Tread patterns; Anti-skid inserts
- B60C11/24—Wear-indicating arrangements
- B60C11/246—Tread wear monitoring systems
Abstract
本文公开了用于监测针对机动车辆和/或多个车队的轮胎老化的系统和方法。计算设备(例如,云服务器)链接到车载数据采集设备,该车载数据采集设备提供对应于相应轮胎的环境温度和内含空气温度的信号。计算设备至少基于所收集的环境温度和相应内含空气温度来确定轮胎的氧化性老化特性,和所述氧化性老化特性的相对于时间和/或行驶距离的相应累积速率,并且进一步确定每个轮胎的相对于固定的基准环境温度的氧化性老化特性,和该氧化性老化特性的相对于时间和/或行驶距离的相应累积速率。选择性地生成的输出信号对应于相应轮胎的被监测特性和所述被监测特性的相应累积速率。氧化性老化特性可例如通过阿伦尼乌斯反应速率积分至少部分地确定。
Description
技术领域
本公开总体涉及量化轮式机动车辆上的轮胎的性能方面。更具体地,如本文所公开的系统、方法和相关算法涉及针对轮式机动车辆(包括但不限于摩托车、消费车辆(例如,客车和轻型卡车)、商用和越野(OTR)车辆)的轮胎的老化度量,该老化度量用于量化特定于车队、车队中的单个机动车辆或单个轮胎位置的运行条件和/或环境条件的苛刻度。
背景技术
一般而言,如本文所公开的系统和方法的各种实施方案可实现与机动车辆相关联的检测到的运行条件和/或环境条件,包括例如与给定轮胎相关联的环境温度和/或内含空气温度(CAT)。优选地,可使用数据采集系统(诸如,例如轮胎压力监测系统(TPMS))直接测量响应,该数据采集系统可被安装在轮胎中、轮胎上或以其他方式与轮胎相关联。当轮胎在不同的道路和表面上滚动时,数据采集系统可连续地收集数据,并且进一步经由例如蜂窝通信网络将此类数据传输到中央计算设备(诸如云服务器)。
本领域技术人员可理解,内含空气温度指示现场运行条件的苛刻度。高负荷和速度、低充气压力、高环境温度和太阳负荷可单独地或共同地导致内含空气温度增加。轮胎温度对轮胎寿命的影响不是线性的。
发明内容
如本文所公开的系统和方法的实施方案可涉及用于例如基于阿伦尼乌斯氧化反应速率方程和在轮胎采样周期的时间/持续时间内的积分,来计算老化单位(AU)的方法。老化单位可在轮胎的整个寿命期间累积,当运行条件和/或环境条件相对苛刻时累积得更快,并且当运行条件和/或环境条件相对温和时累积得更慢。一些累积甚至在机动车辆停放时发生。每个AU可被定义为在特定条件(例如在70℉的车库中停放(即不运行)一个月)下将发生的氧化性老化的量。
例如相对于时间或相对于行驶距离编索引的AU的累积速率(分别为AItime、AIdist)可用于相互比较机动车辆和/或车队运行。
测量值还可再次进一步指示轮胎定位对机动车辆的影响,诸如例如双驱动轴的内侧位置比对应的外侧位置老化得更快。
可比较全国的车队(诸如例如,长途运输机动车队和区域机动车队)之间的测量值,以指示老化苛刻度的相对差异。
为了更好地理解运行条件的差异,环境条件的影响也可被去除。如本文进一步公开的修改的度量(诸如Δ老化单位(ΔAU))可具体地通过将环境温度影响替换为固定的70℉环境温度,来去除或以其他方式解决环境温度影响。以这种方式,在美国西南部运行的机动车辆的运行条件的轮胎严苛度可有意义地与在加拿大运行的机动车辆进行比较,而不受环境条件的影响。ΔAU还可相对于时间和/或距离被编索引(分别为AItime、AIdist)。
如本文所公开的轮胎监测方法的实施方案包括经由安装在具有多个轮胎的机动车辆上的至少一个数据采集设备,至少收集对应于多个轮胎中的每个轮胎的环境温度和内含空气温度的信号。计算设备可被配置为至少基于所收集的环境温度和相应内含空气温度,确定多个轮胎中的每个轮胎的氧化性老化特性,和该氧化性老化特性的相对于时间和/或行驶距离的相应累积速率。可相对于固定的基准环境温度,进一步确定多个轮胎中的每个轮胎的氧化性老化特性,和该氧化性老化特性的相对于时间和/或行驶距离的相应累积速率。可对应于多个轮胎中的一个或多个轮胎的被监测特性和该被监测特性的相应累积速率,选择性地生成输出信号。
在根据上述实施方案的示例性方面中,氧化性老化特性可通过阿伦尼乌斯反应速率积分至少部分地确定。
根据上述实施方案的另一个示例性方面可包括:经由至少一个数据采集设备收集与多个轮胎中的每个轮胎的竖直负荷、充气压力和速度中的一者或多者对应的信号,其中可相对于多个轮胎中的每个轮胎的竖直负荷、充气压力和速度中的一者或多者,进一步确定氧化性老化特性的累积速率。
根据上述实施方案的另一个示例性方面可包括:识别多个轮胎中的每个轮胎在机动车辆上的相应位置;以及针对多个轮胎在机动车辆上的每个相应位置,基于所确定的特性和该特性的相应累积速率,预测轮胎寿命状态。可对应于多个轮胎中的一个或多个轮胎的确定的干预事件,选择性地生成输出信号。
根据上述实施方案的另一个示例性方面还可相对于定义的车队中的多个机动车辆中的每个机动车辆提供。针对所至少收集的对应于对应的多个轮胎中的每个轮胎的环境温度和内含空气温度的信号中的每个信号,识别至少相应机动车辆,并且针对定义的车队中的每个相应机动车辆,基于所确定的特性和该特性的相应累积速率,预测轮胎寿命状态。可对应于多个机动车辆中的一个或多个机动车辆的确定的干预事件,选择性地生成输出信号。
根据上述实施方案的另一示例性方面还可相对于多个定义的车队中的每个车队中的多个机动车辆中的每个机动车辆提供。可针对所至少收集的对应于对应的多个轮胎中的每个轮胎的环境温度和内含空气温度的信号中的每个信号,识别至少相应机动车辆和相应车队,并且针对每个相应车队,基于所确定的特性和该特性的相应累积速率,预测轮胎寿命状态。可对应于多个车队中的一个或多个车队的确定的干预事件,选择性地生成输出信号。
在另一个实施方案中,轮胎监测系统可包括至少一个数据采集设备,该至少一个数据采集设备安装在具有多个轮胎的机动车辆上,并且被配置为至少生成对应于多个轮胎中的每个轮胎的环境温度和内含空气温度的信号。计算设备通信地链接到该至少一个数据采集设备,并且被配置为引导根据上述方法实施方案和相关联的(可选的)示例性方面的步骤的执行。
在上述系统的示例性方面中,计算设备可例如是云服务器系统或本地电子控制单元的一部分。
在另一实施方案中,独立地提供计算设备(诸如例如云服务器系统),该计算设备通信地链接到与一个或多个车辆相关联的数据采集设备,并且被配置为引导根据上述方法实施方案和相关联的(可选的)示例性方面的步骤的执行。
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是呈现如本文所公开的轮胎监测系统的实施方案的框图。
图2是呈现如本文所公开的轮胎监测方法的实施方案的流程图。
图3是呈现作为如本文所公开的轮胎老化模型的输入的示例性环境温度和轮胎内含空气温度的图解图。
图4是呈现示例性机动车辆的左前轮胎的内含空气温度在319天的时间段内的阿伦尼乌斯反应速率积分的图解图。
图5是呈现如从图4中的积分导出的示例性老化单位的图解图。
图6是呈现相对于时间被编索引的图5的老化单位的图解图。
图7是呈现相对于距离被编索引的图5的老化单位的图解图。
图8a至图8e是呈现来自不同车队的相应机动车辆的示例性环境温度值和内含空气温度值的图解图。
图9a和图9b是分别呈现不同车队的相对于时间的示例性老化指数值和相对于距离的示例性老化指数值的图解图。
图10a至图10e是呈现图8a至图8e的相应机动车辆的示例性Δ内含空气温度(ΔCAT)值的图解图。
图11a和图11b是分别呈现不同车队的相对于时间的示例性Δ老化指数(ΔAItime)值和相对于距离的示例性Δ老化指数(ΔAIdist)值的图解图。
图12是呈现特定机动车辆的针对不同轮胎位置的相对于距离的示例性Δ老化指数(ΔAIdist)值的图解图。
图13是呈现与给定机动车辆相关联的示例性环境温度趋势的图解图。
图14是呈现图13的机动车辆的示例性内含空气温度趋势的图解图。
图15是呈现图13和图14的机动车辆的相对于时间的示例性老化指数和Δ老化指数(分别为AItime和ΔAItime)的值的图解图。
图16a至图16d是呈现不同机动车辆的针对不同轮胎位置的示例性值的图解图。
图17a至图17c是分别呈现亚利桑那州图森市的给定时间段的示例性环境温度、阿伦尼乌斯反应速率和老化指数值的图解图。
具体实施方式
总体参考图1至图17c,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)以及用于有效地实施至少如本文所公开的轮胎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设备102,该计算设备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。计算设备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。该设备可以包括处理器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)或其部件,或者可以在性质上是离散的,例如相对于车辆安装件永久地或可拆卸地提供的。
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,本文所提及的安装在轮胎上的TPMS传感器可被配置为生成与多个轮胎特定条件(例如,径向加速度、充气压力、内含空气温度)中的每个条件相对应的输出信号。TPMS传感器可例如被安装在轮胎气腔的内部,略微升高并且与金属轮辋隔离,从而不会受到不利影响。
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。
应注意,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,且在另选实施方案中,模型134中的一者或一者以上可在车载计算设备102(例如,电子控制单元)处而非在服务器级处本地实施。例如,模型134可以在服务器级随时间生成和训练,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中的一个或多个传感器可被配置为在没有本地车载设备102的情况下与远程服务器130通信,诸如例如经由蜂窝通信网络或经由车辆用户携带的移动计算设备(未示出)。
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设备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)的设备的用户界面,其中车队管理设备在一些实施方案中经由通信网络功能性地链接到车载设备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。
除非另有说明,否则本文所使用的术语“用户界面”可以包括任何输入-输出模块,用户设备通过该输入-输出模块来促进相对于如本文所公开的服务器和/或设备的用户交互,所述服务器和/或设备包括但不限于下载的或以其他方式驻留的程序应用;网络浏览器;网络门户,诸如单独的网页或共同定义托管网站的那些网页;等。用户界面还可在按钮和显示部分的上下文中关于个人移动计算设备进行描述,按钮和显示部分可相对于例如触摸屏独立地布置或以其他方式相互关联,并且还可包括音频和/或视觉输入/输出功能,即使没有明确的用户交互。
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,其中车载设备处理器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设备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,驾驶员的移动设备或安装在卡车上的计算设备可被配置为接收车载设备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/设备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设备存储器106中,或者存储在功能性地链接到车载设备处理器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(例如,蜂窝)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或以其他方式与所述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设备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)的设备的用户界面,其中车队管理设备140在一些实施方案中经由通信网络功能性地链接到车载设备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。
现在可描述如图2所示的用于量化机动车辆轮胎的不同性能方面的示例性方法200,以及如本文进一步描述的该方法的其他功能和优点。
方法200开始于在车辆运行阶段收集信号(步骤210),如前文所指出,收集信号可采用传统数据采集设备(诸如安装在轮胎中或轮胎上的轮胎压力监测系统(TPMS)),该数据采集设备生成对应于内含空气温度211、环境温度212、充气压力213、轮胎标识符214、竖直负荷215、速度216等的信号。当轮胎在不同道路和表面上滚动时,数据采集设备可以连续地收集数据。
从数据采集设备收集的信号211-216可被本地(例如在驻留在车辆上的电子控制单元102处)接收和处理,或者远程(例如在云服务器节点130处)接收和处理(步骤220)。该系统还可预先存储或以其他方式使得可访问对应于多个轮胎中的每个轮胎的信息,该多个轮胎的类型与所讨论的轮胎相似,甚至包括所讨论的轮胎。
方法200还包括以下步骤:确定用于量化运行条件的第一苛刻度度量(步骤230),其诸如与内含空气温度和环境温度中的每一者相关;和/或确定用于量化运行条件的第二苛刻度度量(步骤240),其去除所测量的环境温度或以其他方式用定义的基准温度来替代所测量的环境温度。传统的内含空气温度(CAT)分布不是上述第一组或第二组范围内的苛刻度度量。即使可提供信息,此类分布也难以用于比较,并且例如没有强调在较高温度下的较短时间可能比在较低温度下的较长时间更有害。
如本文所公开的示例性第一苛刻度度量可包括作为累积老化度量的老化单位(AU)。每个AU例如可相当于在70华氏度的车库中停放一个月的车辆的轮胎中发生的氧化性老化的量。此类度量可在轮胎的整个寿命期间累积,用于量化轮胎已经经历的实际累积老化。即使当车辆被停放时,AU可被理解为继续增加,尽管以相对慢的速率增加。
如本文所公开的示例性第二苛刻度度量可包括Δ老化单位(ΔAU),该ΔAU除了环境温度的影响被有效地从计算中去除之外,与AU类似。例如,可能期望提供对在不同地理区域或在不同季节运行的轮胎或车队的比较。通过在逐分钟的基础上将实际环境温度的影响与CAT分离并且用固定基准(例如,70华氏度)替换它,将运行条件(负荷、速度、充气)的影响与环境条件分离变得可能。
附加的和相关的苛刻度度量可包括作为单个值的老化指数(AI或ΔAI),当相对于时间或距离被编索引时,其表示现场运行轮胎温度的苛刻度。例如,可能期望提供对不同时间段或行驶里程内的轮胎或车队的比较。例如,AItime度量可在每月的基础上对累积的AU进行归一化,并且AIdist度量可在每10000英里的基础上对AU进行归一化。
老化单位可基于阿伦尼乌斯方程,该阿伦尼乌斯方程估计随着温度升高聚合物中的化学反应速率,或更具体地估计氧与聚合物链反应以形成交联的速率。随着温度每增加10摄氏度,该反应速率大约加倍。
十(10)AU可意味着运行条件和环境温度条件已经产生了对应于相当于在70华氏度的车库中十个月的氧化性老化的内含轮胎温度。如果这些AU累积了两个月的时间,则与车辆和/或轮胎相关联的运行调节和/或环境条件导致老化发生的速度是停放时的五倍(AItime=5)。
环境空气由约21%的氧气组成,并且从轮胎气腔穿过外胎,因为气腔的压力高于周围空气。当氧气穿过轮胎时,其自然趋势是与聚合物链结合或形成交联。这导致刚度增加、弹性损失和形成内部疲劳裂纹的可能性增加。
使用基于阿伦尼乌斯指数来表达轮胎在现场使用中的劣化的一个基本原理可源于这样的事实:取决于活化能,随着温度每增加10摄氏度,化学反应速率大约加倍。传统阿伦尼乌斯式如下:
k=Ae-Ea/RT
其中k是速率常数,A是频率因子或指数前因子,Ea是活化能(以焦耳/摩尔计),R是理想气体常数(8.3145焦耳/开氏度/摩尔),并且T是温度(以开氏度计)。
在一个实施方案中,老化单位可如下计算:
更实际地,如果t以分钟计并且我们的基准时间是一个月(43834分钟),则老化单位可以是:
在这种情况下,温度函数T(t)是例如从TPMS传感器收集的所测量的内含空气温度(CAT)。轮胎内的一些内部位置将处于较高的温度并且一些内部位置将处于较低的温度,并且因此将分别更快或更慢地老化。CAT是“平均”温度,其可被认为是各种运行条件(例如,负荷、充气压力、速度、行驶里程相对于停放时间)和/或某些环境条件(例如,环境温度、路面温度、太阳负荷)的强函数以及轮胎自身的热生成趋势的较弱函数。
阿伦尼乌斯反应速率k的积分可在感兴趣的时间范围内基于逐分钟地进行。然而,当由于TPMS传感器的低信号强度、轮胎与接收器之间的过度干扰或其他仪器问题而在数据中存在缺失数据或间隙时,使复杂化的难题会出现。如果数据间隙小于六十分钟,则执行缺失温度的线性插值并且继续积分,因为例如环境和CAT都是相对缓慢变化的值并且在限制内,其中内插值比没有数据更好。如果数据间隙大于六十分钟,则停止积分,并且在相应地调整总时间和行驶里程的情况下,按部分执行积分。
数据质量指数可根据总时间段的百分之多少由于间隙而被移除来定义。如果例如间隙指数变得大于20%,则它可能开始影响所计算的老化度量的质量。
为了计算Δ老化指数(上文的示例性第二苛刻度度量),可例如在逐次测量的基础上从内含空气温度中减去环境温度,加上预定基准环境温度值(例如,70华氏度)。实验数据表明,环境温度和内含空气温度之间不存在一对一关系,并且进一步表明,环境温度增加1°可导致内含空气温度增加大约0.80°到0.83°。因此,为了获得Δ老化指数,示例性计算可如下:
ΔCAT=CAT-(0.80*Tamb)
其中ΔCAT是以℉计的归一化的内含空气温度,CAT是以℉计的所测量的内含空气温度,并且Tamb是以℉计的所测量的环境温度。这种经验关系在本质上是示例性的,并不旨在作为排他性表示,但其基于稳态数据,并且在现场条件的运行范围内看起来相当准确。当轮胎处于瞬变条件(例如,加热或冷却中,或停放)时,这种关系不被认为是那么准确。
图3至图17c提供了至少关于上文引用计算的说明性支持和进一步的示例。
参照图3,示例性环境温度和轮胎内含空气温度被表示为如本文所公开的轮胎老化模型的基本输入。所表示的温度以华氏度计,相对于左前轮位置取得,间隙指数为1%。
如图4所示,针对图3所示的车辆的同一轮胎的所测量的CAT,阿伦尼乌斯速率常数k在319天的时间段内被积分。下部线是实际的老化速率,表明老化在冬季月份积累较慢,并且在夏季月份积累较快。上部线将环境温度替换为基准温度,即恒定的70华氏度环境温度。
如图5所示,通过将来自图4的两个积分除以70℉下一个月的反应速率k,来相对于图3和图4的车辆定义老化单位(AU)。上部线(ΔAU)比下部线(AU)累积得更多,因为环境温度通常小于70℉,即使在夏季月份中下部线的斜率更大。在所示示例中,该车辆的左前轮胎在其运行的第一个319天累积了148AU。如果该车辆在固定的70℉的周围环境中运行,则其理论上将累积198个ΔAU。如果比较在不同周围环境中或在不同季节运行的车辆,并且目的是比较运行条件,而不是运行条件和环境条件的混合,则ΔAU值是有利的。
如图6所示,仍然相对于与图3至图5中相同的示例性车辆,老化单位也可相对于时间(例如,每月或30.44天)被编索引。这些曲线是图5中的相应曲线的微分。该车辆的相同(左前)轮胎每月累积大约14AU,如下部曲线所示,但是应注意,它没有非常快速地趋于稳定。上部曲线更快速地趋于稳定到每月19AU,因为它不受周围环境的影响。当比较已经使用不同时间长度的车辆或轮胎时,AItime或AItime可方便地实现为度量。
如图7所示,再次相对于与图3至图6中相同的示例性汽车和轮胎,按距离归一化的老化指数比按时间归一化的老化指数更快速地趋于稳定。季节效应在AIdist值中是明显的,但在ΔAIdist值中很大程度上被抵消。所示的轮胎每行驶10000英里累积约7.1个单位,而当环境温度固定为70℉时,每行驶10000英里累积9.5个单位。
图8a至图8e是应用范围广的不同车队的相应转向轮胎内含空气温度分布的曲线图。例如,年行驶里程范围从21000英里到244000英里,并且平均环境温度范围从50华氏度到98华氏度。图9a和图9b中的所示的车队(A至E)的两个老化指数都是内含空气温度的强函数,而且也是环境温度的函数。相对于时间的老化指数AItime(参见图9a)也是行驶里程和利用率百分比(即,在道路上的时间相对于停放的时间)的强函数。相对于距离的老化指数AIdist(参见图9b)示出基于行驶里程,车队E变得相对苛刻。
图10a至图10e分别是图8a至图8e中所示的相同车队(A至E)的转向轮胎ΔCAT分布的曲线图。图11a和图11b中所示的车队(A至E)的两个Δ老化指数都是内含空气温度的强函数,但是已经去除了环境温度的影响。相对于时间的Δ老化指数ΔAItime(参见图11a)也是行驶里程和利用率百分比(即,在道路上的时间相对于停放的时间)的强函数。相对于距离的Δ老化指数ΔAIdist(参见图11b)示出基于行驶里程,车队E变得相对苛刻。
图12示出了示例性卡车的转向轮胎(位置1和2)和驱动轮胎(位置3-10)的相对于距离编索引的Δ老化指数度量ΔAUdist的图表。针对同一区域车队中的各种其他卡车(未示出)绘制了图表,其中利用率百分比从低至11.5%变化至高至29.3%。尽管在各种卡车之间存在一些明显的差异,但一致性是值得注意的。例如,转向轮胎(位置1和2)被确定为每10000英里老化8-12AU,转向轮胎比驱动轮胎老化得更快,并且内侧驱动轮胎(位置4-5和8-9)比对应的外侧驱动轮胎(位置3-6和7-10)老化得更快。
图13至图15涉及来自普通机动车辆的示例性数据点和计算。图13呈现了706天长的TPMS数据文件的结果,并且展示了环境温度的季节性趋势。如图14中进一步所示,这些环境温度趋势也被转化为内含空气温度。图15的上部曲线中的所得AItime值在五个月后相对稳定,即使由于设备故障而具有大的数据间隙。图15的下部曲线中的所得ΔAItime值更快地稳定,并且不显示季节性效应。在这种情况下,AItime和ΔAItime的值接近,因为平均环境温度相对接近用于归一化ΔAItime的70华氏度的基准温度。
图16a和图16c示出了两个示例性卡车的转向轮胎(位置1和2)和驱动轮胎(位置3-10)的相对于时间编索引的Δ老化指数度量ΔAItime的图表。这些值示出了内侧驱动轮胎(位置4、5和8、9)的温度比对应的外侧驱动轮胎(位置3、6和7、10)更高,并且转向轮胎的温度比驱动轮胎更高。
图16c和图16d分别示出了与图16a和图16b的卡车不同的示例性卡车的每个轮胎的冷胎充气气压(CIPometer)和Δ老化指数ΔAItime。位置10处的轮胎在大约一半的时间内极度充气不足,这导致其适当充气的姐妹轮胎(位置9)的运行温度比其他情况下更高,并且因此具有相对高的Δ老化指数ΔAItime,如图16d所示。
如图17a所示,老化指数还可用于确定不同位置的年度环境温度测量值对轮胎老化的影响。所示出曲线图示出了特定位置(亚利桑那州图森市)的示例性逐小时环境温度测量值。环境温度的影响已经包括在老化指数中,因为它对内含空气温度具有很大的影响。可以注意到,环境温度的下限与环境温度的上限之间的差异大约是2.5倍。然而,可注意到,当逐小时的环境温度测量值随后被输入到阿伦尼乌斯方程中时,对应的反应速率的较低值与较高值之间的差约为两个数量级,这表示温度对反应速率的非线性影响。
图17b中进一步示出了图17a中的值的反应速率的总和,跨越了从年初开始到年底结束的相同示例性时间范围。变化曲线表示图森市环境温度分布,而线性曲线表示用作指标的预定固定的基准环境温度(即,70℉)。
图17c示出了作为图17b中的两条曲线的比率的老化指数。本领域技术人员可得出结论:与相同轮胎放置在受控环境(例如70℉的房间)中相比,图森市2016年的代表性环境温度将使轮胎的老化速度快1.93倍。
在一些实施方案中,方法200还可涉及提供一个或多个苛刻度度量,该一个或多个苛刻度度量单独地或与其他相关数据组合地作为用于预测在一个或多个未来时间点的轮胎老化或磨损状态的模型的输入(步骤250)。例如,对应于预测的轮胎老化状态的反馈信号(步骤260)可经由接口被提供到与车辆自身相关联的车载设备102,或者被提供到与用户相关联的移动设备,该移动设备诸如例如与用户界面集成,该用户界面被配置为提供干预事件的警告或通知/推荐,该干预事件诸如例如为一个或多个轮胎应当或者不久将需要被更换、旋转、对准、充气等。
对应于所确定的轮胎苛刻度度量的输入(诸如预测的轮胎老化和/或磨损状态)可例如与某些车辆数据一起作为输入被提供到牵引模型,该牵引模型可被配置为提供相应轮胎的估计牵引状态或一个或多个牵引特性。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,其中数字数据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、制动压力和负荷)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。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设备102,或者被提供给与用户相关联的移动设备140,该移动设备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轮胎磨损状态(例如胎面深度)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。
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 (11)
1.一种轮胎监测方法,所述方法包括:
经由安装在具有多个轮胎的机动车辆上的至少一个数据采集设备,至少收集对应于所述多个轮胎中的每个轮胎的环境温度和内含空气温度的信号;
至少基于所收集的环境温度和相应内含空气温度,确定所述多个轮胎中的每个轮胎的氧化性老化特性,和所述氧化性老化特性的相对于时间和/或行驶距离的相应累积速率;
进一步确定所述多个轮胎中的每个轮胎的相对于固定的基准环境温度的所述氧化性老化特性,和所述氧化性老化特性的相对于时间和/或行驶距离的相应累积速率;以及
对应于所述多个轮胎中的一个或多个轮胎的被监测特性和所述被监测特性的相应累积速率,选择性地生成输出信号。
2.根据权利要求1所述的方法,其中所述氧化性老化特性通过阿伦尼乌斯反应速率积分至少部分地确定。
3.根据权利要求1所述的方法,所述方法还包括:
经由所述至少一个数据采集设备,收集对应于所述多个轮胎中的每个轮胎的竖直负荷、充气压力和速度中的一者或多者的信号;并且
其中相对于所述多个轮胎中的每个轮胎的竖直负荷、充气压力和速度中的所述一者或多者,来进一步确定所述氧化性老化特性的所述累积速率。
4.根据权利要求1所述的方法,所述方法还包括:
识别所述多个轮胎中的每个轮胎在所述机动车辆上的相应位置;以及
针对所述多个轮胎在所述机动车辆上的每个相应位置,基于所确定的特性和所述特性的相应累积速率,预测轮胎寿命状态。
5.根据权利要求4所述的方法,其中对应于所述多个轮胎中的一个或多个轮胎的确定的干预事件,选择性地生成所述输出信号。
6.根据权利要求1所述的方法,所述方法还相对于定义的车队中的多个机动车辆中的每个机动车辆提供,并且包括:
针对所至少收集的对应于所述对应的多个轮胎中的每个轮胎的环境温度和内含空气温度的信号中的每个信号,识别至少相应机动车辆;以及
针对所述定义的车队中的每个相应机动车辆,基于所确定的特性和所述特性的所述相应累积速率,预测轮胎寿命状态。
7.根据权利要求6所述的方法,其中对应于所述多个机动车辆中的一个或多个机动车辆的确定的干预事件,选择性地生成所述输出信号。
8.根据权利要求1所述的方法,所述方法还相对于多个定义的车队中的每个车队中的多个机动车辆中的每个机动车辆提供,并且包括:
针对所至少收集的对应于所述对应的多个轮胎中的每个轮胎的环境温度和内含空气温度的信号中的每个信号,识别至少相应机动车辆和相应车队;以及
针对每个相应车队,基于所确定的特性和所述特性的所述相应累积速率,预测轮胎寿命状态。
9.根据权利要求8所述的方法,其中对应于所述多个车队中的一个或多个车队的确定的干预事件,选择性地生成所述输出信号。
10.一种轮胎监测系统,所述轮胎监测系统包括:
至少一个数据采集设备,所述至少一个数据采集设备安装在具有多个轮胎的机动车辆上,并且被配置为至少生成对应于所述多个轮胎中的每个轮胎的环境温度和内含空气温度的信号;
计算设备,所述计算设备通信地链接到所述至少一个数据采集设备以从其接收所生成的信号,其中所述计算设备进一步被配置为引导根据权利要求1至9中任一项所述的方法的步骤的执行。
11.一种云服务器,所述云服务器通信地链接到安装在具有多个轮胎的一个或多个机动车辆中的每个机动车辆上的至少一个数据采集设备,其中所述云服务器被配置为引导根据权利要求1至9中任一项所述的方法的步骤的执行。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163172879P | 2021-04-09 | 2021-04-09 | |
US63/172,879 | 2021-04-09 | ||
PCT/US2022/024038 WO2022217061A1 (en) | 2021-04-09 | 2022-04-08 | System, method, and tire aging model for quantifying field usage severity of motor vehicle tires |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117042987A true CN117042987A (zh) | 2023-11-10 |
Family
ID=83545080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280020171.3A Pending CN117042987A (zh) | 2021-04-09 | 2022-04-08 | 用于量化机动车辆轮胎的现场使用苛刻度的系统、方法和轮胎老化模型 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP4319994A1 (zh) |
JP (1) | JP2024514413A (zh) |
CN (1) | CN117042987A (zh) |
BR (1) | BR112023018553A2 (zh) |
WO (1) | WO2022217061A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1544002B1 (en) * | 2002-08-12 | 2010-12-29 | Bridgestone Corporation | Method, device, and recording medium where program is recorded, for deciding residual travel life and end of life of run-flat tire that continues traveling in run-flat condition |
JP4382562B2 (ja) * | 2004-04-12 | 2009-12-16 | 株式会社ブリヂストン | ランフラットタイヤのランフラット走行寿命末期を判定する方法及び装置 |
US7895886B2 (en) * | 2006-01-30 | 2011-03-01 | The Yokohama Rubber Co., Ltd. | Evaluation method for pneumatic tires and system thereof |
US9376118B2 (en) * | 2014-07-08 | 2016-06-28 | The Goodyear Tire & Rubber Company | Assessment of tire condition based on a tire health parameter |
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 |
-
2022
- 2022-04-08 BR BR112023018553A patent/BR112023018553A2/pt unknown
- 2022-04-08 JP JP2023555697A patent/JP2024514413A/ja active Pending
- 2022-04-08 WO PCT/US2022/024038 patent/WO2022217061A1/en active Application Filing
- 2022-04-08 EP EP22785532.7A patent/EP4319994A1/en active Pending
- 2022-04-08 CN CN202280020171.3A patent/CN117042987A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
JP2024514413A (ja) | 2024-04-02 |
WO2022217061A1 (en) | 2022-10-13 |
BR112023018553A2 (pt) | 2023-10-17 |
EP4319994A1 (en) | 2024-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113748030B (zh) | 用于车辆轮胎性能建模和反馈的系统和方法 | |
US20210300132A1 (en) | Tire state estimation system and method utilizing a physics-based tire model | |
CN112533772B (zh) | 轮胎损坏检测系统和方法 | |
US20230256778A1 (en) | Vehicle tire localization system and method using temperature rise data | |
CN110895414A (zh) | 用于确定并监视额外燃料消耗的原因的方法和系统 | |
JP2023542695A (ja) | タイヤ摩耗を予測するための階層的データ構造及び方法 | |
US11403889B2 (en) | Part maintenance and value estimation system | |
CN117042987A (zh) | 用于量化机动车辆轮胎的现场使用苛刻度的系统、方法和轮胎老化模型 | |
US20240131872A1 (en) | System, method, and tire aging model for quantifying field usage severity of motor vehicle tires | |
US20240053231A1 (en) | System and method for estimating tire wear using acoustic footprint analysis | |
US20240118175A1 (en) | System and method for identifying a tire contact length from radial acceleration signals | |
US20220309840A1 (en) | System and method for reconstructing high frequency signals from low frequency versions thereof | |
US11872850B2 (en) | System and method for tire vertical load prediction | |
CN117715771A (zh) | 用于实时估计轮胎滚动阻力的系统和方法 | |
WO2023028404A1 (en) | Estimation of vertical load acting on a tire as a function of tire inflation pressure | |
WO2023159043A1 (en) | Estimation of a coefficient of friction for a surface relative to one or more tires in contact with the surface | |
US20240142332A1 (en) | System And Method For Detecting Pressure Loss Rate And Associated Events For Motor Vehicle Tires | |
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 | |
WO2023133051A1 (en) | Comprehensive tire health modeling and systems for the development and implementation thereof | |
CN116278523A (zh) | 轮胎更换系统 | |
CN110949070A (zh) | 一种数据处理方法、装置、系统、计算机设备和存储介质 |
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 |