DE69731222T2

DE69731222T2 - Verfahren zum entwerfen von reifen, optimierungsanalysereinrichtung und speichermedium zur aufnahme des optimierungsanalyseprogramms

Info

Publication number: DE69731222T2
Application number: DE69731222T
Authority: DE
Inventors: Yukio Nakajima
Original assignee: Bridgestone Corp
Current assignee: Bridgestone Corp
Priority date: 1997-08-08
Filing date: 1997-08-08
Publication date: 2005-03-10
Anticipated expiration: 2017-08-09
Also published as: WO1999007543A1; ES2229377T3; EP0937570B1; DE69731222D1; EP0937570A1; JP4393595B2; EP0937570A4; US7369976B1

Description

GEBIET DER ERFINDUNG
Die vorliegende Erfindung betrifft ein Reifenentwurfsverfahren, ein Optimierungsanalysegerät und ein Speichermedium, auf dem ein Optimieranalyseprogramm gespeichert ist, und insbesondere ein Reifenentwurfsverfahren, ein Optimierungsanalysegerät und ein Speichermedium, auf dem ein Optimierungsanalyseprogramm gespeichert ist, das für den Entwurf der Struktur, der Form und des Musters eines Reifens verwendet werden kann, beispielsweise der Form einer Seitenwand oder eines Kronenabschnitts eines Reifens.
TECHNISCHER HINTERGRUND
Der Entwurf der Struktur, der Form und des Musters eines Reifens dient zum Erhalten der Struktur, der Form und eines Musters eines Reifens, der Herstellungsbedingungen hierfür, und dergleichen, die zum Erhalten der Funktionen bzw. Effizienz eines Reifens. Die Funktionen/Effizienz des Reifens ist eine physikalische Größe, die durch Berechnung oder Experiment erhalten wird, oder ein Qualitätsbewertungsergebnis bei einem Fahren auf dem Fahrzeug. Ein übliches Reifenentwurfsverfahren, beispielsweise für den Entwurf der Struktur, der Form und des Musters eines Reifens, war realisiert durch eine empirische Regel mit Trial-and-error, erhalten durch Wiederholungen von Experimenten und numerischen Experimenten unter Verwendung eines Rechners. Aus diesem Grund nimmt die Zahl der Versuchsherstellschritte und Testbetriebsschritte, die zum Entwickeln eines Reifens erforderlich sind, in großem Umfang zu, was im Ergebnis zu einer Zunahme der Entwicklungskosten führt; ferner ist es schwierig, die Zeitperiode für das Entwickeln zu reduzieren.
Als Mittel zum Lösen des oben beschriebenen Nachteils wurden Techniken zum Erhalten einer optimalen Lösung vorgeschlagen, beispielsweise ein mathematisches Programmierverfahren und ein Optimierungsverfahren unter Verwendung eines genetischen Algorithmus. Ein Entwurfsverfahren im Zusammenhang mit diesem mathematischen Programmierverfahren wurde bereits durch den genannten Anmelder in der Internationalen Veröffentlichung Nr. WO 94/16877 vorgeschlagen.
Das Erhalten einer optimalen Lösung ist analog zu dem Ersteigen eines Bergs. Zu dieser Zeit betraf die Höhe des Bergs die Funktion/Effizienz, und demnach entspricht die optimale Lösung der Spitze des Bergs. Ist eine Zielfunktion einfach, so hat ein Entwurfsraum (eine Form des Berges) die Form eines Mountains mit einer Spitze, wie in 8 gezeigt, und demnach lässt sich die Optimallösung durch eine Optimierungsvorgehensweise und auf der Grundlage einer mathematischen Programmierung erhalten.
Wird jedoch eine Zielfunktion komplexer, so hat der Entwurfsraum viele Spitzen, wie in 9 gezeigt. Aus diesem Grund lässt sich die optimale Lösung nicht durch die Optimierungsvorgehensweise auf der Grundlage einer mathematischen Programmierung erhalten. Der Grund hierfür besteht darin, dass bei der Optimierungsvorgehensweise auf der Grundlage der mathematischen Programmierung eine Spitze, die zunächst zufällig erreicht wird, fehlerhafter Weise als die optimale Lösung angesehen wird.
Obgleich ein genetischer Algorithmus zum Lösen des oben beschriebenen Problems vorgeschlagen ist, erfordert er eine große Zahl von Experimenten und eine umfangreiche Berechnungszeit und es gibt auch eine Möglichkeit dahingehend, dass die Berechnung nicht konvergiert, und somit gibt es ein Problem im Hinblick auf die praktische Anwendung. Insbesondere war es bei komplexer werdender Zielfunktion schwierig, die Optimallösung in einer begrenzten Zeitperiode zu erhalten.
Jedoch wurde die Entwurfsentwicklung eines Reifens bei Einsatz eines üblichen Radentwurfsverfahrens als insgesamt abgeschlossen angesehen, wenn ein Zielwert für eine bestimmte Effizienz gesetzt wurde und der Zielwert frei gemacht wurde, und es war nicht bereitgestellt, um die beste Effizienz bei gegebenen Recourcen zu erhalten. Ferner war dieses übliche Entwurfsverfahren nicht ein Verfahren zum Entwerfen einer antinomischen (Engl.: antinomic) Effizienz, weder ein Verfahren zum Bestimmen der Form und Struktur. Weiterhin erfolgte bei dem üblichen Entwurfsverfahren ein Entwickeln durch Wiederholen der Herstellung des Testens in Trial-and-error-Weise, und demnach war dieses Verfahren sehr ineffektiv und die Kosteneffizienz hiervon war gering.
Im Hinblick auf die oben beschriebenen Umstände besteht ein technisches Problem der vorliegenden Erfindung in der Schaffung eines Reifenentwurfsverfahrens, eines Optimierungsanalysegeräts und eines Speichermediums, in dem ein Optimierungsanalyseprogramm gespeichert ist, das/die den Entwurf des besten Modus eines Reifens unter gegebenen Bedingungen ermöglichen, und das/die ermöglicht, dass der Entwurf und die Entwicklung des Reifens hochwirksam wird.
OFFENBARUNG DER ERFINDUNG
Die genannten Erfinder haben zahlreiche Aspekte studiert, um das oben beschriebene technische Problem der vorliegenden Erfindung zu erzielen, und im Ergebnis haben sie ihre Aufmerksamkeit der Anwendung einer "nicht-linearen Vorhersagetechnik" geschenkt, "beispielsweise einem neuronalen Netz, bei dem ein Neuronales eines höherrangigen Tiers in ingenieurmäßiger Weise moduliert ist", sowie einer "Optimierentwurfsvorgehensweise", die in einigen Gebieten mit Ausnahme eines Gebiets eines Reifenentwurfs angewandt werden, und zwar auf die Anwendung eines speziellen Gebiets eines Reifenentwurfs, und sie haben ebenso eine Forschung ausgeführt und ein Reifenentwurfsverfahren in konkreter Weise eingerichtet.
Ein Reifenentwurfsverfahren der vorliegenden Erfindung enthält die Schritte: (a) Bestimmen eines Umsetzsystems, indem eine nicht-lineare Korrespondenz eingerichtet ist, zwischen Entwurfsparametern eines Reifens, die irgendeine Einheit repräsentieren aus einer Querschnittskonfiguration des Reifens einschließlich einer Innenstruktur und einer Struktur des Reifens, und Funktionen des Reifens mittels einem neuronalen Netzwerk, das die Korrespondenz lernt oder gelernt hat; (b) Bestimmen einer Zielfunktion zum Ausdrücken der Funktionen des Reifens und zum Festlegen einer Nebenbedingung, die einen zulässigen Bereich von zumindest einer der Funktionen des Reifens und der Herstellbedingung des Reifens einschränkt; und (c) Bestimmen eines Entwurfsparameter des Reifens, der zu einem Optimalwert einer Zielfunktion führt, auf der Grundlage der Zielfunktion und der Nebenbedingungen unter Verwendung des in dem Schritt (a) bestimmten Umsetzsystems zum Entwerfen des Reifens auf der Grundlage des Entwurfsparameters des Reifens.
Die Funktionen/Effizienzen des Reifens, beispielsweise Werte der Stabilität beim Manövrieren und der Beständigkeit eines Gurts, werden durch Entwurfsparameter des Reifens bestimmt, beispielsweise einer Querschnittkonfiguration des Reifens einschließlich einer Innenstruktur hiervon, einer Struktur des Reifens, und dergleichen. Jedoch gibt es viele Fälle, wo die Funktionen des Reifens sich nicht linear ändern, obgleich die Werte der Querschnittskonfiguration des Reifens oder der Struktur hiervon sich linear ändern. Demnach erfolgt, in dem Schritt (a) der vorliegenden Erfindung, ein vorab Bestimmen des Umsetzsystems, durch das ein Korrelation zwischen den Entwurfsparametern des Reifens, die eine Querschnittskonfiguration des Reifens einschließlich der Innenstruktur hiervon oder der Struktur des Reifens aufzeigen, und der Funktionen des Reifens einrichten. Dieses Umsetzsystem lässt sich unter Verwendung einer nicht-linearen Vorhersagetechnik bestimmen, bei der ein neuronales Schaltungsnetz wie ein neuronales Netz durch eine Ingenieru-Vorgehensweise moduliert ist.
In dem Schritt (b) wird die Zielfunktion bestimmt, die die Funktionen/Effizienzen des Reifens ausdrückt, und die Nebenbedingungen, die den zulässigen Bereich von zumindest einer der Funktionen des Reifens und der Herstellungsbedingungen hiervon einschränkt, wird ebenso bestimmt. Als Zielfunktion zum Ausdrücken der Funktionen des Reifens lässt sich beispielsweise eine physikalische Größe anwenden, die die Exzellenz der Funktionen des Reifens bestimmt, beispielsweise eine Riemenspannung in Umfangsrichtung des Reifens oder eine Querfederkonstante zur Zeit der Luftfüllung zum Verbessern der Stabilität der Manövrierfähigkeit und eine Straßenkontakt-Charakteristik einer Straßen kontaktierenden Oberfläche des Reifens während einer geradlinigen Bewegung oder unter Anwendung einer Seitenkraft und dergleichen. Als Nebenbedingung zum Einschränken des zulässigen Bereichs von zumindest einer der Funktionen des Reifens und der Entwurfsparameter des Reifens gibt es beispielsweise die Nebenbedingungen zum Einschränken der Querschnittskonfiguration des Reifens oder der Struktur hiervon, beispielsweise eine Nebenbedingung für den Umfangswert einer Gerippen/Karkassenlinie, eine Nebenbedingung für die vertikale und primäre Eigenfrequenz, eine Nebenbedingung für einen Winkel einer Gurtschicht, und Nebenbedingungen für die Breite einer Gurtschicht, Reifendimensionen, eine Federkonstante, einen Umfang einer Reifendeformation, eines Gewichts des Reifens, einer Spannung, einer Verwundenheit bzw. einer Schiefe, einer Verwindungsenergie, und einem Rollwiderstandswert. Die Zielfunktion und die Nebenbedingungen sind nicht auf die zuvor erwähnten begrenzt, und zahlreiche Arten lassen sich gemäß einem Entwurfszweck des Reifens bestimmen.
In dem Schritt (c) wird den Entwurfsparameter für den Reifen bestimmt, der zu einem Optimalwert der Zielfunktion führt, auf der Grundlage der Zielfunktion und der Nebenbedingung der Anwendung des in dem Schritt (a) bestimmten Umsetzsystems, und der Reifen wird dann auf der Grundlage des derart bestimmten Entwurfsparametern entworfen. Im Ergebnis wird das Umsetzsystem bestimmt, bei dem die nicht-lineare Entsprechung zwischen den Entwurfsparametern des Reifens und den Funktionen hiervon eingerichtet sind, und es lässt sich eine wechselseitige Beziehung feststellen, bei der eine Korrelation zwischen den Entwurfsparametern einer Vielzahl von Reifen und den Funktionen hiervon gemäß dem Umsetzsystem eingerichtet ist. Demnach lässt sich ein Reifen mit einem hohen Leistungsvermögen entwerfen, durch Entwerfen eines Reifens auf der Grundlage der Entwurfsparameter des Reifens, die zu einem Optimalwert der Zielfunktion führen. In dem Schritt (c) lässt sich ein Wert einer Entwurfsvariablen erhalten, der zu einem Optimalwert der Zielfunktion führt, während die Nebenbedingung betrachtet wird.
Wird der Reifen in dem Schritt (c) entworfen, so enthält der Schritt (c) die Schritte: Definieren des Entwurfsparameters für den Reifen als Entwurfsvariable; Erhalten eines Werts der Entwurfsvariable, der zu dem Optimalwert der Zielfunktion führt, unter Verwendung des in dem Schritt (a) bestimmten Umsetzsystems bei Betrachtung der Nebenbedingung; und Entwerfen des Reifens auf der Grundlage der Entwurfsvariable, die zu dem Optimalwert der Zielfunktion führt. In dieser Weise lässt sich durch Betrachten der Nebenbedingung der zulässige Bereich von zumindest einer der Funktionen/Effizienzen des Reifens und der Entwurfsparameter hierfür betrachten, und ein Bereich für einen Reifenentwurf lässt sich vorab Spezifizieren, und ein gewünschter Bereich hiervon kann ebenso festgelegt werden.
Wird in dem Schritt (c) ein Wert der Entwurfsvariablen enthalten, so ist es wirksam, dass der Schritt (c) enthält: Vorhersagen eines Änderungsumfangs der Entwurfsvariable, der zu dem Optimalwert der Zielfunktion führt, bei Betrachtung der Nebenbedingung auf der Grundlage einer Empfindlichkeit der Zielfunktion als Verhältnis eines Änderungsumfangs in der Zielfunktion gegenüber einer Einheitsänderung der Änderung der Entwurfsvariable und eine Empfindlichkeit der Nebenbedingung als Verhältnis eines Änderungsumfangs in der Nebenbedingung gegenüber einer Einheitsänderung für das Ändern der Entwurfsvariable; Berechnen eines Werts der Zielfunktion, wenn die Entwurfsvariable so geändert wird, dass sie einen vorhergesagten Umfang entspricht, und eines Werts der Nebenbedingung, wenn die Entwurfsvariable in Entsprechung zu einem vorhergesagten Umfang geändert wird; und auf der Grundlage der vorhergesagten und berechneten Werte, Erhalten eines Werts der Entwurfsvariable, der zu dem Optimalwert der Zielfunktion führt, durch Anwenden des in dem Schritt (a) bestimmten Umsetzsystem bei Berücksichtigung der Nebenbedingung. Als ein Ergebnis lässt sich ein Wert der Entwurfsvariable erhalten, wenn ein Wert der Zielfunktion optimal unter Berücksichtigung der Nebenbedingung wird. Dann kann ein Reifen durch Modifizieren von Entwurfsparametern des Reifens oder dergleichen entworfen werden, auf der Grundlage der Entwurfsvariablen, die zu dem Optimalwert der Zielfunktion führt.
Hier ist es, wie oben beschrieben, bekannt, dass ein Prozess zum Erhalten eines Optimalwerts bei einer allgemeinen Optimierungsvorgehensweise analog dem Ersteigen eines Bergs ist. In diesem Fall entspricht der Optimalwert dem Spitzenwert des Bergs, wenn eine Höhe des Bergs im Zusammenhang mit einer Funktionsweise oder dergleichen steht. Demnach wird in einem Fall, in dem die Zielfunktion einfach ist, der Entwurfsraum gemäß einer Form des in 8 gezeigten Bergs gebildet, und ein Optimalwert kann demnach durch eine Optimierungsvorgehensweise auf der Grundlage eines mathematischen Programmierverfahrens erhalten werden. Es erfolgt eine grobe Beschreibung eines Optimalentwurfs eines Reifens unter Verwendung einer typischen Zeichnung nach 8 als Modell, Umsetzsystem, bei dem ein Bergersteigen für die Darstellung der Optimierung verwendet wird. Das Umsetzsystem erzielt eine nicht-lineare Zuordnung zwischen Entwurfsparametern des Reifens und den Funktionen hiervon. Das Umsetzsystem ist so gezeigt, dass es bei einem Pegel (einer Kontur) des Entwurfsraums, in der Form wie ein Berg, liegt. D. h., Funktionen des Reifens sind korreliert mit zahlreichen Entwurfsparametern, und allgemein werden, soweit die Funktionen des Reifens sich einem Optimalwert nähern, die Bereiche der Entwurfsparameter enger als in einer Kontur ausgebildet. Die Bereiche der Entwurfsparameter des Reifens sind allgemein durch Nebenbedingungen des Entwurfs in einem tatsächlich zulässigen Bereich begrenzt, so dass eine Beziehung zwischen den Funktionen des Reifens eine Zielfunktion ist, und die Entwurfsparameter hiervon werden durch einen Zaun entlang einem Bergrücken des Bergs beschränkt, wie in 8 gezeigt. Wird der Zaun als die Nebenbedingung angesehen, so wird die Beziehung so angesehen, dass sie das Besteigen des Berges, wie in 8 gezeigt, mit der Hilfe einer Optimierungsvorgehensweise wie beispielsweise einem mathematischen Programmierverfahren oder dergleichen bis zu der Spitze des Bergs betrifft, wo eine Optimallösung für die Zielfunktion in einer solchen Weise erhalten werden kann, dass die Beziehung davon abgehalten wird, dass sie über die Außenseite des Zauns geht, durch Ändern der Entwurfsvariablen in dem Umsetzsystem.
Gemäß der vorliegenden Erfindung ist dann, wenn eine Optimallösung durch die Schritte (a) bis (c) erhalten wird, das Ausführen der folgenden Schritte (d) bis (f) zum Erhalten der Optimallösung unbedingt erforderlich. Detaillierter kann der Schritt (c) folgende Schritte umfassen: (d) Auswählen, als Entwurfsvariable, eines der Entwurfsparameter des Reifens, enthaltend das in dem Schritt (a) bestimmte Umsetzsystem; (e) Ändern eines Werts der Entwurfsvariable, ausgewählt in dem Umsetzsystem, das in dem Schritt (a) bestimmt wird, bis ein Optimalwert der Zielfunktion durch Anwendung des in dem Schritt (a) bestimmten Umsetzsystems gegeben ist, bei Berücksichtigung der Nebenbedingung; und (f) Entwerfen des Reifens auf der Grundlage des Entwurfsparameters des Reifens, erhalten durch die Entwurfsvariable, die zu dem Optimalwert der Zielfunktion führt. In dem Schritt (d) kann der eine der Entwurfsparameter des Reifens, enthalten in dem Umsetzsystem, als die Entwurfsvariable ausgewählt werden. In dem nächsten Schritt (e) wird ein Wert der in dem Umsetzsystem auszuwählenden Entwurfsvariablen solange geändert, bis ein Optimalwert der Zielfunktion bei Berücksichtigung der Nebenbedingung gegeben ist. Im Ergebnis ändert sich der Wert der Entwurfsvariablen fein und graduell zum Erhalten eines Optimalwerts der Zielfunktion. In dem Schritt (f) wird der Reifen auf der Grundlage des Entwurfsparameters des Reifens entworfen, erhalten durch die Entwurfsvariable, die zu einem Optimalwert der Zielfunktion führt. Auf diese Weise kann aufgrund der Tatsache, dass einer der Entwurfsparameter des Reifens, enthalten in dem Umsetzsystem, als Entwurfsvariable ausgewählt wird und die auszuwählende Entwurfsvariable in dem Umsetzsystem bei Berücksichtigung der Nebenbedingung solange geändert wird, bis eine Optimalwert der Zielfunktion erhalten wird, ohne vorhergehendes Vorbereiten eines Werts der Entwurfsvariablen, die zu dem Optimalwert der Zielfunktion führt, eine Entwurfsvariable nahe zu einem gewünschten Wert der Entwurfsvariablen in dem Umsetzsystem ausgewählt werden, und ein Entwurf des Reifens mit höherer Leistungsfähigkeit kann hierdurch erzielt werden.
In diesem Fall lassen sich in dem Schritt (b) die Nebenbedingung, die einen zulässigen Bereich von zumindest einer der Funktionen des Reifens anders als die bestimmte Zielfunktion und die Entwurfsparameter des Reifens bestimmen. Auf diese Weise können die Funktionen des Reifens, anders als die Zielfunktion, als zulässiger einzuschränkender Bereich, zum Bestimmen der Nebenbedingungen, verwendet werden, die den zulässigen Bereich von zumindest einer der Funktionen des Reifens einschränkt, anders als diejenige der bestimmten Zielfunktion, und ebenso die Entwurfsparameter des Reifens. Wird die Nebenbedingung nicht bestimmt, so weichen Funktionen des Reifens anders als diejenige der Zielfunktion und die Entwurfsparameter des Reifens von den gewünschten Bereichen ab, und eine Anwendung des Entwurfs kann in den meisten Fällen schwierig sein.
D. h., bei dem Umsetzsystem, bei dem die nicht-lineare Beziehung zwischen den Entwurfsparametern des Reifens und den Funktionen hiervon, die als die Zielfunktion ausgewählt sind, durch ein neuronales Netz oder dergleichen in dem Schritt (a) eingerichtet, wie durch die Kontur in 8 gezeigt. Die in dem Schritt (b) bestimmte Nebenbedingung wird als Zaun auf dem Berg bestimmt, dessen Form als eine Kontur gezeigt ist, und in dem Schritt (d), enthaltend in dem Schritt (c), wird die in dem Schritt (a) bestimmte Entwurfsvariable, ausgewählt als Entwurfsparameter des Reifens in dem Umsetzsystem, geändert, und ferner wird in dem Schritt (e) ein Besteigen des Bergs mit Hilfe einer Optimierungsvorgehensweise bewirkt, beispielsweise einem mathematischen Programmierverfahren oder einem genetischen Algorithmus bis zu der Spitze des Bergs, wo eine optimale Lösung für die Zielfunktion in solcher Weise erhalten werden kann, dass die Beziehung gegenüber einem Überschreiten zu der Außenseite des Zauns eingehalten wird. Weiterhin ist die Nebenbedingung (der Zaun) wirksam für ein Führen bei einem Besteigen eines Bergs im Rahmen einer Optimierungsvorgehensweise, zusätzlich zum Festlegen gewünschter Bereiche der Funktionen des Reifens anders als die Zielfunktion und der Entwurfsparameter des Reifens. D. h., ohne eine Nebenbedingung ist nicht nur eine Zeit für die Berechnung erhöht, sonder die Bearbeitung konvergiert auch nicht. Demnach lässt sich die Optimallösung lediglich mit Ausführen der Schritte (a) bis (e) erhalten.
Ferner enthält der Schritt (e): Vorhersagen einer Änderungsgröße der Entwurfsvariablen, die zu dem Optimalwert der Zielfunktion führt, bei Betrachtung einer Nebenbedingung auf der Grundlage einer Empfindlichkeit der Zielfunktion als Verhältnis einer Änderungsgröße der Zielfunktion gegenüber einer Einheitsgröße der Änderung der Entwurfsvariablen, sowie eine Empfindlichkeit der Nebenbedingung als Verhältnis einer Änderungsgröße in der Nebenbedingung gegenüber einer Einheitsgröße einer Änderung der Entwurfsvariablen; Berechnen eines Werts der Zielfunktion, wenn die Entwurfsvariable für eine Entsprechung zu einem Vorhersagewert geändert wird und ein Wert der Nebenbedingung, bei Ändern der Entwurfsvariablen, einem vorhergesagten Umfang entspricht; und basierend auf den vorhergesagten berechneten Werten, Ändern eines Werts der auszuwählenden Entwurfsvariablen, bis der Optimalwert der Zielfunktion gegeben ist, unter Verwendung des Umsetzsystems, bestimmt in dem Schritt (a) unter Betrachtung der Nebenbedingung. Auf eine solche Weise lässt sich ein Wert der Entwurfsvariablen, bis ein Optimalwert der Zielfunktion gegeben ist, einfach erhalten durch Berechnen eines Werts der Zielfunktion, wenn ein Wert der Entwurfsvariablen geändert wird, so dass sie einer vorhergesagten Größe entspricht, und ein Wert der Nebenbedingung, bei Ändern der Entwurfsvariablen, so geändert wird, dass er einer vorhergesagten Größe entspricht.
Die genannten Erfinder haben zahlreiche Aspekte studiert, und sie haben ihre Aufmerksamkeit der Anwendung einer "genetischen Algorithmusvorrichtung" geschenkt, die in einem unterschiedlichen technischen Gebiet verwendet wird, und zwar auf ein spezifisches Gebiet des Reifenentwurfs, und sie haben ebenso eine Forschung ausgeführt und ein Reifenentwurfsverfahren in einer konkreten Weise erzielt.
Konkret enthält bei dem Reifenentwurfsverfahren der vorliegenden Erfindung der Schritt (c) die Schritte: Definieren der Entwurfsparameter des Reifens in dem Umsetzsystem, bestimmt in dem Schritt (a), als Basismodelle zum Bestimmen einer Gruppe für die Auswahl enthaltend eine Vielzahl der Basismodelle; Bestimmen der Zielfunktion, einer Entwurfsvariablen, einer Nebenbedingung und einer adaptiven Funktion, die ausgehend von der Zielfunktion für jedes Basismodell der Gruppe für die Auswahl bewertet werden kann; Auswählen von zwei Basismodellen aus der Gruppe für die Auswahl; Bewirken zumindest einer Vorgehensweise zum Erzeugen neuer Basismodelle durch Schnittmengenbildung der Entwurfsvariablen der zwei Basismodelle mit einer vorgegebenen Wahrscheinlichkeit zueinander und zum Erzeugen neuer Basismodelle durch Modifizieren bei einem Teil der Entwurfsvariablen von zumindest einem der zwei Basismodelle; Erhalten einer Zielfunktion, einer Nebenbedingung und einer adaptiven Funktion der Basismodelle unter Verwendung des Umsetzsystems, bestimmt in dem Schritt (a), durch Ändern der Entwurfsvariable; Speichern der Basismodelle, deren Entwurfsvariablen geändert wurden, und der Basismodelle, deren Entwurfsvariablen nicht geändert wurden; Wiederholen des Speicherschritts solange, bis die Zahl der gespeicherten Basismodelle eine vorgegebene Zahl erreicht; Bestimmen, ob eine neue Gruppe enthaltend die gespeicherten Basismodelle der vorgebenenen Zahl, eine vorgegebene Konvergenzbedingung erfüllt; wobei, sofern dies nicht der Fall ist, bis die neue Gruppe, definiert als die Gruppe für die Auswahl der für die Auswahl definierten Gruppe, die vorgegebene Konvergenzbedingungen erfüllt; und ist die vorgegebene Konvergenzbedingung erfüllt, so erfolgt das Entwerfen eines Reifens auf der Grundlage von Entwurfsparametern des Reifens, erhalten durch die Entwurfsvariable, die zu dem Optimalwert der Zielfunktion führt, aus der vorgegebenen Zahl gespeicherter Basismodelle unter Verwendung des in dem Schritt (a) bestimmten Umsetzsystem bei Berücksichtigung der Nebenbedingung.
In dem Schritt (a) kann das Umsetzsystem mit Daten eines neuronalen Netzes vom Typ mit mehrfach geschichteter Vorwärtsführung konstruiert werden, das so trainiert ist, dass es die Entwurfsparameter des Reifens in die Funktionen/Leistungsgrößer hiervon umsetzt.
Wie oben beschrieben, werden als allgemeine Optimierungsvorgehensweise ein mathematisches Programmierverfahren, ein genetischer Algorithmus oder dergleichen bereitgestellt, und ein Prozess zum Erhalten einer Optimallösung ist analog zu dem Besteigen eines Bergs. In diesem Fall entspricht, da eine Höhe des Berges im Zusammenhang mit einer Funktion oder dergleichen steht, der Optimalwert dem Spitzenwert des Bergs. In dem Fall, in dem eine Zielfunktion einfach ist, wird ein Entwurfsraum hiervon (eine Form des Bergs, wie der Berg Fuji, gebildet, der, wie in 1 gezeigt, eine Spitze aufweist, und die Optimallösung lässt sich durch in Orientierungsverfahren auf der Grundlage eines mathematischen Programmierverfahrens erhalten. Jedoch hat dann, wenn eine Zielfunktion komplexer ist, ein Entwurfsraum eine Vielzahl von Spitzen, wie in 9 gezeigt, und demnach lässt sich eine Optimallösung nicht durch die Orientierungsvorgehensweise auf der Grundlage eines mathematischen Programmierverfahrens erhalten. Der Grund besteht darin, dass die Orientierungsvorgehensweise auf der Grundlage eines mathematischen Programmierverfahrens eine Spitze, die zunächst zufällig erreicht wird, als Optimallösung aus der Vielzahl der Spitzenwerte erkennt. Es wurde ein genetischer Algorithmus vorgeschlagen, um dieses Problem zu lösen, jedoch erfordert er eine enorme Anzahl von Experimenten und an Berechnungszeit, und manchmal konvergiert die Berechnung nicht.
In dem Schritt (a) wird das Umsetzsystem, bei dem die nichtlineare Beziehung zwischen den Entwurfsparametern des Reifens (Entwurfsvariablen) und die Funktionen/Leistungsgrößen des Reifens eingerichtet ist, durch vorzugsweise eines neuronalen Netzes bestimmt. Die Funktionen des Reifens werden abhängig von Entwurfsparametern der Form, der Struktur und des Musters des Reifens bestimmt. Jedoch gibt es Fälle, in denen selbst bei linearer Änderung der Entwurfsparameter, die Funktion des Reifens sich nicht linear ändert. Ferner kann für das neuronale Netz erwartet werden, dass es eine Vorhersage und eine Entscheidung mit höherer Genauigkeit als eine Mehrfachvariablen-Analysis mit Linientransformation aufweist, und ein Lernen einer Beziehung zwischen Eingangsdaten lässt sich bewirken, und hierdurch lässt sich jede Funktion zu einer Approximation mit jeder Genauigkeit dann umsetzen, wenn die Zahl der Einheiten in einer Zwischenschicht erhöht ist, und ferner hat die Analyse einen Vorteil dahingehend, dass sie exzellent bei der Extrapolation ist (vgl. ein Buch mit dem Autor Hideki Toyota "Nicht-lineare Multi-Variante Analyse-Vorgehensweise mit neuronalem Netzwerk", Seiten 11 bis 13 und Seiten 162 bis 166, veröffentlicht von Asakura Book Store in 1996). Demnach wird bei der vorliegenden Erfindung das Umsetzsystem, bei dem eine Entsprechung zwischen Entwurfsparametern des Reifens und der Funktionen hiervon eingerichtet ist, vorab bestimmt. Dieses Umsetzsystem kann unter Verwendung einer nicht-linearen Vorhersagetechnik bestimmt werden, bei der eine neuronales Schaltungsnetz wie in neuronales Netzwerk in einer ingenieurmäßigen Weise modelliert wird. Eine Optimallösung kann erhalten werden, durch Anwenden eines neuronalen Netzwerks in Kombination mit der oben beschriebenen Optimiertechnik, innerhalb einer begrenzten Zeitperiode selbst dann, wenn die Zielfunktion komplex ausgebildet ist.
In dem Fall, in dem Entwurf einer Entwicklung auf der Grundlage eines Entwurfsverfahrens der vorliegenden Erfindung ausgeführt werden, unterschiedlich von einer üblichen Entwurfsentwicklung, für die ein Versuchen und ein Auffinden von Fehlern fundamental sind, wird es möglich, Betriebsschritte ausgehend von dem Entwurf eines Reifens mit besten Leistungsgrößen zu einer Leistungsbewertung des Reifens hauptsächlich durch eine Computerberechnung auszuführen. Im Ergebnis wird eine auffällige Zunahme der Wirksamkeit erzielt, und die Entwicklungskosten können verringert werden.
Wird ein Reifen auf der Grundlage von Entwurfsparametern des Reifens gebildet, der mit dem oben beschriebenen Reifenentwurfsverfahren entworfen ist, so ist der derart gebildete Reifen durch die Entwurfsparameter mit dem besten Leistungswert strukturiert, und der optimale Entwurfsparameter kann direkt gemäß den angewandten Bedingungen wie einer Herstellungsbedingung und einem Kostenwert bestimmt werden.
Das oben beschriebene Reifenentwurfsverfahren kann umgesetzt durch ein Optimierungsanalysegerät, enthaltend: eine Umsetzsystem-Berechnungsvorrichtung zum Erhalten einer nichtlinearen Entsprechungsbeziehung zwischen Entwurfsparametern eines Reifens und Leistungsgrößen/Funktionen des Reifens mittels einem neuronalen Netzwerk, das die entsprechende Beziehung lernt oder gelernt hat; eine Eingabevorrichtung zum Eingeben einer Zielfunktion und einer Nebenbedingung als Optimierungspunkte, durch Bestimmen der Zielfunktion, die die Funktionen des Reifens ausdrückt, und ebenso durch Bestimmen der Nebenbedingung, die einen zulässigen Bereich von zumindest einer der Funktionen des Reifens ausdrückt, und Herstellungsbedingungen des Reifens; und eine Optimierberechnungsvorrichtung zum Erhalten eines Entwurfsparameters des Reifens, der zu einem Optimalwert der Zielfunktion führt, auf der Grundlage der Optimierungspunkte, die durch die Eingabevorrichtung eingegeben werden, unter Verwendung der Umsetzsystem-Berechnungsvorrichtung.
Die Umsetzsystem-Berechnungsvorrichtung kann eine nichtlineare Entsprechungsbeziehung erhalten, zwischen, einerseits, den Entwurfsparametern des Reifens und einer auf den Reifen anzuwendenden Bedingung, und, andererseits, den Funktionen/Leistungsgrößen des Reifens. Als angewandte Bedingungen werden bereitgestellt Herstellungsbedingungen während der Bildung des Reifens, das Gewicht des Reifens, die Gesamtkosten hiervon oder dergleichen. Ferner enthält die Umsetzsystem-Berechnungsvorrichtung ein neuronalen Netzwerk vom Typ mit Mehrfachschichtung und Vorwärtskopplung, das einen Lernvorgang so durchlaufen hat, dass es die Entwurfsvariablen des Reifens in die Funktionen/Leistungsgrößen des Reifens umsetzt.
Ferner kann die Optimierberechnungsvorrichtung enthalten: eine Auswahlvorrichtung zum Auswählen einer der Entwurfsparameter des Reifens, enthalten in der Umsetzsystem-Berechnungsvorrichtung als eine Entwurfsvariable; eine Änderungsvorrichtung zum Ändern eines Werts der Entwurfsvariablen, ausgewählt von der Umsetzsystem-Berechnungsvorrichtung, bis der Optimalwert der Zielfunktion gegeben ist, bei Betrachtung der Nebenbedingung; eine Optimalwert-Berechnungsvorrichtung zum Berechnen eines Werts der Entwurfsvariablen, bis der Optimalwert der Zielfunktion gegeben ist, durch Anwenden der Umsetzsystem-Berechnungsvorrichtung; und eine Entwurfsvorrichtung zum Entwerfen eines Reifens auf der Grundlage des Entwurfsparameters, der anhand der Entwurfsvariablen erhalten wird, die zu dem Optimalwert der Zielfunktion führt.
Die Optimierberechnungsvorrichtung enthält die Schritte zum: Definieren der Entwurfsparameter des Reifens in der Entsprechungsbeziehung, bestimmt in der Umsetzsystem-Berechnungsvorrichtung, als Basismodelle zum Bestimmen einer Gruppe für die Auswahl bestehend aus einer Vielzahl von Basismodellen; Bestimmen der Zielfunktion, einer Entwurfsvariablen, einer Nebenbedingung und einer adaptiven Funktion, die sich anhand der Zielfunktion für jedes Basismodell in der Gruppe für die Auswahl bewerten lässt; Auswählen zweier Basismodelle aus der Gruppe für die Auswahl; Bewirken von zumindest einem Erzeugen neuer Basismodelle durch Schnittmengenbildung der Entwurfsvariablen der ausgewählten zwei Basismodelle mit einer vorgegebenen Wahrscheinlichkeit miteinander und/oder Erzeugen neuer Basismodelle durch teilweises Modifizieren der Entwurfsvariablen von zumindest einem der zwei Basismodelle; Erhalten einer Zielfunktion, einer Nebenbedingung und einer adaptiven Funktion als Basismodelle, die unter Verwendung der Umsetzsystem-Berechnungsvorrichtung erzeugt wurden, durch Ändern einer Entwurfsvariablen; Speichern des Basismodell, dessen Entwurfsvariablen geändert wurden, und eines Basismodells, dessen Entwurfsvariablen nicht geändert wurden; Wiederholen des Speicherschritts solange, bis die Zahl der gespeicherten Basismodelle eine vorgegebene Zahl erreicht; Bestimmen, ob eine neue Gruppe enthaltend gespeicherte Basismodelle der vorgegebenen Zahl eine vorgegebene Konvergenzbedingung erfüllen; wobei dann, wenn dies nicht gilt, die neue Gruppe als die Gruppe für die Auswahl definiert ist, und die obigen Schritte solange wiederholt werden, bis die für die Auswahl definierte Gruppe die vorgegebene Konvergenzbedingung erfüllt; und dann, wenn die vorgegebene Konvergenzbedingung erfüllt ist, Entwerfen eines Reifens auf der Grundlage eines Entwurfsparameters des Reifens, erhalten durch die Entwurfsvariable, die zum Optimalwert der Zielfunktion führt, ausgehend von der vorgegebenen Zahl der gespeicherten Basismodelle unter Verwendung der Umsetzsystem-Berechnungsvorrichtung bei Berücksichtigung der Nebenbedingung.
Die Umsetzsystem-Berechnungsvorrichtung kann bestehend aus einem neuronalen Netzwerk vom Typ mit Mehrfachschichtung und Vorwärtskopplung, das so trainiert ist, dass es die Entwurfsparameter des Reifens in die Funktionen/Leistungsgrößen hiervon umsetzt.
Das oben beschriebene Reifenentwurfsverfahren kann ein Speichermedium betreffen, auf dem ein Optimierungsanalyseprogramm gespeichert ist, das einfach zu portieren ist, wobei das Speichermedium ein Programm mit der folgenden Prozedur enthält. Insbesondere speichert ein Speichermedium ein Optimieranalyseprogramm für den Entwurf eines Reifens, ausgeführt durch einen Computer, wobei das Optimieranalyseprogramm bereitgestellt ist für ein: Bestimmen einer nicht-linearen Entsprechungsbeziehung zwischen Entwurfsparametern eines Reifens und Leistungsgrößen/Funktionen des Reifens mittels einem neuronalen Netzwerk, das die Entsprechungsbeziehungen lernt oder gelernt hat; Bestimmen einer Zielfunktion zum Ausdrücken der Funktionen des Reifens und zum Bestimmen einer Nebenbedingung, die einen zulässigen Bereich von zumindest einer der Funktionen des Reifens einschränkt, und von Herstellungsbedingungen des Reifens; und Erhalten eines Entwurfsparameters des Reifens, der zu einem Optimalwert der Zielfunktion führt, auf der Grundlage der bestimmten Entsprechungsbeziehung, der Zielfunktion und der Nebenbedingung zum Entwerfen eines Reifens auf der Grundlage des Entwurfsparameters des Reifens.
Der Entwurf eines Reifens auf der Grundlage der Entwurfsparameter des Reifens umfasst: Auswählen, als Entwurfsvariable, einer der Entwurfsparameter des Reifens, enthalten in der bestimmten Entsprechungsbeziehung, auf der Grundlage der bestimmten Entsprechungsbeziehung, der Zielfunktion und der Nebenbedingung; Ändern eines Werts der Entwurfsvariablen, ausgewählt anhand der bestimmten Entsprechungsbeziehung, bis der Optimalwert der Zielfunktion gegeben ist, bei Betrachtung der Nebenbedingung; und Entwerfen des Reifens auf der Grundlage des Entwurfsparameters des Reifens, erhalten anhand der Entwurfsvariablen, die zu dem Optimalwert der Zielfunktion führt.
Ferner kann die Nebenbedingung einen zulässigen Bereich von zumindest einer der Funktionen/Leistungsgrößen des Reifens anders als der bestimmten Zielfunktion und den Entwurfsparametern des Reifens einschränken.
Die Änderung der Entwurfsvariable wird bewirkt durch: Vorhersagen einer Größe einer Änderung der Entwurfsvariablen, die zu dem Optimalwert der Zielfunktion führt, bei Betrachtung der Nebenbedingung, auf der Grundlage einer Empfindlichkeit der Zielfunktion, die ein Verhältnis einer Änderungsgröße in der Zielfunktion gegenüber einer Einheitsgröße einer Änderung der Entwurfsvariablen ist, und eine Empfindlichkeit der Nebenbedingung, die ein Verhältnis ist einer Änderungsgröße der Nebenbedingung gegenüber einer Einheitsgröße der Änderung der Entwurfsvariablen; Berechnen eines Werts der Zielfunktion, wenn die Entwurfsvariable so geändert wird, dass sie einer vorhergesagten Größe entspricht, sowie eines Werts der Nebenbedingung dann, wenn die Entwurfsvariable so geändert wird, dass sie einer vorhergesagten Größe entspricht; und Ändern eines Werts der auszuwählenden Entwurfsvariablen auf der Grundlage der vorhergesagten berechneten Werte solange, bis der Optimalwert der Zielfunktion bei Betrachtung der Nebenbedingung gegeben ist.
Der Entwurf eines Reifens auf der Grundlage des Entwurfsparameters umfasst: Definieren der Entwurfsparameter des Reifens in der bestimmten Entsprechungsbeziehung als Basismodelle, zum Bestimmen einer Gruppe für die Auswahl bestehend aus einer Vielzahl von Basismodellen; Bestimmen der Zielfunktion, einer Entwurfsvariablen, einer Nebenbedingung und einer adaptiven Funktion, die anhand der Zielfunktion für jedes Basismodell in der Gruppe für die Auswahl bewertet werden kann; Auswählen von zwei Basismodellen von der Gruppe für die Auswahl; Bewirken von zumindest einem Erzeugen neuer Basismodelle durch die Schnittstellenbildung der Entwurfsvariablen der zwei ausgewählten Basismodelle mit einer vorgegebenen Wahrscheinlichkeit miteinander, sowie Erzeugen einer Basismodelle durch Modifizieren eines Teils der Entwurfsvariablen von zumindest einem der zwei Basismodelle; Erhalten einer Zielfunktion, einer Nebenbedingung und einer adaptiven Funktion des Basismodells unter Verwendung der Umsetzsystem-Berechnungsvorrichtung durch Ändern von Entwurfsvariablen; Speichern des Basismodells, dessen Entwurfsvariablen geändert wurden, und eines Basismodells, dessen Entwurfsvariablen nicht geändert wurden; Wiederholen des Speicherschritts solange, bis die Zahl der gespeicherten Basismodelle eine vorgegebene Zahl erreicht; Bestimmen, ob eine neue Gruppe enthaltend die gespeicherten Basismodelle mit der vorgegebenen Zahl eine vorgegebene Konvergenzbedingung erfüllt; wobei dann, wenn dies nicht gilt, die neue Gruppe definiert ist als die Gruppe für die Auswahl, und die obigen Schritte solange wiederholt werden, bis die Gruppe für die Auswahl die vorgegebene Konvergenzbedingung erfüllt; und dann, wenn die vorgegebene Konvergenzbedingung erfüllt ist; eine Reifen entworfen wird, auf der Grundlage des Entwurfsparameters des Reifens, erhalten durch die Entwurfsvariable, die zu dem Optimalwert der Zielfunktion führt, aus der vorgegebenen Zahl der gespeicherten Basismodelle unter Anwendung der Entsprechungsbedingung bei Betrachtung der Nebenbedingung.
Wie oben beschrieben, kann gemäß der vorliegenden Erfindung aufgrund der Tatsache, dass ein Umsetzsystem durch Verwenden eines neuronalen Netzwerks bestimmt wird, indem eine nichtlineare Entsprechung zwischen Entwurfsparametern für die Form, die Struktur und die Muster des Reifens ? und den Funktionen/Leistungsgrößen des Reifens eingerichtet ist, demnach das Umsetzsystem mit hoher Genauigkeit und geringere Optionalität erhalten werden.
Ferner kann aufgrund der Tatsache, dass die Entwurfsparameter für die Form, die Struktur und das Muster des Reifens, die zu einem Optimalwert der Zielfunktion führen, unter Verwendung dieses Umsetzsystems erhalten werden, demnach jede Optimallösung für eine Zielfunktion in kurzer Zeit erhalten werden, unabhängig von der Komplexität der Zielfunktion.
KURZE BESCHREIBUNG DER ZEICHNUNG
Es zeigen:
1 eine Außenansicht eines Optimiergeräts gemäß einer Ausführungsform der vorliegenden Erfindung;
2 eine schematische Strukturansicht des Optimierungsgeräts gemäß der Ausführungsform der vorliegenden Erfindung;
3 ein schematisches Blockschaltbild zum Darstellen der Funktionen des Optimierungsgeräts gemäß der Ausführungsform der vorliegenden Erfindung;
4 ein Diagramm zum Darstellen einer Konzeptstruktur eines neuronalen Netzwerkes;
5 ein Flussdiagramm zum Darstellen eines Betriebsablaufs eines Optimiergeräts gemäß der Ausführungsform der vorliegenden Erfindung;
6 ein Flussdiagramm zum Darstellen eines Ablaufs eines Lernprozesses für das neuronale Netzwerk;
7 ein Flussdiagramm zum Darstellen eines Ablaufs eines Optimierprozesses einer ersten Ausführungsform der vorliegenden Erfindung;
8 ein Konzeptdiagramm zum Darstellen eines Bilds zum Darstellen einer Optimierung der vorliegenden Erfindung;
9 ein Konzeptdiagramm zum Darstellen eines anderen Bilds zum Darstellen einer Optimierung der vorliegenden Erfindung;
10 ein Flussdiagramm zum Darstellen eines Ablaufs eine Optimierprozesses für eine zweite Ausführungsform der vorliegenden Erfindung;
11 ein Flussdiagramm zum Darstellen eines Ablaufs eines Schnittstellenbildungsprozesses;
12 Diagramme zum Darstellen konvexer Abbildungsfunktionen: 12(a) ein Diagramm zum Darstellen einer konvexen Abbildungsfunktion eines Kurventyps; und 12(b) ein Diagramm zum Darstellen einer konvexen Abbildungsfunktion eines linearen Typs;
13 Diagramme zum Darstellen konkaver Abbildungsfunktionen: 13(a) ein Diagramm zum Darstellen einer konkaven Abbildungsfunktion eines Kurventyps; und 13(b) ein Diagramm zum Darstellen einer konkaven Abbildungsfunktion eines linearen Typs;
14 ein Flussdiagramm zum Darstellen eines Ablaufs eines Mutationsprozesses;
15 ein Bilddiagramm zum Darstellen von Entwurfsvariablen eines Testbeispiels 1;
16 ein Bilddiagramm zum Darstellen von Entwurfsvariablen eines Testbeispiels 2;
17 eine Querschnittsansicht zum Darstellen von Reifenelementen, direkt unter der Last angeordnet; und
18 ein Bilddiagramm zum Darstellen von Entwurfsvariablen eines Testbeispiels 3.
BESTE MODI ZUM AUSFÜHREN DER ERFINDUNG
Nun werden unter Bezugnahme auf die angefügte Zeichnung Ausführungsformen der vorliegenden Erfindung hiernachfolgend detailliert beschrieben. Eine Ausführungsform der vorliegenden Erfindung wird angewandt bei einem Optimierungsgerät, bei dem ein optimaler Reifenentwurfsparameter erhalten wird. Bei einem Optimiergerät einer ersten Ausführungsform wird der Entwurfsparameter durch eine Optimierungsberechnung erhalten, unter Verwendung eines Umsetzsystems als neuronales Netzwerk, das erhalten wird, nachdem es einen Lernvorgang durchläuft, und dies stellt eine nicht-lineare Vorhersagetechnik dar, bei der ein neuronales Schaltungsnetzwerk für ein höherrangiges Tier in einer ingenieurmäßigen Vorgehensweise modelliert wird.
In 1 ist ein Optimiergerät 30 zum Ausführen einer Optimierung der vorliegenden Erfindung schematisch gezeigt. Das Optimiergerät 30 enthält: eine Tastatur 30 zum Eingeben von Daten oder dergleichen; einen Computerhauptkörper 12 zum Vorhersagen von Funktionen/Leistungsgrößen eines Reifens anhand von Entwurfsparametern der Form, der Struktur und des Musters des Reifens und dergleichen, unter Verwendung eines neuronalen Netzwerks, mittels einem nicht-linearen Prediktorverfahren in Übereinstimmung mit einem Programm, das vorab gespeichert ist, und eine Entwurfsvariable berechnet, die eine Nebenbedingung erfüllt und eine Zielfunktion erfüllt (beispielsweise maximiert oder minimiert); und einen CRT 14 zum Anzeigen der Berechnungsergebnisse und dergleichen, erhalten durch den Computerhauptkörper 12.
Wie in 2 detailliert gezeigt, enthält das Optimiergerät 30: den Computerhauptkörper 12, der gebildet ist, um einen Mikrocomputer zu enthalten, sowie eine Dateneingabe/Ausgabeeinheit 28, eine Tastatur 10 für die Eingabe von Daten und Befehlen; und einen Monitor. Der Computerhauptkörper 12 enthält: eine CPU 16; einen ROM 18; einen RAM 20; einen Speicher 22 zum Speichern eines Umsetzsystems und dergleichen (nachfolgend detailliert beschrieben), eine Eingabe/Ausgabe-Einrichtung (hier als I/O referenziert), die die Übertragung von Daten und dergleichen zwischen dem Hauptkörper und der anderen Einrichtung ermöglicht; und einen Bus 24, der so angeschlossen ist, dass er die Eingabe/Ausgabe von Daten oder Befehlen ermöglicht. Der RAM 18 speichert ein Verarbeitungsprogramm, das später beschrieben wird. Die Dateneingabe/Ausgabeeinrichtung 28 ist eine Einheit zum Lesen von einer externen Speichereinrichtung dann, wenn numerisch dargestellte Entwurfsparameter der Form, Struktur und des Musters eines Reifens, der Herstellbedingungen und einer Reifenfunktion/Leistungsgröße (in dieser Ausführung der Form, der Struktur und des Musters eines Reifens) in der externen Speichervorrichtung gespeichert sind. Wird die Tintenausstoß 10 als Eingabeeinrichtung verwendet, so ist die Dateneingabe/Ausgabeeinrichtung nicht erforderlich.
Die 3 zeigt ein Blockschaltbild zum Darstellen der Funktionen des Optimiergeräts 30 gemäß der Ausführungsform der vorliegenden Erfindung. Das Optimiergerät 30 der Ausführungsform optimiert eine Reifenfunktion (die als Zielfunktion bezeichnet wird), für ein Maximieren oder Minimieren, und sie gibt einen Entwurfsparameter entsprechend der optimierten Reifenfunktion/Leistungsgröße aus.
Das Optimiergerät 30 ist funktionell unterteilt in eine nichtlineare Berechnungseinheit 32, eine Optimierberechnungseinheit 34, eine Experimentaldaten-Eingabeeinheit 40, eine Optimierpunkt-Eingabeeinheit 43 und eine Optimierergebnis-Ausgabeeinheit 40. die nicht-lineare Berechnungseinheit 32 funktioniert als Berechnungseinheit eines Umsetzsystems (später detailliert beschrieben), enthaltend ein neuronales Netzwerk und verwendet, um auf der Grundlage der von der Experimentaldaten-Eingabeeinheit 40 eingegebenen Daten, und es ist ein Umsetzsystem, bei dem eine wechselseitige Korrelation für die Form, die Struktur, das Muster und die Herstellbedingung eines Reifens und der Funktionen hiervon ausgebildet ist. Das hier erwähnte Umsetzsystem ist ein Umsetzsystem im eigentlichen Sinne, das das Ausführen einer Umsetzung und einer inversen Umsetzung hierzu ermöglicht, in einer eins-zu-eins-Beziehung zwischen den Entwurfsparametern für die Form, die Struktur und das Muster des Reifens und die Herstellungsbedingung hierfür, und wird das neuronale Netzwerk, das dem Lernvorgang unterzogen wurde, durch einen mathematischen Ausdruck dargestellt, enthält das Umsetzsystem den mathematischen Ausdruck und die Koeffizienten hiervon. Die Experimentaldaten-Eingabeeinheit 40 wird verwendet für die Eingabe der Daten der Entwurfsparameter für die Form, die Struktur und das Muster des Reifens und die Herstellungsbedingungen hiervon, und die hierzu entsprechenden Funktionen/Leistungsgrößen.
Die Optimierpunkt-Eingabeeinheit 42 wird verwendet für die Eingabe der folgenden Größen: (1) eine Reifenfunktion/Leistungsgröße, die eine später beschriebene Zielfunktion ist, beispielsweise eine vorhergesagte oder gemessene physikalische Größe des Reifens, die zu maximieren oder zu minimieren ist; (2) eine vorhergesagte oder gemessene physikalische Größe des Reifens, auf die eine Nebenbedingung bei dem Maximieren oder Minimieren platziert ist, und Entwurfsparameter für die Form, die Struktur, das Muster des Reifens, sowie die Herstellungsbedingungen wie eine Vulkanisierungstemperatur; (3) Bereiche, in denen die Entwurfsparameter für die Form, die Struktur, das Muster des Reifens und die Herstellungsbedingungen festgelegt sein können; und (4) Auswahl eines optimierungs-bezogenen Verfahrens und von Parametern, die bei Einsatz des Verfahrens anzuwenden sind.
Die oben beschriebenen Optimierverfahren-bezogenen Verfahren sind ein mathematisches Programmieren, ein genetischer Algorithmus und dergleichen, jedoch wird bei dieser Ausführungsform eine Optimierungsvorgehensweise gemäß der mathematischen Programmierung ausgewählt.
Die Optimierberechnungseinheit 34 wird verwendet zum Optimieren einer Zielfunktion, bis die Zielfunktion konvergiert ist, und sie enthält eine Zielfunktion/Nebenbedingungs-Berechnungseinheit 36 und eine Zielfunktions/Optimierberechnungseinheit 38. Die Zielfunktions/Nebenbedingungs-Berechnungseinheit 36 wird verwendet zum Vorhersagen, unter Verwendung des durch Anwendung der Nicht-linear-Berechnungseinheit 32 erhaltenen Umsetzsystems, einer Reifenfunktion anhand von Entwurfsparametern der Form, der Struktur und des Musters eines Reifens und einer Herstellungsbedingung hierfür. Die Zielfunktions/Optimierberechnungseinheit 38 wird verwendet zum Optimieren einer Zielfunktion, eingegeben durch die Optimierpunkt-Eingabeeinheit 42, bis sie unter Erfüllung der Nebenbedingung konvergiert.
Die Optimierergebnis-Ausgabeeinheit 44 bewirkt ein Ausgeben, als Ergebnis der Optimierung, die durch die Optimierberechnungseinheit 34 bewirkt wird, eines Entwurfsparameters der Form, der Struktur, der Muster des Reifens und einer Herstellungsbedingung, die zum Erfüllen eines eingegebenen Optimierpunkts(e) optimiert wurde.
Der vorliegenden Ausführungsform ist die Nichtlinear-Berechnungseinheit 32 unter Verwendung einer Hardware-Ressource konstruiert, die in 2 gezeigt ist, und einer Software-Ressource, die später beschrieben wird, und sie hat eine Umsetzfunktion, konstruiert durch ein konzeptionelles neuronales Netzwerk, wie später beschrieben, und eine Lernfunktion, die die Umsetzfunktion erlernt. Ferner kann die Nichtlinear-Berechnungseinheit 32 so konstruiert sein, dass sie lediglich eine Umsetzfunktion ohne eine Lernfunktion aufweist. Insbesondere wird, wie später beschrieben, die Nichtlinear-Berechnungseinheit 32 verwendet zum Erhalten des Umsetzsystems, indem eine Korrelation eingerichtet wird, einerseits zwischen Entwurfsparametern der Form, der Struktur und des Musters eines Reifens und von Herstellungsbedingungen, und andererseits von Funktionen/Leistungsgrößen, jedoch reichte es, dass die Umsetzung einerseits ausgeführt werden kann zwischen den Entwurfsparametern der Form, der Struktur des Musters des Reifens und der Herstellungsbedingungen und andererseits den Funktionen/Leistungsgrößen. Demnach wird die Entsprechungsbeziehung zwischen einerseits den Entwurfsparametern der Form, der Struktur und dem Muster eines Reifens und der Herstellungsbedingungen und andererseits den Funktionen/Leistungsgröße vorab in einem anderen neuronalen Netzwerk gelernt, es erfolgt die Eingabe eines Umsetzkoeffizienten des anderen neuronalen Netzwerks, erhalten durch Lernen, und unter Verwendung des Umsetzkoeffizienten kann das Umsetzsystem erhalten werden, bei dem die Korrelation zwischen den Entwurfsparametern der Form, der Struktur und des Musters eines Reifens und den Herstellungsbedingungen und andererseits den Funktionen eingerichtet ist. Insbesondere reicht es bei jeder Konstruktion, bei der ein Umsetzkoeffizient eingegeben werden kann, dass eine Funktion ausgebildet ist, um lediglich eine Umsetzung einerseits zwischen Entwurfsparametern für die Form, die Struktur, das Muster des Reifens und die Herstellungsbedingungen und andererseits die Funktionen durchzuführen. Die Entsprechung wird in einer Nachschlagetabelle gespeichert, und ein Umsetzen kann unter Referenzieren der gespeicherten Nachschlagetabelle ausgeführt werden.
Die oben beschriebene Nichtlinear-Berechnungseinheit 32 hat als eine Eingangsschicht Neuronen, deren Zahl der Zahl der Entwurfsparameter für die Form, die Struktur und das Muster des Reifens plus der Zahl der Herstellungsbedingungen entspricht, damit die Eingabe jeweiliger Werte der Entwurfsparameter für die Form, die Struktur und der Muster des Reifens und der jeweiligen Werte der Herstellungsbedingungen zugelassen ist, und die Einheit hat, eine Ausgangsschicht, Neuronen der Zahl entsprechend der Zahl der Punkte der voherzusagenden Reifenfunktionen, die im Zusammenhang mit einer Zielfunktion oder einer Nebenbedingung stehen, mit einer Zwischenschicht, die hierzwischen angeordnet ist. Die Neuronen sind mit Synapsen zum Konstruieren eines neuronalen Netzwerkes verbunden. Werden die Werte für die Entwurfsparameter für die Form, die Struktur und das Muster des Reifens und die Werte für die Herstellungsbedingungen nach einem Lernvorgang, der später beschrieben wird, eingegeben, so bewirkt die Nichtlinear-Berechnungseinheit 32 die Ausgabe von Funktionen entsprechend der Eingabe. Während einem Lernvorgang erfolgt die Eingabe von bekannten Funktionen/Leistungsgröße in Zuordnung zu Entwurfsparametern für die Form, die Struktur, das Muster des Reifens und Herstellungsbedingungen, Form, der Struktur und des Musters eines Reifens und den Herstellungsbedingungen, als ein Lehrer, und es erfolgt ein Festlegen derart, dass die Werte der Entwurfsparameter für die Form, die Struktur und das Musters eines Reifens und die Herstellungsbedingungen jeweils den Werten der Leistungsgrößen entsprechen, gemäß einer Größe von Fehlerdifferenzen zwischen den ausgegebenen Funktionen und den bekannten Funktionen bzw. Leistungsgrößen.
Ein Beispiel für ein neuronales Netzwerk, das in der Nichtlinear-Berechnungseinheit 32 verwendet wird, ist in 4 gezeigt, und es enthält eine Eingangsschicht mit einer vorgegebenen Zahl von Einheiten I1, I2, ..., Ip (p > 1), entsprechender der Zahl von Neuronen, eine Zwischenschicht mit einer großen Zahl von Einheiten M1, M2, ..., Mp (q > 1), und eine Ausgangsschicht mit einer vorgegebenen Zahl von Ausgangeinheiten U1, U2, ..., Ur (r > 1). Die Zahl der Einheiten der Eingangsschicht und die Zahl der Einheiten der Ausgangsschicht kann festgelegt sein in Übereinstimmung mit der Zahl der Entwurfsparameter für die Form, die Struktur, das Muster des Reifens und die Herstellungsbedingungen und die Funktionen. Jene Einheit der Zwischenschicht und jede Einheit der Ausgangsschicht ist jeweils mit Versatzeinheiten 46 und 48 verbunden, die jeweils einen Versatz eines Ausgangswerts um eine vorgegebene Größe bewirken. Bei den Einheiten der oben beschriebenen Eingabeschicht können beispielsweise Parameter als Eingangswerte eingegeben werden, die eine Gurtbreite repräsentieren, sowie einen Gurtwinkel, und/oder ein Gurtmaterial eines Reifens und die Form des Reifens und einen Kostenwert hierfür. In Einheiten der Ausgabeschicht können beispielsweise ein Rollwiderstandswert, eine Spannungsverwundenheit, Reifenfedercharakteristiken, Reifenbodencharakteristiken und dergleichen als Ausgangswerte verwendet werden.
Bei der vorliegenden Ausführungsform enthält jede Einheit der Zwischenschicht und der Ausgangsschicht ein neuronales Schaltungselement mit Sigmoid Eigenschaften, bei denen eine Eingangs/Ausgangs-Relation durch eine Sigmoid-Funktion repräsentiert ist, und die Einheit der Eingabeschicht enthält ein neuronales Schaltungselement mit einer linearen Eingangs/Ausgangs-Beziehung. Da die oben beschriebenen Einheiten der Zwischenschicht und der Ausgangsschicht so konstruiert sind, dass sie Sigmoid-Charakteristiken haben, sind die Ausgangswerte hiervon jeweils eine reelle Zahl (eine positive Zahl).
Die Ausgangswerte von den jeweiligen Einheiten der Zwischenschicht und der Ausgangsschicht in der Nicht-linear-Berechnungseinheit 32 können anhand der folgenden Ausdrücke (1), (2) repräsentiert werden. Insbedsonere sei in einem Fall einer bestimmten Einheit angenommen, dass die Zahl der Synapsen bei der Eingangsseite p ist, ein Gewicht (Verbindungskoeffizient der Einheiten) entsprechend einer Stärke der synaptischen Verbindung ist w_ji (1 ≤ j ≤ N, 1 ≤ i ≤ p), und ein Eingangssignal ist xj, eine virtuelle interne Zustandsvariable u, entspricht einem Mittelwert der Membranpotentiale der Neuronen, und sie lässt sich durch die folgende Gleichung (1) darstellen, und eine Ausgabe, y, lässt sich mit der folgenden Gleichung (2) durch eine nicht-lineare Funktion, f, darstellen, die Eigenschaften eines Neurons repräsentieren.
yj = f(uj) (2)wobei b_j einen Versatzwert anzeigt, zugeführt von einer Versatzeinheit, und w_ji bezeichnet einen Wert zwischen der i-ten Einheit und der j-ten Einheit bei unterschiedlichen Schichten.
Demnach werden durch Eingabe jeweiliger Werte für die Entwurfsparameter für die Form, die Struktur, das Muster eines Reifens und von Herstellungsbedingungen zu den Einheiten der Eingangsschicht, jeweilige Werte entsprechend der Zahl der Reifenfunktionen von den Einheiten der Ausgangsschicht ausgegeben.
Die Einheiten der oben beschriebenen Eingabeschicht können jede Charakteristik zum Ausgeben einer Eingabe, wie sie ist, sein. Ein Gewicht für jede Einheit (Verbindungskoeffizient) für die Nicht-linear-Berechnungseinheit 32 (neuronales Netzwerk), wird durch einen Lernvorgang so korrigiert, dass ein für ein bekanntes Experimentaldatum im Rahmen eines Lernvorgangs auftretender Fehler minimiert wird, wie später beschrieben wird.
Nun wird eine Lernverarbeitung für das neuronale Netzwerk in der Nicht-linear-Berechnungseinheit 32 detailliert unter Bezug auf die 6 beschrieben. Bei der vorliegenden Ausführungsform werden jeweilige Werte für Entwurfsparameter für die Form, der Struktur, das Musters eines Reifens und Herstellungsbedingungen für eine Versuchserstellung und ein Versuchsbewerten des Reifens verwendet, oder zum Modellieren und Vorhersagen des Reifens durch einen Computer, und es werden hierdurch Daten für die Funktionen/Leistungsgrößen des Reifens erhalten. Als nächstes werden die Entsprechungen einerseits zwischen Werten der Entwurfsparameter für die Form, die Struktur und das Muster eines Reifens und die Herstellungsbedingungen und andererseits für die Werte zum Darstellen der Leistungsgrößen des Reifens als Daten für den Lernprozess verwendet. Eine vorgegebene Zahl an Daten (beispielsweise 90%) aus einer Vielzahl von Daten wird als Lerndaten verwendet, und die anderen (beispielsweise 10% als der Rest) werden als Testdaten verwendet. Der Grund für ein Anwenden der Experimentierdaten besteht in dem Aufteilen in Daten, die für einen Lernvorgang in dem neuronalen Netzwerk verwendet werden, und ebenso in Daten zum Bestätigen, ob für das neuronale Netzwerk ein optimaler Lernvorgang ausgeführt ist. Jeder Wert der Entwurfsparameter für die Form, die Struktur und das Muster eines Reifens und die Herstellungsbedingungen wird als Eingangsdaten verwendet, und jeder Wert der Leistungsgrößen des Reifens wird als Ausgangslerndatum verwendet.
Zunächst erfolgt in dem Schritt 200 das Lesen von Lerndaten und Testdaten, die erhalten wurden. In dem Schritt 202 wird ein Initialisieren bewirkt, durch Festlegen von Vorlauf-Verbindungskoeffizienten (Gewichten) der Einheiten in dem neuronalen Netzwerk und durch Festlegen von Versatzwerten auf zuvor festgelegte Werte. In dem nachfolgenden Schritt 204 werden, damit das neuronale Netzwerk ein Lernen unter Verwendung einer Vielzahl von Lerndaten ausführen kann, bei denen Entwurfsparameter für die Form, für die Struktur, für das Muster des Reifens und für die Herstellungsbedingungen bekannt sind, Fehler in jeweiligen Einheiten der Zwischen- und der Ausgangsschicht erhalten.
Fehler in der Ausgangsschicht können Differenzen zwischen der Lerndaten und den Reifenfunktionen/Leistungsgrößen sein. Fehler in der Ausgangsschicht, d. h. Fehler in den Einheiten, können minimiert werden durch Ändern, nach und nach, von zumindest einem der Verbindungskoeffizienten und der Versatzwerte. Ferner können Fehler in der Zwischenschicht invers erhalten werden durch Berechnen mit einer solchen inversen Fehlerausbreitungsverfahren, die Fehler in der Ausgangsschicht verwenden.
In dem Schritt 206 werden die Verbindungskoeffizient und die Versatzwerte, die erhalten wurden, aktualisiert (überschrieben). In dem Schritt 208 werden Testdaten jeweils getestet durch die aktualisierten Verbindungskoeffizienten und Versatzwerte in dem neuronalen Netzwerk, und es werden Daten erhalten, die die Funktionen des Reifens repräsentieren, als Werte des Testergebnisses. In dem Schritt 210 wird bestimmt, ob die Werte des Testergebnisses gemäß einer Bewertung dahingehend konvergiert sind, ob die Werte des in dem oben beschriebenen Schritt 208 erhaltenen Testergebnis innerhalb eines vorgegebenen Bereichs liegen, als Entscheidungsreferenz für die Konvergenz, oder es wird bestimmt, ob der oben beschriebene Betrieb gemäß einer vorgegebenen Wiederholungszahl wiederholt wurde. Ist die Entscheidung des Schritts 210 Ja, so endet diese Routine. Andererseits kehrt dann, wenn die Entscheidung des Schritts 210 Nein ist, der Prozess zu dem Schritt 204 zurück, und der oben beschriebene Betrieb wird wiederholt. Demnach werden dann, wenn die Lerndaten eingegeben werden, jeweilige Verbindungskoeffizienten und Versatzwerte so bestimmt, dass Fehler in den jeweiligen Einheiten der Zwischenschicht und der Ausgangsschicht minimal werden.
Durch die oben beschriebene Vorgehensweise wird das neuronale Netzwerk so ausgebildet, dass es unter Verwendung einer Vielzahl von Experimentaldaten lernt, bei denen die Entwurfsparameter für die Form, für die Struktur, für das Muster des Reifens und für die Herstellungsbedingungen bekannt sind. Insbesondere wird der Lernvorgang so ausgeführt, dass die Fehler für den Ausgangswert von der Ausgangsschicht des neuronalen Netzwerkes und den Lernsignalen minimal werden. Die Nicht-linear-Berechnungseinheit 32 wird gebildet durch einen Lernvorgang für die Ausgabe der Werte, die die Funktionen/Leistungsgrößen des Reifens dann repräsentieren, wenn jeweilige Werte der Entwurfsparameter für die Form, für die Struktur, für das Muster des Reifens und für die Herstellungsbedingungen hierzu eingegeben werden.
Nach dem Ende des oben beschriebenen Betriebs und dem ausreichenden Bewirken eines Lernvorgangs für das neuronale Netzwerk wird die Struktur des Netzwerks, d. h. die Verbindungskoeffizienten und die Versatzwerte, in dem Speicher 18 gespeichert, und ein Umsetzsystem kann konstruiert werden.
Vorangehend wurde der Fall beschrieben, bei dem das neuronalen Netzwerk als Nicht-linear-Berechnungseinheit 32 verwendet wird. Jedoch kann auch, wie in der folgenden Gleichung (3) gezeigt, das Umsetzsystem verwendet werden, das eine Antwort-Oberflächenmethode als Polynom einsetzt.
Als nächstes wird ein Betrieb des Optimiergeräts 30 der Ausführungsform der vorliegenden Erfindung weiter unter Bezug auf das Flussdiagramm nach 5 beschrieben. Wird eine Energiequelle des Optimiergeräts 30 angeschaltet oder wird ein Ausführungs-Startbefehl an das Optimiergerät 30 von einer Tastatur abgegeben, so schreitet der Prozess zu dem in 5 gezeigten Schritt 100 voran, indem Entwurfsparameter x_i (i = 1 bis p) für die Form, für die Struktur, für das Muster des Reifens, eine Zielfunktion und die maximale Zahl von Experimenten festgelegt sind. Insbesondere wird festgelegt, welche Funktion zu verbessern ist. In diesem Fall wird bestimmt, mit welcher Zahl von Wiederholungen Experimente für einen optimalen Entwurfsparameter für die Form, für die Struktur, und für das Muster des Reifens bestimmt werden sollen.
In dem Schritt 102 wird ein zulässiger Bereich für den Entwurfsparameter x_i für die Form, für die Struktur und für das Muster des Reifens, die in dem Schritt 100 gesetzt sind, festgelegt (x_i ^L ≤ x_i ≤ x_i ^U: x_i ^L als unterer Grenzwert und x_i ^U als oberer Grenzwert). In dem nachfolgenden Schritt 104 werden die Zahl M für die Analyse, erhalten durch Experiment oder numerische Berechnung, und eine Variable, e, zum Anzeigen der Position des Entwurfsparameters für die Form, für die Struktur und für das Muster des Reifens initialisiert (M = 0, e = 1).
In dem Schritt 106 wird bestimmt, ob experimentelle Daten aus der Vergangenheit für den Entwurfsparameter x_i für die Form, für die Struktur und für das Muster eines Reifens und die Funktionen des Reifens, die in dem Schritt 100 gesetzt wurden, verwendet werden können. Ist die Entscheidung des Schritts 106 Ja, so schreitet der Prozess zu dem Schritt 108 voran. Ferner schreitet dann, wenn die Entscheidung des Schritts 106 Nein ist und experimentelle Daten neu zu erhalten sind, der Prozess zu dem Schritt 120 voran.
In dem Schritt 120 werden der Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens bestimmt, durch Bestimmen, welcher Entwurfsparameter x_i für die Form, für die Struktur und für das Muster hiervon geändert wird, zum Bewirken eines Experiments mit Anwendung eines Orthogonalfelds, eines optimalen experimentellen Entwurfs oder dergleichen. Die Bestimmung des Entwurfsparameters für die Form, für die Struktur, für das Muster des Reifens erfolgt durch Anwenden eines Prozesses, der beschrieben ist in "Box and Draper; Empirical Model Building and Response Surfaces; Empirische Modellbildung und Antwortoberflächen" von John Wiley & Sons, New York.
In dem nachfolgenden Schritt 122 wird ein Reifen hergestellt, mittels einem Experiment, oder er wird numerisch durch Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens moduliert, gemäß dem in dem Schritt 120 bestimmten experimentellen Entwurf, und ein Experiment zum Bewerten der Funktionen/Leistungsgrößen oder eine numerische Analyse wird zum Erhalten von Daten bewirkt. Die Zahl für die Wiederholungen des Gesamtexperiments oder die Zahl für die Wiederholungen der numerischen Analyse zu dieser Zeit wird durch n_e angezeigt.
In dem Schritt 124 wird, in derselben Weise, wie oben beschrieben, ein Lernen des neuronalen Netzwerks bewirkt. Insbesondere wird das Lernen im Hinblick auf Werte der Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens bewirkt, die als Werte verwendet werden, eingegeben zu der Eingangsschicht, und im Hinblick auf Werte für Reifenfunktionen, die als die Werte verwendet werden, die von der Ausgangsschicht ausgegeben werden.
In dem nachfolgenden Schritt 126 erfolgt eine Bestimmung dahingehend, ob es irgendeinen Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens gibt, der zu der Zielvorgabe für die physikalischen Eigenschaften und Charakteristiken in einem geringeren Umfang beiträgt. Beispielsweise erfolgt durch Berechnen einer Empfindlichkeit zum Aufzeigen einer Tendenz der Änderung der Reifenfunktion in der Ausgangsschicht im Hinblick auf eine geringe Änderung eines Entwurfsparameters x_i für die Form, für die Struktur und für das Muster des Reifens, eingegeben zu mindestens einer der Einheiten der Eingangsschicht, sowie eines Umfangs der Reduktion der vorhergesagten Genauigkeit einer Reifenfunktion von der Ausgangsschicht, wenn eine Ausgabe von zumindest einer der Einheiten der Eingangsschicht zu Null gesetzt ist, eine Bestimmung des Entwurfsparameters für die Form, für die Struktur und für das Muster des Reifens mit einem geringeren Beitrag. Der Grund besteht darin, dass der Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens, dessen Empfindlichkeit klein ist und dessen Eingabe vernachlässigt werden kann, ohne dass es zu einer Reduktion der Vorhersagegenauigkeit kommt, so angesehen wird, dass er einen geringeren Beitrag leistet.
Gibt es einen Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens mit einem geringeren Beitrag, so wird die Entscheidung in dem Schritt 126 bestätigend ausgeführt. In dem Schritt 128 wird der Entwurfsparameter x_i für die Form, für die Struktur und für das Muster für den Reifen mit einem geringeren Beitrag gelöst, und die anderen Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens nach dem Löschen werden zum Ausführen eines zweiten Lernvorgangs verwendet (Schritt 124). Andererseits wird dann, wenn kein Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens mit einem geringeren Beitrag existiert, die Entscheidung in dem Schritt 126 negativ ausgeführt. In dem Schritt 130 wird eine Korrelation zwischen der Eingangsschicht (Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens) des neuronalen Netzwerks, das einem Lernvorgang unterzogen wurde, und der Ausgangsschicht (Reifenfunktionen) gespeichert. Insbesondere werden ein Verbindungskoeffizient und ein Versatzwert gespeichert.
In dem nachfolgenden Schritt 132 wird der beste Entwurfsparameter x_i für die Form, für die Struktur und für das Muster des Reifens erhalten, durch Optimieren einer Zielfunktion derart, dass, wie später beschrieben, die Korrelation zwischen der gespeicherten Eingangsschicht (Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens) der der gespeicherten Ausgangsschicht (Reifenfunktionen/Leistungsgrößen, Engl.: tire performances) verwendet wird (siehe 7).
Ist die Optimierung abgeschlossen, so wird die Zahl der Wiederholungen für das Experiment oder die Zahl der Wiederholungen der Analyse, M, so erhöht, dass gilt M = M + n_e, in dem Schritt 134. In dem Schritt 136 wird bestimmt ob gilt M< (maximal festgelegte Zahl für Wiederholungen eines Experiments oder einer Analyse). Ist ein Wert M kleiner als die maximal festgelegte Zahl, so schreitet der Prozess zu dem Schritt 138 voran.
In dem Schritt 138 wird eine Variable, e, inkrementiert. In dem Schritt 140 werden die zulässigen Bereiche für Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens rückgesetzt, wie in den folgenden Ausdrücken (4), (5) und (6) gezeigt, und der Prozess kehrt zu dem Schritt 120 zurück. Durch Ausführen dieser Verarbeitung in wiederholter Weise lässt sich die Genauigkeit eines optimalen Entwurfsparameters x_i ^OPT für die Form, für die Struktur und für das Muster des Reifens verbessern. Ein Rücksetzen der zulässigen Bereiche in dem Schritt 140 wird ausgeführt, indem Bereiche kleiner ausgebildet werden als diejenigen der Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens, bestimmt in dem Schritt 102, und in dem Schritt 120 wird ein Entwurf des zweiten Experiments für die eingeengten Bereiche ausgeführt. xi Lnew ≦ xi ≦ xi Unew (4)
wobei NN ein Koeffizient ist zum Bestimmen eines Umfangs, gemäß dem ein zulässiger Bereich für einen Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens enger ausgebildet wird. Es ist bevorzugt, dass NN in dem Bereich 1.5 bis 5 festgelegt ist.
Andererseits werden dann, wenn die Entscheidung des Schritts 136 Nein ist, d. h. wenn die Zahl der Wiederholungen für das Experiment oder die numerische Analyse größer ist als die vorgegebene maximale Zahl für die Wiederholungen des Experiments oder die numerische Analyse, die Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens, die schließlich in dem Schritt 142 erhalten werden, als optimaler Reifenentwurf ausgegeben. In dem Schritt 144 wird bestimmt, ob ein ähnliches Experiment oder eine ähnliche numerische Analyse für die zurückliegenden Experimentaldaten existiert. Ist die Entscheidung des Schritts 144 Nein, so wird in dem Schritt 146 eine Funktion des optimalen Reifenentwurfs in eine Datenbasis so eingetragen, beispielsweise eine externe Speichereinrichtung oder dergleichen, über den Speicher 22 oder die Dateneingabe/Ausgabeeinheit 28. Hier kann eine zweite Gruppe von Experimenten oder einer numerischen Analyse zum Erhalten einer Funktion/eines Leistungsumfangs eines Reifens ausgeführt werden.
Die maximale Zahl für die Wiederholungen des Experiments oder der numerischen Analyse ist eine Konstante, die auf der Grundlage eines Kostenwerts bestimmt ist, der für Experimente oder eine numerische Analyse erforderlich ist, sowie einer Zeit, die zum Erhalten des optimalen Reifenentwurfs erforderlich ist, und dergleichen.
Ist die Entscheidung in dem Schritt 105 Ja, so werden in dem Schritt 108 ein Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens für die Vergangenheit in Zuordnung zu dem in dem Schritt 100 gesetzten Punkten von einer zuvor vorbereiteten Datenbasis gelesen. In einem nachfolgenden Schritt 110 werden die gelesenen Daten so umgesetzt, dass sie eine Wölbung und Verwundenheit haben, durch Verwenden der folgenden Ausdrücke (7), (8), (9) und (10).
In dem Schritt 112 wird das Lernen des neuronalen Netzwerkes in derselben Weise wie in dem Schritt 124 bewirkt. In dem Schritt 114 wird ein Ergebnis des Lernvorgangs gespeichert, wie in dem Schritt 130. In dem Schritt 116 wird eine inverse Umsetzung als Inverse zu der Umsetzung in dem Schritt 110 bewirkt, zum Rückgeben der experimentellen Daten. In dem Schritt 118 wird die Gesamtzahl der Experimente, n_e, rückgesetzt (= 0), und dann schreitet der Prozess zu dem Schritt 132 voran.
Als nächstes wird eine Optimierverarbeitung gemäß dem Schritt 132, gezeigt in 5, detailliert beschrieben. Bei dem in 7 gezeigten Schritt 300 wird eine Zielfunktion bestimmt, die zu verbessernde Reifenfunktionen repräsentiert, eine Nebenbedingung, die Reifenfunktionen begrenzt, für die eine Verschlechterung bei einer Verbesserung einer bestimmten Reifenfunktion nicht zulässig ist, und eine Entwurfsvariable, die Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens bestimmt. In dem nachfolgenden Schritt 302 wird eine Variable (j) rückgesetzt, die die Zahl der Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens anzeigt (= 0).
In dem Schritt 304 erfolgt das Setzen eines Entwurfsparameters für die Form, für die Struktur und für das Muster des Reifens, der als Anfangswert für die Optimierung verwendet wird. Bei einer Optimierung des Entwurfs für die Form, für die Struktur und für das Muster des Reifens, muss ein Lösungsraum für eine Optimallösung erhalten werden, durch Ausführen einer Optimierung durch Starten von einem unterschiedlichen Anfangswert, da ein Entwurfsraum im Zusammenhang mit Reifenfunktionen eine Mehrfachspitzenkonfiguration dann hat, wenn ein Anfangswert in einem dreidimensionalen Bild herangezogen wird, durch Zeichnen der Eingangswerte (beispielsweise Breite und Winkel eines Gurts) einer Ebene, die zwei Dimensionen hat, und ferner durch Zeichnen einer Zielfunktion entlang einer in die Höhe gerichteten Richtung. Für einen Anfangswert kann beispielsweise die folgende Gleichung (11) eingesetzt werden.
wobei x_i (8 = 1 bis p) ein Entwurfsparameter für Form, für die Struktur und für das Muster eines Reifens ist, x_i ^L ≤ x_i ≤ x_i ^U ein Bereich ist, in dem ein Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens festgelegt sein kann, k = 0 zu Munit die Zahl der Aufteilungen eines zulässigen Bereich für einen Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens darstellt.
In dem Schritt 306 wird die Ausgabe durch das neuronale Netzwerk ausgeführt, und der anfängliche Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens, der in dem Schritt 304 gesetzt ist, wird als eine Eingabe verwendet, und es wird eine Reifenfunktion entsprechend dem eingegebenen Entwurfsparameter für die Form, für die Struktur und für ein Muster eines Reifens vorhergesagt. Es werde eine Zielfunktion und eine Nebenbedingung unter Verwendung des Ergebnis der Vorhersage berechnet.
In dem Schritt 308 wird der Entwurfsparameter x_i für die Form, für die Struktur und für das Muster des Reifens, der in dem Schritt 304 gesetzt wurde, um Δx_i geändert, jedes Mal so, dass der Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens geändert wird. In dem Schritt 310 wird ein Wert für die Zielfunktion OBJ_i und ein Wert für eine Nebenbedingung G_i nach dem Ändern einer Entwurfsvariable um Δx_i berechnet. In dem Schritt 312 werden eine Empfindlichkeit der Zielfunktion, dOJ/dx_i, als Verhältnis einer Variation der Zielfunktion gegenüber einer Einheitsvariation einer Entwurfsvariablen und eine Empfindlichkeit einer Nebenbedingung, dG/dx_i, als Verhältnis einer Variation der Nebenbedingung gegenüber einer Einheitsvariation einer Entwurfsvariablen für jede Entwurfsvariable berechnet, in Übereinstimmung mit den folgenden Ausdrücken (12) und (13).
Aufgrund der Empfindlichkeiten ist es möglich, den Umfang vorherzusagen, mit dem sich ein Wert der Zielfunktion dann ändert, wenn die Entwurfsvariable um Δx_i verändert wird. Der Vorhersageprozess, d. h. ein Optimierprozess, kann analog zu dem Besteigen eines Bergs ausgeführt werden, und das Vorhersagen einer Änderung des Werts der Zielfunktion entspricht der Bezeichnung einer Richtung zum Besteigen eines Bergs.
In dem Schritt 314 wird bestimmt, ob die Berechnung für sämtliche Entwurfsparameter für die Form, für die Struktur und für das Muster eines Reifens abgeschlossen ist. Ist die Berechnung nicht abgeschlossen, so werden die Schritte 308 bis 312 wiederholt ausgeführt.
In dem Schritt 316 wird eine Variation der Entwurfsvariablen, die die Zielfunktion minimiert (oder maximiert) vorhergesagt, während die Nebenbedingung erfüllt ist, durch ein mathematisches Programmierverfahren, mit Anwendung der Empfindlichkeit en einer Zielfunktion und einer Nebenbedingung. Mit dem vorhergesagten Wert der in dem Schritt 318 verwendeten Entwurfsvariable wird jeder Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens korrigiert, und es werden Werte der Zielfunktion auf der Grundlage der korrigierten Entwurfsparameter für Form, für die Struktur und für das Muster der Reifen berechnet. In dem Schritt 320 wird bestimmt, ob der Wert für die Zielfunktion konvergiert ist, durch Vergleichen einer Differenz zwischen einem Wert der Zielfunktion OBJ, berechnet in dem Schritt 318 und einem Anfangswert OBJ₀ der Zielfunktion, berechnet in dem Schritt 306, mit einem vorab eingegebenen Schwellenwert. Ist der Wert der Zielfunktion nicht konvergiert, so werden die Schritte 306 bis zu dem Schritt 320 wiederholt ausgeführt, wobei ein in dem Schritt 316 erhaltener Wert der Entwurfsvariablen als Anfangswert verwendet wird. Wird bestimmt, dass ein Wert der Entwurfsvariablen konvergiert ist, so wird ein Wert der derart erhaltenen Entwurfsvariablen als ein Wert der Entwurfsvariablen angesehen, der zu dem besten Wert der Zielfunktion bei Erfüllen der Nebenbedingung führt. In dem Schritt 322 wird ein Entwurfsparameter für die Form, für die Struktur und für das Muster eines Reifens unter Verwendung des Wertes der Entwurfsvariablen bestimmt. In dem Schritt 324 wird die Variable, j, inkrementiert, und der Prozess schreitet zu dem Schritt 326 voran.
In dem Schritt 326 wird bestimmt, ob die Variable, j, eine zulässige Zahl der anfänglichen Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens übersteigt: (1 + Munit)^P. Übersteigt j nicht die zulässige Zahl, so kehrt der Prozess zu dem Schritt 304 zurück, und mit variierten Werten für die anfänglichen Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens werde die Schritte 304 bis 326 wiederholt ausgeführt.
Andererseits wird dann, wenn die Entscheidung des Schritts 326 Ja ist, in dem nachfolgenden Schritt 328 der optimale Reifenentwurf bestimmt, und die Routine endet. Die Bestimmung des optimalen Reifenentwurfs in dem Schritt 328 erfolgt unter Beachtung der folgenden zwei Bedingungen, und der optimale Reifenentwurf wird so bestimmt, dass er einen größeren Umfang an Koinzidenz im Hinblick auf eine Bedingung aufweist.
Die Bedingungen sind, dass:

(1) die Zielfunktion OBJ einen kleinen Wert hat, wobei die Reifenfunktionen/Leistungsgrößen, ausgewählt als Zielfunktion, die kleiner ist, festgelegt ist und ist eine größere besser, so wird der größere Wert festgelegt, mit einem negativen Vorzeichen, das vor demselben größeren Wert angefügt ist;
(2) selbst wenn ein Entwurfsparameter für die Form, für die Struktur und für das Muster des Reifens ein wenig in der Nähe einer erhaltenen Optimallösung geändert wird, wird weder die Zielfunktion noch die Nebenbedingung so sehr geändert.

Wie oben beschrieben, ist die vorliegende Ausführungsform so konstruiert, dass zum Bestimmen des Umsetzsystems ein Lernen einer Zuordnungsbeziehung zwischen einer Seite Entwurfsparametern für die Form, für die Struktur, für das Muster des Reifens und für die Herstellungsbedingungen, und andererseits für die Funktionen/Leistungsgrößen eines Reifens durch ein neuronales Netzwerk ausgeführt wird, unter Verwendung experimenteller oder numerischer analytischer Daten in der Nicht-linear-Berechnungseinheit. Aus diesem Grund ist es nicht erforderlich, eine funktionale Form als Mittel zum Berechnen des Umsetzsystems anzunehmen, bei der eine Zuordnungsbeziehung einerseits zwischen Entwurfsparametern für Form, für die Struktur, für das Muster des Reifens und Herstellungsbedingungen, und andererseits von Funktionen/Leistungsgrößen eines Reifens festgestellt werden kann, und sie wird mit hoher Genauigkeit und geringerer Optionalität gebildet. Ferner lässt sich bei Kombination des Umsetzsystems und der Optimierberechnungseinheit ein Schema eines Optimalentwurfs für die Form, für die Struktur und für das Muster des Reifens ausgeben, das effektiv ist.
Als nächstes wird eine zweite Ausführungsform der vorliegenden Erfindung beschrieben. Diese Ausführungsform wird bereitgestellt zum Bewirken einer Optimierung durch einen genetischen Algorithmus anstelle der Empfindlichkeitsanalyse (7) bei der obigen Ausführungsform. Diese Ausführungsform hat nahezu dieselbe Struktur wie diejenige der oben beschriebenen Ausführungsform, und demnach sind dieselben Elemente wie die für die oben beschriebene Ausführungsform anhand derselben Bezugszeichen bezeichnet, und eine detaillierte Beschreibung hiervon wird weggelassen.
Die 10 zeigt eine Verarbeitungsroutine für ein Optimierverarbeitungsprogramm der zweiten Ausführungsform. Nach dem Ausführen des in 5 gezeigten Schritts 132 wird die in 10 gezeigte Verarbeitungsroutine ausgeführt. In dem Schritt 400 erfolgt ein Modellieren von N Reifen. Das Modellieren wird auf der Grundlage einer Zuordnungsbeziehung zwischen Entwurfsparametern x_ij (i = 1 bis p, j = 1 bis N) für die Form, für die Struktur, für das Muster des Reifens und eine Reifenfunktion/Leistungsgröße bewirkt. Die Modellierungen mit N Wiederholungen bedeutet eine Produktion von N Eingaben I1 bis Ip auf der Grundlage von Zufallszahlen, die bei der Eingangsschicht des in 4 gezeigten neuronalen Netzwerks eingegeben werden, wobei N vorab durch einen Betreiber eingegeben wird.
In dem Schritt 402 wird eine Zielfunktion und eine Nebenbedingung bestimmt. Insbesondere wird eine Entwurfsvariable festgelegt, die eine Zielfunktion bestimmt, die Reifenfunktionen/Leistungsgrößen repräsentiert, die zu verbessern oder neu gewünscht sind, und eine Nebenbedingung, die die Verschlechterung einer Reifenfunktion einschränkt, für die eine Verschlechterung bei der Verbesserung einer bestimmten Reifenfunktion nicht zulässig ist (Bestimmung einer Zielfunktion OBJ und einer Nebenbedingung G). In dem Schritt 404 werden die Zielfunktionen OBJ_J und die Nebenbedingung G_J für jeweilige Entwurfsvariablen r_iJ für N Modelle berechnet.
In dem Schritt 406 wird mit jeweiligen Zielfunktionen OBJ_J und Nebenbedingungen G_J bei Anwendung der in dem Schritt 404 erhaltenen N Modelle eine adaptive Funktion F_J für jedes der N Modelle in Übereinstimmung mit den folgenden Ausdrücken (14) berechnet. Bei dieser Ausführungsform wird beispielsweise zum Optimieren einer Reifenfunktion und eines Kostenwerts ein Wert der adaptiven Funktion (Umfang der Adaptabilität) größer, wenn ein Wert der Zielfunktion OBJ_J größer wird, und ein Wert der Nebenbedingung G_J wird kleiner. ΦJ = –OBJJ + γ·max(GJ, O) FJ = –ΦJ (14) FJ = l/ΦJ oder FJ = –a·ΦJ + bwobei,
wobei c eine Konstante ist, γ ein Penalty-Faktor ist, Φ_min = min (Φ₁, Φ₂, ... Φ_N), Φ_J ein Penalty-Fkator für das J-te Modell aus den N Modellen ist, wobei J = 1, 2, 3, ... N, und c und γ durch einen Betreiber vorab eingegeben werden.
In dem Schritt 408 werden zwei Modelle aus den N Modellen ausgewählt, die sich miteinander schneiden. Mit einer allgemein bekannten Anpassungsvermögen-Proportionalstrategie, die als ein Auswahlverfahren verwendet wird, ist eine Wahrscheinlichkeit P_L, mit der ein bestimmtes Individuum l aus den N Modellen ausgewählt wird, anhand der folgenden Gleichung repräsentiert.
wobei F_L eine adaptive Funktion eines bestimmten Individuums l aus den N Modellen ist und F_J eine adaptive Funktion des J-ten Modell aus den N Modellen ist, wobei gilt J = 1, 2, 3, ... N.
Obgleich bei der vorliegenden Ausführungsform die Anpassungsvermögens-Proportionalstrategie als das Auswahlverfahren verwendet wird, kann eine Alternative verwendet werden, beispielsweise eine Erwartungswertstrategie, eine Rangstrategie, eine Elite-Konservierungsstrategie, eine Turnier-Auswahlstrategie, eine GENITOR-Algorithmus oder dergleichen, wie in einem Buch gezeigt mit dem Titel "Genetischer Algorithmus", zusammengestellt durch Hiroaki Kitano.
In dem Schritt 410 wird bestimmt, ob für zwei ausgewählte Modelle eine Schnittbildung miteinander mit einer Wahrscheinlichkeit T bewirkt wird, die durch den Betreiber vorab eingegeben wird. Die hier erwähnte Schnittmengenbildung bedeutet, dass die zwei Modelle teilweise wechselseitig Elemente austauschen, die sie selbst bilden, wie später beschrieben. Ist die Entscheidung in dem Schritt 410 Nein, d. h. wird für die zwei Modelle keine Überschneidung bewirkt, so werden in dem Schritt 412 die zwei Modelle intakt gehalten, und der Prozess schreitet zu dem Schritt 416 voran. Andererseits wird dann, wenn die Entscheidung des Schritts 410 Ja ist, ein Überschneiden der zwei Modelle miteinander in dem später beschriebenen Schritt 414 bewirkt.
Das Überschneiden von zwei Modellen wird durch eine Überschneidungsroutine bewirkt, die in 11 gezeigt wird. Zunächst werden in einem Schritt 408, gezeigt in 10, die zwei ausgewählten Modelle jeweils als Modell "a" und Modell "b" benamt, und die Entwurfsvariablen des Modells "a" und "b" werden durch Entwurfsvariablenvektoren ausgedrückt, enthaltend eine Liste, wobei ein Entwurfsvariablenvektor Vr^a des Modells "a" Vr^a = (r₁ ^a, r₂ ^a, ..., r_i ^a, ..., r_n–1 ^a) ist und ein Entwurfsvariablenvektor Vr^b des Modells "b" gleich Vr^b = (r₁ ^b, r₂ ^b, ..., r_i ^b, ..., r_n–1 ^b) ist. In dem in 11 gezeigten Schritt 450 wird, bei vorab erzeugten Zufallszahlen, ein Überschneidungsort, i, im Hinblick auf die Entwurfsvariablenvektoren der Modelle "a" und "b" gemäß den Zufallszahlen bestimmt.
In dem Schritt 452 wird eine Distanz, d, durch den folgenden Ausdruck erhalten, für die Entwurfsvariablen r_i ^a und r_i ^b der Modelle "a", "b", für die bestimmt wurde, dass sie einer Schnittmengenbildung/Überschneidung unterzogen werden. d = |ri a – ri b|
In dem Schritt 454 wird durch Anwenden des Minimalwerts B_L und des maximalen Werts b_u in dem Bereichen, in denen r_i ^a und r_i ^b jeweils festgelegt werden kann, eine normierte Distanz d' anhand des folgenden Ausdrucks erhalten:
In dem Schritt 456 wird ein Funktionswert Z_ab in Übereinstimmung mit dem folgenden Ausdruck erhalten, durch Anwendung einer Abbildungsfunktion vom Domtyp Z(x) (0 ≤ x ≤ 1,0 ≤ Z(x) ≤ 0,5), wie gezeigt in den 12(a) und 12(b), um Werte der normierten Distanzen d' geeignet zu streuen. Zab = Z(d')
Nach dem Erhalten des Funktionswerts Z_ab, wie oben beschrieben, werden neue Entwurfsvariablen r_i ^'a, r_i ^'b erhalten, in Übereinstimmung mit den folgenden Ausdrücken, und in dem Schritt 458.
Nachdem r_i ^'a, r_i ^'b, wie oben beschrieben, erhalten wurden, werden in dem Schritt 460 Entwurfsvariablenvektoren Vr^'a, Vr^'b in einer nachfolgend beschriebenen Vorgehensweise erhalten, und sie sind Listen der neuen Entwurfsvariablen.
Vr^'a = (r₁ ^a, r₂ ^a, ..., r_i ^'a, r_i+1 ^b, ..., r_n–1 ^b)
Vr^'b = (r₁ ^b, r₂ ^b, ..., ri^'b, r_i+1 ^a, ..., r_n–1 ^a)
Zwischenzeitlich werden der Minimalwert B_L und der Maximalwert Bu in dem Bereich, in dem sich r_i festlegen lässt, vorab durch einen Betreiber eingegeben. Ferner kann eine Abbildungsfunktion Z(x) eine Abbildungsfunktion eines Taltyps sein, wie in den 13(a), 13(b) gezeigt. Bei der vorangehenden Ausführung kann, obgleich die Zahl einer Überlappungsstelle, i, lediglich einmal festgelegt ist, eine Vielzahl von Überlappungspunkten, eine einheitliche Überschneidung und dergleichen eingesetzt werden, wie in dem Buch mit dem Titel "Genetischer Algorithmus" gezeigt, zusammengestellt durch Hiroaki Kitano.
Nach der Erzeugen von zwei neuen Modellen durch ein derartiges Überschneiden wird in dem in 10 gezeigten Schritt 416 bestimmt, ob der Auftreten einer Mutation mit einer Wahrscheinlichkeit S bewirkt wird, die zuvor durch den Betreiber eingegeben wird. Die hier erwähnte Mutation betrifft die Änderung eines Abschnitts einer Entwurfsvariablen um einen sehr geringen Umfang, die bewirkt wird, damit man eine höhere Wahrscheinlichkeit erreicht, mit der eine Population, die eine optimale Entwurfsvariable sein kann, enthalten ist. Ist die Entscheidung des Schritts 416 Nein, d. h., wird das Auftreten einer Mutation nicht bewirkt, so werden die zwei momentanen Modelle in dem Schritt 426 intakt gehalten, und der Prozess schreitet zu dem Schritt 422 voran. Ist die Entscheidung des Schritts 416 Ja und wird das Auftreten einer Mutation bewirkt, so wird die Mutationsverarbeitung in dem Schritt 420 bewirkt, wie nachfolgend beschrieben.
Die Mutationsverarbeitung wird durch eine in 14 gezeigte Mutationsroutine bewirkt. Zunächst werden Zufallszahlen in dem Schritt 462 erzeugt, und eine Stelle der Mutation, i, wird unter Verwendung der Zufallszahlen bestimmt. In dem Schritt 464 wird eine Distanz d' unter Verwendung der Zufallszahlen in dem Bereich von 0 ≤ d' ≤ 1 bestimmt.
In dem Schritt 466 wird mit einer Anwendung einer Abbildungsfunktion eines Domtyps Z(x) (0 ≤ x ≤ 1, 0 ≤ Z(x) ≤ 0,5), wie in 12(a), 12(b) gezeigt, oder einer Abbildungsfunktion vom Taltyp Z(x), wie in 13(a), 13(b) gezeigt, ein Funktionswert Zd anhand es folgenden Ausdrucks erhalten: Zd = Z(d')
Nachdem der Funktionswert Zd in einer solchen Weise erhatlen wurde, wird in dem Schritt 468 eine neue Entwurfsvariable r_i durch den folgenden Ausdruck erhalten:
oder
Nachdem ein Entwurfsvariable r_i' in einer solchen Weise erhalten wird, wird ein Entwurfsvariablenvektor Vr, der eine Liste der neuen Entwurfsvariablen ist, in dem Schritt 470 in der folgenden Form erhalten:
Vr' = (r₁, r₂, ..., r_i', r_i+1, ..., r_n–1)
In der oben beschriebenen Weise werden Werte der Zielfunktion und einer Nebenbedingung in dem Schritt 423 nach 10 für die zwei neuen Modelle berechnet. In dem Schritt 424 wird eine adaptive Funktion anhand der erhaltenen Werte der Zielfunktion und der Nebenbedingung berechnet, durch Verwenden des Ausdrucks (14) in einer Weise ähnlich zu der obigen Prozedur.
In dem Schritt 426 werden die oben beschriebenen zwei Modelle gespeichert. In dem Schritt 428 wird bestimmt, ob die Zahl der in dem Schritt 426 gespeicherten Modelle die Zahl N erreicht hat. Ist die Zahl der Zahl N noch nicht erreicht, so werden die Schritte 408 bis zu dem Schritt 428 wiederholt solange ausgeführt, bis die in dem Schritt 426 gespeicherte Zahl die Zahl N erreicht. Andererseits erfolgt dann, wenn die gespeicherte Zahl N erreicht hat, eine Entscheidung im Hinblick auf die Konvergenz in dem Schritt 430. Sofern keine Konvergenz vorliegt, werde die N Modelle mit Modellen aktualisiert, die in dem Schritt 426 gespeichert werden, und die Schritte 408 bis 430 werden wiederholt ausgeführt. Wird in dem Schritt 430 das Auftreten einer Konvergenz bestimmt, so wird ein Wert einer Entwurfsvariablen, der die Zielfunktion maximiert, während er grob die Nebenbedingungen in den N Modellen erfüllt, als der Wert einer Entwurfsvariablen angenommen, der einen Wert der Zielfunktion maximiert, während er grob die Nebenbedingung erfüllt. In dem Schritt 432 wird der Wert der Entwurfsvariablen zum Bestimmen des optimalen Reifenentwurfs in derselben Weise wie bei der oben beschriebenen Ausführungsform verwendet, und hierdurch endet die Routine.
Die Bestimmung der Konvergenz in dem Schritt 430 erfolgt bestätigend, wenn die folgenden Bedingungen erfüllt sind, die wie folgt lauten:

(1) die Zahl der Generationen hat M erreicht;
(2) die Zahl linearer Reihen, in denen ein Wert der ersten Zielfunktion der größte ist, ist gleich oder größer als q% der Gesamtheit; und
(3) der maximale Wert der Zielfunktion wird nicht bei nachfolgenden Generationen aktualisiert, wobei M, q und s vorab durch den Betreiber eingegeben sind.

Testbeispiele
Nunmehr erfolgt eine Beschreibung von Testbeispielen der Reifen, entworfen durch Anwendung eines Entwurfsverfahrens gemäß den Ausführungsformen der vorliegenden Erfindung.
Zunächst wird ein Testbeispiel 1 beschrieben. Das vorliegende Testbeispiel betrifft eine Anwendung der vorliegenden Erfindung auf den Entwurf der Form einer Krone eines Reifens. Bei dem vorliegenden Testbeispiel werden Reifen (Größe: 205/55R16) entworfen auf der Grundlage der folgenden Bedingungen (1) bis (5), und die entworfenen Reifen wurden tatsächlich produziert, und die derart produzierten Reifen wurden zahlreichen Tests unterzogen.
Bedingungen

(1) Zurückliegende Daten werden nicht eingesetzt;
(2) Es wird ein Orthogonalexperimentier-Programmierverfahren des Niveaus L27-3 verwendet (siehe Orthogonaltabelle, gezeigt in Tabelle 1-L₂₇3¹³);
(3) die Zahl der Wiederholungen eines Experiments ist zu eins festgelegt;
(4) eine Zielfunktion OBJ wird minimiert (Kontaktdruck unter einer Anwendung einer Lateralkraft in einheitlicher Form), zwischenzeitlich wird die Zielfunktion anhand des folgenden Ausdrucks erhalten: OBJ = α·OBJ1 + β·OBJ2
unter der Annahme, dass die Addition hiervon lediglich dann zugelassen ist, wenn gilt P_i ^N > 0; und
unter der Annahme, dass die Addition hiervon lediglich dann zugelassen ist, wenn gilt P_i ^L > 0, wobei P^N ein mittlerer Kontaktdruck dann ist, wenn eine Last angewandt wird, P^L ein mittlerer Kontaktdruck dann ist, wenn eine Lateralkraft angewandt wird, und P_i ^N eine Kontaktdruckverteilung dann ist, wenn die Last angewandt wird (ein Gebiet direkt unterhalb der Last, P_i ^L eine Kontaktdruckverteilung dann ist, wenn eine Lateralkraft angewandt wird (ein Gebiet direkt unterhalb der Last), und α, β jeweils ein Gewichtungsfaktor für eine Zielfunktion ist.
(5) Entwurfsvariablen sind gezeigt als r₁, r₂, r₃, θ₁ und θ₂ (mit r als Distanz zwischen einem Referenzpunkt eines Reifens und einem Knotenpunkt bei der innersten Seite des Reifens).

Ferner werden die oben beschriebenen Kontaktdruckverteilungen P_i ^N und P_i ^L, wie in 17 gezeigt, für jedes der zwanzig Gebiete erhalten, in die ein Reifengebiet in der Nähe einer Straßenkontaktoberfläche des Reifens aufgeteilt ist (d. h., es gibt zwanzig Elemente, die direkt unterhalb der Last angeordnet sind).
Ferner wird ein neuronales Netzwerk gebildet, mit einer Eingangsschicht mit fünf Einheiten, einer Zwischenschicht mit vierzig Einheiten, und einer Ausgangsschicht mit zwanzig Einheiten, für jeden Zeitpunkt einer Anwendung der Last und der lateralen Kraft.
Die nachfolgend gelistete Tabelle 6 zeigt einzugebende Entwurfsvariablen, und die nachfolgend gelistete Tabelle 7 zeigt, dass Ausgangsgrößen Kontaktdruckverteilungen während der Anwendung der Kraft und der Lateralkraft sind. Die Ausgangsschicht des neuronalen Netzwerks ist bereitgestellt in Zuordnung zu den Kontaktdruckverteilungen jedes Gebiets (Element), angeordnet direkt unter der Last (siehe 17).
Die Entwurfsvariablen r₁, r₂, r₃, θ₁ und θ₂ werden so festgelegt, wie nachfolgend beschrieben. D. h., die Form des Kronenabschnitts, die die Entwurfsvariable darstellt, wird gebildet durch Approximation eines vorentworfenen Bereichs des Kronenabschnitts unter Verwendung eines Vielzahl von kreisförmigen Bögen. beispielsweise ist, wie in 16 gezeigt, in dem Bereich des Kronenabschnitts, der sich ausgehend von einem Knotenpunkt q7 der Reifenmitte zu einem Knotenpunkt q8 nahe bei dem Gurtendabschnitt approximieren lässt, die Form des Kronenabschnitts für die drei Gebiete gemäß CR1, CR2 und CR3 durch drei kreisförmige Bögen repräsentieren. Das Gebiet CR1 lässt sich approximieren mit einem Radius von r1 bei einem Winkel von θ1, das Gebiet CR2 lässt sich approximieren bei einem Radius von r2 und bei einem Winkel von θ2, und das Gebiet CR3 lässt sich approximieren bei einem Radius von r3 und bei einem Winkel von θ3. Die Radii r1, r2 und r3 und die Winkel θ1, θ2 sind als die Entwurfsvariablen festgelegt.
Bei dem oben beschriebenen, in 16 gezeigten Beispiel wird die Form des Kronenabschnitts repräsentiert durch drei kreisförmige Bögen in dem Bereich von dem Knotenpunkt q7 der Reifenmitte zu dem Knotenpunkt q9 nahe dem Gurtendabschnitt. Jedoch ist die Zahl der kreisförmigen Bögen nicht auf dieselbe beschränkt, und sie kann zu eins, zwei oder bei vier oder mehr festgelegt sein. Ferner muss jeder der kreisförmigen Bögen nicht notwendigerweise glatt und fortlaufend gebildet sein, und ein Koordinatenwert bei der Mitte jedes kreisförmigen Bogens kann als eine unabhängige Variable angesehen werden.
Ferner werden vorangehend eine Lagrange-Interpolation und eine Kreisbogen-Interpolation verwendet, jedoch lässt sich auch eine Spline-Kurve, eine B-Spline-Kurve, eine Bezier-Kurve, NURBS und dergleichen ebenso anwenden.
Die nachfolgend gezeigte Tabelle 8 zeigt Vergleichswerte der experimentell anhand der üblichen Verfahren hergestellten Reifen und der Reifen des vorliegenden Beispiels, wobei Reifen experimentell unter den Bedingungen des vorliegenden Testbeispiels hergestellt wurden, und tatsächliche Messungen wurden gemäß dem Umfang der Einheitlichkeit erhalten, wenn die Last und die Lateralkraft, repräsentiert durch OBJ1 und OBJ2, angewandt wurden. Ferner zeit die Tabelle 8, dass, je kleiner ein Wert, umso einheitlicher der Kontaktdruck ist. Ferner zeigt die nachfolgende Tabelle 9 Vergleichsergebnisse für Reifen, die experimentell anhand üblicher Verfahren hergestellt wurden, und der Reifen des vorliegenden Testbeispiels, wobei Reifen experimentell unter den Bedingungen des vorliegenden Testbeispiels hergestellt wurden, und die Stabilität der Manövrierfähigkeit und der Abnutzung wurden getestet. Ferner zeigt die Tabelle 5, dass je größer ein Wert, umso besser die Funktion.
Tabelle 6
Tabelle 7
Tabelle 8
Tabelle 9 Bewertung der Fahrzeugführungsqualität
Nun erfolgt eine Beschreibung eines Testbeispiels 2. Das Testbeispiel 2 betrifft eine Anwendung der vorliegenden Erfindung auf den Entwurf einer Form eines Seitenabschnitts eines Reifens. Bei dem vorliegenden Testbeispiel wurden Reifen (Größ: 205/55R16) auf der Grundlage der folgenden Bedingungen (1) bis (5) entworfen, die entworfenen Reifen wurden tatsächlich erzeugt, und die derart erzeugten Reifen wurden zahlreichen Tests unterzogen.
Bedingungen

(1) Zurückliegende Daten werden nicht eingesetzt;
(2) Es wird ein Orthogonal-Experimentier-Programmierverfahren des Niveaus L27-3 verwendet (siehe Orthogonaltabelle, gezeigt in Tabelle 1-L₂₇3¹³);
(3) die Zahl der Wiederholungen für ein Experiment ist bei eins festgelegt;
(4) eine Zielfunktion ist so ausgebildet, dass sie dieselbe ist wie diejenigen im Fall des Entwurfs des Kronenabschnitts (oben beschrieben) (Kontaktdruck unter einer Anwendung einer Lateralkraft wird einheitlich ausgebildet),
(5) Entwurfsvariablen sind gezeigt als r₁, r₂, r₃, θ₁ und θ₂ (r ist eine Distanz zwischen einem Referenzpunkt eines Reifens und einem Knotenpunkt bei der innersten Seite des Reifens).

Es wird ein neuronales Netzwerk mit einer Eingangsschicht mit fünf Einheiten gebildet, sowie einer Zwischenschicht mit vierzig Einheiten und einer Ausgangsschicht mit zwanzig Einheiten.
Die nachfolgend gelistete Tabelle 1 zeigt eine Orthogonaltabelle (L₂₇3¹³), die für das Orthogonal-Experimentier-Programmierverfahren des Niveaus L27-3 verwendet wird. Die nachfolgend gelistete Tabelle 2 zeigt die einzugebenden Entwurfsvariablen, und die Tabelle 3 zeigt, dass die Ausgabe eine Kontaktdruckverteilung dann ist, wenn die Lateralkraft angewandt wird.
Die Entwurfsvariablen r₁ bis r₃ werden so festgelegt, wie nachfolgend beschrieben.
Zunächst wird eine Querschnittskonfiguration eines Reifens in einem natürlich balancierten Zustand als Referenzform modelliert. Die 15 zeigt die Querschnittskonfiguration des modellierten Reifens. CL ist eine Karkassenlinie, OL ist eine Linie, die eine externe Oberfläche eines Reifens repräsentiert, PL ist eine gefaltete Schicht/Zwischenschichtlinie, und B1 und B2 sind jeweils eine Linie zum Repräsentieren eines Gurts. Ferner ist das Modell der Querschnittskonfiguration des Reifens unterteilt in eine Vielzahl von Elementen anhand einer Vielzahl von Normallinien NL₁, NL₂, NL₃, ... für die Karkassenlinie CL. Vorangehend wurde ein Fall beschrieben, bei dem das Modell der Querschnittskonfiguration des Reifens in die Vielzahl von Elemente anhand der Vielzahl von Normallinien der Karkassenlinie unterteilt ist. Jedoch lässt sich das Modell der Querschnittskonfiguration des Reifens unterteilen in die Vielzahl von Elementen anhand einer Vielzahl von Normallinien bzw. Lotlinien der Linie, die die externe Oberfläche des Reifens repräsentiert, oder durch eine Vielzahl von Normallinien/Lotlinien der gefalteten Zwischenschicht/Schichtlinie. Alternativ kann das Modell ebenso unterteilt sein in Elemente, die jeweils eine beliebige Form haben, abhängig von den Entwurfszwecken.
Die Form der Karkassenlinie wird als Entwurfsvariable verwendet, und sie wird durch Lagrange-Interpolation bestimmt, die eine Kurve approximiert. Es wird die Lagrange-Interpolationsverarbeitung in solcher Weise bereitgestellt, dass vorab ein Referenzpunkt P bei einem inneren Abschnitt des Reifens festgelegt ist, und ein Bereich von einem Knotenpunkt q₁ in der Nähe eines Endes eines Gurts, bis zu einem Knotenpunkt q₂ in der Nähe einer Position, eingeschränkt durch eine Randzone, ist als der Bereich bezeichnet, in dem die Form des Reifens verändert wird. Verbindet eine gerade Linie den Knotenpunkt q₁ und den Referenzpunkt P, und wird sie als Referenzlinie verwendet, so wird ein scheinbarer Winkel θ, gebildet zwischen der Referenzlinie und einer geraden Linie zum Verbinden des Knotenpunkts q₂ und des Referenzspunkts P berechnet, und ein Winkelinkrement wird d_θ (= θ/ein Umfang der Lagrange-Interpolation) wird hierdurch berechnet. Anschließend wird eine virtuelle Linie für jedes Winkelinkrement dθ angenommen, wobei die Referenzlinie als Referenz festgelegt ist, und Normallinien/Lotlinien nl₁, nl₂, nl₃ (die am nächsten zu der virtuellen Linie liegen, werden ausgewählt, und Distanzen r₁, r₂, r₃, ..., die repräsentiert werden als r_i in dem folgenden Ausdruck; i = 1, 2, ... ein Umfang der Lagrange-Interpolation – 1) zwischen dem Referenzpunkt P und jedem Knotenpunkt Q₁, Q₂, Q₃, ... an der innersten Seite der ausgewählten Normallinien nl₁, nl₂, nl₃, ..., und scheinbare Winkel θ₁, θ₂, θ₃, ... der Knotenpunkte Q₁, Q₂, Q₃ (i = 1, 2, ... ein Umfang der Lagrange-Interpolation – 1) werden berechnet. Die Distanz r_i wird als eine Entwurfsvariable festgelegt. Bei dem vorliegenden Testbeispiel sind die Entwurfsvariablen r₁ bis r₅ festgelegt.
Die nachfolgend gezeigte Tabelle 4 zeigt Vergleichsergebnisse für experimentell durch übliche Verfahren hergestellte Reifen und die Reifen des vorliegenden Testbeispiels, wobei Reifen experimentell unter den Bedingungen des vorliegenden Testbeispiels hergestellt wurden, und der Umfang der Einheitlichkeit bei Anwenden einer Lateralkraft wurde gemessen. Ferner bezeichnet die Tabelle 4, dass, je kleiner ein Wert, umso besser die Funktion/Leistungsgröße ist. Ferner zeigt die nachfolgend gezeigte Tabelle 5 Vergleichsergebnisse für Reifen, die gemäß üblichen Verfahren hergestellt wurden, und die Reifen des vorliegenden Testbeispiels, wobei Reifen experimentell unter den Bedingungen des vorliegenden Testbeispiels hergestellt wurden, und die Stabilität der Manövrierfähigkeit wurde gemessen. Ferner bezeichnet die Tabelle 5, dass je größer ein Wert, umso besser die Funktion/das Leistungsvermögen ist.
Tabelle 1 Orthogonal Tabelle (L₂₇3¹³)
Tabelle 2
Tabelle 3
Tabelle 4
Tabelle 5
Als nächstes wird ein Testbeispiel 3 beschrieben. Das vorliegende Testbeispiel 3 ist eine Anwendung der vorliegenden Erfindung auf einen Entwurf eines Reifens mit Gurtstruktur. Bei dem vorliegenden Testbeispiel wurden Reifen (Größe 205/55R16) auf der Grundlage der folgenden Bedingungen (1) bis (6) entworfen, die entworfenen Reifen wurden tatsächlich erzeugt, und die derart erzeugten Reifen wurden zahlreichen Tests unterzogen.
Bedingungen

(1) Zurückliegende Daten wurden nicht eingesetzt;
(2) Es wird ein D-optimaler-Experimentalentwurf (Experimentalpunkt ist 30) eingsetzt (siehe "Optimale Experimentelle Entwürfe" durch A. A. Atkinson und A. N. Donev, Oxford Science Publications., Seite 106);
(3) Die festgelegte Zahl von Wiederholungen eines Experiments ist eins;
(4) eine Zielfunktion ist so festgelegt, dass der Maximalwert der Hauptschiefe/Verwundenheit zwischen Verstärkungsschichten minimiert ist;
(5) Entwurfsvariablen sind l₁, l₂, l₃, l₄, θ₁, θ₂, θ₃, θ₄ (l_i ist eine Gurtbreite, θ_i ist ein Gruppenwinkel der Verstärkungsschichten, gemessen von der Umfangsrichtung); und
(6) eine Nebenbedingung ist wie folgt:
θimin ≦ θi ≦ θimax

Die nachfolgend gelistete Tabelle 10 zeigt einzugebende Entwurfsvariablen, und die nachfolgend gelistete Tabelle 11 zeigt Ausgangsgrößen. Es wird ein neuronales Netzwerk mit einer Eingangsschicht mit acht Einheiten gebildet, sowie einer Zwischenschicht mit zwanzig Einheiten und einer Ausgangsschicht mit vier Einheiten.
Ferner sind die Entwurfsvariablen r₁ bis r₅ so festgelegt, wie nachfolgend beschrieben.
Wie in 18 dargestellt, werden als die Entwurfsvariablen eine Gurtbreite l_i für jede Linie B1, b2, B3, und B4, die jeweils eine Gurtschicht repräsentieren, und ein Gurtwinkel θ_i der Verstärkungsschichten, gemessen von einer Umfangsrichtung, festgelegt.
Die nachfolgend gezeigte Tabelle 12 zeigt Vergleichsergebnisse für experimentell anhand des üblichen Verfahrens hergestellte Reifen und der Reifen des vorliegenden Testbeispiels, wobei: Reifen experimentell unter den Bedingungen des vorliegenden Testbeispiels hergestellt wurden; eine Last erhöht wurde von 2725 kg um 10% mit Intervallen von 30 Minuten unter Verwendung eines Innenraum-Trommeltesters bei einer Geschwindigkeit von 60 km/h, einem Innendruck von 8.00 kgf/cm², einem Schlupfwinkel von einem Grad; und ein Indexwert wurde angezeigt, wobei die Last dann, wenn ein Fehler in einem Gurtabschnitt auftrat, die Beständigkeit des Gurts war, und die Kontrolle wurde bei 100 festgelegt. Ferner bezeichnet die Tabelle 12, dass je größer ein Wert, umso besser die Funktion/das Leistungsvermögen.
Tabelle 10
Tabelle 11
Tabelle 12
GEWERBLICHE ANWENDBARKEIT
Wie oben beschrieben, haben das Reifenentwurfsverfahren, das Optimierungsanalysegerät und das Speichermedium, in dem das Optimierungsanalyseprogramm gespeichert ist, gemäß der vorliegenden Erfindung eine Anwendbarkeit im Hinblick auf den Entwurf für die Form, für die Struktur und für das Muster eines Reifens, bei der Produktion eines Reifens.

Claims

Reifenentwurfsverfahren, enthaltend die Schritte: (a) Bestimmen eines Umsetzsystems, bei dem eine nichtlineare Entsprechung zwischen Entwurfparametern eines Reifens, zum Repräsentieren einer Querschnittskonfiguration des Reifens einschließlich einer Innenstruktur und einer Struktur des Reifens, und einer Funktion des Reifens etabliert ist, mittels einem neuronalen Netzwerk, das die Entsprechung lernt oder gelernt hat; (b) Bestimmen einer Zielfunktion zum Ausdrücken der Funktion des Reifens und zum Festlegen einer Nebenbedingung zum Einschränken eines zulässigen Bereichs von zumindest einer Größe aus den Funktionen des Reifens und den Herstellungsbedingungen des Reifens; (c) Bestimmen eines Entwurfsparameters des Reifens, der zu einem optimalen Wert der Zielfunktion führt, auf der Grundlage der Zielfunktion und der Nebenbedingung unter Verwendung des Umsetzsystems, bestimmt in dem Schritt (a) zum Entwerfen des Reifens auf der Grundlage des Entwurfsparameters des Reifens.
Reifenentwurfsverfahren nach Anspruch 1, wobei der Schritt (c) die Schritte enthält: Definieren des Entwurfsparameters des Reifens als Entwurfsvariable; Erhalten eines Werts der Entwurfsvariablen, die zu dem optimalen Wert der Zielfunktion führt, unter Verwendung des Umsetzsystems, bestimmt in Schritt (a), während einer Betrachtung der Nebenbedingung; und Entwerfen des Reifens auf der Grundlage der Entwurfsvariablen, die zu dem optimalen Wert der Zielfunktion führt.
Reifenentwurfsverfahren nach Anspruch 2, wobei der Schritt (c) enthält: Vorhersagen einer Umfangsänderung der Entwurfvariablen, die zu dem optimalen Wert der Zielfunktion führt, während einem Betrachten der Nebenbedingung auf der Grundlage einer Empfindlichkeit der Zielfunktion, die ein Verhältnis eines Änderungsumfangs der Zielfunktion zu einer Einheitsmenge einer Änderung der Entwurfsvariablen darstellt, sowie einer Empfindlichkeit der Nebenbedingung, die ein Verhältnis eines Änderungsumfangs in der Nebenbedingung gegenüber einer Einheitsänderung der Änderung der Entwurfsvariablen darstellt; Berechnen eines Werts der Zielfunktion, wenn die Entwurfsvariable so geändert wird, dass sie einem vorhergesagten Umfang entspricht, sowie eines Werts der Nebenbedingung, wenn die Entwurfsvariable zum Entsprechen zu einem vorhergesehenen Umfang geändert wird; und auf Grundlage der vorhergesagten berechneten Werte, Erhalten eines Werts der Entwurfsvariablen, der zu einem optimalen Wert der Zielfunktion führt, unter Verwendung des in dem Schritt (a) bestimmen Umsetzsystems bei Betrachtung der Nebenbedingung.
Reifenentwurfsverfahren nach Anspruch 1, wobei der Schritt (c) die Schritte enthält: (d) Auswählen, als Entwurfsvariable, an einem der Entwurfsparameter des Reifens, enthalten in dem Umsetzsystem, das in dem Schritt (a) bestimmt wird; (e) Ändern eines Werts der Entwurfsvariablen, die in dem Umsetzsystem ausgewählt ist, das in dem Schritt (a) bestimmt wird, bis der optimale Wert der Zielfunktion gegeben ist, unter Verwendung des in dem Schritt (a) bestimmten Umsetzsystems bei Betrachtung der Nebenbedingung; und (f) Entwerfen des Reifens auf der Grundlage des Entwurfsparameters des Reifens erhalten durch die Entwurfsvariable, die zu dem optimalen Wert der Zielfunktion führt.
Reifenentwurfsverfahren nach Anspruch 4, wobei der Schritt (b) den Schritt enthält zum Bestimmung einer Nebenbedingung, die einen zulässigen Bereich von zumindest einer der Reifenfunktionen einschränkt, anders als die bestimmte Zielfunktion und die Entwurfparameter des Reifens.
Reifenentwurfsverfahren nach Anspruch 4 oder 5, wobei der Schritt (e) enthält: Vorhersagen einer Änderungsgröße in der Entwurfsvariablen, die den optimalen Wert der Zielfunktion abgibt, bei Betrachtung der Nebenbedingung auf der Grundlage einer Empfindlichkeit der Zielfunktion, die ein Verhältnis der Änderungsgröße der Zielfunktion gegenüber einer Einheitsgröße der Änderung in der Entwurfsvariablen ist, und eine Empfindlichkeit der Nebenbedingung, die ein Verhältnis einer Änderungsgröße der Nebenbedingung gegenüber einer Einheitsänderung der Änderung der Entwurfsvariablen ist; Berechnen eines Werts der Zielfunktion, wenn die Entwurfsvariable zum Entsprechen einer vorhergesagten Größe geändert ist, und eines Werts der Nebenbedingung, wenn die Entwurfsvariable eine Änderung entsprechend zu einer vorhergesagten Größe geändert ist; und auf der Grundlage der vorhergesagten berechneten Werte, Ändern eines Werts der Entwurfsvariablen, die auszuwählen ist, bis der Optimalwert der Zielfunktion gegeben ist, unter Verwendung des Umsetzsystems, bestimmt in dem Schritt (a) bei Berücksichtigung der Nebenbedingung.
Reifenentwurfsverfahren nach Anspruch 1, wobei der Schritt (c) die Schritte enthält: Definieren der Entwurfsparameter des Reifens in dem Umsetzsystem, bestimmt in dem Schritt (a), als Basismodelle zum Bestimmen einer Gruppe für die Auswahl, enthaltend eine Vielzahl von Basismodellen; Bestimmung der Zielfunktion, einer Entwurfsvariablen, eine Nenbenbedingung und einer adaptiven Funktion, die anhand der Zielfunktion für jedes Basismodell einer Gruppe für eine Auswahl bewertet werden kann; Auswählen von zwei Basismodellen anhand der Gruppen für die Auswahl; Bewirken zumindest einer Vorgehensweise zum Erzeugen neuer Basismodelle durch Schnittbildung der Entwurfsvariablen der zwei Basismodelle mit einer vorgegebenen Wahrscheinlichkeit zueinander und Erzeugen neuer Basismodelle durch Modifizieren zum Teil, der Entwurfsvariablen von zumindest einem der zwei Basismodelle; Erhalten einer Zielfunktion, einer Nebenbedingung, und einer adaptiven Funktion der Basismodelle unter Verwendung des in dem Schritt (a) bestimmten Umsetzsystems durch Ändern der Entwurfsvariablen; Speichern der Basismodelle, deren Entwurfsvariablen geändert wurden, und der Basismodelle, deren Entwurfsvariablen nicht geändert wurden; Wiederholen des Speicherschritts, bis die Zahl der gespeicherten Basismodelle eine vorgegebene Zahl erreicht; Bestimmen, ob eine neue Gruppe enthaltend die gespeicherten Basismodelle mit der vorgegebenen Zahl eine vorgegebene Konvergenzbedingung erfüllt; wobei, sofern dies nicht der Fall ist, die obigen Schritte solange wiederholt werden, bis die neue Gruppe, bestimmt als die Gruppe für die Auswahl der Gruppe für die definierte Auswahl, die vorgegebene Konvergenzbedingung erfüllt; und, sofern die vorgegebene Konvergenzbedingung erfüllt ist, Entwerfen eines Reifens auf der Grundlage von Entwurfsparametern des Reifens, erhalten durch die Entwurfsvariable, die zu dem optimalen Wert der Zielfunktion führt, aus der vorgegebenen Zahl der gespeicherten Basismodelle unter Verwendung des Umsetzsystems, bestimmt in dem Schritt (a), bei Betrachtung der Nebenbedingung.
Reifenentwurfsverfahren nach einem der Ansprüche 1 bis 7, wobei in dem Schritt (a) das Umsetzsystem konstruiert ist mit Daten eines mehrfach geschichteten neuronalen Netzwerks vom Vorwärtskopplungstyp, das so gelernt hat, dass es die Entwurfsparameter des Reifens in Funktionen hiervon umsetzt.
Ein Reifen, der gemäß den Entwurfsparametern gebildet ist, entworfen durch ein Reifenentwurfsverfahren nach einem der Ansprüche 1 bis B.
Eine Umsetzsystem-Berechnungsvorrichtung (32) zum Erhalten einer nicht linearen Entsprechungsbeziehung zwischen Entwurfsparametern eines Reifens und Funktionen des Reifens mittels einem neuronalen Netzwerk, das die Entsprechungsbeziehung lernt oder gelernt hat, eine Eingabevorrichtung (42) zum Eingeben einer Zielfunktion und einer Nebenbedingung als Optimierpunkt, die durch Bestimmen der Zielfunktion, die die Funktionen des Reifens ausdrückt und ebenso durch Bestimmen der Nebenbedingung, die einen zulässigen Bereich zumindest einer der Funktionen des Reifens einschränkt, und ferner der Herstellbedingung des Reifens; und eine Optimierungs-Berechnungsvorrichtung (34) zum Erhalten eines Entwurfsparameters des Reifens, der zu einem optimalen Wert der Zielfunktion führt, auf der Grundlage der durch die Eingabevorrichtung eingegebenen Optimierungspunkte unter Verwendung der Umsetzsystem-Berechnungsvorrichtung.
Optimier-Analysegerät nach Anspruch 10, wobei die Umsetzsystem-Berechnungsvorrichtung vorgesehen ist zum Erhalten einer nicht linearen Entsprechungsbeziehung zwischen, einerseits, den Entwurfsparametern des Reifens und einer auf den Reifen anzuwendenden Bedingung, und, andererseits, der Funktionen des Reifens.
Ein Optimier-Analysegerät nach Anspruch 10 oder 11, wobei die Optimier-Berechnungsvorrichtung enthält: eine Auswahlvorrichtung zum Auswählen eines der Entwurfsparameter des Reifens, enthaltend in der Umsetzsystem-Berechnungsvorrichtung, als Entwurfsvariable; eine Änderungsvorrichtung zum Ändern eines Werts der Entwurfsvariablen, ausgewählt von der Umsetzsystem-Berechnungsvorrichtung, bis der Optimalwert der Zielfunktion gegeben ist, während einem Berücksichtigen der Nebenbedingung; eine Optimalwert-Berechnungsvorrichtung zum Berechnen eines Werts der Entwurfsvariablen, bis der Optimalwert der Zielfunktion gegeben ist, unter Verwendung der Umsetzsystem-Berechnungsvorrichtung; und eine Entwurfsvorrichtung zum Entwerfen eines Reifens auf der Grundlage des Entwurfsparameters, enthalten durch die Entwurfsvariable, die zu dem Optimalwert der Zielfunktion führt.
Ein Optimier-Analysegerät nach Anspruch 10 oder 11, wobei die Optimier-Berechnungsvorrichtung folgende Schritte enthält bzw. ausführt: Definieren der Entwurfsparameter des Reifens in der Entsprechungsbeziehung, bestimmt in der Umsetzsystem-Berechnungsvorrichtung, als Basismodelle zum Bestimmen einer Gruppe für eine Auswahl, bestehend aus einer Vielzahl von Basismodellen; Bestimmen der Zielfunktion, einer Entwurfsvariablen, einer Nebenbedingung, und einer adaptiven Funktion, die anhand der Zielfunktion für jedes Basismodell in der Gruppe für die Auswahl bewertet werden kann; Auswählen von zwei Basismodellen von der Gruppe für die Auswahl; Bewirken zumindest einer Vorgehensweise zum Erzeugen neuer Basismodelle durch Schnittmengenbildung der Entwurfsvariablen in den ausgewählten zwei Basismodellen mit einer vorgegebenen Wahrscheinlichkeit zueinander und zum Erzeugen neuer Basismodelle zum Modifizieren eines Teils der Entwurfsvariablen zumindest in einem der zwei Basismodelle; Erhalten einer Zielfunktion, einer Nebenbedingung und einer adaptiven Funktion von den Basismodellen, die unter Verwendung der Umsetzsystem-Berechnungsvorrichtung durch Ändern einer Entwurfsvariablen erzeugt wurden; Speichern des Basismodells, dessen Entwurfsvariablen geändert wurden, und eines Basismodells, dessen Entwurfsvariablen nicht geändert wurden; Wiederholten des Speicherschritts, bis die Zahl der gespeicherten Basismodelle eine vorgegebene Zahl erreicht; Bestimmen, ob eine neue Gruppe enthaltend gespeicherte Basismodelle der vorgegebenen Zahl eine vorgegebene Konvergenzbedingung erfüllt; wobei, sofern dies nicht der Fall ist, die neue Gruppe definiert ist als die Gruppe für die Auswahl, und die obigen Schritte solange wiederholt werden, bis die Gruppe für die definierte Gruppe für die Auswahl die vorgegebene Konvergenzbedingung erfüllt; und, sofern die vorgegebene Konvergenzbedingung erfüllt ist, Entwerfen eines Reifens auf der Grundlage eines Entwurfsparameters des Reifens, erhalten durch die Entwurfsvariable, die zu dem optimalen Wert der Zielfunktion führt, aus der vorgegebenen Zahl der gespeicherten Basismodelle durch Verwenden der Umsetzsystem-Berechnungsvorrichtung bei einem Berücksichtigen der Nebenbedingung.
Optimier-Analysegerät nach einem der Ansprüche 10 bis 13, wobei die Umsetzsystem-Berechnungsvorrichtung ein mehrfach geschichtetes neuronales Netzwerk vom Vorwärtskopplungstyp ist, das eine Lernvorgang so ausgeführt hat, dass die Entwurfsparameter des Reifens in die Funktionen hiervon umgesetzt sind.
Ein Speichermedium mit einem gespeicherten Optimier-Analyseprogramm für den Entwurf eines Reifens, ausgeführt durch einen Computer, wobei das Optimier-Analyseprogramm geschaffen ist zum: Bestimmen einer nicht linearen Entsprechungsbeziehung zwischen Entwurfsparametern eines Reifens und Funktionen des Reifens mittels einem neuronalen Netzwerk, das die entsprechende Beziehung lernt oder gelernt hat; Bestimmen einer Zielfunktion zum Ausdrücken der Funktionen des Reifens und zum Bestimmen einer Nebenbedingung zum Einschränken eines zulässigen Bereichs von zumindest einer der Funktionen des Reifens und von Herstellbedingungen des Reifens; Erhalten eines Entwurfsparameter des Reifens, der zu einem Optimalwert der Zielfunktion führt, auf der Grundlage der bestimmten Entsprechungsbeziehung, der Zielfunktion, und der Nebenbedingung, zum Entwerfen eines Reifens auf der Grundlage des Entwurfsparameter des Reifens.
Speichermedium mit einem gespeicherten Optimier-Analyseprogramm für einen Entwurf eines Reifens nach Anspruch 15, wobei der Entwurf eines Reifens auf der Grundlage der Entwurfsparameter des Reifens umfasst: Auswählen, als Entwurfsvariable von einem der Entwurfsparameter des Reifens, enthaltend in der vorgegebenen Entsprechungsbeziehungen auf der Grundlage der bestimmten Entsprechungsbeziehung, der Zielfunktion und der Nebenbedingung; Ändern eines Werts der Entwurfsvariablen, ausgewählt anhand der bestimmten Entsprechungsbeziehung, bis der Optimalwert der Zielfunktion gegeben ist, bei Berücksichtigen der Nebenbedingung; und Entwerfen des Reifens auf der Grundlage des Entwurfsparameters des Reifens, erhalten durch die Entwurfsvariable, die zu dem Optimalwert der Zielfunktion führt.
Ein Speichermedium mit einem gespeicherten Optimier-Analyseprogramm für einen Entwurf eines Reifens nach Anspruch 16, wobei die Nebenbedingung einen zulässigen Bereich zumindest einer der Funktionen des Reifens anders als die bestimmte Zielfunktion die Entwurfsparameter des Reifens einschränkt.
Speichermedium mit gespeicherten Optimier-Analyseprogramm für einen Entwurf eines Reifens nach Anspruch 16 oder 17, wobei die Änderung der Entwurfsvariablen bewirkt ist durch: Vorhersagen eines Änderungsumfangs der Entwurfsvariablen, die zu dem Optimalwert der Zielfunktion führt, bei Berücksichtigung der Nebenbedingung auf der Grundlage einer Empfindlichkeit der Zielfunktion, die ein Verhältnis ist einer Änderungsgröße in der Zielfunktion gegenüber einer Einheitsgröße einer Änderung in der Entwurfsvariablen, und eine Empfindlichkeit der Nebenbedingung, die ein Verhältnis ist einer Änderungsgröße der Nebenbedingung gegenüber einer Einheitsgröße der Änderung in der Entwurfsvariable; Berechnen eines Werts der Zielfunktion, wenn die Entwurfsvariable in Entsprechung zu der vorhergesagten Größe geändert ist, sowie einer Größe der Nebenbedingung, wenn die Entwurfsvariable in Entsprechung zu einer vorhergesagten Größe geändert ist; und Ändern eines Werts der Entwurfsvariablen, die auszuwählen ist, auf der Grundlage der vorhergesagten und berechneten Werte, bis der Optimalwert der Zielfunktion gegeben ist, bei einer Berücksichtigung der Nebenbedingung.
Speichermedium mit einem gespeicherten Optimier-Analyseprogramm für einen Entwurf eines Reifens nach einem der Ansprüche 16 bis 18, wobei der Entwurf eines Reifens auf der Grundlage des Entwurfsparameters des Reifens enthält: Definieren der Entwurfsparameter des Reifens in der vorgegebenen Entsprechungsbeziehung als Basismodelle zum Bestimmen einer Gruppe für eine Auswahl bestehend aus einer Vielzahl von Basismodellen; Bestimmen der Zielfunktion, einer Entwurfsvariablen, einer Nebenbedingung und einer adaptiven Funktion, die sich bewerten lässt anhand der Zielfunktion für jedes Basismodell in der Gruppe für die Auswahl; Auswählen zweier Basismodelle von der Gruppe für die Auswahl; Bewirken zumindest einer Vorgehensweise zum Erzeugen neuer Basismodelle durch Schnittmengenbildung der Entwurfsvariablen der ausgewählten zwei Basismodelle mit einer vorgegebenen Wahrscheinlichkeit zueinander, und Erzeugen neuer Basismodelle durch teilweises Modifizieren der Entwurfsvariablen von zumindest einem der zwei Basismodelle; Erhalten einer Zielfunktion, einer Nebenbedingung und einer adaptiven Funktion des Basismodells unter Verwendung der Umsetzsystem-Berechnungsvorrichtung durch Ändern der Entwurfsvariablen; Speichern des Basismodells, dessen Entwurfsvariablen geändert wurden, und eines Basismodells, dessen Entwurfsvariablen nicht geändert wurden; Wiederholen des Speicherschritts, bis die Zahl der gespeicherten Basismodelle eine vorgegebene Zahl erreicht; Bestimmen, ob eine neue Gruppe enthaltend die gespeicherten Basismodelle der vorgegebenen Zahl eine vorgegebene Konvergenzbedingung erfüllt; wobei dann, wenn dies nicht der Fall ist, die neue Gruppe definiert ist als die Gruppe für die Auswahl und die obigen Schritte wiederholt werden, bis die für die Auswahl definierte Gruppe die vorgegebene Konvergenzbedingung erfüllt; und, wenn die vorgegebene Konvergenzbedingung erfüllt ist, Entwerfen eines Reifens auf der Grundlage des Entwurfsparameters des Reifens, erhalten durch die Entwurfsvariable, die zum Optimalwert der Zielfunktion führt, aus der vorgegebenen Zahl der gespeicherten Basismodelle unter Verwendung der Entsprechungsbeziehung bei Berücksichtigung der Nebenbedingung.