JP2022065898A - タイヤの設計用情報取得方法、タイヤの設計方法、プログラムおよびコンピュータ読取可能な記録媒体 - Google Patents

Abstract

【課題】異なったサイズのタイヤの設計に用いることができる設計用情報を取得できるタイヤの設計用情報取得方法を提供する。【解決手段】学習用のタイヤについて、原座標系で表されるタイヤ断面の外形状に関する形状情報を取得し、タイヤ断面の形状を表す形状ラインを複数の部分形状ラインに分割し、各部分形状ラインについて、その部分形状ラインの原座標系における座標に基づいて、その部分形状ラインに対応する正規化座標系における座標で表される曲線を取得し、各曲線について、その曲線を表す正規化座標系における座標に基づいて、曲線に関する特徴量を抽出し、特徴量を設計変数、学習用のタイヤの特性値を目的変数として機械学習用のデータセットを作成し、データセットを用いて予測モデルに機械学習をさせ、学習後の予測モデルを特徴量と特性値との関係に関する設計用情報として取得する。【選択図】図２

Description

本発明は、タイヤの設計用情報取得方法、タイヤの設計方法、これらの方法をコンピュータに実行させるためのプログラムおよびタイヤの設計用情報取得方法により取得されたタイヤの設計用情報を記録したコンピュータ読取可能な記録媒体に関する。

タイヤの製品開発を効率化させるために機械学習の活用が望まれている。
機械学習のためのデータセット（設計変数とタイヤ性能）を取得するためには、シミュレーションを活用することが有効となる。

特開２０１７－０７８９４６号公報 特開２００９－２６９５５７号公報

ここで、従来設計者が参照している設計変数（例えば、各部位におけるラジアスや長さ等）を種々変化させて作成したデータセットでは、従来の設計領域の範疇を超えることは出来ない。

また、従来の設計変数では、タイヤサイズが異なる複数のタイヤモデルを比較する際に、同じ形状的特徴を有しているかの判断が困難であり、異なるタイヤサイズのタイヤモデルを並列に比較することができない。ひいては、あるタイヤサイズで機械学習により得た知見を他タイヤサイズで利用すること、タイヤサイズ拡大のロジックを見出すこと、が困難となる。

特許文献１には、比較するタイヤ間でペリフェリ長が同じになるように各タイヤの断面の形状ラインを拡縮し、形状ラインの各位置（ｘ、ｙ）を基準点からのペリフェリ長ｓを変数として（ｘ（ｓ）、ｙ（ｓ））として表し、（ｓ、ｘ（ｓ））を示す曲線および（ｓ、ｙ（ｓ））を示す曲線をタイヤ間で比較する発明が開示されている。これにより、異なるサイズのタイヤの形状ラインを比較することが容易になる。しかし、できることは比較に留まる。

特許文献２には、タイヤモデルのタイヤ内表面及びタイヤ外表面の少なくとも一方に対応する自由曲線と、内部部材に対応する自由曲線を含む２以上の自由曲線を設定し、目的関数の最適値を与える少なくとも１つの自由曲線の制御点を求めるタイヤ設計方法が開示されている。しかし、この方法では、得られた結果を異なるサイズのタイヤに適用することができない。

そこで、本発明は、異なったサイズのタイヤの設計に用いることができるタイヤの設計用情報取得方法、タイヤの設計方法、これらの方法をコンピュータに実行させるためのプログラムおよびタイヤの設計用情報取得方法により取得されたタイヤの設計用情報を記録したコンピュータ読取可能な記録媒体を提供することを目的とする。

本発明によれば、
学習用のタイヤについて、原座標系で表されるタイヤ断面の外形状に関する形状情報を取得するタイヤ形状情報取得ステップと、
前記タイヤ断面の形状を表す形状ラインを複数の部分形状ラインに分割する分割ステップと、
各部分形状ラインについて、その部分形状ラインの前記原座標系における座標に基づいて、その部分形状ラインに対応する正規化座標系における座標で表される曲線を取得する曲線取得ステップと、
各曲線について、その曲線を表す前記正規化座標系における前記座標に基づいて、前記曲線に関する特徴量を抽出する特徴量抽出ステップと、
前記特徴量を設計変数、前記学習用のタイヤの特性値を目的変数として機械学習用のデータセットを作成するデータセット作成ステップと、
前記データセットを用いて予測モデルに機械学習をさせ、学習後の予測モデルを前記特徴量と前記特性値との関係に関する設計用情報として取得する設計用情報取得ステップと、
を有する、
タイヤの設計用情報取得方法が提供される。
また、本発明によれば、前記設計用情報を用いて、与えられた特性値を満たす特徴量の予測を行う予測ステップを有するタイヤの設計方法が提供される。
更に、本発明によれば、上記のタイヤの設計用情報取得方法をコンピュータに実行させるためのプログラムが提供される。
更に、本発明によれば、上記のタイヤの設計方法をコンピュータに実行させるためのプログラムが提供される。
更に、本発明によれば、上記の設計用情報取得方法により取得された前記設計用情報を記録したコンピュータ読取可能な記録媒体が提供される。

本発明によれば、異なったサイズのタイヤの設計に用いることができる設計用情報を取得できる。

（ａ）は、本発明の第１の実施の形態によるタイヤの設計用情報取得方法で利用する学習用タイヤを２分割する様子を示す断面図であり、（ｂ）は、正規化された部分形状ラインを示す図であり、（ｃ）は、正規化された他の部分形状ラインを示す図である。 本発明の第１の実施の形態によるタイヤの設計用情報取得方法を説明するためのフローチャートである。 本発明の第２の実施の形態によるタイヤの設計用情報取得方法を説明するためのフローチャートである。 （ａ）は、本発明の第３の実施の形態によるタイヤの設計用情報取得方法において正規化された部分形状ラインに対する極座標への座標変換を説明するための図であり、（ｂ）は、本発明の第３の実施の形態によるタイヤの設計用情報取得方法において正規化された他の部分形状ラインに対する極座標への座標変換を説明するための図である。 （ａ）は、本発明の第３の実施の形態によるタイヤの設計用情報取得方法において正規化された部分形状ラインを極座標に座標変換することにより得られた曲線を示す図であり、（ｂ）は、本発明の第３の実施の形態によるタイヤの設計用情報取得方法において正規化された他の部分形状ラインを極座標に座標変換することにより得られた曲線を示す図である。 （ａ）は、本発明の第３の実施の形態における、極座標に変換された後の曲線の特徴量を説明するための図であり、（ｂ）は、本発明の第３の実施の形態における、極座標に変換された後の他の曲線の特徴量を説明するための図である。 （ａ）は、本発明の第３の実施の形態によるタイヤの設計用情報取得方法で利用する学習用タイヤを３分割する様子を示す断面図であり、（ｂ）は、正規化された部分形状ラインを示す図であり、（ｃ）は、正規化された他の部分形状ラインを示す図であり、（ｄ）は、正規化された更に他の部分形状ラインを示す図である。 本発明の第５の実施の形態によるタイヤの設計用情報取得装置の構成を示す機能ブロック図である。 本発明の第６の実施の形態によるタイヤの設計用情報取得装置の構成を示す機能ブロック図である。 本発明の第７の実施の形態によるタイヤの設計装置の構成を示す機能ブロック図である。

以下、図面を参照して本発明を実施するための形態について詳細に説明する。

［第１の実施の形態］
図１、図２を参照すると、本実施の形態における設計用情報取得方法は、下記のステップを有する。

（１）原座標系で表されるタイヤ断面の外形状に関する形状情報を取得する。ここで、原座標系とは、タイヤ幅方向をＸ軸、径方向をＹ軸とする直交座標系のことである。外形状としては、例えば、タイヤ内表面に対応する形状ラインまたはタイヤ外表面に対応する形状ラインを取得する。

本発明では、タイヤ断面の外形状を表すものとしてタイヤ内表面に対応する形状ラインまたはタイヤ外表面に対応する形状ラインを用いる。また、本発明では、これらから求まるタイヤ断面中心のラインをタイヤ断面の外形状として用いてもよい。以下の実施の形態では、一例として、タイヤ外表面に対応する形状ラインをタイヤ断面の外形状を表すものとして用いている。

（２）原座標系で表されたタイヤ断面の外形状を表す形状ラインを、最大幅位置ＰＡより径方向外側の領域Ａにある部分形状ラインと、径方向内側の領域Ｂにある部分形状ラインに分割する（図１（ａ）参照）。図１（ａ）の例では、タイヤ外表面に対応する最大外径位置ＰＢと基準点ＰＣの間にある形状ラインを最大外径位置ＰＢと最大幅位置ＰＡの間にある部分形状ラインと、最大幅位置ＰＡと基準点ＰＣの間にある部分形状ラインに分割している。

図１（ａ）ではビードトウを、基準点ＰＣとして例示しているが、ビードトウに限定するものではなく、例えばリムラインなど任意の位置で設定することができる。

最大幅位置ＰＡの座標を（Ｘ_MAX，０）、最大外径位置ＰＢの座標を（０，Ｙ_MAX）、基準点ＰＣの座標を（Ｘ_PC，Ｙ_PC）とする。

（３）領域Ａにある最大幅位置ＰＡと最大外径位置ＰＢとの間にある部分形状ラインについては、図１（ｂ）に示すように、原座標系における座標（０，０）を変換後の座標（０，０）にして、原座標系における座標（Ｘ_MAX，Ｙ_MAX）を変換後の座標（１，１）に変換するような線形の座標変換を行うことにより変換後の座標における曲線ＬＡ１を得る。

（４）領域Ｂにある最大幅位置ＰＡと基準点ＰＣとの間にある部分形状ラインについては、図１（ｃ）に示すように、原座標系における座標（Ｘ_PC，０）を変換後の座標（０，０）にして、原座標系における座標（Ｘ_MAX，Ｙ_PC）を変換後の座標（１，１）に変換するような線形の座標変換を行うことにより変換後の座標における曲線ＬＢ１を得る。

（５）曲線ＬＡ１および曲線ＬＢ１の曲線情報を特徴量として抽出する。

（６）上記（５）で抽出した特徴量を設計変数、タイヤの性能に関する特性値を目的変数とした機械学習用のデータセットを作成する。ここでタイヤの特性値は、予め求まっているものでもよい。

（７）上記（６）で作成したデータセットを用いて機械学習を行い、前記特徴量と前記特性値との関係に関する設計用情報を取得する。つまり、上記（６）で作成したデータセットを用いて予測モデルに機械学習をさせ、学習後の予測モデルを特徴量と前記特性値との関係に関する設計用情報として取得する。

なお、図２に示すように、ステップ（１）からステップ（６）を所定回数繰り返した後で、ステップ（７）に進む。各繰り返しにおいては、異なったタイヤに関する情報（形状情報およびタイヤの特性）を入力する。
また、本実施の形態における設計方法は、下記のステップを有する。

（８）上記のステップ（７）で取得した設計用情報を用いて、目標となるタイヤの特性値を満たすようなタイヤを設計する。ここで設計したタイヤは、領域Ａについては、Ｘ’－Ｙ’座標系で表されたものであり、領域Ｂについては、Ｘ”－Ｙ”座標系で表されたものである。

（９）実際に設計するタイヤの寸法に合わせて、領域ＡのデータをＸ’－Ｙ’座標系からＸ－Ｙ座標系に座標変換し、領域ＢのデータもＸ”－Ｙ”座標系からＸ－Ｙ座標系に座標変換する。

上記の方法によれば、タイヤ断面の外形状は、タイヤサイズに依存しない設計空間で表現されるため、タイヤサイズ間のタイヤサイズに依存しない形状的特徴の違いが明確になる。
また、異なるサイズ間での形状的特徴の傾向を明らかにすることで、サイズ拡大時に有用な知見を見出すことが期待できる。

ステップ（８）、（９）では、正規化された曲線ＬＡ１および正規化された曲線ＬＢ１から、任意の最大外径、最大幅およびビードトウ位置（またはリムライン位置）を使って上記とは逆過程を経ることで、同じ特徴を持つ複数のタイヤサイズの断面形状を作成することができる（サイズ拡大が容易）。

種々の正規化された曲線ＬＡ１および正規化された曲線ＬＢ１が得られるように複数のタイヤモデルを作成して、ステップ（１）から（６）を繰り返すことで、より自由度の高いタイヤ断面形状表現が可能となる。

［第２の実施の形態］
図１、図３を参照すると、本実施の形態における設計用情報取得方法は、下記のステップを有する。

ステップ（１）からステップ（５）は、第１の実施の形態と同様である。

（１０）タイヤモデルを用いて、シミュレーションによりタイヤ特性値を計算する。

（６’）ステップ（５）で抽出した特徴量を設計変数、上記（１０）で計算したタイヤの特性値を目的変数とした機械学習用のデータセットを作成する。

（７）ステップ（６’）で作成したデータセットを用いて機械学習を行い、前記特徴量と前記特性値との関係に関する設計用情報を取得する。つまり、ステップ（６’）で作成したデータセットを用いて予測モデルに機械学習をさせ、学習後の予測モデルを特徴量と前記特性値との関係に関する設計用情報として取得する。

なお、図３に示すように、ステップ（１）からステップ（６’）を所定回数繰り返した後で、ステップ（７）に進む。各繰り返しにおいては、異なったタイヤに関する情報（形状情報およびタイヤの特性）を入力する。

第２の実施の形態が第１の実施の形態と異なる点は、ステップ（１０）が追加され、ここで、タイヤモデルを用いて、シミュレーションによりタイヤの性能に関する特性値を計算し、それをステップ（６’）で用いることである。
ステップ（１０）でシミュレーションを利用することで、試作および実機による評価を行うことなく、機械学習用のデータセットを作成することが出来る。

［第３の実施の形態］

上記の実施の形態におけるステップ（５）では、曲線ＬＡ１および曲線ＬＢ１の曲線情報を特徴量として抽出する。第３の実施の形態では、このステップ（５）において下記の方法を用いる。

（５ａ）下式を用いて、Ｘ’－Ｙ’座標系で表される曲線ＬＡ１を極座標系であるＲ_Ａ－Θ_Ａ座標系で表されるように変換する。

つまり、図１（ｂ）に示す曲線ＬＡ１（ｘ’，ｙ’）に図４（ａ）に示すようなＲ_Ａ－Θ_Ａ座標系を適用し、図５（ａ）に示すような曲線ＭＡ１（θ_Ａ，ｒ_Ａ）に変換する。

（５ｂ）下式を用いて、Ｘ”－Ｙ”座標系で表される曲線ＬＢ１を極座標系であるＲ_B－Θ_B座標系で表されるように変換する。

つまり、図１（ｃ）に示すような曲線ＬＢ１（ｘ”，ｙ”）に図４（ｂ）に示すようなＲ_B－Θ_B座標系を適用し、図５（ｂ）に示すような曲線ＭＢ１（θ_B，ｒ_B）に変換する。

（５ｃ）曲線ＭＡ１（θ_Ａ，ｒ_Ａ）および曲線ＭＢ１（θ_B，ｒ_B）の曲線情報を特徴量として抽出する。
例えば、
・曲線ＭＡ１（θ_Ａ，ｒ_Ａ）の極値（局所的な最大値、局所的な最小値、全体の最大値、全体の最小値など）、
・曲線ＭＢ１（θ_B，ｒ_B）の極値（局所的な最大値、局所的な最小値、全体の最大値、全体の最小値など）、
・曲線ＭＡ１（θ_Ａ，ｒ_Ａ）の変曲点の位置
・曲線ＭＢ１（θ_B，ｒ_B）の変曲点の位置
・曲線ＭＡ１（θ_Ａ，ｒ_Ａ）について、θ_Ａの所定間隔毎の値ｒ_Ａ（図６（ａ）参照）
・曲線ＭＢ１（θ_B，ｒ_B）について、θ_Bの所定間隔毎の値ｒ_B（図６（ｂ）参照）
・曲線ＭＡ１（θ_Ａ，ｒ_Ａ）の傾き情報
・曲線ＭＢ１（θ_B，ｒ_B）の傾き情報
・曲線ＭＡ１（θ_Ａ，ｒ_Ａ）をスプライン曲線またはＮＵＲＢＳ曲線で表したときの制御点
・曲線ＭＢ１（θ_B，ｒ_B）をスプライン曲線またはＮＵＲＢＳ曲線で表したときの制御点
に関する情報を特徴量として抽出する。

［第４の実施の形態］

第１の実施の形態及び第２の実施の形態では、ステップ（２）で、図１（ａ）に示すように、原座標系で表されたタイヤ断面の外形状を、最大幅位置ＰＡより径方向外側の領域Ａにある部分と、最大幅位置ＰＡより径方向内側の領域Ｂにある部分に分割した。
第４の実施の形態では、領域Ａおよび領域Ｂのうちの少なくとも一方を更に分割する。
図７は、領域Ａを更に分割する例を示している。

つまり、図７に示すように、最大幅位置ＰＡと最大外径位置ＰＢの間に中間基準点ＰＤを設ける。そして、最大外径位置ＰＢと最大幅位置ＰＡと中間基準点ＰＤにより領域Ａに２つの部分を設ける。

図７の例は、タイヤ外表面に対応する形状ラインを扱ったものであるが、最大外径位置ＰＢと最大幅位置ＰＡの間にある部分形状ラインを最大外径位置ＰＢと中間基準点ＰＤの間にある部分形状ラインと、最大幅位置ＰＡと中間基準点ＰＤの間にある部分形状ラインに分割している。

従って、最大外径位置ＰＢと基準点ＰＣの間にある形状ラインを、最大外径位置ＰＢと中間基準点ＰＤの間にある部分形状ラインと、最大幅位置ＰＡと中間基準点ＰＤの間にある部分形状ラインと最大幅位置ＰＡと基準点ＰＣの間にある部分形状ラインの合計で３つの形状ラインに分割している。

中間基準点ＰＤは、例えば、トレッドゴムの端部に対応するようなタイヤ外表面に対応する形状ライン上の点である。また、中間基準点ＰＤは、例えば、トレッドゴムの内部において幅方向に延在するベルトの端部に対応するようなタイヤ外表面に対応する形状ライン上の点であってもよい。

また、タイヤ外表面に対応する形状ラインにおいて、最大幅位置ＰＡと基準点ＰＣの間に別の中間基準点ＰＥ（図示せず。）を設け、この別の中間基準点ＰＥにより最大幅位置ＰＡと基準点ＰＣの間にある部分形状ラインを分割してもよい。

第１の実施の形態におけるステップ（３）およびステップ（４）に対応するステップでは、最大幅位置ＰＡの座標を（Ｘ_MAX，０）、最大外径位置ＰＢの座標を（０，Ｙ_MAX）、基準点ＰＣの座標を（Ｘ_PC，Ｙ_PC）、中間基準点ＰＤの座標を（Ｘ_PD，Ｙ_PD）とした場合、最大外径位置ＰＢと中間基準点ＰＤの間にある部分形状ラインについては、図７（ｂ）に示すように、原座標系における座標（０，Ｙ_PD）を変換後の座標（０，０）にして、原座標系における座標（Ｘ_PD，Ｙ_MAX）を変換後の座標（１，１）に変換するような線形の座標変換を行うことにより変換後の座標における曲線ＬＡ１１を得る。

同様に、最大幅位置ＰＡと中間基準点ＰＤの間にある部分形状ラインについては、図７（ｃ）に示すように、原座標系における座標（Ｘ_PD，０）を変換後の座標（０，０）にして、原座標系における座標（Ｘ_MAX，Ｙ_PD）を変換後の座標（１，１）に変換するような座標変換を行うことにより変換後の座標における曲線ＬＡ１２を得る。

更に、最大幅位置ＰＡと基準点ＰＣの間にある部分形状ラインについては、図７（ｄ）に示すように、原座標系における座標（Ｘ_PC，０）を変換後の座標（０，０）にして、原座標系における座標（Ｘ_MAX，Ｙ_PC）を変換後の座標（１，－１）に変換するような座標変換を行うことにより変換後の座標における曲線ＬＢ１を得る。
第１の実施の形態におけるステップ（５）に対応するステップでは、曲線ＬＡ１１、曲線ＬＡ１２および曲線ＬＢ１の曲線情報を特徴量として抽出する。
第１の実施の形態におけるステップ（６）およびそれ以降のステップに対応するステップは、同様なので、説明を省略する。

第３の実施の形態では、曲線ＬＡ１および曲線ＬＢ１について直交座標系から極座標系への座標変換を行っているが、これに対応して、曲線ＬＡ１１、曲線ＬＡ１ｂおよび曲線ＬＢ１について直交座標系から極座標系への座標変換を行う。

［第５の実施の形態］
図８は、第５の実施の形態によるタイヤの設計用情報取得装置の構成を示す機能ブロック図である。

図８を参照すると、第５の実施の形態による設計用情報取得装置は、形状情報取得部２０１、形状ライン分割部２０３、座標正規化部２０５、極座標化部２０７、特徴量抽出部２０９、タイヤ特性値取得部２２１、機械学習用データセット生成部２１１および機械学習部２１３を含む。

形状情報取得部２０１は、学習用の各タイヤに対応するタイヤモデル２５１から原座標系で表されるタイヤ断面の外形状に関する形状情報を取得する。

形状ライン分割部２０３は、原座標系で表された形状ラインを分割して、複数の部分形状ラインを取得する。

座標正規化部２０５は、分割することにより得られた各々の部分形状ラインの各部の座標を正規化する。

極座標化部２０７は、正規化後の形状ラインの各部を表す極座標系における座標を取得する。

特徴量抽出部２０９は、極座標系における座標により表された部分形状ラインから特徴量を抽出する。

タイヤ特性値取得部２２１は、外部からタイヤ特性値を取得する。タイヤモデル２５１にタイヤ特性値が含まれているならば、ここから取得してもよい。

機械学習用データセット生成部２１１は、各繰り返しで扱っている学習用の各タイヤについて特徴量抽出部２０９により抽出された特徴量とタイヤ特性値を１つのデータセットにして、機械学習用データセット格納部２５３に格納する。

機械学習部２１３は、機械学習用データセット格納部２５３に格納されている複数の学習用のタイヤについてのデータセットに基づいて、機械学習を実行し、これにより予測モデル２５５を学習済みのものにする。

［第６の実施の形態］
図９は、第６の実施の形態によるタイヤの設計用情報取得装置の構成を示す機能ブロック図である。

図９を参照すると、第６の実施の形態による設計用情報取得装置は、形状情報取得部２０１、形状ライン分割部２０３、座標正規化部２０５、極座標化部２０７、特徴量抽出部２０９、シミュレーション部２３１、機械学習用データセット生成部２１１および機械学習部２１３を含む。

第６の実施の形態による設計用情報取得装置は、第５の実施の形態による設計用情報取得装置と比較して、タイヤ特性値取得部２２１がシミュレーション部２３１に置き換わった点が異なる。

シミュレーション部２３１は、タイヤモデル２５１から取得した学習用のタイヤ断面の外形状に関する形状情報に基づいて、タイヤ特性に関するシミュレーションを実行し、タイヤの性能に関する特性値を取得する。
他の部分は、第５の実施の形態による設計用情報取得装置と同様であるので、重複する説明を省略する。

［第７の実施の形態］
図１０は、第７の実施の形態によるタイヤの設計装置の構成を示す機能ブロック図である。

図１０を参照すると、第７の実施の形態によるタイヤの設計装置は、目標特性設定部３０１、予測部３０３、極座標取得部３０５、正規化形状取得部３０７、形状生成部３０９を含む。
目標特性設定部３０１は、設計するタイヤが満たすべき目標特性を設定する。
予測部３０３は、学習済みの予測モデル２０５を用いて目標特性を満たすタイヤの特徴量３５７を予測する。

ここで、特徴量３５７は、各々の正規化された部分形状ラインに対応する特徴量を含む。つまり、例えば、第１の実施の形態に対応させるならば、曲線ＭＡ１に相当する予測曲線に対応する特徴量と曲線ＭＢ１に相当する予測曲線に対応する特徴量を含む。

極座標取得部３０５は、予測された特徴量３５７に基づいて、タイヤの複数の正規化された部分形状ラインを表す極座標３５９を取得する。例えば、第１の実施の形態に対応させるならば、曲線ＭＡ１に相当する予測曲線と曲線ＭＢ１に相当する予測曲線を取得する。第１の実施の形態および第２の実施の形態のステップ（５）では、曲線から特徴量を求めたが、ここでは、逆に、特徴量から曲線を求める。

正規化形状取得部３０７は、タイヤの複数の正規化された部分形状ラインを表す極座標３５９を直交座標３６１に変換する。例えば、第１の実施の形態に対応させるならば、曲線ＭＡ１に相当する予測曲線と曲線ＭＢ１に相当する予測曲線から、それぞれ、曲線ＬＡ１に相当する予測曲線と曲線ＬＡ１に相当する予測曲線を取得する。

形状生成部３０９は、正規化座標系において表されている各々の正規化された部分形状ラインを、与えられたタイヤサイズ３６３に適合するように原座標系に変換し（正規化された部分形状ラインを、与えられたタイヤサイズ３６３に適合するように各軸について伸長または縮小し）、変換後の部分形状ラインをつなぎ合わせることにより、最終的に目標特性を満たし、且つ、与えられたサイズを有するタイヤの形状ライン３６５を生成する。

例えば、第１の実施の形態に対応させるならば、曲線ＬＡ１に相当する予測曲線をＸ軸方向およびＹ軸方向に伸長または縮小することにより得られた曲線と曲線ＬＡ１に相当する予測曲線をＸ軸方向およびＹ軸方向に伸長または縮小することにより得られた曲線をつなぎ合わせることにより最終的に目標特性を満たし、且つ、与えられたサイズのタイヤの外形状３６５を生成する。

なお、上記のタイヤの設計用情報取得装置およびタイヤの設計装置は、ハードウェア、ソフトウェア又はこれらの組合わせにより実現することができる。また、上記のタイヤの設計用情報取得装置およびタイヤの設計装置により行なわれるタイヤの設計用情報取得方法およびタイヤの設計方法も、ハードウェア、ソフトウェア又はこれらの組合わせにより実現することができる。ここで、ソフトウェアによって実現されるとは、コンピュータがプログラムを読み込んで実行することにより実現されることを意味する。

プログラムは、様々なタイプの非一時的なコンピュータ可読媒体(non-transitory computer readable medium)を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体(tangible storage medium)を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えば、フレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば、光磁気ディスク）、ＣＤ－ＲＯＭ(Read Only Memory)、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ(Programmable ROM)、ＥＰＲＯＭ(Erasable PROM)、フラッシュＲＯＭ、ＲＡＭ(random access memory)）を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体(transitory computer readable medium)によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。

本発明はその精神または主要な特徴から逸脱することなく、他の種々の形で実施することができる。そのため、前述した各実施形態は単なる例示にすぎず、限定的に解釈されるべきではない。本発明の範囲は特許請求の範囲によって示すものであって、明細書本文にはなんら拘束されない。さらに、特許請求の範囲の均等範囲に属する変形や変更はすべて本発明の範囲内のものである。

本発明は、タイヤの設計に利用することができる。

２０１ 形状情報取得部
２０３ 形状ライン分割部
２０５ 座標正規化部
２０７ 極座標化部
２０９ 特徴量抽出部
２２１ タイヤ特性値取得部
２１１ 機械学習用データセット生成部
２１３ 機械学習部
２３１ シミュレーション部
２５１ タイヤモデル
２５３ 機械学習用データセット
２５５ 予測モデル
３０１ 目標特性設定部
３０３ 予測部
３０５ 極座標取得部
３０７ 正規化形状取得部
３０９ 形状生成部
３５７ 特徴量
３５９ 正規化形状の極座標
３６１ 正規化形状の直交座標
３６３ タイヤサイズ
３６５ 形状ライン

Claims (14)

1. 学習用のタイヤについて、原座標系で表されるタイヤ断面の外形状に関する形状情報を取得するタイヤ形状情報取得ステップと、
   前記タイヤ断面の形状を表す形状ラインを複数の部分形状ラインに分割する分割ステップと、
   各部分形状ラインについて、その部分形状ラインの前記原座標系における座標に基づいて、その部分形状ラインに対応する正規化座標系における座標で表される曲線を取得する曲線取得ステップと、
   各曲線について、その曲線を表す前記正規化座標系における前記座標に基づいて、前記曲線に関する特徴量を抽出する特徴量抽出ステップと、
   前記特徴量を設計変数、前記学習用のタイヤの特性値を目的変数として機械学習用のデータセットを作成するデータセット作成ステップと、
   前記データセットを用いて予測モデルに機械学習をさせ、学習後の予測モデルを前記特徴量と前記特性値との関係に関する設計用情報として取得する設計用情報取得ステップと、
   を有する、
   タイヤの設計用情報取得方法。
2. 前記特徴量抽出ステップでは、各曲線に対して、その曲線を表す前記正規化座標系における前記座標を第３座標系における座標に変換し、前記曲線を表す前記第３座標系における前記座標に基づいて、前記曲線に関する特徴量を抽出する、
   請求項１に記載のタイヤの設計用情報取得方法。
3. 前記第３座標系は、極座標系であり、
   前記特徴量抽出ステップでは、前記特徴量として、前記極座標系における前記曲線の極値、変曲点、所定の角度毎の半径、所定の半径毎の角度、傾きおよび所定の近似曲線における制御点の少なくとも１つを抽出する、
   請求項２に記載のタイヤの設計用情報取得方法。
4. 各部分形状ラインに対応する正規化座標系は、その部分形状ラインの両端の位置により正規化されたものである、
   請求項１から３の何れか１項に記載のタイヤの設計用情報取得方法。
5. 前記分割ステップは、前記形状ラインを、タイヤ幅が最大になるタイヤ径方向位置よりもタイヤ径方向内側にある第１の部分形状ラインとタイヤ幅が最大になるタイヤ径方向位置よりもタイヤ径方向外側にある第２の部分形状ラインに分割することを含む、
   請求項１から４の何れか１項に記載のタイヤの設計用情報取得方法。
6. 前記分割ステップは、前記第１の部分形状ラインおよび前記第２の部分形状ラインの何れか一方または双方を更に分割することを含む、
   請求項５に記載のタイヤの設計用情報取得方法。
7. 前記形状情報は、前記学習用タイヤに対応するタイヤモデルから取得されたものである、
   請求項１から６の何れか１項に記載のタイヤの設計用情報取得方法。
8. 前記特性値は、前記タイヤモデルを用いてシミュレーションにより計算されたものである、
   請求項７に記載のタイヤの設計用情報取得方法。
9. 複数の前記学習用のタイヤについて、前記タイヤ形状情報取得ステップ、前記分割ステップ、前記曲線取得ステップ、前記特徴量抽出ステップおよび前記データセット作成ステップを繰り返すことにより得られたデータセットを前記設計用情報取得ステップで用いる、
   請求項１から８の何れか１項に記載のタイヤの設計用情報取得方法。
10. 請求項１から９の何れか１項の設計用情報取得方法の各ステップと、
    前記設計用情報を用いて、与えられた特性値を満たす特徴量の予測を行う予測ステップを有するタイヤの設計方法。
11. 予測された前記特徴量に対応する各々の正規化部分形状ラインを取得する正規化部分形状取得ステップと、
    各々の前記正規化部分形状ラインを与えられたタイヤサイズに合わせて前記正規化座標系から前記原座標系に変換する逆変換ステップと、
    逆変換された各々の前記正規化部分形状ラインを繋ぐことによりタイヤの形状ラインを生成する形状生成ステップと、
    を更に有する、
    請求項１０に記載のタイヤの設計方法。
12. 請求項１から９の何れか１項に記載のタイヤの設計用情報取得方法をコンピュータに実行させるためのプログラム。
13. 請求項１０または１１に記載のタイヤの設計方法をコンピュータに実行させるためのプログラム。
14. 請求項１から９の何れか１項のタイヤの設計用情報取得方法により取得された前記設計用情報を記録したコンピュータ読取可能な記録媒体。

Images