JP7407100B2

JP7407100B2 - タイヤ摩耗状態予測システム、タイヤ摩耗状態予測プログラムおよびタイヤ摩耗状態予測方法

Info

Publication number: JP7407100B2
Application number: JP2020189449A
Authority: JP
Inventors: 健太西山
Original assignee: Bridgestone Corp
Current assignee: Bridgestone Corp
Priority date: 2020-11-13
Filing date: 2020-11-13
Publication date: 2023-12-28
Anticipated expiration: 2040-11-13
Also published as: JP2022078630A; WO2022102516A1; US20230393024A1; EP4246117A1; EP4246117A4; CN116419856A

Description

本発明は、タイヤ摩耗状態予測システム、タイヤ摩耗状態予測プログラムおよびタイヤ摩耗状態予測方法に関する。

従来より、空気入りタイヤ（以下、タイヤという）に加速度センサを設け、検出された加速度に基づいてタイヤの摩耗を推定（予測）する技術が提案されている（特許文献１）。

このような加速度センサを用いた摩耗推定技術は、例えば、検出した径方向加速度を微分してピークを取得した変形速度の指標（摩耗メジャーともいう）を用い、この変形速度の指標値が、摩耗進展に従って増加するという原理を用いて、回帰式によりタイヤの残溝量を推定するものであった。

ＷＯ２００９／００８５０２号公報

ところで、加速度センサを用いた摩耗推定技術では、加速度信号の大きさがタイヤの回転速度に依存するため、低速域でデータの取得が困難であるという問題があった。

そこで、加速度センサの代替として、歪みセンサを用いる摩耗推定技術が提案された。

ところが、タイヤ摩耗を予測するにあたって、加速度センサを用いる技術と歪みセンサを用いる技術には、「タイヤ種ごとに実験を伴うパラメータの学習を実施するには、非常に大きなコストを要する」という共通の課題があった。

一方、歪みセンサを用いるメリットとして、速度依存性が殆どないことが挙げられる。

また、歪みセンサを用いるデメリットとして、タイヤ内面厚さの影響を受けるため補正が難しい点が挙げられる。そのため、従来における加速度センサを用いたタイヤ摩耗予測におけるタイヤサイズ汎用化の技術を、そのまま歪みセンサを用いたタイヤ摩耗予測に適応することは困難であるという問題があった。

そこで、本発明は、上記課題に鑑みてなされたものであり、歪センサを用いると共に、学習データを保有していないタイヤについても高精度な摩耗状態の予測を低コストで行うことが可能なタイヤ摩耗状態予測システム、タイヤ摩耗状態予測プログラムおよびタイヤ摩耗状態予測方法を提供することを目的とする。

本発明の一態様に係るタイヤ摩耗状態予測システムは、タイヤの内側面または内部に設けられ、前記タイヤの歪みを検知する歪みセンサを有するセンサユニットと、前記歪みセンサから出力される歪み信号を取得する歪み信号取得部と、取得された前記歪み信号の時系列波形に基づいて、変形速度の指標を算出する指標算出部と、前記変形速度の指標と、前記タイヤの摩耗の度合いとの関係値を予め算出する関係値算出部と、前記関係値と、前記変形速度の指標とを比較して前記タイヤの摩耗の度合いを推定する摩耗状態推定部と、前記タイヤについての前記変形速度の指標と、前記タイヤの摩耗の度合いとの関係値に基づいて、他のサイズのタイヤの関係値を予測する関係値予測部と、を備え、前記関係値予測部は、他のサイズのタイヤの関係値を予測する際に、データ格納部に予め格納された、少なくともタイヤトレッド部の厚さに関するデータを用いることを要旨とする。

このような構成によれば、他のサイズのタイヤについても高精度な摩耗状態の予測を低コストで行うことが可能となる。

また、前記タイヤトレッド部の厚さに関するデータは、タイヤ内面から、該タイヤ内に設けられるベルトまでの径方向厚さのデータを含むようにできる。

これにより、タイヤの内面厚さの増加に伴って歪みが増大しても高精度な摩耗状態の予測を行うことが可能となる。

本発明の他の態様に係るタイヤ摩耗状態予測プログラムは、タイヤ摩耗状態予測システムが備えるコンピュータで実行されるタイヤ摩耗状態予測プログラムであって、タイヤの内側面または内部に設けられる歪みセンサから出力される歪み信号を取得する歪み信号取得ステップと、取得された前記歪み信号の時系列波形に基づいて、変形速度の指標を算出する指標算出ステップと、前記変形速度の指標と、前記タイヤの摩耗の度合いとの関係値を予め算出する関係値算出ステップと、前記関係値と、前記変形速度の指標とを比較して前記タイヤの摩耗の度合いを推定する摩耗状態推定ステップと、前記タイヤについての前記変形速度の指標と、前記タイヤの摩耗の度合いとの関係値に基づいて、他のサイズのタイヤの関係値を予測する関係値予測ステップと、を有し、前記関係値予測ステップは、他のサイズのタイヤの関係値を予測する際に、少なくともタイヤトレッド部の厚さに関するデータを用いることを要旨とする。

本発明の他の態様に係るタイヤ摩耗状態予測方法は、タイヤの内側面または内部に設けられる歪みセンサから出力される歪み信号を取得する歪み信号取得過程と、取得された前記歪み信号の時系列波形に基づいて、変形速度の指標を算出する指標算出過程と、前記変形速度の指標と、前記タイヤの摩耗の度合いとの関係値を予め算出する関係値算出過程と、前記関係値と、前記変形速度の指標とを比較して前記タイヤの摩耗の度合いを推定する摩耗状態推定過程と、前記タイヤについての前記変形速度の指標と、前記タイヤの摩耗の度合いとの関係値に基づいて、他のサイズのタイヤの関係値を予測する関係値予測過程と、を有し、前記関係値予測過程は、他のサイズのタイヤの関係値を予測する際に、少なくともタイヤトレッド部の厚さに関するデータを用いることを要旨とする。

本発明によれば、歪センサを用いると共に、学習データを保有していないタイヤについても高精度な摩耗状態の予測を低コストで行うことが可能なタイヤ摩耗状態予測システム、タイヤ摩耗状態予測プログラムおよびタイヤ摩耗状態予測方法を提供することができる。

実施形態に係るタイヤ摩耗状態予測システムの概略構成を示す概略構成図である。実施形態に係るタイヤ摩耗状態予測システムの機能構成を示す機能ブロック図である。実施形態に係るタイヤ摩耗状態予測処理の処理手順を示すフローチャートである。タイヤについての歪みと時間の関係を示すグラフである。タイヤについての歪み速度と時間の関係を示すグラフである。タイヤについての変形速度の指標（摩耗メジャー）と接地時間比（ＣＴＲ）の関係を示すグラフである。複数サイズのタイヤの諸元を示す図表である。タイヤの内面厚さ（比較的薄い場合）の歪みへの影響を示す模式図（ａ）、その歪み分布を示す模式図（ｂ）である。タイヤの内面厚さ（比較的厚い場合）の歪みへの影響を示す模式図（ａ）、その歪み分布を示す模式図（ｂ）である。タイヤについての歪みの指標（歪みメジャー）と接地時間比（ＣＴＲ）の関係を示すグラフである。

図１および図２を参照して、本発明の実施形態に係るタイヤ摩耗状態予測システムＳ１について説明する。

なお、以下の図面の記載において、同一または類似の部分には、同一または類似の符号を付している。但し、図面は模式的なものであり、各寸法の比率などは現実のものとは異なることに留意すべきである。

したがって、具体的な寸法などは以下の説明を参酌して判断すべきものである。また、図面相互間においても互いの寸法の関係や比率が異なる部分が含まれていることは勿論である。

（タイヤ摩耗状態予測システムの概略構成）
図１の概略構成図を参照して、実施形態に係るタイヤ摩耗状態予測システムＳ１の概略構成について説明する。

タイヤ摩耗状態予測システムＳ１は、空気入りタイヤ（以下、単にタイヤと呼称する）１０側に設けられるセンサユニットＳＵと、無線回線Ｎ１を介してセンサユニットＳＵから取得した情報を処理する処理装置（車載器（ＥＣＵ）等）２００とから構成される。

図１では、リムホイール９０に組み付けられたタイヤ１０のタイヤ幅方向に沿った断面形状が示されている。

また、トレッド部２０は、図示しない車両に装着されたタイヤ１０が路面を転動する際に路面と接する部分である。トレッド部２０には、車両の種別及び要求される性能に応じたトレッドパターンが形成される。

そして、タイヤ摩耗状態予測システムＳ１を適用可能なタイヤ１０の内面１０ａには、タイヤ１０の歪みを検出する歪みセンサＳＮを備えるセンサユニットＳＵが設けられている。なお、本実施形態には直接関係しないが、センサユニットＳＵは、歪みの他に温度情報等を取得できるようにしてもよい。

図１に示す構成例では、センサユニットＳＵは、トレッド部２０と対向する内面１０ａに設けられている。より具体的には、センサユニットＳＵは、リムホイール９０に組み付けられた空気入りタイヤ１０の内部空間に充填された空気などの気体の漏れを防止するインナーライナー（図示省略）の表面に取り付けられる。

センサユニットＳＵは、車両に装着される各タイヤ１０に設けられることが好ましい。車両の安全性確保には各タイヤ１０の摩耗状態等を監視することが望ましいためである。

また、センサユニットＳＵは、必ずしもタイヤ１０の内側面に貼付されていなくてもよく、例えば、センサユニットＳＵの一部または全部がタイヤ１０の内部に埋設される構成としてもよい。

（タイヤ摩耗状態予測システムの機能構成）
図２の機能ブロック図に示すように、センサユニットＳＵは、タイヤ１０の歪みを検出する歪みセンサＳＮと、処理装置２００に検出データを送信する送信器１５０と、歪みセンサＳＮおよび送信器１５０に給電するバッテリ１５１とを備える。

一方、ＥＣＵ等で構成される処理装置２００は、一定の検出周期ごとに、センサユニットＳＵから歪み信号を取得する歪み信号取得部２０１を備える。なお、センサユニットＳＵと処理装置２００との通信は、無線回線Ｎ１を介して、センサユニットＳＵ側の送信器１５０と、処理装置２００側の通信部２１０との間で行われる。

また、取得された歪み信号の時系列波形に基づいて、変形速度の指標（摩耗メジャー）を算出する指標算出部２０２を備える。

また、変形速度の指標と、タイヤ１０の摩耗の度合いとの関係値を予め算出する関係値算出部２０３を備える。

また、算出された関係値と、変形速度の指標とを比較してタイヤ１０の摩耗の度合いを推定する摩耗状態推定部２０４を備える。

また、タイヤ１０についての変形速度の指標と、タイヤ１０の摩耗の度合いとの関係値に基づいて、タイヤ１０とはサイズが異なる他のタイヤの関係値を予測する関係値予測部２０５を備える。

さらに、サイズが異なる複数のタイヤについて、タイヤトレッド部の厚さに関するデータを予め格納する不揮発性メモリ等で構成されるデータ格納部２０６を備える。

そして、関係値予測部２０５は、データ格納部２０６に予め格納されているタイヤトレッド部の厚さに関するデータを用いて、他のサイズのタイヤの関係値を予測する。

なお、他のサイズのタイヤの関係値を予測する具体的な手法等については後述する。

このような構成により、タイヤ１０に加えて、他のサイズのタイヤについても高精度な摩耗状態の予測を低コストで行うことが可能となる。即ち、従来のように、タイヤの内面厚さが異なる複数のタイヤ種ごとに実験を伴うパラメータの学習を行うことなく、複数のタイヤ種について、摩耗状態の予測を行うことが可能となる。

また、タイヤトレッド部の厚さに関するデータは、タイヤ１０の内面から、このタイヤ内に設けられるベルトまでの径方向厚さのデータを含むようにできる。

（タイヤ摩耗状態予測処理について）
図３に示すフローチャートを参照して、タイヤ摩耗状態予測システムＳ１で実行されるタイヤ摩耗状態予測処理の処理手順について説明する。

なお、本処理は、処理装置２００等が備えるＯＳ（オペレーティングシステム）と所定のアプリケーションプログラムとの協働により実現することができる。但し、各処理の一部または全部をハードウェアで実現するようにしてもよい。

この処理が開始されると、ステップＳ１０で、センサユニットＳＵの歪みセンサＳＮから出力される歪み信号を歪み信号取得部２０１で取得してステップＳ１１に移行する。

ステップＳ１１では、取得した歪み信号の時系列波形に基づいて、変形速度の指標（摩耗メジャー）を算出してステップＳ１２に移行する。

ステップＳ１２では、変形速度の指標（摩耗メジャー）と、タイヤ１０の摩耗の度合いとの関係値を算出してステップＳ１３に移行する。

ステップＳ１３では、算出された関係値と、変形速度の指標（摩耗メジャー）とを比較して、タイヤ１０の摩耗度合いを推定してステップＳ１４に移行する。

ステップＳ１４では、タイヤ１０についての変形速度の指標（摩耗メジャー）と、タイヤ１０の摩耗の度合いとの関係値に基づいて、他のサイズのタイヤの関係値を予測して処理を終了する。

ここで、他のサイズのタイヤの関係値を予測する際に、データ格納部２０６に予め格納されているタイヤトレッド部の厚さに関するデータを用いる。

なお、タイヤトレッド部の厚さに関するデータは、タイヤ１０の内面から、このタイヤ１０内に設けられるベルトまでの径方向厚さのデータを含むようにできる。

（タイヤ摩耗状態予測のアルゴリズムについて）
ここで、本発明に係るタイヤ摩耗状態予測に適用されるアルゴリズムについて説明する。

本発明では、歪みセンサを用いたタイヤ摩耗状態予測の基本アルゴリズムとして、本出願人に係る特許出願（特開２００９－０１８６６７号、ＷＯ２００９／００８５０２等）に開示のアルゴリズムと同等のものを用いる。

なお、上記特許出願に開示のアルゴリズムは、タイヤに設けられる加速度センサを用いた摩耗予測についてのものであり、径方向の加速度を微分後に検出したピーク値（摩耗メジャー値）および接地時間比（ＣＴＲ：ＣｏｎｔａｃｔＴｉｍｅＲａｔｉｏ）を主な特徴量とする機械学習モデルである。より詳細については、上記特許出願の記載を参照されたい。

一方、本発明において用いる「歪み」は、タイヤ周方向（接線方向）の１軸とする。

ここで、図４のグラフに周方向歪みの例を、図５のグラフにその微分波形の例を示す。

なお、図４、図５は、ＦＥＭ（ＦｉｎｉｔｅＥｌｅｍｅｎｔＭｅｔｈｏｄ：有限要素解析）によって得られた波形である。

また、本実施形態におけるＦＥＭ解析では、サイズが「１１Ｒ２２．５Ｍ８０１」のタイヤをサンプルとし、検出した「歪み」は、タイヤインナーライナーの歪みである。

ここで、摩耗メジャー（ＷＭ：ＷｅａｒＭｅａｓｕｒｅ）は以下の式で定義される。

ＷＭ＝ＤＰ×ＯＲＴ×ＣＬ
なお、ＤＰ（ＤｅｒｉｖａｔｉｖｅＰｅａｋ）は微分波形のピーク値であり、踏み側・蹴り側の絶対値、またはそれを平均等で集約したものでもよい。

また、ＯＲＴ（ＯｎｅＲｏｔａｔｉｏｎａｌＴｉｍｅ）は、タイヤ１回転の時間、ＣＬ（ＣｉｒｃｕｍｆｅｒｅｎｔｉａｌＬｅｎｇｔｈ）はタイヤの周長を示す。

なお、ＣＬは、タイヤ半径が直径などサイズを示す値で代替可能であり、設計スペックなどから決定する。

ＯＲＴは速度依存性を、ＣＬはタイヤ径依存性をキャンセルするものである。

また、ＣＴＲは微分波形の踏みピークから蹴りピークまでの経過時間をＯＲＴで除したもので、荷重を示す代表的な指標である。

図６のグラフには、新品のタイヤＴＲ１ａおよび完摩したタイヤＴＲ１ｂにおけるＣＴＲとＷＭ（摩耗メジャー：変形速度の指標）の関係を示す。

図６のグラフを参照すると分かるように、新品のタイヤＴＲ１ａと、完摩したタイヤＴＲ１ｂとを明確に区別することができる。

また、ＴＰＭＳ（タイヤの空気圧モニタリングシステム）の情報も加え、下記の回帰式等により残溝量（ＲＴＤ）を推定することができる。

ＲＴＤ＝ｆ（ＷＭ、温度、空気圧、速度等）

（加速度センサの補正方法とその問題点について）
加速度センサを用いた摩耗予測では、下記の式（数１）を用いてタイヤの摩耗メジャーを推定していた。

ここで、Ｄはタイヤ直径、Ｗはタイヤ幅、Ｈは断面高さである。

タイヤ直径Ｄによる補正は、センサ自身の大きさにより平均化されることに対する補正である。そのため、サンプルデータとして用いるデータはタイヤ内面の座標や変形挙動であって、センサの物理的な大きさがないのでＤの影響を無視することができる。

そして、ＣＴＲが０．０４で固定された条件下では、加速度の相関係数はＲ２＝０．９６７、歪みの相関係数はＲ２＝０．６７７を得ることができた。

なお、サンプルデータとしては、径、扁平率等が全体をある程度網羅するように、図７の図表に示すようなＴＲ１０～ＴＲ１５の６種類のタイヤのデータを用いた。

そして、上記相関係数から、加速度の場合は非常に相関係数が高く、この補正モデルにより高精度に摩耗メジャー値を予測可能であった。

一方、歪みの場合は相関係数が低く、加速度センサと同等のサイズ補正アルゴリズムでは精度が悪化するものと考えられる。

そのため、本実施形態に係る歪みセンサＳＮを用いたタイヤ摩耗状態予測では、新たな補正方法が必要である。

（タイヤ内面厚さによる補正について）
歪みセンサＳＮの場合には、タイヤの内面のゴムの厚さに大きく影響を受けるため、その補正を行う必要がある。

ここで、図８（ａ）は、タイヤの内面厚さ（比較的薄い場合）の歪みへの影響を示す模式図、図８（ｂ）は、その歪み分布を示す模式図、図９（ａ）は、タイヤの内面厚さ（比較的厚い場合）の歪みへの影響を示す模式図、図９（ｂ）は、その歪み分布を示す模式図である。

まず、タイヤの張力の大半はベルトによって支持されており、ベルトに発生する力、変形によりタイヤ全体の力学的挙動の大半が決定される。

ここで、ベルトに、ある一定の曲げ変形が発生したと仮定する。

図８を参照すると分かるように、内面の厚さが薄い場合（ｄ_ｉｎ＝Ｓｍａｌｌ）は、インナーライナー表面で発生する圧縮歪みが小さくなる。

一方、図９を参照すると分かるように、内面厚さが厚い場合（ｄ_ｉｎ＝Ｌａｒｇｅ）は、圧縮歪みが大きく出ることが推測される。

したがって、内面厚さの増加に伴い、歪みが大きくなると推測できる。

ここで、ＦＥＭを用いて内面の厚さの変化が摩耗メジャーに与える影響を調査した。具体的には、ＦＥＭの完摩品のモデルにおいて、インナーライナーの厚さについて、設計値通りのタイヤ（ＴＲ２０ｂ）、設計値より１ｍｍ厚いタイヤ（ＴＲ２０ｃ）、設計値よりも２ｍｍ厚いタイヤ（ＴＲ２０ｄ）、の３種類を用意して解析を実施した（図１０参照）。

なお、図１０のグラフにおいて、ＴＲ２０ａは、設計値通りのタイヤの未使用品（新品）の解析結果を示す。

図１０のグラフより、理論通り内面厚さが増すと、歪みが増幅されて摩耗メジャー値が大きくなることが分かる。

一方で、加速度センサを用いた場合は、タイヤ内面のプロファイル（ベルトのプロファイルと略同じ）の形状により決まるため、僅かに内面厚さが増すことによるプロファイル変化の影響を受けるものの、顕著な差が生じないと考えられる。

以上の検証から、歪みセンサＳＮを用いる場合には、タイヤの内面厚さによる補正を加える必要があることが分かった。

（摩耗メジャー値の推定式について）
以上の検討結果から、完摩時の摩耗メジャー値は、以下の式（数２）を用いて推定する。

ここで、ｄ_ｉｎは、内面の厚さである。

なお、式（数２）による補正に加えて、ＴＰＭＳデータを用いた補正を行うようにしてもよい。

また、式（数２）の関数は単純な線形重回帰でもよいし、非線形な関数であってもよい。

（摩耗予測の手順）
実際にタイヤの摩耗を予測するときの手順は以下のようにすることができる。

１）モデル学習ステージ
まず、上述の６種類（図７参照）程度の完摩タイヤを供試タイヤとして実験を行い、ＷＭ、ＣＴＲ、Ｄ、ｄ_ｉｎなどの関係を学習させる。

２）新品タイヤのパラメータ取得ステージ
学習データがないタイヤの場合は、タイヤが減っていない走行初期の段階で、ＷＭとＣＴＲ，ＴＰＭＳデータとの関係を求める。

３）残溝量の推定
ＷＭ，ＣＴＲ，ＴＰＭＳデータなどを計測する。

ここで、他のタイヤサイズにおける関係を予測するにあたっては、ｄ_ｉｎ：タイヤ内部構造厚さの他に、Ｄ：タイヤ直径、Ｗ：タイヤ幅、Ｈ：タイヤ断面高さなどの設計情報を用いることができる。

そして、ＣＴＲ、ＴＰＭＳデータ、設計情報データから、新品時の摩耗メジャー、完摩時の摩耗メジャーを計算する。

計測されたＷＭが、新品と完摩の摩耗メジャーに対してどのレベルに位置するかを求め、残溝量を計算する。

以上述べたように、本実施形態に係るタイヤ摩耗状態予測システムＳ１によれば、歪センサＳＮによる摩耗予測において、複数のスペック（サイズ等）のタイヤの各々について「変形速度の指標とタイヤの摩耗の度合いとの関係」を実測する必要がなくなり、低コストでタイヤのサイズ間差を正確に予測することが可能となる。

以上、本発明のタイヤ摩耗推定システム、タイヤ摩耗推定プログラムおよびタイヤ摩耗推定方法を図示の実施形態に基づいて説明したが、本発明はこれに限定されるものではなく、各部の構成は、同様の機能を有する任意の構成のものに置き換えることができる。

例えば、電源（バッテリ）１５１などの作動条件が満たされるのであれば、本実施の形態における処理装置２００が有する処理機能の一部をセンサユニットＳＵ内に搭載するようにしてもよい。

Ｓ１タイヤ摩耗状態予測システム
ＳＵセンサユニット
ＳＮ歪みセンサ
２００処理装置
２０１歪み信号取得部
２０２指標算出部
２０３関係値算出部
２０４摩耗状態推定部
２０５関係値予測部

Claims

タイヤの内側面または内部に設けられ、前記タイヤの歪みを検知する歪みセンサを有するセンサユニットと、
前記歪みセンサから出力される歪み信号を取得する歪み信号取得部と、
取得された前記歪み信号の時系列波形に基づいて、変形速度の指標を算出する指標算出部と、
前記変形速度の指標と、前記タイヤの摩耗の度合いとの関係値を予め算出する関係値算出部と、
前記関係値と、前記変形速度の指標とを比較して前記タイヤの摩耗の度合いを推定する摩耗状態推定部と、
前記タイヤについての前記変形速度の指標と、前記タイヤの摩耗の度合いとの関係値に基づいて、他のサイズのタイヤの関係値を予測する関係値予測部と、
を備え、
前記関係値予測部は、他のサイズのタイヤの関係値を予測する際に、データ格納部に予め格納された、少なくともタイヤトレッド部の厚さに関するデータを用いるタイヤ摩耗状態予測システム。
前記タイヤトレッド部の厚さに関するデータは、タイヤ内面から、該タイヤ内に設けられるベルトまでの径方向厚さのデータを含む請求項１に記載のタイヤ摩耗状態予測システム。
タイヤ摩耗状態予測システムが備えるコンピュータで実行されるタイヤ摩耗状態予測プログラムであって、
タイヤの内側面または内部に設けられる歪みセンサから出力される歪み信号を取得する歪み信号取得ステップと、
取得された前記歪み信号の時系列波形に基づいて、変形速度の指標を算出する指標算出ステップと、
前記変形速度の指標と、前記タイヤの摩耗の度合いとの関係値を予め算出する関係値算出ステップと、
前記関係値と、前記変形速度の指標とを比較して前記タイヤの摩耗の度合いを推定する摩耗状態推定ステップと、
前記タイヤについての前記変形速度の指標と、前記タイヤの摩耗の度合いとの関係値に基づいて、他のサイズのタイヤの関係値を予測する関係値予測ステップと、
を有し、
前記関係値予測ステップは、他のサイズのタイヤの関係値を予測する際に、少なくともタイヤトレッド部の厚さに関するデータを用いるタイヤ摩耗状態予測プログラム。
前記タイヤトレッド部の厚さに関するデータは、タイヤ内面から、該タイヤ内に設けられるベルトまでの径方向厚さのデータを含む請求項３に記載のタイヤ摩耗状態予測プログラム。
タイヤの内側面または内部に設けられる歪みセンサから出力される歪み信号を取得する歪み信号取得過程と、
取得された前記歪み信号の時系列波形に基づいて、変形速度の指標を算出する指標算出過程と、
前記変形速度の指標と、前記タイヤの摩耗の度合いとの関係値を予め算出する関係値算出過程と、
前記関係値と、前記変形速度の指標とを比較して前記タイヤの摩耗の度合いを推定する摩耗状態推定過程と、
前記タイヤについての前記変形速度の指標と、前記タイヤの摩耗の度合いとの関係値に基づいて、他のサイズのタイヤの関係値を予測する関係値予測過程と、
を有し、
前記関係値予測過程は、他のサイズのタイヤの関係値を予測する際に、少なくともタイヤトレッド部の厚さに関するデータを用いるタイヤ摩耗状態予測方法。
前記タイヤトレッド部の厚さに関するデータは、タイヤ内面から、該タイヤ内に設けられるベルトまでの径方向厚さのデータを含む請求項５に記載のタイヤ摩耗状態予測方法。