KR20030036208A - 차량 제어 시스템 및 타이어에 작용하는 원주 방향 토크또는 길이 방향 힘을 예측하는 방법 - Google Patents

차량 제어 시스템 및 타이어에 작용하는 원주 방향 토크또는 길이 방향 힘을 예측하는 방법 Download PDF

Info

Publication number
KR20030036208A
KR20030036208A KR1020027016385A KR20027016385A KR20030036208A KR 20030036208 A KR20030036208 A KR 20030036208A KR 1020027016385 A KR1020027016385 A KR 1020027016385A KR 20027016385 A KR20027016385 A KR 20027016385A KR 20030036208 A KR20030036208 A KR 20030036208A
Authority
KR
South Korea
Prior art keywords
tire
input
sensor
force
deformation
Prior art date
Application number
KR1020027016385A
Other languages
English (en)
Inventor
엠 기우스티노제임스
Original Assignee
콘티넨탈 악티엔게젤샤프트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 콘티넨탈 악티엔게젤샤프트 filed Critical 콘티넨탈 악티엔게젤샤프트
Publication of KR20030036208A publication Critical patent/KR20030036208A/ko

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B60T8/17—Using electrical or electronic regulation means to control braking
    • B60T8/172—Determining control parameters used in the regulation, e.g. by calculations involving measured or detected parameters
    • B60T8/1725—Using tyre sensors, e.g. Sidewall Torsion sensors [SWT]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T2240/00—Monitoring, detecting wheel/tire behaviour; counteracting thereof
    • B60T2240/04—Tire deformation

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Force Measurement Appropriate To Specific Purposes (AREA)
  • Tires In General (AREA)
  • Regulating Braking Force (AREA)

Abstract

타이어의 변형을 측정하여 타이어 컨택트 패치에 발생하는 힘을 예측하기 위한 시스템 및 방법은, 타이어 변형의 측정을 이용하여 측방향 힘과 수직 방향 힘 및 원주 방향 토크를 분리시키는 것을 포함한다. 타이어 측벽 변형 센서, 예컨대 자성 타이어 측벽 비틀림 측정용(SWT) 센서로부터, 타이어에 작용하는 측방향 힘, 원주 방향 힘, 길이 방향 힘, 수직 방향 힘, 그리고 이들 중 하나 이상의 성분으로 갖는 힘 및/또는 토크 중 하나 이상의 임의의 조함 또는 순열을 결정하기 위하여 훈련된 신경망 또는 겹선형 방정식을 이용하기 위한 시스템 및 방법이 제공된다.

Description

차량 제어 시스템 및 타이어에 작용하는 원주 방향 토크 또는 길이 방향 힘을 예측하는 방법 {SYSTEM AND METHOD FOR PREDICTING TIRE FORCES USING TIRE DEFORMATION SENSORS}
본 명세서에 참고로 인용되는 미국 특허 제5,895,854호는 적어도 한 지점에 자화된 자성 입자가 고무 화합물에 퍼져 있는 공압(고무) 타이어가 마련된 차량용 바퀴를 개시하고 있다. 이 특허에서 설명되고 있는 바와 같이, 이 특허에 개시된 타이어는 미끄럼 조절 시스템에 사용될 수 있다. 바람직하기로, 상기 자화 지점이 타이어 측벽의 하나 이상의 환형 밴드에, 즉 길이 방향 또는 원주 방향으로 배치되며 타이어의 원주 방향을 따라 다른 반경으로 배치된 하나 이상의 열로 이루어진 상이하게 자화된 하나 이상의 연속된 구역을 갖는다. 이 특허 발명의 목적은 공압(고무) 타이어를 구비한 차바퀴를 마련하고, 이 공압 타이어를 이용하여 현대식 차량을 운전하는 데에 필요한 정보, 예를 들면, ABS(앤티로크 브레이크 시스템)에 대한 바퀴의 회전 속도 및/또는 미끄럼을 조절하기 위하여 타이어에 작용하는 길이 방향 힘(비틀림력)을 사용할 수 있게 하는 그러한 차바퀴를 제공하는 데 있었다.
상기 특허에 따르면, 발생된 자화와 공간적인 자화의 차이를 자계 센서로 검출할 수 있고, 이러한 차이는 미끄럼 조절 시스템용 SWT 센서 입력 신호(측벽 비틀림 센서 입력 신호)로서, 특히 SWT 시스템(측벽 비틀림 측정 신호)용 입력 신호로서도 작용한다. 상기 특허에서 추가로 설명되어 있는 바와 같이, 이전에는, 3개의 마크(ABS의 경우 1열로 있거나, 또는 SWT의 경우 2열로 있음)의 통과 사이의 시간 간격의 변화를 가급적 정밀하게 검출하기 위해서는 원주 방향의 자화를 가급적 사변형으로 행하는 것이 바람직한 것으로, 즉 자화가 밀착 영역[코드 바(code bar)] 내에서 실질적으로 균일하여야 하고 무엇보다 이 영역의 경계에서는 가급적 큰 구배(句配)로서 변화하여야 하는 것으로 생각되었다. 반대로, 바퀴의 회전을 검출하였던 종래의 ABS 시스템의 경우, 타이어의 원주 방향 자화가 사인 함수형로 행하여지는 것으로 충분하였던 것으로 설명되었다.
그러므로, SWT 센서를 사용하는 SWT 시스템의 일차적인 기능은 언제나 타이어의 접선 방향 비틀림 변형을 측정하는 것이었으며, 그 비틀림 변형을 구동 또는 제동 토크를 계산하는 데에 사용한다. 그러나, 관련 조작은 구동 토크 또는 제동 토크의 계산에 악영향을 미치는데, 그 이유는 타이어에 측방향 힘이 존재하면 원래 기대한 바와 같은 SWT 센서를 이용한 길이 방향 토크의 측정(비틀림 변형을 계산하기 위하여 타이어 측벽의 자성 밴드를 검출하는 2개의 센서 사이의 위상차를 사용함)이 혼동되기 때문이다. 아울러, 타이어에 수직 방향 힘이 존재하는 경우, 측방향 힘만큼 심각하지는 않지만, SWT 센서를 이용한 길이 방향 토크의 측정이 혼동된다.
본 발명은 일반적으로 말하면 타이어 동역학 분야에 관한 것으로서, 보다 구체적으로 말하면 타이어 변형의 측정을 이용하여 원주 방향 토크와 측방향 힘을 분리시키는 것을 비롯하여, 타이어 변형의 측정으로부터 타이어 접촉 패치에 발생되는 힘을 예측하는 것에 관한 것이다.
도 1은 다양한 힘과 토크를 도시한 차량의 사시도.
도 2는 본 발명의 시스템의 개략적인 블록도.
도 3은 본 발명의 시스템 및 방법에 사용되는 극성이 번갈아 변하는 자성 밴드와 그에 상응하는 센서를 구비한 타이어의 측면도.
도 4는 2개의 자기 센서를 타이어의 자성 측벽과 가까운 위치에 유지하며 서스펜션 스트럿에 고정되어 있는 장작용 브래킷의 사시도.
도 5는 도 4에 도시된 장착용 브래킷과 센서의 근접도.
도 6은 측방향 힘의 효과를 보여주고 있는 타이어, 서스펜션 스트럿 및 센서의 정면도로, 타이어는 수직 단면도로 도시되어 있다.
도 7은 도 6의 타이어와 센서의 근접도.
도 8은 측방향 힘과 원주 방향 토크가 존재하는 상태에서 측정한 SWT 센서 진폭의 데이터 플롯으로, 토크가 존재하는 경우 SWT 센서 진폭은 측방향 힘의 예측 변수로서는 비교적 불량하다는 것을 보여주고 있다.
도 9는 측방향 힘과 원주 방향 토크가 존재하는 상태에서 측정한 SWT 센서 진폭의 데이터 플롯으로, 원주 방향 토크의 예측 변수로서 SWT 센서 상 차이를 이용하는 경우, 측방향 힘이 존재하면 교차항 오차가 발생한다는 것을 보여주고 있다.
도 10은 본 발명의 신경망을 훈련하기 위해 사용되는 전체적인 절차를 도시한 흐름도.
도 11은 훈련된 본 발명의 신경망을 측방향 힘과 원주 방향 토크를 예측하는 데에 이용하기 위한 전체적인 절차를 도시한 흐름도.
도 12는 데이터 획득 도중에 타이어에 인가되는 측방향 힘과 원주 방향 토크를 도시한 데이터 플롯.
도 13은 실시예 1의 경우의 훈련된 신경망의 구조를 도시한 개략적인 블록도.
도 14는 측정된 측방향 힘과, 실시예 1의 훈련된 신경망에 의해 예측된 측방향 힘을 도시한 데이터 플롯.
도 15는 측정된 원주 방향 토크와, 실시예 1의 훈련된 신경망에 의해 예측된 원주 방향 토크를 도시한 데이터 플롯.
도 16은 측정된 측방향 힘과, 실시예 2의 겹선형 방정식에 의해 예측된 측방향 힘을 도시한 데이터 플롯.
도 17은 측정된 원주 방향 토크와, 실시예 2의 겹선형 방정식에 의해 예측된 원주 방향 토크를 도시한 데이터 플롯.
도 18은 측정된 수직 방향 힘과, 실시예 3의 훈련된 신경망에 의해 예측된 수직 방향 힘을 도시한 데이터 플롯.
도 19는 측정된 측방향 힘과, 실시예 3의 훈련된 신경망에 의해 예측된 측방향 힘을 도시한 데이터 플롯.
도 20은 측정된 원주 방향 토크와, 실시예 3의 훈련된 신경망에 의해 예측된 원주 방향 토크를 도시한 데이터 플롯.
도 21은 다양한 조향 각도에서 복수 개의 동적 마찰 계수(μ)에 대한 백분율 미끄럼(μ-미끄럼) 곡선을 도시한 도면으로, 작은 측방향 힘조차도 μ-미끄럼 곡선의 피크 위치에 상당한 효과를 미칠 수 있음을 보여주고 있다.
도 22는 측정된 수직 방향 힘과, 실시예 4의 겹선형 방정식에 의해 예측된 수직 방향 힘을 도시한 데이터 플롯.
도 23은 측정된 측방향 힘과, 실시예 4의 겹선형 방정식에 의해 예측된 측방향 힘을 도시한 데이터 플롯.
도 24는 측정된 원주 방향 토크와, 실시예 4의 겹선형 방정식에 의해 예측된 원주 방향 토크를 도시한 데이터 플롯.
본 발명은 SWT 센서를 길이 방향 토크를 효율적으로 측정하는 데 사용할 수 있도록 측방향 힘과 접선 방향 힘을 분리시킬 뿐만 아니라 SWT 센서를 사용하여 타이어에 작용하는 측방향 힘 및 기타의 힘과 토크를 예측하는 시스템 및 방법을 제공한다.
본 발명에 따르면, 타이어 변형의 측정을 이용하여 측방향 힘 및 원주 방향 토크와 같은 경사진 힘들을 분리시키는 것을 비롯하여, 타이어 변형의 측정으로부터 타이어 접촉 패치(contact patch)에서 발생된 힘들을 예측하는 시스템 및 방법이 제공된다.
본 발명의 시스템의 한 가지 양태에 따르면, 타이어 변형의 측정을 이용하여 경사진 힘, 예컨대 측방향 힘과 원주 방향 토크를 예측하기 위하여, 훈련된 프로세서, 예컨대 훈련된 신경망이 사용된다. 제1 실시예에 있어서는, 타이어에 작용하는 하나 이상의 힘, 바람직하게는 측방향 힘과 원주 방향 힘을 예측하기 위하여 훈련된 신경망이 사용된다. 제2 실시예에 있어서는, 타이어에 작용하는 하나 이상의 힘, 바람직하게는 측방향 힘과 원주 방향 힘을 예측하기 위하여, 한 세트의 겹선형 방정식(bilinear equation)이 사용된다.
그러므로, 본 발명의 장점은 타이어 변형 센서, 예컨대 SWT 센서를 사용하여원주 방향 토크를 결정하는 시스템 및 방법을 제공한다는 것이다.
또, 본 발명의 장점은 타이어 변형 센서, 예컨대 SWT 센서를 사용하여 측방향 힘을 결정하는 시스템 및 방법을 제공한다는 데 있다.
그러므로, 본 발명의 다른 한 가지 장점은 타이어 변형 센서, 예컨대 SWT 센서로부터의 측정에 있어서 측방향 힘과 원주 방향 토크를 분리시키는 시스템 및 방법을 제공한다는 것이다.
본 발명의 또 다른 장점은 타이어 변형 센서, 예컨대 SWT 센서로부터 차량의 요우 레이트(yaw rate)를 측정하여, 별도의 요우 레이트 센서의 필요성을 배제시키는 시스템 및 방법을 제공한다는 것이다.
본 발명의 또 다른 한 가지 장점은 타이어 변형 센서, 예컨대 SWT 센서로부터 차량의 속력을 측정하여 별도의 속력 센서에 대한 필요성을 배제시킨다는 것이다.
본 발명의 또 다른 한 가지 장점은 타이어 변형 센서, 예컨대 SWT 센서로부터 다음 중 어느 하나 이상, 즉 타이어에 작용하는 측방향 힘, 타이어에 작용하는 길이 방향 힘, 타이어에 작용하는 수직 방향 힘, 그리고 성분으로 이상의 것들 중 하나 이상을 갖는 힘 및/또는 토크의 어떤 조합 또는 순열을 결정하기 위하여, 훈련된 신경망을 사용하는 시스템 및 방법을 제공한다는 데 있다.
또한, 본 발명의 또 다른 한 가지 장점은 타이어 변형 센서, 예컨대 SWT 센서로부터 다음 중 어느 하나 이상, 즉 타이어에 작용하는 측방향 힘, 타이어에 작용하는 길이 방향 힘, 타이어에 작용하는 수직 방향 힘, 그리고 성분으로 이상의것들 중 하나 이상을 갖는 힘 및/또는 토크의 어떤 조합 또는 순열을 결정하기 위하여, 겹선형 방정식을 사용하는 시스템 및 방법을 제공한다는 것이다.
본 발명의 다른 한 가지 장점은 타이어에 작용하는 측방향 힘 및 수직 방향 힘으로부터 타이어의 원주 방향 토크를 분리시킨다는데 있다.
본 발명의 또 다른 한 가지 장점은 타이어 측벽 변형 센서, 예컨대 SWT 센서로부터 다음 중 어느 하나 이상, 즉 타이어에 작용하는 측방향 힘, 타이어에 작용하는 길이 방향 힘, 타이어에 작용하는 수직 방향 힘, 그리고 성분으로 이상의 것들 중 하나 이상을 갖는 힘 및/또는 토크의 어떤 조합 또는 순열을 결정하는 시스템 및 방법을 제공한다는 것이다.
본 발명의 전술한 것 및 기타의 장점은 본 발명의 상세한 설명으로부터 더 명확해질 것이다.
본 명세서에 포함되어 일부를 구성하는 첨부 도면에는 본 발명의 실시 형태들이 예시되어 있으며, 전술한 본 발명의 일반적인 설명 및 후술하는 상세한 설명가 함께 본 발명의 원리를 예시한다.
본 명세서에서 "회로 통신"이라 함은 장치 간의 통신 관계를 의미한다. 직접적인 전기적 연결 및 광학적 연결과, 간접적인 전기적 연결 및 광학적 연결이 그러한 회로 통신의 예들이다. 한 장치가 다른 장치로부터 신호를 수신하면, 그 신호가 기타 장치에 의해 변조되는지 여부와는 상관 없이 두 장치가 회로 통신 상태에 있다고 할 수 있다. 예를 들면, 변압기, 옵토아이솔레이터(optoisolator), 디지털 버퍼 또는 아날로그 버퍼, 아날로그 적분기, 기타 전자 회로, 섬유 광학 송수신기, 심지어는 위성 중 하나 이상에 의해 분리되어 있는 두 장치라도, 신호가 한 장치에서 다른 장치에 도달하기만 하면, 중간 장치에 의해 신호가 변조된다 하더라도 회로 통신 상태에 있는 것이다. 마지막 예로서, 서로 직접 연결되어 있지는 않지만, CPU와 같은 제3의 장치와 인터페이싱할 수 있는 두 장치는 회로 통신 상태에 있다고 할 수 있다. 본 명세서에서 "입력"이라 함은 신호나 소정의 값을 의미하며, "출력"도 신호나 소정의 값을 의미한다.
도 1을 참조하면, 본 명세서에서 고려 중인 힘들이 개략적으로 도시되어 있다. 개략적으로 도시된 차량(10)에서는 길이 방향 힘(Fx)과 길이 방향(원주 방향) 토크(My) 및 측방향 힘(Fy)이 타이어에 작용하고 있다. 도 1에 도시하지는 않았지만, 관심 대상인 또 다른 힘으로서, 길이 방향 힘(Fx)과 측방향 힘(Fy)에 수직인 수직 방향 힘(Fz)이 있다.
도 2를 참조하면, 본 발명에 따른 차량 제어 시스템(20)이 개략적으로 도시되어 있다. 가장 넓은 의미에서, 차량 제어 시스템(20)은 적어도 하나의 타이어 측벽 변형 센서와 회로 통신하는 상태로 위치하는 힘 예측 유닛(22)을 포함한다. 상기 타이어 측벽 변형 센서는 자성 타이어 측벽 토션(SWT) 센서인 것이 바람직하다. 상기 힘 예측 유닛(22)은 미리 프로그램된 프로세서(도시하지 않았음)를 구비하며, 이 프로세서는 적어도 하나의 SWT 센서로부터의 입력과 적어도 하나의 기타 센서 입력을 수신하고, 그 적어도 SWT 입력과 적어도 하나의 기타 센서 입력으로부터 타이어에 작용하는 예측된 원주 방향 토크 및/또는 길이 방향 힘 및/또는 측방향 힘 및/또는 수직 방향 힘에 해당하는 출력을 결정하기 위하여, 이전에 수집된 데이터로부터 결정된 상수를 갖는 미리 프로그램된 방정식을 실행함으로써 데이터 분석을 실시한다. 상기 힘 예측 유닛(22)도 SWT 센서 및 기타 센서와 관련된 임의의 필요한 신호 조절과 데이터 처리를 행할 수 있다.
도 2를 참조하면, 한 가지 바람직한 실시 형태에 있어서, 힘 예측 유닛(22)은 차량(20)의 각 타이어(30)에 대한 한 쌍의 자기 SWT 센서(26, 28)와 회로 통신 상태로 위치한다. 그러나, 힘 예측 유닛(22)은, 단일 타이어(30) 상에 WST 센서(26)가 하나만 있고, 또 다른 센서, 예를 들면 또 다른 SWT 센서(28)나 ABS 속력 센서(도시하지 않았음)와 함께 사용되어, 그 단일 타이어(30)에 대한 힘을 예측할 수 있다. 바람직하게는, 힘 예측 유닛(22)이 제어 유닛(32)과 회로 통신 상태로 배치되고, 그 제어 유닛(32)은 하나 이상의 액츄에이터(34)를 경유하여 차량(20)과 회로 통신함으로써 차량의 동적 상태에 영향을 준다. 당업계에 알려져 있는 제어 유닛(32)과 액츄에이터(34)의 예로는, 제동 액츄에이터를 구비한 ABS 제어 유닛, 제동 액츄에이터 및 스로틀 액츄에이터를 구비한 트랙션 제어 시스템(TCS) 제어 유닛, 제동 액츄에이터 및 스로틀 액츄에이터를 구비한 전자식 안정성 제어(ESC)[통합식 차량 다이내믹스(IVD)로도 알려져 있음] 제어 유닛, 로킹식 차동 제어 유닛, 서스펜션 제어 유닛, 제동 액츄에이터를 구비한 브레이크 보조식 제어 유닛, 차량 스로틀 액츄에이터를 구비한 지능형 운항 제어 유닛, 조향 액츄에이터를 구비한 조향 보조식 제어 유닛, 가스 방출 제어 유닛, 항법 제어 유닛, 전복 방지 제어 유닛, 그리고 제동 액츄에이터를 구비한 와이어 제동식 제어 유닛 가운데 하나 이상의 조합 및 순열이 포함된다. 여기서 중요한 것은, 이들 예시적인 제어 유닛(32)과 액츄에이터(34)는, 길이 방향 가속도계(길이 방향 힘 및/또는 가속도 측정용), 측방향 가속도계(측방향 힘 및/또는 가속도 측정용), 수직 하중 센서, 휠 속력 센서, 그리고 요우 레이트 센서(yaw rate sensor) 중 하나 이상의 센서를 필요로 한다는 점이며, 이들 센서는 모두 본 발명의 교시에 따라 하나 이상의 SWT 센서로 교체 가능하다.
힘 예측 유닛(22)은 아날로그 및 디지털 회로, 프로세서 등의 다양한 조합으로 구현될 수 있다. 제어 유닛은 별도의 회로 및/또는 프로세서로, 또는 힘 제어 유닛(22)의 구현에 사용된 회로 및/또는 프로세서로 구현될 수 있다. 바람직하게는, 힘 예측 유닛(22)의 데이터 처리부와 데이터 분석부가 단일 프로세서 내에서 구현되어, 신호 조절이 전용 아날로그 회로(도시하지 않았음)에서 이루어진다.
도 3을 참조하면, 한 쌍의 SWT 센서(26, 28)가, 그와 상응하는 자성 타이어(30)와 함께 개략적으로 도시되어 있다. 도 3에 개략 도시된 바와 같이, SWT 센서(26, 28)와 함께 사용되는 자성 타이어(30)는 자극이 교대로 변하는 다수의 밴드(38)를 구비하는 것이 바람직하다. 자성 타이어(30)는 임의의 다양한 방법으로 제조될 수 있으며, 예를 들면 미국 특허 제5,895,854호나 미국 특허 출원 제09/347,757호(이들의 내용을 참고로 인용함)에 개시된 바에 따라 제조하거나, 임의의 다른 방법으로, 예컨대 미리 자화된 얇은 재료로 이루어진 교대로 위치하는 밴드를 마련하고, 인접하여 교대로 위치한 자성 밴드를 생타이어의 측벽 내로 매입한 뒤 생타이어를 경화함으로써 제조할 수 있다. SWT 센서(26, 28) 자체는 자기 센서, 예를 들면 내자성(MR) 센서, 홀 효과 센서, 플럭스 게이트 센서인 것이 바람직하며, 타이어(30)의 측벽과 상호 작용할 수 있도록 충분히 타이어 측벽의 자성 영역과 인접하여 위치한다. MR 센서는 공기 간극이 적절하게 형성된다는 잇점이 있으며 여러 차례 테스트되었다. 플럭스 게이트 센서는 1 내지 2 인치의 공기 간극이 생긴다는 잇점이 있다. 홀 효과 센서는 비교적 작은 공기 간극이 필요하다는 결점이 있다. SWT 센서를 둘 사용하는 경우, 한 센서(26)는 트레드(tread)(40) 부근에 위치하고 나머지 센서(28)는 비드(bead)(42) 부근에 위치하는 것이 바람직하다. SWT 센서는 하나만 사용하고 ABS 속력 센서와 같은 다른 센서를 사용한다면, SWT 센서(26)를 비드(42)보다 트레드(40)에 더 가깝게 배치하여, 비틀림 변형을 더잘 감지할 수 있도록 하는 것이 바람직하다.
도 4와 도 5를 참조하면, 센서(26, 28)를 차량의 서스펜션 스트럿(suspension strut)(50)에 장착한 상태가 도시되어 있다. 센서(26, 28)는 장착용 브래킷(52)를 통해 서스펜션 스트럿(50)에 장착되는 것이 바람직하다. 도 4와 도 5에서, 센서(26, 28)는 필립스사가 시판 중인 모델 넘버 KMZ10A인 내자성(MR) 센서이다. 장착용 브래킷(52)은 홀 효과 센서(26, 28)의 편평한 단부가 자성 타이어(30)의 측벽과 대체로 평행하도록 구성되는 것이 바람직하다. MR 센서의 편평한 단부(26, 28)는 자성 타이어(30)에 측방향 힘이 작용하지 않을 때 타이어(30)의 측벽 표면으로부터 12.5 mm에 위치하는 것이 바람직하다. 측방향 힘이 존재할 때에는, 공기 간극이 대략 8 mm 내지 대략 25 mm의 범위에 있을 것으로 예상된다. 타이어의 측벽은 공칭 곡률을 갖는 것이 전형적이므로, 장착용 브래킷(52)은 각 센서(26, 28)를 위한 한 쌍의 경사면(즉, 평행하지 않은 면)(54, 56)을 제공하는 것이 바람직하다. 장착용 브래킷(52)은 임의의 적절한 수단으로 서스펜션 스트럿(50)에 고정될 수 있으며, 예를 들면 장착용 브래킷(52)을 서스펜션 스트럿(50)과 일체 성형하거나, 도 4 및 도 5에 도시된 바와 같이 볼트(58)와 너트(60) 등의 적절한 패스너를 사용하거나, 그 밖의 적절한 수단을 사용할 수 있다. 와이어(66, 68)가 센서(26, 28)를 힘 예측 유닛(22)과 회로 통신 상태로 위치시킨다.
또한, 장착용 브래킷은 센서(26, 28)를 고정함에 있어 이들 사이의 라인 세그먼트가 자성 타이어(30)의 연속된 자성 밴드(38) 사이의 자기 인터페이스 라인과가능한 한 평행하도록 하는 것이 바람직하다. 이러한 방식으로, 센서(26, 28)는 자유롭게 구르는 상태에서 한 밴드(38)로부터 다음 밴드로 전이되는 것을 동시에 검출하는 것이 바람직하다. 다시 말하면, 두 센서 신호 간에 위상차가 완전히 없거나 있어도 작아야 한다. 예를 들면 브레이크의 작용으로 생기는 비틀림 변형은 타이어의 트레드(40)가 비드(42)에 대해 회전하는 형태로 나타나서, 타이어의 자기 인터페이스 라인이 센서(26, 28) 사이의 라인 세그먼트와 더 이상 평행하지 않게 된다. 이 비틀림 변형은 SWT 센서(26, 28)에 의해 두 신호 사이의 위상 이동의 변화로서 검출된다. 다시 말하면, 한 자성 밴드(38)로부터 다음 자성 밴드로 전이되는 것이 한 센서에 의해 검출되는데, 이는 그렇지 않은 경우에 나머지 센서와 관련하여 그 센서가 검출하는 것보다 더 빨리 또는 더 늦게 이루어진다. 이러한 구성에 따르면 센서(26, 28)로부터의 신호는 사인 함수 형태의 신호이다.
도 4 및 도 5에 도시되어 있는 센서(26, 28)는 180°위치(12시 위치)에 있으며, 이는 원주 방향 토크와 측방향 힘(Fy)을 분리하기 위한 최적의 감도를 제공한다. 또한, 원주 방향 토크와 수직 방향 힘(Fz)을 분리하기 위한 최적의 감도를 제공하기 위하여, 90°위치나 270°위치(3시 위치 또는 9시 위치)에 타이어에 대한 제2 쌍의 SWT 센서(도시하지 않았음)를 배치하는 것이 바람직하다. 그러나, 90°위치나 270°위치에 센서를 배치하는 것에는 어려움이 있는 것으로 밝혀졌는데, 그러한 위치에 센서를 배치하면, 센서를 오정렬시키는 힘이 작용하거나, 센서 지지체가 휘거나 파손되기 때문이다. 대안으로서, 단일 쌍의 SWT 센서를 135°위치에 배치하면, 측방향 힘(Fy)과 수직 방향 힘(Fz)으로부터 원주 방향 토크를 분리하기 위한 정보를 제공할 수 있는 것으로 생각된다. 또 다른 대안으로서, 한 쌍의 추가적인 센서를 90°나 270°위치에 사용하는 대신, 단일의 추가적인 외부 센서를 그 위치에 사용할 수 있다. 이 경우, 90°나 270°위치에 있는 센서의 위상은 180°위치에 있는 내부 센서를 기준으로 측정된다.
힘 예측 유닛(22)이 수신하는 입력에는 적어도 다음 값들이 포함된다. (a) 타이어 측벽의 비틀림 변형으로 인한 두 센서(26, 28) 신호 사이의 위상 변화와 관련된 (그리고 바람직하게는 그 위상 변화를 나타내는) 위상차 입력. (b) 센서(26)와 측벽 사이에서 변하는 공기 간극의 길이와 관련된 (그리고 바람직하게는 그 길이를 나타내는) 외부 센서(26)로부터의 피크 진폭 입력. 더욱 바람직하게는, 힘 예측 유닛(22)이 (c) 차량 속력과 관련된 (그리고 바람직하게는 그 속력을 나타내는) 값(타이어의 반경에 의해 반전되고 스케일 조정된, SWT 센서 중 하나의 각 영역의 주기로부터 결정될 수 있음)과, (d) 외부 센서(26)로부터의 피크 진폭 신호와 내부 센서(28)의 피크 진폭 신호 사이의 차이에 관한 (그리고 바람직하게는 그 차이를 나타내는) 델타 입력도 추가 입력으로서 수신한다. 속력 입력은 더 높은 속력에서 원심력이 측벽에 미치는 효과와 더 낮은 속력에서 타이어에 미치는 완화 현상의 효과를 힘 예측 유닛이 고려하게 한다. 또한, 위상차 입력에 피크 진폭 입력을 곱한 값과 같은 몇몇 교차항들은 제곱 오차의 평균 합이 매우 낮은 상태로 힘 예측 유닛이 훈련되도록 한다. 따라서, 신경망 및 겹선형 방정식 세트와 같은 본발명에 따른 힘 예측 유닛은, 각 센서 쌍에 대한 하나의 위상차, 각 센서, 바람직하게는 쌍을 이루는 각 외부 센서에 대한 피크 진폭 입력, 속력 입력, 각 센서 쌍에 대한 델타 피크 입력, 그리고 각 센서 쌍에 대한 교차항(위상차 입력에 피크 진폭 입력을 곱한 값) 중 하나 이상을 입력받을 수 있으며, 무엇보다도, 센서 쌍들은 예측되는 힘 및/또는 토크에 따라 90°및/또는 135°및/또는 180°및/또는 270°에 위치한다.
이제 도 6과 도 7을 참조하면, 측방향 힘이 타이어(30)와 센서(26, 28) 사이의 위치 관계에 미치는 효과가 개략적으로 도시되어 있다. 타이어(30)와 림(70)은 자유롭게 구르는 상태는 점선으로, 측방향 힘의 영향을 받는 상태는 실선으로 도시하였다. 간략히 말하면, 측방향 힘은 센서(26, 28)와 타이어(30) 사이의 거리가 더 커지게 한다. 도 6에 도시된 힘과 방향이 반대인 측방향 힘은 센서(26, 28)와 타이어(30) 사이의 간격이 작아지게 한다. 이러한 간격 차이는 센서(26, 28)로부터의 신호의 진폭 변화로 반영된다.
앞의 두 단락에 개시되어 있는 SWT 센서에 대한 비교적 직관적인 개념상의 골격은 실제로는 매우 복잡한데, 왜냐하면 측방향 힘과 길이 방향 힘이 어느 정도 결합되어 있기 때문이다. 이는 도 8과 도 9에 도시되어 있다. 도 8은 (원주 방향 토크가 존재하는 상태에서) 정규화된 측방향 힘과 외부 SWT 센서(26)의 정규화된 진폭의 시간에 대한 플롯이다[실시예 1의 데이터 수집 섹션에 따라 Conti Sport Contact, 245/40 R18 자성 측벽 타이어로부터 MTS Model 860 트레드 마모기(MTS Systems Corporation이 시판 중임)로 수집한 데이터]. 도 8에 도시된 바와 같이,원주 방향 토크가 존재하는 상태에서, 외부 SWT 센서(26)의 정규화된 진폭은 측방향 힘의 예측 변수로서는 불량하다. 마찬가지로, 도 9는 (측방향 힘이 존재하는 상태에서) 정규화된 원주 방향 토크와, 두 SWT 센서(26, 28) 사이의 정규화된 위상 천이의 시간에 대한 플롯이다[실시예 1의 데이터 수집 섹션에 따라 Conti Sport Contact, 245/40 R18 자성 측벽 타이어로부터 MTS Model 860 트레드 마모기(MTS Systems Corporation이 시판 중임)로 수집한 데이터]. 도 9에 도시된 바와 같이, 측방향 힘이 존재하면, 두 SWT 센서(26, 28) 사이의 정규화된 위상차를 원주 방향 토크의 예측 변수로서 사용할 때 분명 교차항 오차가 생긴다.
본 발명은 이러한 결점들을 본 발명의 힘 예측 유닛(22)을 통해 극복하였으며, 그 힘 예측 유닛(22)은 양 SWT 센서(26, 28)로부터의 입력을 이용하여 타이어에 작용하는 원주 방향 토크와 측방향 힘을 결정한다.
본 발명의 힘 예측 유닛(22)의 제1 실시 형태에 따르면, 그 힘 예측 유닛(22)의 프로세서는 소프트웨어 방식이나 하드웨어 방식으로 신경망을 구현한다. 바람직하게는 그 신경망이 타이어에 작용하는 원주 방향 토크와 측방향 힘을 모두 결정하도록 구성되지만, 타이어에 작용하는 측방향 힘, 타이어에 작용하는 원주 방향 토크, 타이어에 작용하는 길이 방향 힘, 타이어에 작용하는 수직 방향 힘, 그리고 이들 중 하나 이상을 성분으로 갖는 힘 및/또는 토크 중 하나 이상의 임의의 조합 또는 순열을 결정하도록 구성될 수도 있다. 바람직하게는, 외부 SWT 센서(26)의 크기(진폭)와 두 SWT 센서(26, 28) 신호 사이의 위상차가 신경망에 입력되며, 원하는 파라미터가 출력이 된다. 더욱 바람직하게는, 외부 SWT 센서(26)로부터의 신호와 내부 SWT 센서(28)로부터의 신호의 크기(진폭) 차이가 추가 입력으로서 이용된다. 힘 예측 유닛(22)의 신경망은 다층 인식자(multilayer perceptron)인 것이 바람직하며, 입력층이 하나, 은닉층(예를 들면 노드가 5-20개임)이 하나, 그리고 출력층이 하나인 다층 인식자인 것이 더욱 바람직하다. 층 사이의 전달 함수로서는, 비선형의 쌍곡 탄젠트 S자형 전달 함수를 입력층과 은닉층 사이에 사용하고, 은닉층과 출력층 사이에는 전형 전달 함수를 사용하는 것이 바람직하다. 쌍곡 탄젠트 S자형 전달 함수는 다음과 같이 구현되는 것이 바람직하다.
여기서, n = W·p + b
W = 웨이트(weight)의 행렬
b = 바이어스값의 행렬
p = 입력값의 행렬
W·p는 행렬 곱을 나타냄.
예상되는 바와 같이, 힘 예측 유닛(22) 내의 신경망은 이전에 수집된 데이터를 이용하여 훈련되어야 한다. 도 10에 그러한 훈련이 예시되어 있는데, 도 10은 어떻게 이전에 수집된 데이터로 힘 예측 유닛(22) 내의 신경망을 훈련하는가를 전체적으로 보여주고 있는 흐름도(100)이다. 먼저, 102 단계에서 데이터를 수집한다. 일반적으로, 필요한 힘과 토크를 예컨대 계기식 허브(instrumented hub) 또는동력계로부터 원 SWT 센서 데이터와 함께 수집한다. 바람직한 실시 형태에 있어서, 타이어에 작용하는 원주 방향 토크와 측방향 힘과 원 SWT 센서 데이터는 MTS Model 860 트레드 마모기(MTS Systems Corporation이 시판 중임)를 사용하여 수집하며, 원주 방향 토크와 측방향 힘의 주파수가 상이한 소수이어서, 측정된 그리고 상호 작용하는 토크 및 힘의 전체 스펙트럼이 제공된다. 데이터는 예컨대 초당 대략 25,000 내지 1,000,000개의 샘플로, 전형적으로는 초당 50,000개의 샘플로 수집된다.
다음으로, 104 단계에서 사인 함수 형태의 원 SWT 센서 데이터를 처리하여 신경망에 대한 입력을 계산한다. 바람직한 실시 형태에 있어서, 원 SWT 센서 데이터의 피크와 영교차로부터 위상과 두 진폭이 계산된다. 보다 상세히 설명하면,
(a) 위상차는 다음과 같이 결정된다. (ⅰ) 모든 데이터로부터 평균값을 뺀다. (ⅱ) 각 피크 영역과 각 골 영역에서 그 피크 또는 골을 따라 다항식을 피팅한다. (ⅲ) 그 결과 얻는 다항식의 최대/최소를 결정한다(예컨대, 미분을 영으로 설정하여 수평 접선을 결정함으로써). (ⅳ) 한 신호의 피크/골의 시간을 다른 신호의 피크/골의 시간으로부터 뺀다. (ⅴ) 그 결과 얻게 되는 차이를 해당 "반주기"(이전의 피크/골로부터 그 골/피크까지의 시간)로 나누어 위상차를 차랑 속도로부터 독립시킨다.
(b) 외부 SWT 센서(26)로부터의 신호의 진폭을 다음과 같이 결정한다. (ⅰ) 센서(26)로부터의 모든 데이터에서 평균값을 뺀다. (ⅱ) 각 피크 영역과 각 골 영역에서 그 피크 또는 골을 따라 다항식을 피팅한다. (ⅲ) 그 결과 얻는 다항식의최대/최소를 결정한다(예컨대, 미분을 영으로 설정하여 수평 접선을 결정함으로써). (ⅳ) 처리된 신호를 정형화(rectification)한다(예컨대, 각 데이터 포인트의 절대값을 취함으로써). (ⅴ) 각 최대치에서 피팅된 다항식의 진폭을 그 신호의 진폭으로 사용한다.
(c) 두 SWT 신호 진폭 사이의 피크 차이를 다음과 같이 결정한다. (a) 내부 센서(28)로부터의 신호의 피크 진폭을 상기 (b) 단계에 따라 계산하여, 상기 (b)에서 결정된 바와 같은 외부 센서(26)로부터의 신호의 피크 진폭으로부터 뺀다.
센서로부터의 신호가 사인 함수의 속성을 갖는 것은 실제 센서 데이터 대신에 피팅된 다항식을 사용하는 것을 용이하게 한다. 또한, 피팅된 다항식을 위상 및 진폭 입력에 사용하는 것은 계산 오차를 일으킬 수 있는 어떠한 노이즈도 완화 또는 제거한다.
위상과 두 진폭을 계산하고 나면, 이들 입력치를 106 단계에서 다양한 교정 방법을 이용하여 교정한다. 예시적인 교정 방법은 다음과 같다. 원주당 남극이 48개, 북극이 48개 있도록 자화된 타이어의 경우, 내부 및 외부 SWT 센서의 신호는 주파수가 타이어 회전당 48 파장인, 즉 매 타이어 회전에 48개의 "피크" 진폭과 48개의 "골" 진폭이 있는 사인 함수파와 매우 유사하다. 그 신호에서 평균을 빼면, 각 회전마다 96개의 "영" 교차가 생긴다. 또한, 신호가 정형화되었을 때, 각 골을 피크로 돌리면 96개의 피크 진폭이 있게 된다. NumPoles는 타이어 원주 둘레의 북극과 남극의 개수를 의미한다. 따라서, 이 특정 타이어의 경우, NumPoles 파라미터는 96이다. 균일한 속도를 위해서, 즉 토크나 측방향 힘이 작용하지 않는 일정한 속력을 위해서, 영교차 사이의 시간차 또는 피크 진폭 사이의 시간차가 극 피치(pole pitch)를 정의한다. 극의 간격이 일정하면, 각 극 사이에 360도/96 = 3.75도 또는 2 Pi/96 = 0.0654 라디안이 있게 된다. 그러나, 실제로 특정 타이어에 대해 극 간격이 완전히 균일한 일은 거의 없다. 따라서, 96개의 극 간격값과 각각 관련된 오차가 다소 있다. 그러나, 이 오차는 기하학적 형상과 특정 타이어에 실시된 자화 공정에 기인한다. 각 극 간격값에 대한 오차는 타이어가 회전할 때마다 반복된다. 이들 오차는 극 피치값뿐만 아니라, 내부 SWT 센서 신호와 외부 SWT 센서 신호 사이의 위상차에도 영향을 준다. 타이어에 토크나 측방향 힘이 작용하지 않으면, 그러한 두 신호 사이의 위상차는 96개의 일정한 값으로 이루어진다. 따라서, 다음 방법을 이용하여 극 사이의 위상 오차를 교정할 수 있다.
먼저, (1) SWT 위상 데이터를 (토크나 측방향 힘이 없는) 일정한 속도에서 수집한다. 다음으로, (2) 상기 (1)에서 수집된 위상 데이터의 벡터로부터 영교차(또는 "평균" 교차)와 피크 및 골 진폭을 계산한다. 이어서, (3) 데이터를 정형화하여 골 진폭이 피크 진폭이 되게 한다. 그 후, (4) 벡터화된 데이터를 NumPoles 세트와 그 세트의 총체 평균 N으로 분할한다. 즉,
극의 개수123…k…NumPoles
1 세트p11p12p13…p1k…p1NumPoles
2 세트p21p22p23…p2k…p2NumPoles
……………………
j 세트pj1pj2pj3…pjk…p2NumPoles
N 세트pN1pN2pN3…pNk…pNNumPoles
평균ave1ave2ave3…ave4…aveNumPoles
다음으로, (5) 상기 총체 평균의 평균(전체 평균)을 계산한다. 이어서, (6) 그 전체 평균을 평균 벡터로부터 빼어 교정된 값의 벡터를 형성한다. 다음으로, (7) 교정된 값들을 다양한 토크와 힘의 영향 하에 수집된 데이터의 전체 행렬로부터 뺀다. 즉, 이전에 수집된 모든 데이터를 교정한다. 마지막으로, (8) 데이터 행렬을 벡터 형상으로 바꾼다.
대안으로서, (9) 상기 데이터는 이동 평균을 이용하여 필터링된 데이터일 수 있으며, 이 때 평균낸 점의 개수는 2 내지 NumPoles이다.
진폭 데이터도 곱셈식 오차 교정 루틴을 이용하여 유사한 방식으로 교정된다. 전술한 덧셈식 교정 오차 알고리즘에서 설명한 1 단계 내지 5 단계를 똑같이 실행하는데, 이들 단계를 SWT 진폭 데이퍼에 적용한다. 그러나, 6 단계에서는, 평균 벡터로부터 전체 평균을 빼는 대신, 전체 평균으로 평균 벡터를 나누어 교정된 값의 벡터를 형성한다. 7 단계에서, 전체 행렬에 상기 교정된 값의 벡터를 곱하여, 모든 진폭 데이터를 교정한다. 8 단계와 9 단계는 전술한 덧셈식 알고리즘과 마찬가지로 행한다.
다음으로, 108 단계에서 교정된 위상 데이터와 두 교정된 진폭을 정규화한다. 즉, 당업계에 알려져 있는 통상적인 기법으로 스케일 변환하여 -1 내지 +1의범위가 되게 한다.
그리고 나서, 110 단계에서 대규모 데이터 세트를 여러 세트로, 즉 훈련용 세트, 평가용 세트 및 시험용 세트로 분할한다.
다음으로, 112 단계에서 훈련용 데이터 세트를 사용하여 신경망을 훈련시킨다. 바람직하게는 공지된 초기 정지식 레벤베르크-마르쿠아트(Levenberg-Marquardt) 기법을 이용하여 신경망을 훈련시킨다. 통상적인 역전파(back-propagation)를 이용하여 신경망을 훈련시킬 수도 있지만, 수렴에 매우 긴 시간이 필요할 것이다. 바람직하게는 평가용 데이터 세트를 이용하여 평가 오차(제곱 오차의 평균 합)를 결정하며, 이 평가 오차를 사용하여 언제 신경망 훈련을 중단할 것인가를 결정함으로써 신경망이 적절하게 일반화되고 노이즈가 생기지 않게 한다. 더욱 바람직하게는, 평가 오차가 특정 반복 개수, 바람직하게는 5회를 향해 증가할 때까지 신경망을 훈련시킨다. 평가 오차가 증가하기 시작하기 직전의 훈련 반복으로부터의 웨이트(6회 반복 복귀)가 최종 웨이트로서 이용된다. 대안으로서, 훈련용 데이터 세트에 대한 제곱 오차의 평균 합이 0.0001 이하가 될 때까지 신경망을 훈련한다.
마지막으로, 116 단계에서 시험용 데이터 세트를 이용하여 웨이트를 시험하는데, 시험용 데이터 세트를 훈련된 신경망에 적용하고 제곱 오차의 평균 합을 계산함으로써 행한다. 만약 제곱 오차의 평균 합이 비교적 낮으면, 즉 바람직하게는 대략 0.0018의 크기이거나, 더욱 바람직하게는 0.0018보다 낮으면 웨이트가 이 마지막 시험을 통과한 것이다. 만약 제곱 오차의 평균 합이 비교적 높으면, 즉0.0018보다 훨씬 크면, 다른 신경망 구조, 예컨대 은닉된 뉴런이 더 많거나 더 적은 것, 추가의 은닉층이 있는 것 등을 사용해야 한다.
또한, 신경망 웨이트는 적어도 하나의 계기식 허브, 예컨대 GSE사가 시판 중인 Model 242 전자 부품 및 Model 6613 휠 센서를 구비한 차량으로부터 수집된 SWT 원 데이터와 힘 및 토크를 이용하여 평가 및 시험할 수 있다.
현재로서는, 타이어의 각 타입(예를 들면, Conti Sport Contact, P245/40 R18과 Ameri★G4S P205/70 R15와 Contitrac AW P275/65 R17을 비교)마다 정적 특성과 동적 특성이 다르므로, 각 타입별로 별도의 데이터 수집 및 훈련이 필요하다고 생각되고 있다. 또한, 동일한 타입의 타이어라도 특정 타이어에 소정의 변동이 있으면, 힘 예측 유닛(22)이 이용하는 개별적인 파라미터를 보증하기에 충분할 정도로 특성이 다를 수 있다. 따라서, 힘 예측 유닛(22) 내의 프로세서는, 차량(10)에 특정 타입의 자성 타이어(30) 또는 특정 타이어가 장착되었을 때 적절한 신경망 웨이트를 이용하기 위한 어떤 수단이 필요하다. 예를 들면, 힘 예측 유닛(22)은 복수 가지의 상이한 타이어 타입에 대해 복수 개의 미리 로딩된 웨이트, 다수의 층, 다수의 은닉된 노드 등을 가질 수 있으며, 이 경우 힘 예측 유닛(22)은 차량(10)에 어떤 타입의 타이어(30)가 장착되었는 가만 알면 된다. 힘 예측 유닛(22)은 여러 가지 방법으로 차량(10)에 장착된 타이어(30)의 타입을 알 수 있는데, 예를 들면 SWT 센서 중 하나가 타이어 측벽으로부터 직접 자기 코드(예컨대, 미리 선택된 일련의 자성 전이부로서, 타이어의 측벽에 매입된 바 코드 등의 형태)를 읽고, 타이어의 타입을 선정하는, 선택적인 연결이 가능한 컴퓨터 또는 인터페이스펜던트(interface pendant)와 같은 외부 장치(120)(도 2)와 통신함으로써, 힘 예측 유닛(22)이 적절한 웨이트, 층의 개수, 은닉된 노드의 개수 등을 차량에 장착된 타이어와 연관시킬 수 있다. 추가적으로, 또는 선택적으로, 힘 예측 유닛(22)은 웨이트, 층의 개수, 은닉된 노드의 개수 등과 같은 신경망 파라미터를 선택적 연결이 가능한 컴퓨터나 인터페이스 펜던트와 같은 외부 장치(120)(도 2)로부터 직적 또는 간접적으로 수신하기 위한 통신 회로를 구비할 수 있다.
그리고, 신경망은 웨이트를 실시간으로 최적화하기 위해 동적으로 훈련되는 것이 바람직하다. 실시간 최적화를 위해서는, 유효한 훈련용 데이터가 존재하는지 여부를 결정해야 한다. 유효한 SWT 센서 데이터는 차량에 위치하는 다양한 센서를 이용하여 결정될 수 있다. 예를 들면, ESP 시스템은 측방향 힘 가속도계를 구비한 것이 전형적이므로, 수집된 SWT 센서 데이터와 상호 연관된 측방향 힘 데이터를 측정하는 데에 사용할 수 있다. 또한, 엔진 토크 센서와 기타 센서를 이용하여, 수집된 SWT 센서 데이터와 상호 연관된 원주 방향 토크를 측정할 수 있다. 그러한 검증된 데이터는 신경망 웨이트를 최적화 또는 다른 방식으로 변경하기 위해 신경망을 재훈련하는 데에 이용될 수 있다.
도 11과, 다시 도 2를 참조하면, 일단 신경망이 훈련되고 힘 예측 유닛(22)이 웨이트, 층의 개수, 은닉된 노드의 개수 등을 장착된 타이어(30)에 로딩 및/또는 관련시키고 나면, 루틴(200)에 전체적으로 나타나 있는 바와 같이 힘 예측 유닛(22)이 타이어(30)에 작용하는 힘을 예측한다.
당업계에 알려져 있는 바와 같이, 시스템 초기화 후에 202 단계에서 데이터를 수집한다. 원 SWT 센서 데이터는 실시간 방식으로 수집된다. 원 센서 데이터는 예를 들면 초당 적어도 100,000 샘플의 비율로 수집되어 힘 예측 유닛(22) 내의 프로세서(예를 들면 DSP)로 입력된다. 대안으로서, 그리고 바람직하게는, 예컨대 신경망 내로 입력되는 CAN 프로토콜 통신 링크에 의해 힘 예측 유닛 내의 프로세서(예를 들면 DSP)로 송신되는 평균 교차(위상에 대한)와 피크 진폭을 결정하는 아날로그 회로에 의해 원 센서 데이터가 수집된다.
다음으로, 204 단계에서, 원 SWT 센서 데이터를 처리하여 신경망 입력값을 계산한다. 바람직한 실시 형태에 따르면, 아날로그 회로를 이용하여 원 SWT 센서 데이터의 피크와 영교차로부터 위상과 두 진폭이 계산된다. 예를 들면, 아날로그 회로는 위상 로킹식 로프(PLL)로 위상차를 결정할 수 있다. 아날로그 회로는 각 신호를 적분하고 피크값에서 유지한 후 피크값을 반환함으로써 양 SWT 센서(26, 28)로부터의 신호의 진폭을 결정할 수 있다. 이러한 위상과 양 진폭은 예를 들면 CAN 프로토콜 통신 링크에 의해 힘 예측 유닛 내의 프로세서로 송신된다. 그 프로세서는 한 피크를 다른 피크로부터 빼어서 두 SWT 신호 진폭 사이의 차이를 결정한다.
위상과 두 진폭을 계산한 후, 이들 입력값을 여러 교정 방법을 이용하여 206 단계에서 교정한다. 바람직하게는, 전술한 덧셈식 교정 알고리즘을 이용하여 위상 데이터를 교정한다. 바람직하게는, 전술한 곱셈식 오차 교정 알고리즘을 이용하여 양 진폭을 교정한다.
다음으로, 208 단계에서 위상 데이터와 두 진폭을 정규화한다. 즉, 도 10의 108 단계에서 데이터를 정규화하는 데에 이용되었던 정규화 파라미터를 사용하여, 당업계에 알려져 있는 통상적인 기법으로 -1 내지 +1이 되도록 스케일 조정한다.
마지막으로, 힘 예측 유닛(22)이 스케일 조정 및 교정된 데이터를 이용하여 예측 대상 힘을 결정한다. 일반적으로, 힘 예측 유닛(22)은, 타이어에 작용하는 측방향 힘, 타이어에 작용하는 원주 방향 토크, 타이어에 작용하는 길이 방향 힘, 타이어에 작용하는 수직 방향 힘, 그리고 이들 중 하나 이상을 성분으로 갖는 힘 및/또는 토크 중 하나 이상의 임의의 조합 또는 순열을 결정한다. 이러한 결정된 힘과 토크들을 본 명세서에서는 "예측"되었다고 한다. 바람직하게는, 힘 예측 유닛(22)은 타이어에 작용하는 예측된 원주 방향 토크를 결정한다. 바람직하게는, 힘 예측 유닛(22)은 타이어에 작용하는 예측된 측방향 힘을 결정한다. 더욱 바람직하게는, 힘 예측 유닛(22)은 타이어에 작용하는 측방향 힘과 타이어에 작용하는 예측된 원주 방향 토크를 결정한다.
마지막으로, 212 단계에서, 힘 예측 유닛(22)이 예측한 힘 및/또는 토크에 응답하는 액츄에이터(34)를 통해 제어 유닛(32)이 차량(20)의 동적 상태를 변화시킨다. 추가적으로, 또는 대안으로서, 제어 유닛은 디스플레이 유닛(도시하지 않았음) 상에 임의의 필요한 파라미터의 정성적인 또는 정량적인 디스플레이를 생성할 수 있다. 정량적인 디스플레이는 예측된 힘 및/또는 토크를 기준선 또는 임계치 힘 및/또는 토크와 비교한 후, 그 비교 결과에 기초하여 적절한 디스플레이를 표시함으로써 이루어질 수 있다. 정량적인 디스플레이는 예측된 힘 및/또는 토크 및/또는 그로부터 유도된 값의 수치 디스플레이일 수 있다.
본 발명의 힘 예측 유닛(22)의 제2 실시 형태에서는, 힘 예측 유닛(22)의 프로세서가 소프트웨어 방식이나 하드웨어 방식으로 겹선형 방정식을 구현한다. 바람직하게는 겹선형 방정식이 둘 존재하는데, 하나는 측방향 힘을 위한 것이고 나머지 하나는 원주 방향 토크를 위한 것이다. 그러나, 힘 예측 유닛(22)은 각각의 예측된 힘 또는 토크에 대해 겹선형 방정식을 하나씩 사용하여, 타이어에 작용하는 측방향 힘, 타이어에 작용하는 원주 방향 토크, 타이어에 작용하는 길이 방향 힘, 타이어에 작용하는 수직 방향 힘, 그리고 이들 중 하나 이상을 성분으로 갖는 힘 및/또는 토크 중 하나 이상의 임의의 조합 또는 순열을 결정하도록 구성될 수 있다. 바람직하게는, 외부 SWT 센서(26)의 크기(진폭)와 양 SWT 센서(26, 28)의 신호 사이의 위상차를 각 겹션헝 방정식에 이용한다. 더욱 바람직하게는, 외부 SWT 센서(26)로부터의 신호와 내부 SWT 센서(28)로부터의 신호 사이의 크기(진폭) 차이를 각 겹선형 방정식에 추가 변수로서 사용한다. 따라서, 겹선형 방정식은 다음 형태인 것이 바람직하다.
My= k1+ k2·p + k3·a + k4·d + k5·p·a
Fy= k6+ k7·p + k8·a + k9·d + k10·p·a
여기서,
p = 180도 위치에서의 SWT 위상(라디안)
a = 180도 위치에 있는 외부 센서(26)에서의 SWT 진폭(mm)
d = SWT 외부 진폭와 내부 진폭 사이의 차이(mm)
My= 원주 방향 토크(kN-m)
Fy= 측방향 힘(kN)
k1- k10= 겹선형 피팅으로부터 정해지는 상수
상기 k1- k10상수는 당업계에 알려져 있는 표준 다중 선형 회귀 기법을 이용하여 결정된다. 보다 구체적으로, 겹선형 방정식은 다음과 같이 결정된다. 먼저, 전술한 102 단계 내지 108 단계를 실행하여 교정되고 정규화된 데이터 세트를 얻는다. 그 후, MATLAB을 사용하여 다음과 같이 Y를 X로 회귀시켜 상기 k1- k10상수를 계산한다.
X = [one(n,1) X];
XTXI = inv(X'*X);
COEF = XTXI*X'*Y;
여기서,
n은 샘플의 개수,
X는 모든 위상 데이터, 진폭 데이터, 델타 데이터, 그리고 위상 * 진폭 데이터를 포함하는 행렬,
Y는 예상된 힘/토크의 벡터이다.
본 발명의 힘 예측 유닛의 겹선형 방정식 실시 형태를 이용하는 것은, 210단계에서 신경망이 아니라 겹선형 방정식을 이용하여 힘 및/또는 토크를 예측하는 것을 제외하고는 도 11의 흐름도와 동일하다.
비록 겹선형 방정식이 훈련된 신경망만큼 우수하지는 않지만(이하의 실시예를 참조하기 바람), 겹선형 방정식으로부터 얻은 예측은 어떤 상황에서는 충분하다.
전술한 힘과 토크 외에도, 본 발명은 차량 제어 시스템에 유용한 다양한 계한치를 유도 또는 결정하는 데에 적용될 수 있다. 예를 들면, 본 발명에 의해 결정된 Fx, Fy및 Fz로부터 마찰 계수를 계산할 수 있다(예컨대, Fz/Fy및 Fz/Fx를 이용하여). 다른 예로서, 본 발명에 의해 결정된 요우 모멘트와 관련된 적절한 각비율 또는 각속도를 계산하기 위하여 예측된 힘 방정식을 적분하는 것을 포함하는, 적절한 차량의 동역학적 방정식을 풀어서 차량의 요우 레이트를 결정할 수 있다.
실시예 1 - 신경망
먼저, 미국 특허 제5,895,854호 및 공동 계속중인 미국 특허 출원 제09/347,757호에 기재되어 있는 방법에 준하여, 경화하기 전에 200 phr(백당부)의 스트론튬 페라이트 분말을 측벽에 매입시킨 상태로 Conti Sport Contact 245/40 R18 자성 측벽 타이어를 준비하였다. 48개의 북극과 48개의 남극이 번갈아 위치하는 96개의 전자석을 사용하여 매입된 스트론튬 페라이트를 자기 포화점까지 자화시켰다. 이어서, 다음과 같은 방법으로 상기 Conti Sport Contact 타이어를 MTS Model 860 트레드 마모기(MTS System사가 시판중임)에 장착하였다. 즉, 자성 측벽타이어를 정밀 림(rim)에 장착하였다. 두 쌍의 SWT 센서(필립스사의 KMZ10A 내자성 센서)를 MTS 머신에 고정되어 있는 스트럿에 장착하는데, 한 내부 및 외부 센서 쌍은 180°에, 또 다른 내부 및 외부 센서 쌍은 90°에 장착하였으며, 각 센서 쌍은 정지해 있는 타이어의 측벽의 표면으로부터 대략 12.5 mm에 위치한 도 4 및 도 5에 도시된 브래킷을 이용한다.
Conti Sport Contact 타이어를 MTS Model 860 트레드 마모기에 장착하고, 측방향 힘(Fy)과 토크(My)를 도 12에 도시된 바와 같이 사인 함수형으로 변화시켰는데, 측방향 힘은 0.1667 Hz에서 사인 함수형으로 변화시키고, 토크는 0.100 Hz에서 사인 함수형으로 변화시켰다. 이 타이어를 50 마일/시의 고정된 시뮬레이션 속력으로 회전시켰다.
이 상황에서, 30초(750,000 샘플)의 데이터, 즉 타이어에 작용하는 원주 방향 토크, 측방향 힘, 수직 방향 힘, 팽창 압력, 그리고 원 SWT 센서 데이터를 초당 25,000 샘플로 수집하였다.
다음으로, 원 SWT 센서 데이터를 처리하여, 그 원 SWT 센서 데이터의 피크와 영교차로부터 신경망 입력값, 즉 두 센서 신호 사이의 위상차(라디안), 외부 센서(26)로부터의 신호의 진폭(mm), 그리고 두 센서(26, 28)의 진폭 차이(mm)를 계산하였다. 보다 구체적으로는, 전술한 다항식 피팅법을 이용하여 위상차를 결정하고, 전술한 다항식 피팅의 피크를 이용하여 외부 SWT 센서(26)로부터의 신호의 진폭을 결정하였으며, 전술한 다항식 피팅을 이용하여 발견된 피크 사이의 차이를 이용하여 두 SWT 신호 진폭 사이의 차이를 결정하였다.
위상과 두 진폭을 계산한 후, 이들 입력값을 전술한 덧셈식 교정 알고리즘을 이용하여 교정하고, 양 진폭은 전술한 곱셈식 오차 교정 알고리즘을 이용하여 교정하였다.
다음으로, 위상 데이터와 두 진폭을 정규화하였다. 다시 말하면, 각 파라미터에 대해 최소값으로부터 최대값을 빼고, 최소값으로 나눈 후, 그 결과값을 각 데이터 세트와 곱함으로써, -1 내지 +1이 되도록 스케일 조정하였다.
이어서, 대규모 데이터를 세 세트로, 즉 훈련용 세트와 평가용 세트 및 시험용 세트로 분할하였다.
다음으로, 신경망의 구체적인 구조를 선택하였다. 이 실시예에서는, 도 13에 도시된 바와 같이 은닉된 노드가 아홉 있는 단일의 은닉층을 이용하였다. 입력값과 은닉층 사이에 쌍곡 탄젠트 S자형 함수를 사용하였다. 은닉층과 출력값 사이에는 선형 함수를 사용하였다. 도 13의 세 입력값에 있는 "180"(위상 180, 진폭 180 외측, 그리고 진폭 델타 180)은 센서(26, 28)가 타이어의 "12시" 위치, 즉 차량에서 보았을 때 타이어 측벽 꼭대기에 장착되어 데이터가 "12시" 위치로부터 수집된다는 것을 의미한다. 90°데이터는 수직 방향 힘(Fz)을 결정하는 데에 사용될 수 있다.
다음으로, 훈련용 데이터 세트와 이하의 Matlab 신경망 객체를 이용하여Matlab으로 신경망 훈련을 실시하였다.
초기 정지식 레벤베르크-마르쿠아트 기법을 이용하여 Matlab으로 신경망을 훈련시켰다. 보다 구체적으로는, 104 에포크(epoch)에서 평가 정지(5회의 연속 에포크 동안 증가한 평가 세트 오차)가 일어날 때까지 신경망을 훈련시켰다. 99 에포크에서 훈련용 세트의 제곱 오차의 평균 합은 0.00176이었다. 99 에포크에서 평가용 세트의 제곱 오차의 평균 합은 0.00178이었다.
이 절차를 사용하여, 입력값과 은닉층 사이의 웨이트가 다음과 같이 결정되었다.
Phase 180 Amp 180 Out AmpDelta 180
H1 7.5750 -0.3542 0.1623
H2 5.1831 -7.7037 -0.7410
H3 -2.4434 5.5960 0.8778
H4 -0.1242 0.9222 -1.3954
H5 5.4329 -7.8189 -1.0483
H6 -0.1375 0.6883 -0.3193
H7 5.6597 3.0346 -0.9307
H8 0.8117 1.3816 -0.5938
H9 1.0578 -1.2053 1.1388
또한, 은닉층과 출력값 사이의 웨이트가 다음과 같이 결정되었다.
H1 H2 H3 H4 H5 H6 H7 H8 H9
My -0.2718 0.2565 -0.0748 0.2405 -0.2624 -1.2731 0.2896 0.6869 0.7063
Fy 0.5201 -1.3359 0.0085 -1.0817 1.3245 4.5544 -0.1567 -0.1339 0.1094
입력값과 은닉층 사이의 바이어스 웨이트가 다음과 같이 결정되었다.
H1 -7.8421
H2 -0.9515
H3 1.5128
H4 -0.1678
H5 -0.9816
H6 -0.78931
H7 -4.8751
H8 0.3697
H9 0.5579
마지막으로, 은닉층과 출력값 사이의 바이어스 웨이트가 다음과 같이 결정되었다.
My -1.2825
Fy 3.2547
이들 특정 웨이트들은 유효한 것으로 간주되는데, 왜냐하면 훈련용 세트와 평가용 세트 및 시험용 세트가 모두 제곱 오차의 평균 합이 0.002 미만(모두 대략 0.00178)이기 때문이다.
도 14와 도 15에는 예측치가 평가용 세트의 측정된 데이터에 근접해 있음을 보여주는 그래프가 도시되어 있다. 이들 웨이트를 이용하면, 신경망에 의해 예측된 측방향 힘이 평가용 세트의 측정된 측방향 힘과 매우 근접해 있다. 마찬가지로, 신경망에 의해 예측된 원주 방향 토크도 평가용 세트의 측정된 원주 방향 토크와 매우 근접해 있다.
실시예 2 - 겹선형 방정식
이 실시예에서는, 실시예 1의 데이터를 이용하여 한 쌍의 겹선형 방정식을 결정함으로써 측방향 힘과 원주 방향 토크를 예측하였다.
두 방정식의 상수들은 다중 선형 최소 자승 회귀 기법을 이용하여 Matlab으로 계산하였다.
전술한 절차를 이용하여, 측방향 힘과 원주 방향 토크를 예측하기 위해 다음과 같은 겹선형 방정식을 결정하였다.
My= -5.9835 + 7.4571p - 0.7741a + 0.3313d + 0.7102p·a
Fy= -39.6433 + 7.7312p + 6.2483a + 9.7848d - 2.8222pxa
여기서,
P = 180도 위치에서의 SWT 위상(라디안)
a = 180도 위치에서의 외부 센서(26)의 SWT 진폭(mm)
d = SWT 외부 및 내부 진폭 사이의 차이(mm)
My= 원주 방향 토크(kN-m)
Fy= 측방향 힘(kN)
도 16과 도 17은 예측이 평가용 세트의 측정된 데이터에 근접해 있음을 보여주는 그래프이다. 이들 겹선형 방정식을 이용하면 예측된 측방향 힘이 평가용 세트의 측정된 측방향 힘과 근접하게 된다. 마찬가지로, 예측된 원주 방향 토크도 평가용 세트의 측정된 원주 방향 토크에 근접해 있다. 비록 겹선형 방정식에 의한 예측이 신경망에 의한 예측만큼 근접하지는 않지만, 도 14 내지 도 17의 검사에서 알 수 있는 바와 같이 겹선형 방정식은 여러 용도에 유용하게 사용될 수 있는 비교적 정확한 예측을 제공한다. 또한, 예측치와 측정치 간의 최대 편차는 힘이나 토크가 작용하지 않을 때 생기는 것으로 보인다.
실시예 3 - 신경망
미국 특허 제5,895,854호 및 공동 계속중인 미국 특허 출원 제09/347,757호에 기재되어 있는 방법에 준하여, 경화하기 전에 200 phr(백당부)의 스트론튬 페라이트 분말을 측벽에 매입시킨 상태로 Contitrac AW P275/65 R17 자성 측벽 타이어를 준비하였다. 48개의 북극과 48개의 남극이 번갈아 위치하는 96개의 전자석을 사용하여 매입된 스트론튬 페라이트를 자기 포화점까지 자화시켰다.
이어서, 다음과 같은 방법으로 상기 Contitrac AW P275/65 R17 타이어를 MTS Model 860 트레드 마모기(MTS System사가 시판중임)에 장착하였다. 즉, 자성 측벽 타이어를 정밀 림에 장착하였다. 두 쌍의 SWT 센서(필립스사의 KMZ10A 내자성 센서)를 MTS 머신에 고정되어 있는 스트럿에 장착하는데, 한 내부 및 외부 센서 쌍은 180°에, 또 다른 내부 및 외부 센서 쌍은 90°에 장착하였으며, 각 센서 쌍은 정지해 있는 타이어의 측벽의 표면으로부터 대략 12.5 mm에 위치한 도 4 및 도 5에 도시된 브래킷을 이용한다.
Contitrac AW P275/65 R17 타이어를 MTS Model 860 트레드 마모기에 장착하고, 측방향 힘(Fy)과 토크(My)를 실시예 1에서와 같이 사인 함수형으로 변화시켰는데, 측방향 힘은 0.15 Hz에서 사인 함수형으로 변화시키고, 토크는 0.100 Hz에서 사인 함수형으로 변화시켰다. 이 타이어를 50 마일/시의 고정된 시뮬레이션 속력으로 회전시켰다.
이 상황에서, 20초(500,000 샘플)의 데이터, 즉 타이어에 작용하는 원주 방향 토크, 측방향 힘, 수직 방향 힘, 팽창 압력, 그리고 원 SWT 센서 데이터를 초당 25,000 샘플로 수집하였다.
다음으로, 원 SWT 센서 데이터를 처리하여, 신경망에 대한 여덟 가지 입력값을 계산하였다. 즉, (1) 두 180°센서 신호 사이의 위상차(라디안)(Phase 180),(2) 외부 180°센서로부터의 신호의 진폭(mm)(Amp 180 Out 또는 Amp 180), (3) 두 180°센서 사이의 진폭 차이(mm)(AmpDelta 180 또는 Delta 180), (4) 두 90°센서 신호 사이의 위상차(라디안)(Phase 90), (5) 외부 90°센서로부터의 신호의 진폭(mm)(Amp 90 Out 또는 Amp 180), (6) 두 90°센서 사이의 진폭 차이(mm)(AmpDelta 90 또는 Delta 90), (7) Phase 180 x Amp 180 Out(교정 루틴 실행후), 그리고 (8) Phase 90 x Amp 90 Out(교정 루틴 실행후)을 원 SWT 센서 데이터의 피크와 영교차로부터 계산하였다. 보다 구체적으로 말하면, 전술한 다항식 피팅법을 이용하여 위상차를 결정하고, 전술한 다항식 피팅의 피크를 이용하여 외부 SWT 센서로부터의 신호의 진폭를 결정하며, 전술한 다항식 피팅을 이용하여 발견된 피크 사이의 차이를 이용하여 두 신호 진폭 사이의 차이를 결정하였다.
여덟 위상과 두 진폭을 계산한 후, 전술한 덧셈식 교정 알고리즘을 이용하여 이들 입력값을 교정하고, 전술한 곱셈식 오차 교정 알고리즘을 이용하여 양 진폭을 교정하였다.
다음으로, 여덟 입력값을 정규화하였다. 다시 말하면, 각 파라미터에 대해 최소값으로부터 최대값을 빼고, 최소값으로 나눈 후, 그 결과값을 각 데이터 세트와 곱함으로써, -1 내지 +1이 되도록 스케일 조정하였다.
이어서, 대규모 데이터를 세 세트로, 즉 훈련용 세트와 평가용 세트 및 시험용 세트로 분할하였다.
다음으로, 신경망의 구체적인 구조를 선택하였다. 이 실시예에서는, 은닉된 노드가 16개 있는 단일의 은닉층을 이용하였다. 입력값과 은닉층 사이에 쌍곡 탄젠트 S자형 함수를 사용하였다. 은닉층과 출력값 사이에는 선형 함수를 사용하였다.
다음으로, 훈련용 데이터 세트와 이하의 Matlab 신경망 객체를 이용하여 Matlab으로 신경망 훈련을 실시하였다.
초기 정지식 레벤베르크-마르쿠아트 기법을 이용하여 Matlab으로 신경망을 훈련시켰다. 보다 구체적으로는, 81 에포크(epoch)에서 평가 정지(5회의 연속 에포크 동안 증가한 평가 세트 오차)가 일어날 때까지 신경망을 훈련시켰다. 76 에포크에서 훈련용 세트의 제곱 오차의 평균 합은 0.00023이었다. 76 에포크에서 평가용 세트의 제곱 오차의 평균 합은 0.0003이었다.
이 절차를 사용하여, 입력값과 은닉층 사이의 웨이트가 다음과 같이 결정되었다.
Amp 180 Amp 180 Delta 180 Phase 90 Amp 90 Delta 90 pxA 180 pxA 90
H1 -3.1924 0.1511 -0.2810 0.0578 -2.4559 1.3095 2.6048 -0.1632
H2 0.2276 0.1292 0.0095 -0.0452 -0.1124 0.1021 -0.5314 0.0715
H3 4.0264 -2.7292 6.4593 -1.7411 -0.9765 0.2611 -4.0561 1.8814
H4 -3.4893 1.6882 -0.4483 -0.5887 -0.6309 -0.4819 3.8759 0.3948
H5 0.1973 0.0347 -0.3096 0.2210 -0.4999 0.5343 -0.4009 -0.0815
H6 -0.3868 -1.3459 1.1311 -0.2410 3.6300 -2.9317 0.7292 0.3695
또한, 은닉층과 출력값 사이의 웨이트가 다음과 같이 결정되었다.
H1 H2 H3 H4 H5 H6
My -0.1101 -3.4672 0.0003 0.0521 0.5608 0.9396
Fy -0.0784 3.3440 0.0104 -0.5603 -3.7565 0.1112
Fz -4.7038 8.4356 0.3594 1.6993 11.3365 5.3866
입력값과 은닉층 사이의 바이어스 웨이트가 다음과 같이 결정되었다.
H1 1.4653
H2 0.3718
H3 -1.3782
H4 0.5840
H5 0.2758
H6 0.7870
마지막으로, 은닉층과 출력값 사이의 바이어스 웨이트가 다음과 같이 결정되었다.
My 0.7171
Fy -0.399
Fz -6.2700
이들 특정 웨이트들은 유효한 것으로 간주되는데, 왜냐하면 훈련용 세트와 평가용 세트 및 시험용 세트가 모두 제곱 오차의 평균 합이 0.002 미만(모두 대략 0.0003 이하)이기 때문이다.
도 18 내지 도 20에는 예측치가 평가용 세트의 측정된 데이터에 근접해 있음을 보여주는 그래프가 도시되어 있다. 이들 웨이트를 이용하면, 신경망에 의해 예측된 수직 방향 힘, 측방향 힘, 그리고 원주 방향 토크가 평가용 세트의 측정된 값들과 거의 동일하다.
실시예 4 - 겹선형 방정식
이 실시예에서는, 실시예 2의 데이터를 사용하여, 수직 방향 힘과 측방향 힘, 및 원주 방향 토크를 예측하기 위한 겹선형 방정식을 결정하였다.
두 방정식의 상수들은 다중 선형 최소 자승 회귀 기법을 이용하여 Matlab으로 계산하였다.
전술한 절차를 이용하여, 수직 방향 힘과 측방향 힘 및 원주 방향 토크를 예측하기 위한 겹선형 방정식을 다음과 같이 결정하였다.
Fy= -12.9336 + -11.9139 p180 - 4.4413 a180 + 9.9952 d 180 - 5.7197 p90 - 5.5416 d90 + 0.1871 (p180 x a 180) + 0.0676 (p90 x a90)
Fz= 8.6908 - 79.1627 p180 - 1.1944 a180 + 1.4968 d180 + 10.8531 p90 + 1.2659 a90 + 0.0597 d90 + 3.5677 (p180 x a180) + 0.7880 (p90 x a90)
My= -0.9059 + 6.5357 p180 -0.6891 a180 + 1.6094 d180 + 0.0920 p90 + 0.4191 a90 - 0.6654 d90 + 0.3710 (p180 x a180) -0.0027 (p90 x a90)
여기서,
p180 = 180도 위치에서의 SWT 위상(라디안)
a180 = 180도 위치에서의 외부 센서의 SWT 진폭(mm)
d180 = 180도 위치에서의 SWT 외부 및 내부 진폭 사이의 차이(mm)
p90 = 90도 위치에서의 SWT 위상(라디안)
a90 = 90도 위치에서의 외부 센서의 SWT 진폭(mm)
d90 = 90도 위치에서의 SWT 외부 및 내부 진폭 사이의 차이(mm)
Fy= 측방향 힘(kN)
Fz= 수직(법선) 방향 힘(kN)
My= 원주 방향 토크(kN-m)
도 22 내지 도 24에는 예측치가 평가용 세트의 측정된 데이터에 근접해 있음을 보여주는 그래프가 도시되어 있다. 이들 겹선형 방정식을 이용하면, 예측된 수직 방향 힘과 측방향 힘 및 원주 방향 힘이 측정치에 매우 근접해 있다. 비록 겹선형 방정식에 의한 예측이 신경망에 의한 예측만큼 근접해 있지는 않더라도, 추가의 센서 쌍으로 인해, 이 실시예의 겹선형 방정식은 많은 용도에 유용하게 사용될 수 있는 매우 정확한 예측을 제공한다.
추가적인 실시예를 부록 1로서 첨부하였으며, 본 명세서에 참고로 인용한다.
다시 도 2를 참조하면, 전술한 바와 같이, 본 발명의 혜택을 받는 예시적인 제어 유닛(32)은 ABS 제어 유닛, 트랙션 제어 시스템(TCS) 제어 유닛, 전자식 안정성 제어(ESC) 제어 유닛, 일체식 차량 동역학(IVD) 제어 유닛, 로킹식 차동 제어 유닛, 서스펜션 제어 유닛, 브레이크 보조식 제어 유닛, 지능형 운항 제어 유닛, 조향 보조식 제어 유닛, 가스 방출 제어 유닛, 항법 제어 유닛, 전복 방지 제어 유닛, 그리고 와이어 제동식 제어 유닛을 포함하지만, 그에 제한되지는 않는다.
ABS 제어 유닛은 본 발명으로부터 적어도 두 가지 방식으로 혜택을 얻는다. 먼저, 본 발명은 ABS 채터링을 감소시키는 데에 이용될 수 있다. ABS 채터링은 미끄럼 데이터의 속성으로부터 생기는 것이 전형적이다. 본 발명에 의해 제공되는 힘 데이터는 미끄럼 데이터보다 매끄럽다. 따라서, 본 발명에 따라 획득한 힘 데이터를 이용하는 ABS 제어기는 채터링이 적어진다.
또한, 본 발명에 의해 예측되는 측방향 힘을 이용하면 ABS 제어 유닛이 더 안전해질 수 있다. 도 18을 참조하면, 다양한 조향 각도(α)에 있는 일련의 μ-미끄럼 곡선이 도시되어 있다. 측방향 힘을 일으키지 않는 조향은 없다.200곡선은 조향 각도가 0일 때, 즉 측방향 힘이 작용하지 않을 때의 길이 방향 힘(즉, 제동력)을 보여주는 전형적인 μ-미끄럼 곡선이다. 이200곡선에 나타난 바와 같이, 그리고 당업자라면 알 수 있는 바와 같이 200 곡선의 피크는 대략 13% 미끄러진202지점에 있다. 역시 당업자라면 알 수 있듯이, ABS 제어 유닛은 대략 10% 미끄러졌을 때 피크 제동력을 제공하기 위해 미끄럼을 제어하려고 작동하는 것이 바람직하다.
조향 운동은 타이어를 회전시키며, 따라서 타이어에 측방향 힘이 작용하게 된다. 도 18의210곡선과220곡선은 조향 각도가 각각 5 및 10일 때의 길이 방향 힘(Fx)을 보여주는 μ-미끄럼 곡선이다. 이에 상응하는 측방향 힘(Fy)도 도시되어 있다.210곡선의 피크는 대략 20% 미끄러진212지점에 있고,220곡선의 피크는 대략 32% 미끄러진222지점에 있다. 즉, 조향 조작에 의해 타이어에 가해진 측방향 힘은 μ-미끄럼 곡선의 피크를 이동시킨다.
이것의 효과는 명백하다. 측방향 힘을 검출할 수 없는 ABS 제어 유닛은 대략 10% 정도 미끄러졌을 때 미끄럼을 제어하려고 하게 되며, 이는 조향 작동이 없는 한 최대 제동력에 대해서 효과적이다. 따라서, 조향 조작은 측방향 힘을 검출할 수 없는 ABS 제어 유닛을 혼동시켜, 최대 제동력을 일으키지 못하게 한다.
반면에, 본 발명의 힘 예측 유닛(22)으로부터 예측된 측방향 힘을 받아들이도록 변형된 (또는 동일한 프로세서로 구현된) ABS 제어기(32)는 예측된 측방향 힘에 따라 미끄럼 제어 지점을 변화시켜 최대 제동력을 제공할 수 있다. 예를 들면, 힘 제어 유닛(22)으로부터의 예측된 측방향 힘에 기초하여 μ-미끄럼 곡선이나 기타 제어 파라미터를 선택하도록 ABS 제어 유닛(32)을 변형할 수 있다. 도 18과 관련하여, 첫번째의 예측된 측방향 힘은210곡선의 사용을 촉발시키는 데에 이용되고, ABS 제어 유닛(32)은 대략212지점에서 미끄럼을 제어하여 최대 제동력을 제공하게 된다. 첫번째와는 다른 더 큰 예측된 측방향 힘은220곡선의 사용을 촉발시키는 데에 이용되며, 그리고 나면 ABS 제어 유닛(32)은 대략222지점에서 미끄럼을 제어하여 최대 제동력을 제공하게 된다. 어느 순간에 측방향 힘의 예측을 바꾸더라도 다음 순간에 사용되는 μ-미끄럼 곡선이 변하게 된다. 비록 이 실시예에서는 μ-미끄럼 곡선을 셋만 예시하였지만, 당업자라면 더 많은 곡선을 이용하거나, ABS 제어 유닛(32)이 측방향 힘[또는 힘 결정 유닛(22)에 의해 결정되는 일부 다른 파라미터]을 방정식 또는 방정식 세트에 이용하여, 예측되는 측방향 힘에 따라 미끄럼 제어 지점을 변화시킬 수 있다는 것을 이해할 것이다.
비록 실시 형태들을 설명함으로써 본 발명을 예시하였고 실시 형태들을 상당히 자세하게 설명하였지만, 본 출원인의 의도는 후술하는 청구범위의 범위를 그렇게 상세하게 제한하거나 어떠한 방식으로도 한정하려는 것이 아니다. 당업자라면 추가적인 잇점과 변형이 명백할 것이다. 예를 들면, 본 명세서에서 설명한 SWT 센서는 아날로그 전류를 출력하지만, 대안으로서, 주파수 영역에서 출력하는 센서를 본 발명의 교시에 따라 이루어진 시스템에 사용할 수 있다. 또한, 본 명세서에 기재된 SWT 센서는 자기 센서이지만, 본 발명의 교시에 따라 이루어진 시스템에는 다른 측벽 비틀림 센서를 사용할 수 있다. 따라서, 가장 넓은 양태에 있어서, 본 발명은 본 명세서에 예시하고 설명한 특정 세부 사항, 대표적인 장치 및 밥법, 그리고 예시적인 실시예에 제한되지 않는다. 따라서, 본 발명의 전체적인 발명 관념의 정신 또는 범위를 벗어나지 않으면서 그러한 세부 사항들을 변형할 수 있다.

Claims (42)

  1. 타이어 변형 센서 및 하나 이상의 다른 센서와 회로 통신하도록 배치되어 상기 타이어 변형 센서로부터 타이어 변형 입력을 받고 상기 하나 이상의 다른 센서로부터 하나 이상의 다른 타이어 센서 입력을 받는 힘 예측 유닛을 구비하고, 이 힘 예측 유닛은 상기 타이어 변형 입력 및 상기 하나 이상의 다른 타이어 센서 입력을 받는 미리 프로그램된 프로세서를 포함하며, 상기 힘 예측 유닛은 적어도 타이어 변형 입력 및 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 원주 방향 토크 또는 길이 방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터로부터 결정된 상수를 갖는 미리 프로그램된 방정식을 구현하는 것이 특징인 차량 제어 시스템.
  2. 제1항에 있어서, 상기 힘 예측 유닛의 미리 프로그램된 프로세서는 적어도 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 원주 방향 토크 또는 길이 방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터로 훈련된 신경망을 구현하는 코드를 실행하는 것인 차량 제어 시스템.
  3. 제1항에 있어서, 상기 힘 예측 유닛의 미리 프로그램된 프로세서는 적어도 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 원주 방향 토크 또는 길이 방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터로 훈련된 다층 신경망을 구현하는 코드를 실행하며, 상기 다층 신경망은 입력층과 하나 이상의 은닉층 및 출력층을 구비하는 것인 차량 제어 시스템.
  4. 제3항에 있어서, 상기 미리 프로그램된 프로세서는 상기 입력층과 상기 하나 이상의 은닉층 사이에 쌍곡 탄젠트 S자형 전달 함수 형태의 방정식을 구현하며, 상기 미리 프로그램된 프로세서는 상기 은닉층과 상기 출력층 사이에 선형 함수 형태의 방정식을 구현하는 것인 차량 제어 시스템.
  5. 제1항에 있어서, 상기 힘 예측 유닛의 미리 프로그램된 프로세서는 적어도 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 원주 방향 토크 또는 길이 방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터의 다중 선형 최소 자승법에 의한 회귀 분석법을 사용하여 결정된 상수를 사용하는 방정식을 구현하는 코드를 실행하는 것인 차량 제어 시스템.
  6. 제5항에 있어서, 상기 힘 예측 유닛의 미리 프로그램된 프로세서에 의하여 구현되는 방정식은 겹선형 방정식인 것인 차량 제어 시스템.
  7. 제1항에 있어서, 상기 타이어 변형 입력과 상기 하나 이상의 다른 센서 입력은 (a) 2개 이상의 센서 사이의 위상차와 관련되고 타이어의 비틀림 변형을 나타내는 위상 입력과, (b) 타이어 측벽과 상기 타이어 변형 센서 사이의 거리와 관련되고 타이어에 작용하는 힘을 나타내는 진폭 입력을 포함하며, 상기 미리 프로그램된 프로세서는 상기 위상 입력과 진폭 입력을 입력으로 받아들여 상기 타이어에 작용하는 예측된 원주 방향 토크 또는 길이 방향 힘에 해당하는 하나 이상의 출력을 결정하는 것인 차량 제어 시스템.
  8. 제2항에 있어서, 상기 타이어 변형 입력과 상기 하나 이상의 다른 센서 입력은 (a) 2개 이상의 센서 사이의 위상차와 관련되고 타이어의 비틀림 변형을 나타내는 위상 입력과, (b) 타이어 측벽과 상기 타이어 변형 센서 사이의 거리와 관련되고 타이어에 작용하는 힘을 나타내는 진폭 입력을 포함하며, 상기 미리 프로그램된 프로세서는 상기 위상 입력과 진폭 입력을 입력으로 받아들여 상기 타이어에 작용하는 예측된 원주 방향 토크 또는 길이 방향 힘에 해당하는 하나 이상의 출력을 결정하는 것인 차량 제어 시스템.
  9. 제6항에 있어서, 상기 타이어 변형 입력과 상기 하나 이상의 다른 센서 입력은 (a) 2개 이상의 센서 사이의 위상차와 관련되고 타이어의 비틀림 변형을 나타내는 위상 입력과, (b) 타이어 측벽과 상기 타이어 변형 센서 사이의 거리와 관련되고 타이어에 작용하는 힘을 나타내는 진폭 입력을 포함하며, 상기 겹선형 방정식은 상기 타이어에 작용하는 예측된 원주 방향 토크 또는 길이 방향 힘에 해당하는 하나 이상의 출력을 결정하기 위한 하나 이상의 위상 입력과 진폭 입력의 함수인 것인 차량 제어 시스템.
  10. 제1항 내지 제9항 중 어느 하나의 항에 있어서, 상기 타이어 변형 센서는 자성 타이어 측벽 비틀림(SWT) 센서로 구성되며, 이 SWT 센서는 타이어의 측벽에 인접하게 위치하고 교번 자극으로 자화된 자기 센서를 포함하는 것인 차량 제어 시스템.
  11. 타이어 변형 센서 및 하나 이상의 다른 센서와 회로 통신하도록 배치되어 상기 타이어 변형 센서로부터 타이어 변형 입력을 받고 상기 하나 이상의 다른 센서로부터 하나 이상의 다른 타이어 센서 입력을 받는 힘 예측 유닛을 구비하고, 이 힘 예측 유닛은 상기 타이어 변형 입력 및 상기 하나 이상의 다른 타이어 센서 입력을 받는 미리 프로그램된 프로세서를 포함하며, 상기 힘 예측 유닛은 적어도 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 측방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터로부터 결정된 상수를 갖는 미리 프로그램된 방정식을 구현하는 것이 특징인 차량 제어 시스템.
  12. 제11항에 있어서, 상기 힘 예측 유닛의 미리 프로그램된 프로세서는 적어도 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 측방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터로 훈련된 신경망을 구현하는 코드를 실행하는 것인 차량 제어 시스템.
  13. 제11항에 있어서, 상기 힘 예측 유닛은 적어도 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 측방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터로 훈련된 다층 신경망을 구현하는 코드를 실행하며, 상기 다층 신경망은 입력층과 하나 이상의 은닉층 및 출력층을 구비하는 것인 차량 제어 시스템.
  14. 제13항에 있어서, 상기 미리 프로그램된 프로세서는 상기 입력층과 상기 하나 이상의 은닉층 사이에 쌍곡 탄젠트 S자형 전달 함수 형태의 방정식을 구현하며, 상기 미리 프로그램된 프로세서는 상기 은닉층과 상기 출력층 사이에 선형 함수 형태의 방정식을 구현하는 것인 차량 제어 시스템.
  15. 제11항에 있어서, 상기 힘 예측 유닛의 상기 미리 프로그램된 프로세서는 상기 힘 예측 유닛은 적어도 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 측방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터의 다중 선형 최소 자승법에 의한 회귀 분석법을 사용하여 결정된 상수를 사용하여 방정식을 구현하는 코드를 실행하는 것인 차량 제어 시스템.
  16. 제15항에 있어서, 상기 힘 예측 유닛의 미리 프로그램된 프로세서에 의하여 구현되는 방정식은 겹선형 방정식인 것인 차량 제어 시스템.
  17. 제11항에 있어서, 상기 타이어 변형 입력과 상기 하나 이상의 다른 센서 입력은 (a) 2개 이상의 센서 사이의 위상차와 관련되고 타이어의 비틀림 변형을 나타내는 위상 입력과, (b) 타이어 측벽과 상기 타이어 변형 센서 사이의 거리와 관련되고 타이어에 작용하는 힘을 나타내는 진폭 입력을 포함하며, 상기 미리 프로그램된 프로세서는 상기 위상 입력과 진폭 입력을 입력으로 받아들여 상기 타이어에 작용하는 예측된 측방향 힘에 해당하는 하나 이상의 출력을 결정하는 것인 차량 제어 시스템.
  18. 제12항에 있어서, 상기 타이어 변형 입력과 상기 하나 이상의 다른 센서 입력은 (a) 2개 이상의 센서 사이의 위상차와 관련되고 타이어의 비틀림 변형을 나타내는 위상 입력과, (b) 타이어 측벽과 상기 타이어 변형 센서 사이의 거리와 관련되고 타이어에 작용하는 힘을 나타내는 진폭 입력을 포함하며, 상기 미리 프로그램된 프로세서는 상기 위상 입력과 진폭 입력을 입력으로 받아들여 상기 타이어에 작용하는 예측된 측방향 힘에 해당하는 하나 이상의 출력을 결정하는 것인 차량 제어 시스템.
  19. 제16항에 있어서, 상기 타이어 변형 입력과 상기 하나 이상의 다른 센서 입력은 (a) 2개 이상의 센서 사이의 위상차와 관련되고 타이어의 비틀림 변형을 나타내는 위상 입력과, (b) 타이어 측벽과 상기 타이어 변형 센서 사이의 거리와 관련되고 타이어에 작용하는 힘을 나타내는 진폭 입력을 포함하며, 상기 겹선형 방정식은 상기 타이어에 작용하는 예측된 측방향 힘에 해당하는 하나 이상의 출력을 결정하기 위한 하나 이상의 위상 입력과 진폭 입력의 함수인 것인 차량 제어 시스템.
  20. 제11항 내지 제19항 중 어느 하나의 항에 있어서, 상기 타이어 변형 센서는 자성 타이어 측벽 비틀림(SWT) 센서로 구성되며, 이 SWT 센서는 타이어의 측벽에 인접하게 위치하고 교번 자극으로 자화된 자기 센서를 포함하는 것인 차량 제어 시스템.
  21. 타이어 변형 센서 및 하나 이상의 다른 센서와 회로 통신하도록 배치되어 상기 타이어 변형 센서로부터는 타이어 변형 입력을 받고 상기 하나 이상의 다른 센서로부터는 하나 이상의 다른 타이어 센서 입력을 받는 힘 예측 유닛을 구비하고, 이 힘 예측 유닛은 상기 타이어 변형 입력 및 상기 하나 이상의 다른 타이어 센서 입력을 받는 미리 프로그램된 프로세서를 포함하며, 상기 힘 예측 유닛은 적어도 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 수직 방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터로부터 결정된 상수를 갖는 미리 프로그램된 방정식을 구현하는 것이 특징인 차량 제어 시스템.
  22. 제21항에 있어서, 상기 힘 예측 유닛의 미리 프로그램된 프로세서는 적어도 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 수직 방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터로 훈련된 신경망을 구현하는 코드를 실행하는 것인 차량 제어 시스템.
  23. 제21항에 있어서, 상기 힘 예측 유닛의 미리 프로그램된 프로세서는 적어도 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 수직 방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터로 훈련된 다층 신경망을 구현하는 코드를 실행하며, 상기 다층 신경망은 입력층과 하나 이상의 은닉층 및 출력층을 구비하는 것인 차량 제어 시스템.
  24. 제23항에 있어서, 상기 미리 프로그램된 프로세서는 상기 입력층과 상기 하나 이상의 은닉층 사이에 쌍곡 탄젠트 S자형 전달 함수 형태의 방정식을 구현하며, 상기 미리 프로그램된 프로세서는 상기 은닉층과 상기 출력층 사이에 선형 함수 형태의 방정식을 구현하는 것인 차량 제어 시스템.
  25. 제21항에 있어서, 상기 힘 예측 유닛의 미리 프로그램된 프로세서는 적어도 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 수직 방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터의 다중 선형 최소 자승법에 의한 회귀 분석법을 사용하여 결정된 상수를 사용하여 방정식을 구현하는 코드를 실행하는 것인 차량 제어 시스템.
  26. 제25항에 있어서, 상기 힘 예측 유닛의 미리 프로그램된 프로세서에 의하여 구현되는 방정식은 겹선형 방정식인 것인 차량 제어 시스템.
  27. 제21항에 있어서, 상기 타이어 변형 입력과 상기 하나 이상의 다른 센서 입력은 (a) 2개 이상의 센서 사이의 위상차와 관련되고 타이어의 비틀림 변형을 나타내는 위상 입력과, (b) 타이어 측벽과 상기 타이어 변형 센서 사이의 거리와 관련되고 타이어에 작용하는 힘을 나타내는 진폭 입력을 포함하며, 상기 미리 프로그램된 프로세서는 상기 위상 입력과 진폭 입력을 입력으로 받아들여 상기 타이어에 작용하는 예측된 수직 방향 힘에 해당하는 하나 이상의 출력을 결정하는 것인 차량 제어 시스템.
  28. 제22항에 있어서, 상기 타이어 변형 입력과 상기 하나 이상의 다른 센서 입력은 (a) 2개 이상의 센서 사이의 위상차와 관련되고 타이어의 비틀림 변형을 나타내는 위상 입력과, (b) 타이어 측벽과 상기 타이어 변형 센서 사이의 거리와 관련되고 타이어에 작용하는 힘을 나타내는 진폭 입력을 포함하며, 상기 미리 프로그램된 프로세서는 상기 위상 입력과 진폭 입력을 입력으로 받아들여 상기 타이어에 작용하는 예측된 수직 방향 힘에 해당하는 하나 이상의 출력을 결정하는 것인 차량 제어 시스템.
  29. 제26항에 있어서, 상기 타이어 변형 입력과 상기 하나 이상의 다른 센서 입력은 (a) 2개 이상의 센서 사이의 위상차와 관련되고 타이어의 비틀림 변형을 나타내는 위상 입력과, (b) 타이어 측벽과 상기 타이어 변형 센서 사이의 거리와 관련되고 타이어에 작용하는 힘을 나타내는 진폭 입력을 포함하며, 상기 겹선형 방정식은 상기 타이어에 작용하는 예측된 수직 방향 힘에 해당하는 하나 이상의 출력을 결정하기 위한 하나 이상의 위상 입력과 진폭 입력의 함수인 것인 차량 제어 시스템.
  30. 제21항 내지 제29항 중 어느 하나의 항에 있어서, 상기 타이어 변형 센서는 자성 타이어 측벽 비틀림(SWT) 센서로 구성되며, 이 SWT 센서는 타이어의 측벽에 인접하게 위치하고 교번 자극으로 자화된 자기 센서를 포함하는 것인 차량 제어 시스템.
  31. 제1항에 있어서, 상기 힘 예측 유닛은, 미리 수집된 데이터로부터 결정된 상수를 갖는 미리 프로그램된 방정식을 구현하여, 적어도 상기 타이어 변형 입력 및 상기 하나 이상의 다른 센서 입력으로부터 (a) 타이어에 작용하는 예측된 원주 방향 토크 또는 길이 방향 힘에 해당하는 출력과, (b) 상기 타이어상에 작용하는 길이 방향 힘에 대하여 경사진 상기 타이어상에 작용하는 예측된 힘에 해당하는 출력을 결정하는 것을 또한 특징으로 하는 것인 차량 제어 시스템.
  32. 제31항에 있어서, 상기 힘 예측 유닛은, 미리 수집된 데이터로부터 결정된상수를 갖는 미리 프로그램된 방정식을 구현하여, 적어도 상기 타이어 변형 입력 및 상기 하나 이상의 다른 센서 입력으로부터 (a) 타이어에 작용하는 예측된 원주 방향 토크 또는 길이 방향 힘에 해당하는 출력과, (b) 상기 타이어상에 작용하는 예측된 측방향 힘에 해당하는 출력을 결정하는 것을 또한 특징으로 하는 것인 차량 제어 시스템.
  33. 제31항에 있어서, 상기 힘 예측 유닛은, 미리 수집된 데이터로부터 결정된 상수를 갖는 미리 프로그램된 방정식을 구현하여, 적어도 상기 타이어 변형 입력 및 상기 하나 이상의 다른 센서 입력으로부터 (a) 타이어에 작용하는 예측된 원주 방향 토크 또는 길이 방향 힘에 해당하는 출력과, (b) 상기 타이어상에 작용하는 예측된 수직 방향 힘에 해당하는 출력을 결정하는 것을 또한 특징으로 하는 것인 차량 제어 시스템.
  34. 제10항에 있어서, 상기 힘 예측 유닛은, 미리 수집된 데이터로부터 결정된 상수를 갖는 미리 프로그램된 방정식을 구현하여, 적어도 상기 타이어 변형 입력 및 상기 하나 이상의 다른 센서 입력으로부터 (a) 타이어에 작용하는 예측된 측방향 힘에 해당하는 출력과, (b) 상기 타이어상에 작용하는 측방향 힘에 대하여 경사진 상기 타이어상에 작용하는 예측된 힘에 해당하는 출력을 결정하는 것을 또한 특징으로 하는 것인 차량 제어 시스템.
  35. 제34항에 있어서, 상기 힘 예측 유닛은, 미리 수집된 데이터로부터 결정된 상수를 갖는 미리 프로그램된 방정식을 구현하여, 적어도 상기 타이어 변형 입력 및 상기 하나 이상의 다른 센서 입력으로부터 (a) 타이어에 작용하는 예측된 측방향 힘에 해당하는 출력과, (b) 상기 타이어상에 작용하는 예측된 수직 방향 힘에 해당하는 출력을 결정하는 것을 또한 특징으로 하는 것인 차량 제어 시스템.
  36. 제20항에 있어서, 상기 힘 예측 유닛은, 미리 수집된 데이터로부터 결정된 상수를 갖는 미리 프로그램된 방정식을 구현하여, 적어도 상기 타이어 변형 입력 및 상기 하나 이상의 다른 센서 입력으로부터 (a) 타이어에 작용하는 예측된 수직 방향 힘에 해당하는 출력과, (b) 상기 타이어상에 작용하는 예측된 수직 방향 힘에 대하여 경사진 상기 타이어 상에 작용하는 예측된 힘에 해당하는 출력을 결정하는 것을 또한 특징으로 하는 것인 차량 제어 시스템.
  37. (a) 타이어 변형 센서 및 하나 이상의 다른 센서와 회로 통신하도록 배치되어 상기 타이어 변형 센서로부터는 타이어 변형 입력을 받고 상기 하나 이상의 다른 센서로부터는 하나 이상의 다른 타이어 센서 입력을 받는 힘 예측 유닛으로서, 상기 타이어 변형 입력 및 상기 하나 이상의 다른 타이어 센서 입력을 받는 미리 프로그램된 프로세서를 포함하며, 적어도 상기 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 원주 방향 토크 또는 길이 방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터로부터 결정된 상수를갖는 미리 프로그램된 방정식을 구현하고, 상기 타이어에 작용하는 예측된 원주 방향 토크 또는 길이 방향 힘에 해당하는 예측된 원주 방향 토크 또는 길이 방향 힘의 출력을 출력하는 것이 특징인 힘 예측 유닛과;
    (b)상기 힘 예측 유닛과 회로 통신하여 상기 예측된 원주 방향 토크 또는 길이 방향 힘의 출력을 받고, 차량 액츄에이터와 회로 통신하도록 배치되어 있는 제어 유닛으로서, 상기 액츄에이터를 매개로 적어도 부분적으로 상기 힘 예측 유닛으로부터의 상기 예측된 원주 방향 토크 또는 길이 방향 힘의 출력에 응답하여 차량의 동적 상태를 변경시키는 것이 특징인 제어 유닛
    을 구비하는 것인 차량 제어 시스템.
  38. (a) 타이어 변형 센서 및 하나 이상의 다른 센서와 회로 통신하도록 배치되어 상기 타이어 변형 센서로부터 타이어 변형 입력을 받고 상기 하나 이상의 다른 센서로부터는 하나 이상의 다른 타이어 센서 입력을 받는 힘 예측 유닛으로서, 상기 타이어 변형 입력 및 상기 하나 이상의 다른 타이어 센서 입력을 받는 미리 프로그램된 프로세서를 포함하며, 적어도 상기 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 측방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터로부터 결정된 상수를 갖는 미리 프로그램된 방정식을 구현하고, 상기 타이어에 작용하는 예측된 측방향 힘에 해당하는 예측된 측방향 힘의 출력을 출력하는 것이 특징인 힘 예측 유닛과;
    (b)상기 힘 예측 유닛과 회로 통신하여 상기 예측된 측방향 힘의 출력을 받고 차량 액츄에이터와 회로 통신하도록 배치되어 있는 제어 유닛으로서, 상기 액츄에이터를 매개로 적어도 부분적으로 상기 힘 예측 유닛으로부터의 상기 예측된 측방향 힘의 출력에 응답하여 차량의 동적 상태를 변경시키는 것이 특징인 제어 유닛
    을 구비하는 것인 차량 제어 시스템.
  39. 제38항에 있어서, 상기 제어 유닛은 복수 개의 μ-미끄럼 곡선과 관련되어 있고, 각 μ-미끄럼 곡선은 다른 측방향 힘과 연관되어 있으며, 상기 제어 유닛은 상기 μ-미끄럼 곡선 중 선택된 하나를 기초로 앤티록 브레이크 시스템을 구현하며, 상기 제어 유닛은 적어도 부분적으로는 상기 힘 예측 유닛으로부터의 예측된 측방향 힘 출력에 응답하여 상기 복수 개의 μ-미끄럼 곡선 중 상기 선택된 하나를 선택하고 앤티록 브레이크를 구현하기 위하여 상기 복수 개의 μ-미끄럼 곡선 중 상기 선택된 하나를 이용하는 것을 특징으로 하는 것인 차량 제어 시스템.
  40. (a) 타이어 변형 센서 및 하나 이상의 다른 센서와 회로 통신하도록 배치되어 상기 타이어 변형 센서로부터 타이어 변형 입력을 받고 상기 하나 이상의 다른 센서로부터 하나 이상의 다른 타이어 센서 입력을 받는 힘 예측 유닛으로서, 상기 타이어 변형 입력 및 상기 하나 이상의 다른 타이어 센서 입력을 받는 미리 프로그램된 프로세서를 포함하며, 적어도 상기 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 수직 방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터로부터 결정된 상수를 갖는 미리 프로그램된 방정식을 구현하고, 상기 타이어에 작용하는 예측된 수직 방향 힘에 해당하는 예측된 수직 방향 힘의 출력을 출력하는 것이 특징인 힘 예측 유닛과;
    (b)상기 힘 예측 유닛과 회로 통신하여 상기 예측된 수직 방향 힘의 출력을 받고 차량 액츄에이터와 회로 통신하도록 배치되어 있는 제어 유닛으로서, 상기 액츄에이터를 매개로 적어도 부분적으로 상기 힘 예측 유닛으로부터의 상기 예측된 수직 방향 힘의 출력에 응답하여 차량의 동적 상태를 변경시키는 것이 특징인 제어 유닛
    을 구비하는 것인 차량 제어 시스템.
  41. 타이어에 작용하는 원주 방향 토크 또는 길이 방향 힘을 예측하는 방법으로서,
    (a) 타이어 변형 센서 및 하나 이상의 다른 센서와 회로 통신하도록 배치되어 상기 타이어 변형 센서로부터 타이어 변형 입력을 받고 상기 하나 이상의 다른 센서로부터 하나 이상의 다른 타이어 센서 입력을 받는 힘 예측 유닛으로서, 상기 타이어 변형 입력 및 상기 하나 이상의 다른 타이어 센서 입력을 받는 미리 프로그램된 프로세서를 포함하며, 적어도 상기 타이어 변형 입력과 하나 이상의 다른 센서 입력으로부터 타이어에 작용하는 예측된 수직 방향 힘에 해당하는 출력을 결정하기 위하여 미리 수집된 데이터로부터 결정된 상수를 갖는 미리 프로그램된 방정식을 구현하는 것이 특징인 힘 예측 유닛을 마련하는 단계와;
    (b) 타이어 변형 센서의 타이어 변형 입력과 상기 하나 이상의 다른 센서로부터의 하나 이상의 다른 타이어 센서 입력을 수집하는 단계와;
    (c) 상기 힘 예측 유닛으로, 상기 수집된 타이어 변형 입력과 수집된 상기 하나 이상의 다른 타이어 센서 입력으로부터 타이어에 작용하는 원주 방향 토크 또는 길이 방향 힘을 결정하는 단계
    를 포함하는 것인 원주 방향 토크 또는 길이 방향 힘의 예측 방법.
  42. 타이어 변형 센서 및 하나 이상의 다른 센서로부터 타이어에 작용하는 원주 방향 토크 또는 길이 방향 힘을 결정하기 위하여 신경망을 훈련시키는 방법으로서,
    (a) 타이어 변형 센서로부터는 타이어 변형 입력을, 그리고 하나 이상의 다른 센서로부터는 하나 이상의 다른 타이어 센서 입력을 수집하는 단계와;
    (b) 타이어에 작용하는 원주 방향 토크 또는 길이 방향 힘에 해당하는 입력을 수집하는 단계와;
    (c) 적어도 상기 수집된 타이어 변형 입력, 상기 수집된 하나 이상의 다른 타이어 센서 입력 및 타이어 상에 작용하는 원주 방향 토크 또는 길이 방향 힘에 해당하는 수집된 입력을 훈련 데이터로 사용하여, 타이어에 작용하는 원주 방향 토크 또는 길이 방향 힘을 예측하도록 상기 신경망을 훈련시키는 단계
    를 포함하는 것인 신경망의 훈련 방법.
KR1020027016385A 2000-05-31 2001-05-31 차량 제어 시스템 및 타이어에 작용하는 원주 방향 토크또는 길이 방향 힘을 예측하는 방법 KR20030036208A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US09/584,230 US6550320B1 (en) 2000-05-31 2000-05-31 System and method for predicting tire forces using tire deformation sensors
US09/584,230 2000-05-31

Publications (1)

Publication Number Publication Date
KR20030036208A true KR20030036208A (ko) 2003-05-09

Family

ID=24336461

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020027016385A KR20030036208A (ko) 2000-05-31 2001-05-31 차량 제어 시스템 및 타이어에 작용하는 원주 방향 토크또는 길이 방향 힘을 예측하는 방법

Country Status (7)

Country Link
US (3) US6550320B1 (ko)
JP (1) JP2004512207A (ko)
KR (1) KR20030036208A (ko)
AU (1) AU2001265247A1 (ko)
CA (1) CA2410877A1 (ko)
GB (1) GB2379274A (ko)
WO (1) WO2001092078A2 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100792667B1 (ko) * 2006-04-04 2008-01-09 대성전기공업 주식회사 휠 각도 센서 에러 보정방법

Families Citing this family (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6550320B1 (en) * 2000-05-31 2003-04-22 Continental Ag System and method for predicting tire forces using tire deformation sensors
US7185532B2 (en) * 2000-05-31 2007-03-06 Continental Automotive Licensing Corp. Tire status detection system and method
DE10160045B4 (de) * 2000-12-30 2005-09-15 Robert Bosch Gmbh System und Verfahren zur Überwachung des Fahrverhaltens eines Kraftfahrzeugs
DE10160046B4 (de) * 2000-12-30 2006-05-04 Robert Bosch Gmbh System und Verfahren zur Überwachung der Traktion eines Kraftfahrzeugs
EP1417470A1 (fr) * 2001-08-06 2004-05-12 Société de Technologie Michelin Methode de determination de composantes d'efforts subis par un pneumatique et du couple d'auto-alignement
CN1247973C (zh) 2001-08-06 2006-03-29 米其林技术公司 根据应力确定轮胎特性的方法
FR2835919A1 (fr) * 2002-02-08 2003-08-15 Michelin Soc Tech Mesure de coefficient d'adherence maximal a partir de la connaissance des efforts et du couple d'autoalignement generes dans l'air de contact d'un pneu
FR2835918A1 (fr) * 2002-02-08 2003-08-15 Michelin Soc Tech Mesure de coefficient d'adherrence maximal a partir de la mesure de l'extension circonferentielle dans un flanc d'un pneu
DE10390746D2 (de) * 2002-02-28 2005-01-05 Daimler Chrysler Ag Vorrichtung und Verfahren zur Beeinflussung der Arbeitsweise wenigstens einer in einem Fahrzeug angeordneten Fahrzeugstabilisierungsvorrichtung
EP1492681A1 (en) * 2002-04-11 2005-01-05 Continental Tire North America Inc. Tire status detection system and method
EP1372049A1 (fr) * 2002-06-13 2003-12-17 Société de Technologie Michelin Méthode d'asservissement, utilisable notamment pour maintenir le glissement d'un pneu à un niveau optimal pour qu'il fonctionne à un niveau de coefficient d'adhérence maximal
FR2841827A1 (fr) * 2002-07-04 2004-01-09 Michelin Soc Tech Estimation de l'usure d'un pneu
JP4207744B2 (ja) * 2003-01-16 2009-01-14 株式会社豊田中央研究所 モーメント検出装置及びタイヤ発生力検出装置
DE10307191A1 (de) * 2003-02-20 2004-09-02 Continental Aktiengesellschaft Verfahren zur Bestimmung von auf einen Luftreifen wirkenden Kräften
CN1771080B (zh) * 2003-04-08 2010-12-15 诺沃挪第克公司 包括至少一个色谱处理步骤的生产治疗用多肽或其前体的方法
WO2005023614A2 (en) * 2003-09-03 2005-03-17 Nsk Ltd. Stability control apparatus and load mesuring instrument for wheel supporting rolling bearing unit
DE10343588A1 (de) * 2003-09-18 2005-04-14 Vibracoustic Gmbh & Co. Kg Buchse, insbesondere Fahrwerksbuchse, mit integriertem Drehwinkelgeber
US20050076987A1 (en) * 2003-10-09 2005-04-14 O'brien George Phillips Acoustic signal monitoring system for a tire
FR2861869A1 (fr) * 2003-11-05 2005-05-06 Michelin Soc Tech Procede d'extraction d'au moins une grandeur caracterisant un signal periodique, et application.
KR20050075708A (ko) * 2004-01-16 2005-07-21 소시에떼 드 테크놀로지 미쉐린 소정 시간에 걸쳐 대표 매개변수의 편차를 분석한알고리즘을 사용하여 차량의 안정성을 제어하기 위한시스템
KR20050075717A (ko) * 2004-01-16 2005-07-21 소시에떼 드 테크놀로지 미쉐린 다른 매개 변수의 함수로써 편차의 평균 기울기를비교하는 알고리즘을 사용하여 차량의 안정성을 제어하기위한 시스템
DE602005000242T2 (de) * 2004-01-16 2007-04-05 Société de Technologie Michelin System zur Stabilitätsregelung eines Fahrzeugs mit mehreren prädiktiven Algorithmen und einem Auswahlprozess
US6993449B2 (en) * 2004-01-31 2006-01-31 Continental Teves, Inc. Tire pressure loss detection
JP4680532B2 (ja) * 2004-06-02 2011-05-11 株式会社ブリヂストン タイヤの動的状態推定方法とその装置
GB0415258D0 (en) * 2004-07-07 2004-08-11 Wheelright Ltd Vehicle tyre checking system
US7114383B2 (en) * 2005-01-07 2006-10-03 Bridgestone Firestone North American Tire, Llc Method and apparatus for monitoring tire performance
EP1906165B1 (en) 2005-07-19 2014-10-29 The Yokohama Rubber Co., Ltd. Method and device for calculating magnitude of cornering force generated in wheel
US7469578B2 (en) 2005-09-27 2008-12-30 The Yokohama Rubber Co., Ltd. Method and apparatus for evaluating a cornering stability of a wheel
FR2898852B1 (fr) * 2006-03-21 2008-12-05 Peugeot Citroen Automobiles Sa Dispositif de stabilisation de vehicule
US20070233267A1 (en) * 2006-03-29 2007-10-04 Farid Amirouche Application of neural networks to prosthesis fitting and balancing in joints
US7672816B1 (en) * 2006-05-17 2010-03-02 Textron Innovations Inc. Wrinkle-predicting process for hydroforming
US7441464B2 (en) * 2006-11-08 2008-10-28 Honeywell International Inc. Strain gauge sensor system and method
WO2008065465A1 (en) * 2006-11-29 2008-06-05 Pirelli Tyre S.P.A. Method for determining at least one parameter representative of at least one interaction along a longitudinal direction between a tyre for vehicles and the ground
US7945429B2 (en) * 2007-03-28 2011-05-17 The Yokohama Rubber Co., Ltd. Tire model determining method, tire transient response data calculating method, tire evaluating method, and tire designing method
JP4882886B2 (ja) * 2007-06-26 2012-02-22 横浜ゴム株式会社 タイヤ特性判定方法およびタイヤ特性判定装置
DE102008046269B3 (de) * 2008-09-08 2009-12-24 Continental Automotive Gmbh Verfahren und Meßsystem zur Bestimmung einer Radlast
JP2010165242A (ja) * 2009-01-16 2010-07-29 Hitachi Cable Ltd 稼動体の異常検出方法及び異常検出システム
IT1401990B1 (it) * 2010-09-30 2013-08-28 Pirelli Metodo e sistema per determinare l'attrito potenziale tra un pneumatico per veicoli ed una superficie di rotolamento
US8887562B2 (en) 2010-11-23 2014-11-18 Bridgestone Americas Tire Operations, Llc Diagnostic tire test method
US9428018B2 (en) * 2012-12-28 2016-08-30 Bridgestone Americas Tire Operations, Llc Scalable vehicle models for indoor tire testing
US20140188406A1 (en) * 2012-12-28 2014-07-03 Bridgestone Americas Tire Operations, Llc Scalable vehicle models for indoor tire testing
CN105980824B (zh) 2014-03-13 2019-04-12 米其林集团总公司 用于轮胎检查的传感器装置
WO2015137951A1 (en) * 2014-03-13 2015-09-17 Compagnie Generale Des Etablissements Michelin Sensor device with magnet and sensor array for tire inspection
US20150336435A1 (en) * 2014-05-24 2015-11-26 Rimex Supply Ltd. Magnetic mount for tire pressure sensor
CN104444929B (zh) * 2014-11-06 2017-08-01 北京铁道工程机电技术研究所有限公司 一种架车机高度传感器的自检方法
CN104978947B (zh) * 2015-07-17 2018-06-05 京东方科技集团股份有限公司 显示状态的调节方法、显示状态调节装置及显示装置
DE112018005736T5 (de) * 2017-12-01 2020-07-23 The Yokohama Rubber Co., Ltd. Reifenanordnung und System zur Bestimmung eines Reifenverformungszustands
US10960712B2 (en) 2018-06-28 2021-03-30 Nissan North America, Inc. Tire wear estimation using a hybrid machine learning system and method
LU101181B1 (de) * 2019-04-12 2020-10-12 Compredict Gmbh Verfahren zur Bestimmung einer Belastungsvorhersage für ein Bauteil eines Kraftfahrzeugs
JP6772351B1 (ja) * 2019-09-18 2020-10-21 Ｔｏｙｏ Ｔｉｒｅ株式会社 タイヤ物理情報推定システム
US11584342B2 (en) 2019-10-28 2023-02-21 Volkswagen Ag Real-time performance handling virtual tire sensor
EP4190651A1 (en) 2021-12-02 2023-06-07 Volvo Truck Corporation Redundant vehicle control systems based on tyre sensors
IT202100030599A1 (it) * 2021-12-03 2023-06-03 Skf Ab Sistema e metodo associati per il rilevamento dei carichi finali su una ruota di veicolo mediante una unità mozzo ruota sensorizzata
EP4190598A1 (en) 2021-12-02 2023-06-07 Volvo Truck Corporation Redundant vehicle control systems based on tyre sensors - load estimation
US20240166192A1 (en) * 2022-11-21 2024-05-23 GM Global Technology Operations LLC Machine learning-based tractive limit and wheel stability status estimation

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5586028A (en) 1993-12-07 1996-12-17 Honda Giken Kogyo Kabushiki Kaisha Road surface condition-detecting system and anti-lock brake system employing same
DE4435160A1 (de) 1994-09-30 1996-04-04 Continental Ag Einrichtung zur Ermittlung der Umfangskraft eines Fahrzeugrades
GB9504217D0 (en) 1995-03-02 1995-04-19 Sumitomo Rubber Ind A method of determining the inflation pressure of a tyre on a moving vehicle
JP3708180B2 (ja) 1995-09-14 2005-10-19 富士重工業株式会社 自動ブレーキ制御装置
US5781700A (en) 1996-02-05 1998-07-14 Ford Global Technologies, Inc. Trained Neural network air/fuel control system
US5895435A (en) 1996-03-01 1999-04-20 Toyota Jidosha Kabushiki Kaisha Vehicle drive mode estimating device, and vehicle control apparatus, transmission shift control apparatus and vehicle drive force control apparatus including drive mode estimating device
DE19626843A1 (de) 1996-07-04 1998-01-08 Continental Ag Vorrichtung zur Messung der Drehfrequenz eines rotierenden Fahrzeugrades und Fahrzeugreifen geeignet zur Verwendung darin
US6104593A (en) 1996-09-27 2000-08-15 Canon Denshi Kabushiki Kaisha Tire magnetization method, tire magnetized by the tire magnetization method, tire magnetic field detection method, tire revolution detection signal processing method, and tire revolution detection apparatus
US5895854A (en) * 1996-11-08 1999-04-20 Continental Aktiengesellschaft Vehicle wheel provided with a pneumatic tire having therein a rubber mixture permeated with magnetizable particles
US5864056A (en) * 1998-02-17 1999-01-26 Bell; Larry D. Method and apparatus for monitoring the coefficient of friction between a tire and rolling surface, particularly to provide the vehicle operator with coefficient of friction, tire tread wear out and skid warning indications
US6550320B1 (en) * 2000-05-31 2003-04-22 Continental Ag System and method for predicting tire forces using tire deformation sensors

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100792667B1 (ko) * 2006-04-04 2008-01-09 대성전기공업 주식회사 휠 각도 센서 에러 보정방법

Also Published As

Publication number Publication date
GB0228058D0 (en) 2003-01-08
GB2379274A (en) 2003-03-05
US20030164036A1 (en) 2003-09-04
WO2001092078A3 (en) 2002-04-04
AU2001265247A1 (en) 2001-12-11
WO2001092078A2 (en) 2001-12-06
US6550320B1 (en) 2003-04-22
US20050005692A1 (en) 2005-01-13
CA2410877A1 (en) 2001-12-06
JP2004512207A (ja) 2004-04-22

Similar Documents

Publication Publication Date Title
KR20030036208A (ko) 차량 제어 시스템 및 타이어에 작용하는 원주 방향 토크또는 길이 방향 힘을 예측하는 방법
JP4479992B2 (ja) 応力からタイヤの特徴を決定する方法
US7203603B2 (en) Method of determining components of forces exerted on a tire and determining the self-alignment torque
EP1498291B1 (en) System, tyre and method for determining the behaviour of a tyre in motion
US8165827B2 (en) Method for calculating forces acting on the footprint area of a tyre and apparatus for calculating said forces
WO2012085655A2 (en) Method and system for estimating the load acting on a tire
US7937204B2 (en) Brake control method and brake control device
WO2005003698A1 (en) Monitoring the performance of a system by measuring a time-variant acoustic signal from the system
RU2391233C1 (ru) Способ и устройство для расчета сил, действующих на площадь пятна касания шины
Singh Developing enabling technologies for intelligent tires
US7366633B2 (en) Signal processing methods
US20030109968A1 (en) System and method for monitoring the driving state of a vehicle
EP2736781B1 (en) Method for optical measuring of tyre adhesion

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid