WO2022102516A1 - 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 - Google Patents

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 Download PDF

Info

Publication number
WO2022102516A1
WO2022102516A1 PCT/JP2021/040648 JP2021040648W WO2022102516A1 WO 2022102516 A1 WO2022102516 A1 WO 2022102516A1 JP 2021040648 W JP2021040648 W JP 2021040648W WO 2022102516 A1 WO2022102516 A1 WO 2022102516A1
Authority
WO
WIPO (PCT)
Prior art keywords
tire
wear
index
relational value
deformation speed
Prior art date
Application number
PCT/JP2021/040648
Other languages
English (en)
French (fr)
Inventor
健太 西山
Original Assignee
株式会社ブリヂストン
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 株式会社ブリヂストン filed Critical 株式会社ブリヂストン
Priority to EP21891762.3A priority Critical patent/EP4246117A4/en
Priority to CN202180075584.7A priority patent/CN116419856A/zh
Priority to US18/035,853 priority patent/US20230393024A1/en
Publication of WO2022102516A1 publication Critical patent/WO2022102516A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G01M17/02—Tyres
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C11/00—Tyre tread bands; Tread patterns; Anti-skid inserts
    • B60C11/24—Wear-indicating arrangements
    • B60C11/246—Tread wear monitoring systems

Definitions

  • the present invention relates to a tire wear state prediction system, a tire wear state prediction program, and a tire wear state prediction method.
  • the wear estimation technique using such an acceleration sensor uses, for example, an index of deformation speed (also referred to as a wear measure) obtained by differentiating the detected radial acceleration to obtain a peak, and the index value of this deformation speed is wear.
  • an index of deformation speed also referred to as a wear measure
  • the amount of remaining groove in the tire was estimated by a regression equation.
  • the merit of using the strain sensor is that there is almost no speed dependence.
  • Another disadvantage of using a strain sensor is that it is difficult to correct because it is affected by the tire inner surface thickness. Therefore, there is a problem that it is difficult to apply the conventional technique for generalizing tire size in tire wear prediction using an acceleration sensor to tire wear prediction using a strain sensor as it is.
  • the present invention has been made in view of the above problems, and it is possible to use a strain sensor and to predict a wear state with high accuracy even for a tire that does not have learning data at low cost. It is an object of the present invention to provide a wear condition prediction system, a tire wear condition prediction program, and a tire wear condition prediction method.
  • the tire wear state prediction system acquires a sensor unit provided on the inner surface or the inside of the tire and having a strain sensor for detecting the strain of the tire, and a strain signal output from the strain sensor.
  • Distortion signal acquisition unit an index calculation unit that calculates an index of deformation speed based on the acquired time-series waveform of the strain signal, and a relationship value between the index of deformation speed and the degree of wear of the tire.
  • a relation value calculation unit that calculates in advance, a wear state estimation unit that estimates the degree of wear of the tire by comparing the relation value with the index of the deformation speed, and an index of the deformation speed of the tire.
  • a relational value prediction unit that predicts the relational value of a tire of another size based on the relational value with the degree of wear of the tire, and the relational value prediction unit is a relational value of a tire of another size.
  • the gist is to use at least the data regarding the thickness of the tire tread portion stored in advance in the data storage portion when predicting.
  • the data regarding the thickness of the tire tread portion can include the data of the radial thickness from the inner surface of the tire to the belt provided in the tire.
  • the tire wear state prediction program is a tire wear state prediction program executed by a computer included in the tire wear state prediction system, and is output from a strain sensor provided on the inner surface or the inside of the tire.
  • a strain signal acquisition step for acquiring a strain signal
  • an index calculation step for calculating an index of deformation speed based on the acquired time-series waveform of the strain signal, an index for the deformation speed, and a wear of the tire.
  • a relation value calculation step for preliminarily calculating a relational value with a degree
  • a wear state estimation step for estimating the degree of wear of the tire by comparing the relational value with the index of the deformation speed, and the above-mentioned about the tire.
  • It has a relational value prediction step that predicts the relational value of a tire of another size based on the relational value between the index of the deformation speed and the degree of wear of the tire, and the relational value prediction step is another.
  • the gist is to use at least data on the thickness of the tire tread when predicting the relationship value of a tire of size.
  • the data regarding the thickness of the tire tread portion can include the data of the radial thickness from the inner surface of the tire to the belt provided in the tire.
  • the tire wear state prediction method includes a strain signal acquisition process for acquiring a strain signal output from a strain sensor provided on the inner surface or the inside of the tire, and a time series of the acquired strain signals.
  • An index calculation process for calculating an index of deformation speed based on a waveform a relational value calculation process for preliminarily calculating a relational value between the index of deformation speed and the degree of wear of the tire, the relational value, and the above-mentioned relational value.
  • Others based on the wear state estimation process that estimates the degree of wear of the tire by comparing with the index of the deformation speed, and the relational value between the index of the deformation speed of the tire and the degree of wear of the tire.
  • It has a relational value prediction process for predicting the relational value of a tire of the same size, and the relational value prediction process has data on at least the thickness of the tire tread portion when predicting the relational value of a tire of another size.
  • the gist is to use.
  • the data regarding the thickness of the tire tread portion can include the data of the radial thickness from the inner surface of the tire to the belt provided in the tire.
  • a tire wear state prediction system and a tire wear state prediction program that can predict a wear state with high accuracy even for a tire that does not have training data at low cost while using a strain sensor. And can provide a tire wear condition prediction method.
  • FIG. 1 is a schematic configuration diagram showing a schematic configuration of a tire wear state prediction system according to an embodiment.
  • FIG. 2 is a functional block diagram showing a functional configuration of the tire wear state prediction system according to the embodiment.
  • FIG. 3 is a flowchart showing a processing procedure of the tire wear state prediction process according to the embodiment.
  • FIG. 4 is a graph showing the relationship between strain and time for a tire.
  • FIG. 5 is a graph showing the relationship between the strain rate and time for a tire.
  • FIG. 6 is a graph showing the relationship between the index of deformation speed (wear measure) and the contact time ratio (CTR) of the tire.
  • FIG. 7 is a chart showing specifications of tires of a plurality of sizes.
  • FIG. 1 is a schematic configuration diagram showing a schematic configuration of a tire wear state prediction system according to an embodiment.
  • FIG. 2 is a functional block diagram showing a functional configuration of the tire wear state prediction system according to the embodiment.
  • FIG. 3 is a flowchart showing
  • FIG. 8 is a schematic diagram (a) showing the influence of the inner surface thickness (when relatively thin) of the tire on the strain, and a schematic diagram (b) showing the strain distribution.
  • FIG. 9 is a schematic diagram (a) showing the influence of the inner surface thickness (when relatively thick) of the tire on the strain, and a schematic diagram (b) showing the strain distribution.
  • FIG. 10 is a graph showing the relationship between the strain index (strain measure) and the contact time ratio (CTR) for the tire.
  • the tire wear state prediction system S1 according to the embodiment of the present invention will be described with reference to FIGS. 1 and 2.
  • the tire wear state prediction system S1 is a processing device (vehicle-mounted) that processes information acquired from the sensor unit SU provided on the pneumatic tire (hereinafter, simply referred to as a tire) 10 side and the sensor unit SU via the wireless line N1. It is composed of a device (ECU), etc.) 200.
  • FIG. 1 shows the cross-sectional shape of the tire 10 assembled to the rim wheel 90 along the tire width direction.
  • the tread portion 20 is a portion that comes into contact with the road surface when the tire 10 mounted on a vehicle (not shown) rolls on the road surface.
  • the tread portion 20 is formed with a tread pattern according to the type of vehicle and the required performance.
  • a sensor unit SU including a strain sensor SN for detecting the strain of the tire 10 is provided on the inner surface 10a of the tire 10 to which the tire wear state prediction system S1 can be applied.
  • the sensor unit SU may be capable of acquiring temperature information and the like in addition to the distortion.
  • the sensor unit SU is provided on the inner surface 10a facing the tread portion 20. More specifically, the sensor unit SU is attached to the surface of an inner liner (not shown) that prevents the leakage of gas such as air filled in the internal space of the pneumatic tire 10 assembled to the rim wheel 90.
  • the sensor unit SU is provided on each tire 10 mounted on the vehicle. This is because it is desirable to monitor the wear state of each tire 10 in order to ensure the safety of the vehicle.
  • the sensor unit SU does not necessarily have to be attached to the inner surface of the tire 10, and for example, a part or all of the sensor unit SU may be embedded inside the tire 10.
  • the sensor unit SU is provided in the strain sensor SN for detecting the strain of the tire 10, the transmitter 150 for transmitting the detection data to the processing device 200, and the strain sensor SN and the transmitter 150. It is provided with a battery 151 for supplying power.
  • the processing device 200 composed of an ECU or the like includes a distortion signal acquisition unit 201 that acquires a distortion signal from the sensor unit SU at regular detection cycles. Communication between the sensor unit SU and the processing device 200 is performed between the transmitter 150 on the sensor unit SU side and the communication unit 210 on the processing device 200 side via the wireless line N1.
  • an index calculation unit 202 for calculating an index (wear measure) of the deformation speed based on the time-series waveform of the acquired distortion signal is provided.
  • relation value calculation unit 203 for calculating in advance the relational value between the index of the deformation speed and the degree of wear of the tire 10 is provided.
  • the wear state estimation unit 204 for estimating the degree of wear of the tire 10 by comparing the calculated relational value with the index of the deformation speed is provided.
  • relational value prediction unit 205 that predicts the relational value of another tire having a size different from that of the tire 10 based on the relational value between the index of the deformation speed of the tire 10 and the degree of wear of the tire 10.
  • a data storage unit 206 composed of a non-volatile memory or the like for storing data on the thickness of the tire tread portion in advance is provided.
  • the relational value prediction unit 205 predicts the relational value of tires of other sizes by using the data regarding the thickness of the tire tread portion stored in advance in the data storage unit 206.
  • the data regarding the thickness of the tire tread portion can include the data of the radial thickness from the inner surface of the tire 10 to the belt provided in the tire.
  • this process can be realized by the cooperation between the OS (operating system) included in the processing device 200 and the like and a predetermined application program. However, a part or all of each process may be realized by hardware.
  • step S10 the distortion signal output from the distortion sensor SN of the sensor unit SU is acquired by the distortion signal acquisition unit 201, and the process proceeds to step S11.
  • step S11 an index (wear measure) of the deformation speed is calculated based on the time-series waveform of the acquired distortion signal, and the process proceeds to step S12.
  • step S12 the relationship value between the index of deformation speed (wear measure) and the degree of wear of the tire 10 is calculated, and the process proceeds to step S13.
  • step S13 the calculated relational value is compared with the index of deformation speed (wear measure), the degree of wear of the tire 10 is estimated, and the process proceeds to step S14.
  • step S14 the process is terminated by predicting the relational values of tires of other sizes based on the relational value between the index of deformation speed (wear measure) of the tire 10 and the degree of wear of the tire 10.
  • the data regarding the thickness of the tire tread portion stored in advance in the data storage portion 206 is used.
  • the data regarding the thickness of the tire tread portion can include data on the radial thickness from the inner surface of the tire 10 to the belt provided in the tire 10.
  • the algorithm disclosed in the above patent application is for wear prediction using an acceleration sensor provided on a tire, and is a peak value (wear measure value) and a contact time ratio (CTR) detected after differentiation of radial acceleration.
  • CTR contact time ratio
  • : Contact Time Radio is a machine learning model whose main feature is.
  • the "distortion" used in the present invention is one axis in the tire circumferential direction (tangential direction).
  • FIGS. 4 and 5 are waveforms obtained by FEM (Finite Element Method: finite element analysis).
  • a tire having a size of "11R22.5 M801" is used as a sample, and the detected “distortion” is the distortion of the tire inner liner.
  • wear measure (WM: Wear Measurement) is defined by the following equation.
  • DP Drivative Peak
  • DP is the peak value of the differential waveform, and may be the absolute value of the stepping side / kicking side, or the aggregated value thereof by an average or the like.
  • ORT One Rotational Time
  • CL Cirrcumferential Length
  • CL can be replaced with a value indicating the size such as the diameter of the tire radius, and it is determined from the design specifications.
  • CTR is the elapsed time from the stepping peak to the kicking peak of the differential waveform divided by ORT, and is a typical index showing the load.
  • the graph of FIG. 6 shows the relationship between CTR and WM (wear measure: index of deformation speed) in a new tire TR1a and a completely worn tire TR1b.
  • the remaining groove amount (RTD) can be estimated by the following regression equation or the like by adding the information of TPMS (tire pressure monitoring system).
  • RTD f (WM, temperature, air pressure, speed, etc.)
  • D is the tire diameter
  • W is the tire width
  • H is the cross-sectional height
  • the correction by the tire diameter D is a correction for being averaged by the size of the sensor itself. Therefore, the data used as sample data are the coordinates and deformation behavior of the inner surface of the tire, and since there is no physical size of the sensor, the influence of D can be ignored.
  • FIG. 8 (a) is a schematic diagram showing the influence of the inner surface thickness (when relatively thin) of the tire on strain
  • FIG. 8 (b) is a schematic diagram showing the strain distribution
  • FIG. 9 (a). Is a schematic diagram showing the influence of the inner surface thickness (when relatively thick) of the tire on the strain
  • FIG. 9B is a schematic diagram showing the strain distribution.
  • the thickness of the inner liner is the tire according to the design value (TR20b), the tire 1 mm thicker than the design value (TR20c), and the tire 2 mm thicker than the design value (TR20d). , And were prepared and analyzed (see FIG. 10).
  • TR20a shows the analysis result of the unused tire (new) according to the design value.
  • d in is the thickness of the inner surface.
  • the correction using the TPMS data may be performed.
  • Equation 2 may be a simple linear multiple regression or a non-linear function.
  • design information such as D: tire diameter, W: tire width, and H: tire cross-sectional height should be used in addition to d in: tire internal structure thickness. Can be done.
  • the wear measure at the time of new product and the wear measure at the time of complete wear are calculated.
  • the tire wear estimation system, the tire wear estimation program, and the tire wear estimation method of the present invention have been described above based on the illustrated embodiments, but the present invention is not limited thereto, and the configurations of the respective parts are the same. It can be replaced with any configuration having a function.
  • a part of the processing function of the processing device 200 in the present embodiment may be mounted in the sensor unit SU.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Tires In General (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

タイヤ（１０）の内側面または内部に設けられ、タイヤの歪みを検知する歪みセンサ（ＳＮ）を有するセンサユニット（ＳＵ）と、歪み信号を取得する歪み信号取得部（２０１）と、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（２０２）と、変形速度の指標と、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（２０３）と、関係値と、変形速度の指標とを比較してタイヤの摩耗の度合いを推定する摩耗状態推定部（２０４）と、タイヤについての変形速度の指標と、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（２０５）とを備え、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（２０６）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。

Description

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
　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。
　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。
　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。
　本実施形態によれば、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。
図１は、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。 図２は、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。 図３は、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。 図４は、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。 図５は、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。 図６は、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。 図７は、複数サイズのタイヤの諸元を示す図表である。 図８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（ａ）、その歪み分布を示す模式図（ｂ）である。 図９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（ａ）、その歪み分布を示す模式図（ｂ）である。 図１０は、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。
　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。
　（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：Ｃｏｎｔａｃｔ　Ｔｉｍｅ　Ｒａｔｉｏ）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（Ｆｉｎｉｔｅ　Ｅｌｅｍｅｎｔ　Ｍｅｔｈｏｄ：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「１１Ｒ２２．５　Ｍ８０１」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：Ｗｅａｒ　Ｍｅａｓｕｒｅ）は以下の式で定義される。
　ＷＭ＝ＤＰ×ＯＲＴ×ＣＬ
　なお、ＤＰ（Ｄｅｒｉｖａｔｉｖｅ　Ｐｅａｋ）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（Ｏｎｅ　Ｒｏｔａｔｉｏｎａｌ　Ｔｉｍｅ）は、タイヤ１回転の時間、ＣＬ（Ｃｉｒｃｕｍｆｅｒｅｎｔｉａｌ　Ｌｅｎｇｔｈ）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。
Figure JPOXMLDOC01-appb-M000001
　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。
Figure JPOXMLDOC01-appb-M000002
　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 (6)

  1. 　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。
  2. 　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。
  3. 　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。
  4. 　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。
  5. 　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。
  6. 　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。
PCT/JP2021/040648 2020-11-13 2021-11-04 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 WO2022102516A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP21891762.3A EP4246117A4 (en) 2020-11-13 2021-11-04 TIRE WEAR CONDITION PREDICTION SYSTEM, TIRE WEAR CONDITION PREDICTION PROGRAM, AND TIRE WEAR CONDITION PREDICTION METHODS
CN202180075584.7A CN116419856A (zh) 2020-11-13 2021-11-04 轮胎磨损状态预测系统、轮胎磨损状态预测程序以及轮胎磨损状态预测方法
US18/035,853 US20230393024A1 (en) 2020-11-13 2021-11-04 Tire wear condition prediction system, tire wear condition prediction program and tire wear condition prediction method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020189449A JP7407100B2 (ja) 2020-11-13 2020-11-13 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
JP2020-189449 2020-11-13

Publications (1)

Publication Number Publication Date
WO2022102516A1 true WO2022102516A1 (ja) 2022-05-19

Family

ID=81601213

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/040648 WO2022102516A1 (ja) 2020-11-13 2021-11-04 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

Country Status (5)

Country Link
US (1) US20230393024A1 (ja)
EP (1) EP4246117A4 (ja)
JP (1) JP7407100B2 (ja)
CN (1) CN116419856A (ja)
WO (1) WO2022102516A1 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009008502A1 (ja) 2007-07-11 2009-01-15 Kabushiki Kaisha Bridgestone タイヤ摩耗推定方法
JP2009018667A (ja) 2007-07-11 2009-01-29 Bridgestone Corp タイヤの摩耗検知方法及びタイヤの摩耗検知装置
JP2013136297A (ja) * 2011-12-28 2013-07-11 Bridgestone Corp タイヤ偏摩耗検知方法及びタイヤ偏摩耗検知装置
WO2017082362A1 (ja) * 2015-11-10 2017-05-18 株式会社ブリヂストン タイヤ管理方法及びタイヤ管理装置
US20180154707A1 (en) * 2016-12-05 2018-06-07 The Goodyear Tire & Rubber Company Indirect tire pressure and wear state estimation system and method
JP2020164127A (ja) * 2019-03-29 2020-10-08 Ｔｏｙｏ Ｔｉｒｅ株式会社 演算モデル生成システム、摩耗量推定システムおよび演算モデル生成方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009008502A1 (ja) 2007-07-11 2009-01-15 Kabushiki Kaisha Bridgestone タイヤ摩耗推定方法
JP2009018667A (ja) 2007-07-11 2009-01-29 Bridgestone Corp タイヤの摩耗検知方法及びタイヤの摩耗検知装置
JP2013136297A (ja) * 2011-12-28 2013-07-11 Bridgestone Corp タイヤ偏摩耗検知方法及びタイヤ偏摩耗検知装置
WO2017082362A1 (ja) * 2015-11-10 2017-05-18 株式会社ブリヂストン タイヤ管理方法及びタイヤ管理装置
US20180154707A1 (en) * 2016-12-05 2018-06-07 The Goodyear Tire & Rubber Company Indirect tire pressure and wear state estimation system and method
JP2020164127A (ja) * 2019-03-29 2020-10-08 Ｔｏｙｏ Ｔｉｒｅ株式会社 演算モデル生成システム、摩耗量推定システムおよび演算モデル生成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4246117A4

Also Published As

Publication number Publication date
EP4246117A1 (en) 2023-09-20
CN116419856A (zh) 2023-07-11
JP7407100B2 (ja) 2023-12-28
JP2022078630A (ja) 2022-05-25
US20230393024A1 (en) 2023-12-07
EP4246117A4 (en) 2024-04-24

Similar Documents

Publication Publication Date Title
EP3421267B1 (en) Tire wear state estimation system and method
JP6420589B2 (ja) ねじりモードのタイヤ摩耗状態推定システム及び方法
EP3330106B1 (en) Indirect tire pressure and wear state estimation system and method
EP3028910B1 (en) Slip ratio point optimization system and method for vehicle control
WO2021079838A1 (ja) タイヤ摩耗量推定システム、タイヤ摩耗量推定プログラム及びタイヤ摩耗量推定方法
EP2705963A2 (en) Tire sidewall load estimation system and method
JP6265375B2 (ja) タイヤスリップ角推定システムおよび方法
JP5412315B2 (ja) タイヤ偏摩耗の推定方法
JP2007191038A (ja) タイヤ内部故障検知装置およびタイヤ内部故障検知方法
US20090043517A1 (en) Method and device for calculating magnitude of cornering force generated in wheel
EP3674159B1 (en) Arithmetic model generation system and arithmetic model generation method
JP7306815B2 (ja) タイヤ劣化推定システムおよびタイヤ劣化推定方法
US20100107751A1 (en) Tire driving transmission efficiency measuring device, tire driving transmission efficiency measuring method, and predictive fuel cost calculating method
EP3028880A1 (en) Tire lift-off propensity predictive system and method
KR20040023725A (ko) 타이어가 겪는 힘들의 성분들과 자기-정렬 토크를결정하는 방법
CN112976956A (zh) 评估轮胎状况的方法
WO2020250517A1 (ja) タイヤ劣化推定装置およびタイヤ劣化推定方法
JP4030572B2 (ja) 車両制動距離予測装置および車両制動距離予測方法
WO2022102516A1 (ja) 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
JP2019069671A (ja) タイヤ劣化診断装置、及びタイヤ劣化診断システム
WO2020044739A1 (ja) タイヤ摩耗検知方法及びタイヤ摩耗検知装置
JP2001047822A (ja) 転動タイヤの摩擦エネルギー解析方法
EP3006234B1 (en) Method for judging abnormal loading of vehicles
WO2022102473A1 (ja) タイヤ荷重予測システム、タイヤ荷重予測プログラムおよびタイヤ荷重予測方法
WO2023032907A1 (ja) タイヤに関する情報処理装置およびプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21891762

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021891762

Country of ref document: EP

Effective date: 20230613