[go: up one dir, main page]

ES2838123T3 - Clasificación de neumáticos - Google Patents

Clasificación de neumáticos Download PDF

Info

Publication number
ES2838123T3
ES2838123T3 ES15001708T ES15001708T ES2838123T3 ES 2838123 T3 ES2838123 T3 ES 2838123T3 ES 15001708 T ES15001708 T ES 15001708T ES 15001708 T ES15001708 T ES 15001708T ES 2838123 T3 ES2838123 T3 ES 2838123T3
Authority
ES
Spain
Prior art keywords
tire
wheel
vehicle
sensor
class
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
ES15001708T
Other languages
English (en)
Inventor
Thomas Svantesson
Rickard Karlsson
Anders Svensson
Martin Lindfors
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nira Dynamics AB
Original Assignee
Nira Dynamics AB
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 Nira Dynamics AB filed Critical Nira Dynamics AB
Application granted granted Critical
Publication of ES2838123T3 publication Critical patent/ES2838123T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00Testing of vehicles
    • G01M17/007Wheeled or endless-tracked vehicles
    • G01M17/02Tyres
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/12Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre models
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60CVEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C19/00Tyre parts or constructions not otherwise provided for
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60CVEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C23/00Devices for measuring, signalling, controlling, or distributing tyre pressure or temperature, specially adapted for mounting on vehicles; Arrangement of tyre inflating devices on vehicles, e.g. of pumps or of tanks; Tyre cooling arrangements
    • B60C23/20Devices for measuring or signalling tyre temperature only
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60CVEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C19/00Tyre parts or constructions not otherwise provided for
    • B60C2019/004Tyre sensors other than for detecting tyre pressure
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/12Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre models
    • B60W40/13Load or weight
    • B60W2040/1353Moment of inertia of a sub-unit
    • B60W2040/1384Moment of inertia of a sub-unit the component being the wheel

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Regulating Braking Force (AREA)
  • Tires In General (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Vehicle Body Suspensions (AREA)

Abstract

Un método para determinar una clase de neumático de un neumático montado en una rueda de un vehículo de conducción, comprendiendo el método: obtener un conjunto de parámetros de propiedades del vehículo estimados, en donde dichos parámetros de propiedades del vehículo se determinan en función de al menos una señal de sensor recibida de sensores incluidos en dicho vehículo; determinar una clase de neumático en función de dicho conjunto de parámetros de propiedades del vehículo, caracterizado por que dichos parámetros de propiedades del vehículo se determinan en función de datos de sensor indicativos de la rigidez longitudinal de un neumático individual para al menos una rueda o la rigidez longitudinal inversa de un neumático individual para al menos una rueda, y datos de sensor indicativos de la temperatura ambiente y/o la temperatura de un neumático individual para al menos una rueda.

Description

DESCRIPCIÓN
Clasificación de neumáticos
Campo técnico
La presente divulgación se refiere, en general, a la determinación de la clase de neumático de un neumático montado en una rueda de un vehículo y, por ejemplo, a métodos de sistemas y productos de programas informáticos para la determinación del tipo de neumático montado en un vehículo.
Antecedentes
Los automóviles modernos comprenden sistemas de control electrónico o sistemas de asistencia del vehículo como el sistema de control de tracción (TCS), el programa electrónico de estabilidad (ESP), el sistema de suspensión activa o el sistema antibloqueo de frenos (ABS). Aparte de estos sistemas de control activo, también existen sistemas de información de seguridad para el conductor del vehículo, tales como los indicadores de fricción en carretera y el sistema de monitorización de la presión de los neumáticos sin sensores, por ejemplo, un sistema de monitorización de la presión de los neumáticos indirecto (iTPMS), los cuales presentan información al conductor acerca del estado de conducción.
Todos los sistemas mencionados anteriormente se benefician del conocimiento acerca de un gran conjunto de parámetros de propiedades del vehículo estimados o medidos, tales como la presión del aire del neumático, la rigidez longitudinal de los neumáticos, la temperatura ambiente, la temperatura del neumático, la frecuencia de resonancia de la rueda, la carga que porta el vehículo, el cambio de radio del neumático en los giros y la vibración de la rueda que depende de la velocidad.
El documento EP 1510427 A2 está dirigido a la determinación de las condiciones de la superficie de la carretera, para cuya determinación, la diferencia de las proporciones de deslizamiento entre las ruedas delanteras y traseras, la información sobre la desaceleración del vehículo y el tipo de neumático son los únicos parámetros de entrada. La diferencia de las proporciones de deslizamiento entre las ruedas delanteras y traseras también se utiliza para determinar el tipo de neumático.
El documento US 2004/225423 divulga la determinación de los parámetros de funcionamiento de los neumáticos, como la presión de los neumáticos, la temperatura del neumático, el desgaste del neumático y la rigidez longitudinal del neumático.
El documento WO 2005/005175 A2 divulga un método para la clasificación del tipo de neumático, en donde se utiliza un pico de frecuencia de un espectro de frecuencia para determinar una característica característica del neumático.
El documento DE 102009029272 A1 divulga la determinación de un tipo de neumático en función de una información medioambiental.
El documento EP 0970823 A2 divulga la determinación de un tipo de un neumático en función de la información de rotación medida de cada neumático en vehículos equipados con un dispositivo diferencial de deslizamiento limitado. El documento EP 0970823 A2 compara la información de rotación de los neumáticos para una situación de conducción donde el dispositivo diferencial de deslizamiento limitado no está activo y la información de rotación de los neumáticos para una situación de conducción donde el dispositivo diferencial de deslizamiento limitado está activo.
Sumario
El objeto de la presente invención es mejorar la base de datos sobre la cual funcionan los sistemas de control de los vehículos, los sistemas de asistencia y los sistemas de información al conductor y, por tanto, el rendimiento de tales sistemas, particularmente el rendimiento de los sistemas de control de asistencia del vehículo, tales como el indicador de presión de neumáticos (TPI), el sistema de control de tracción (TCS), el programa electrónico de estabilidad (ESP), el sistema de suspensión activa o el sistema antibloqueo de frenos (ABS).
Para resolver este objeto, la presente invención proporciona métodos, sistemas y productos de programas informáticos para determinar una clase de neumático de un neumático montado en una rueda de un vehículo de conducción como se define en las reivindicaciones independientes. Las realizaciones preferentes de estos se definen en las reivindicaciones dependientes, así como en la descripción y en los dibujos.
La presente invención se refiere a técnicas para estimar la clase de neumático, que utilizan señales obtenidas de sensores, por ejemplo, sensores de velocidad de las ruedas o sensores de aceleración de las ruedas. Por ejemplo, utilizando las señales de los sensores de velocidad de las ruedas de los sistemas ABS y/o del bus de datos interno del vehículo, tal como un FlexRay/CAN-bus, proporciona una forma económica de realizar la determinación de la clasificación de neumáticos, ya que estos sistemas ABS pertenecen al equipamiento estándar de la mayoría de los automóviles y camiones que se venden hoy en día.
Breve descripción de los dibujos
Las realizaciones de la invención se describirán ahora con más detalle con referencia a los dibujos adjuntos, en donde:
La figura 1 muestra, esquemáticamente, un vehículo de conducción que comprende sensores y un procesador o evaluador 102.
La figura 2 muestra, esquemáticamente, un diagrama esquemático de un sensor de velocidad de la rueda.
La figura 3 muestra, esquemáticamente, resultados a modo de ejemplo en función de una relación predeterminada utilizada por el procesador o evaluador para determinar una clase de neumático de un neumático montado en una rueda de un vehículo de conducción.
La figura 4 muestra, esquemáticamente, resultados a modo de ejemplo en función de una relación predeterminada que comprende una función inferida o una relación de estimación de valores de parámetros de propiedades del vehículo y uno o más límites de decisión.
La figura 5 muestra, esquemáticamente, una realización del método para determinar una clase de neumático de un neumático montado en una rueda de un vehículo de conducción.
La figura 6 muestra valores de parámetros de propiedades del vehículo a modo de ejemplo para la rigidez longitudinal inversa del neumático y la temperatura ambiente estimadas.
La figura 7 muestra una realización a modo de ejemplo de una relación predeterminada aplicada a los parámetros de propiedades del vehículo estimados de un vehículo de tamaño mediano.
Las figuras 8A y 8B muestran resultados a modo de ejemplo de determinaciones/estimaciones del tamaño de la llanta.
La figura 9 muestra resultados a modo de ejemplo de determinaciones/estimaciones de la sensibilidad a la vibración por presión de los neumáticos.
Descripción detallada
En general, la presente invención para determinar la clase de neumático o las propiedades del neumático de un neumático montado en una rueda de un vehículo de conducción se basa en un conjunto de parámetros de propiedades del vehículo estimados derivados de señales de sensor, tales como señales de sensor de velocidad de la rueda y/o señales de sensor de aceleración de la rueda, de sensores montados o incluidos en el vehículo. Los parámetros de propiedades del vehículo estimados se obtienen mediante la electrónica de control o un procesador o evaluador 102 incluido en el vehículo.
Los valores obtenidos de los parámetros de propiedades del vehículo estimados pueden ser obtenidos por el procesador o evaluador 102, por ejemplo, recuperándolos de una memoria acoplada de manera comunicativa con el procesador o evaluador 102 u obtenidos del bus de datos interno de un vehículo de conducción acoplado de manera comunicativa con el procesador o evaluador 102 y dichos sensores. El bus de datos del sensor de conducción puede admitir una selección de protocolos de comunicaciones de red automotriz, tales como FlexRay, la red de área del controlador CAN y el Time-Triggered Protocol (protocolo de activación por tiempo) TTP, como entendería un experto en la materia.
Sensores para generar señales de sensor que se pueden utilizar con la presente invención es una selección de al menos uno de, por ejemplo, un sensor de velocidad de la rueda, un sensor de aceleración de la rueda, un sensor de posición del vehículo de conducción en 3D, un sensor de velocidad del vehículo de conducción, un sensor de aceleración de la rueda, un sensor de presión de la rueda/neumático, un sensor de velocidad de guiñada del vehículo de conducción, un sensor de par motor, un sensor de par del eje de la rueda, un sensor de suspensión (relacionado), un sensor de temperatura de la rueda y un sensor de temperatura ambiente. Los tipos de sensores adecuados incluyen, por ejemplo, sensores de ultrasonidos, micrófonos, sensores láser, sensores de altura del eje, cualesquiera otros sensores de distancia analógicos, geófonos que convierten los desplazamientos en tensión o, por ejemplo, sensores de presión/acelerómetro en el interior de los neumáticos.
Datos de sensor que se pueden utilizar con la presente invención son una selección de al menos uno de, por ejemplo, datos de sensor que indican la rigidez longitudinal del neumático individual para al menos una rueda, datos de sensor que indican la rigidez longitudinal inversa del neumático individual para al menos una rueda, datos de sensor que indican la temperatura ambiente, datos de sensor que indican la temperatura del neumático individual para al menos una rueda, datos de sensor que indican la presión de la rueda/del neumático individual para al menos una rueda, datos de sensor que indican la presión de suspensión y/o fuerza que actúa sobre al menos uno de los al menos un neumático, por ejemplo, debido a la carga del vehículo, datos de sensor que indican el cambio de radio de rueda individual para al menos una rueda, por ejemplo, durante las curvas, datos de sensor que indican la vibración de la rueda individual para al menos una rueda, por ejemplo, a diversas velocidades del vehículo conducido, datos de sensor que indican las velocidades de la rueda individual para al menos una rueda, datos de sensor que indican la aceleración de la rueda individual para al menos una rueda, datos de sensor que indican la información sobre la altura de la suspensión relacionada con al menos un neumático, datos de sensor que indican la rigidez de la suspensión que actúa sobre al menos un neumático, datos de sensor que indican al menos una de las medidas de control actuales y futuras de extensión y/o altura de los medios de suspensión que actúan sobre al menos un neumático, datos de sensor que indican el funcionamiento de un sistema de control de suspensión semi-activo o activo del vehículo de conducción, datos de sensor que indican al menos una de una aceleración lateral y una aceleración longitudinal del vehículo (por ejemplo, que incluyen al menos una posición x, y, z; información de balanceo y/o cabeceo en el vehículo; por ejemplo, obtenida de una unidad de medición inercial tridimensional (3DIMU); datos de sensor que indican una velocidad de guiñada del vehículo, datos de sensor que indican la velocidad del vehículo; datos del sensor que indican un ángulo del volante de un volante del vehículo, datos de sensor que indican al menos uno del posicionamiento, orientación y dirección de emisión de al menos un faro delantero del vehículo, datos de sensor que indican una condición de conducción del vehículo, particularmente una condición de frenado, datos de sensor que indican que está funcionando un sistema de frenado del vehículo (por ejemplo, una bandera de frenado activa), datos de sensor que indican la presión del frenado, datos de sensor que indiquen que al menos un dispositivo de control activo del vehículo está activo, datos de sensor que indican un par motor de un motor del vehículo, datos de sensor que indican un par que actúa sobre al menos un neumático, datos de sensor que indican el deslizamiento de la rueda relacionado con al menos un neumático, datos de sensor que indican una fuerza de tracción de al menos una rueda, datos de sensor que indican una velocidad del motor de un motor del vehículo y datos de sensor que indican que está en progreso un cambio de marcha del vehículo.
La figura 1 muestra, esquemáticamente, un vehículo de conducción 101 en forma de un automóvil con cuatro ruedas 103 con neumáticos montados. El vehículo comprende unos sensores 100 y 140 que están configurados para medir y enviar datos de medición o datos de sensor como señales de sensor a un procesador o evaluador 102.
El procesador o evaluador 102 está configurado, además, para estimar u obtener un conjunto de parámetros de propiedades del vehículo en función de al menos una de dichas señales de sensor y para determinar una clase de neumático en función de dichos parámetros de propiedades del vehículo estimados y al menos una relación predeterminada.
El vehículo comprende, además, un bus de datos interno acoplado de manera comunicativa con al menos los sensores 100 y 140 y el procesador o evaluador 102 y configurado para transferir datos a y desde unidades acopladas de manera comunicativa con el bus de datos interno. El bus de datos del sensor de conducción puede admitir al menos uno de una selección de protocolos de comunicaciones de red automotriz, incluyendo FlexRay, la red de área del controlador CAN y el Time-Triggered Protocol (protocolo de activación por tiempo) TTP.
El vehículo puede ser cualquier vehículo con ruedas, tal como automóviles, camionetas, camiones, motocicletas, etc. que tienen al menos una rueda en contacto con el suelo. Los sensores utilizados para obtener las señales del sensor pueden ser de cualquier tipo de sensor que responda al movimiento de una rueda/neumático que indique una clase de neumático. Como se señaló anteriormente, los sensores pueden ser cualquier sensor de velocidad de la rueda y/o sensor de aceleración de la rueda común. Preferentemente, los sensores de velocidad de las ruedas de un sistema de antibloqueo de frenos (ABS) se utilizan en una realización, dado que dichos sensores ABS ya están montados en todos los vehículos hoy en día. Los expertos en la técnica conocen bien los sensores de velocidad de las ruedas.
La figura 2 muestra un diagrama esquemático de un sensor de velocidad de la rueda 100 a modo de ejemplo que comprende una rueda dentada 210 con, por ejemplo, en este caso, siete dientes idénticos. Un componente de sensor 220 está ubicado y dispuesto, respectivamente, de tal manera que genere una señal del sensor cada vez que un diente (piñón) de la rueda dentada pasa por el sensor. El sensor 100 puede ser un sensor óptico, un sensor magnético (por ejemplo, un sensor HALL) o cualquier otro tipo de sensor concebible. El sensor produce señales eléctricas que son transportadas por cables o transmisión de radio al procesador o unidad de evaluación 102 para su procesamiento posterior. En el ejemplo de la figura 2, en total se generan siete señales de sensor durante una vuelta completa de la rueda dentada.
Con respecto a la aceleración de la rueda, se puede utilizar cualquier sensor o sensores capaces de determinar la aceleración de una rueda.
La relación predeterminada mencionada anteriormente puede comprender uno o más límites de decisión, tales como umbrales.
La figura 3 ilustra dicha relación predeterminada utilizada por el procesador o evaluador 102 para determinar una clase de neumático de un neumático montado en una rueda de un vehículo de conducción. De acuerdo con realizaciones de la presente invención, el procesador o evaluador 102 puede determinar una clase de neumático evaluando una relación predeterminada que compara los valores de parámetros de propiedades del vehículo 311, 312, 313 con los umbrales predeterminados de valores de parámetros de propiedades del vehículo 320, 330. Los valores de parámetros de propiedades del vehículo 311, 312, 313 pueden, por ejemplo, indicar la rigidez longitudinal del neumático (o una estimación de esta) de la rueda y/o la temperatura ambiente. En el caso de un valor de parámetro de propiedades del vehículo relativo a la rigidez longitudinal del neumático, es preferente utilizar un valor de parámetro de propiedades del vehículo que indique la rigidez longitudinal del neumático inversa o una estimación de esta.
Por ejemplo, utilizando únicamente valores de parámetros de propiedades del vehículo que indiquen la rigidez longitudinal inversa del neumático estimada y la temperatura, es posible determinar si un neumático es de verano o de invierno. La rigidez longitudinal inversa puede ser, por ejemplo, estimada, a través de un modelo de regresión lineal y calculando el promedio (por ejemplo, para determinar un valor medio) durante un período más largo de conducción. El resultado se puede mejorar mediante ponderación con diversos factores, por ejemplo, la temperatura.
Como se ilustra en la figura 3, para valores de parámetros de propiedades del vehículo por debajo de un primer umbral 330 se determina una clase de neumático "neumáticos de invierno", para valores de parámetros de propiedades del vehículo iguales o superiores a un primer umbral 330 y por debajo de un segundo umbral 320, se determina una clase de neumático para "todas las estaciones", y para valores de parámetros de propiedades del vehículo iguales o superiores a un segundo umbral 320 se determina una clase de neumático "de verano".
De manera adicional o como alternativa, los valores de parámetros de propiedades del vehículo se pueden estimar utilizando una relación de estimación de valores de parámetros de propiedades del vehículo predeterminada. Una relación de estimación de valores de parámetros de propiedades del vehículo se puede obtener mediante el aprendizaje supervisado basado en un conjunto de datos de entrenamiento, en donde el conjunto de datos de entrenamiento comprende datos del sensor predeterminados y valores predeterminados de parámetros de propiedades del vehículo, como entendería un experto en la materia.
Esto se ilustra en la figura 4, que muestra una relación predeterminada 400 que comprende una función inferida o una relación de estimación de valores de parámetros de propiedades del vehículo y uno o más límites de decisión, en donde la relación de estimación de los valores de parámetros de propiedades del vehículo y los límites de decisión se determinan en función de los conjuntos de datos de entrenamiento 410 y 420. Para los conjuntos de datos de entrenamiento, los datos de sensor, los valores de parámetros de propiedades del vehículo estimados y la clase de neumático se conocen y se puede aplicar un proceso conocido como aprendizaje supervisado en función del conjunto de datos de entrenamiento, en donde el conjunto de datos de entrenamiento comprende datos de señal de sensor predeterminados y valores de parámetros de propiedades del vehículo predeterminados.
Cuando un operario hace funcionar un vehículo de conducción, entonces la información o los datos relacionados con la clase de neumático de un neumático montado en una rueda de un vehículo de conducción se reciben como señales del sensor de los sensores ubicados en el vehículo, por ejemplo, en el volante, mediante el procesador o evaluador 102. En función de las señales de sensor recibidas, el procesador o evaluador 102 estima un conjunto de valores de parámetros de propiedades del vehículo que pueden mantenerse en la memoria o almacenarse en una memoria no volátil. El procesador o evaluador 102 puede entonces determinar una clase de neumático de un neumático montado en una rueda de dicho vehículo en función del conjunto de valores de parámetros de propiedades del vehículo estimados y una relación predeterminada.
La figura 5 muestra un diagrama de flujo de una o más realizaciones de un método para determinar una clase de neumático de un neumático montado en una rueda de un vehículo de conducción, comprendiendo el método:
Etapa 510: Obtener un conjunto de parámetros de propiedades del vehículo estimados, en donde dichos parámetros de propiedades del vehículo se estiman en función de al menos las señales de sensor recibidas de los sensores incluidos en dicho vehículo.
Etapa 520: Determinar una clase de neumático en función de dicho conjunto de parámetros de propiedades del vehículo estimados y una relación predeterminada.
En un ejemplo no limitante, se obtiene un conjunto de valores de parámetros de propiedades del vehículo que comprenden la rigidez longitudinal y la temperatura inversa del neumático estimadas. Como temperatura, se pueden utilizar: la temperatura ambiente, la temperatura del neumático o una combinación de la temperatura ambiente y la temperatura del neumático. Para obtener la temperatura ambiente, se puede utilizar un sensor de temperatura respectivo ya instalado en los vehículos. Se puede utilizar la temperatura ambiente como tal o se puede utilizar la temperatura ambiente para estimar la temperatura del neumático, en donde la temperatura del neumático se utiliza luego para los valores de parámetros de propiedades del vehículo. La temperatura real del neumático puede diferir de la temperatura ambiente, por ejemplo, a altas velocidades del vehículo (por ejemplo, en un circuito de carreras, en la autopista alemana (Autobahn) y/o en una superficie bastante cálida o fría sobre la que se esté moviendo el vehículo. Por lo tanto, es preferente utilizar la temperatura del neumático. Además, se contempla utilizar un valor de temperatura resultante de una combinación/fusión del neumático y la temperatura ambiente (por ejemplo, mediante ponderación). En lo sucesivo, el término temperatura indica la temperatura ambiente, la temperatura del neumático o una combinación/fusión del neumático y la temperatura ambiente.
Una clase de neumático se determina comparando el conjunto de parámetros de propiedades del vehículo estimados con una relación predeterminada que comprende límites de decisión predeterminados tales como umbrales. Por ejemplo, un valor de rigidez longitudinal del neumático inversa por encima de un primer umbral y un valor de temperatura por encima de un segundo umbral se determina como un neumático de invierno. Un valor de rigidez longitudinal del neumático inversa por debajo de un primer umbral y un valor de temperatura por debajo de un segundo umbral se determina como un neumático de invierno. Esto se ilustra en la figura 6, que muestra valores a modo de ejemplo de los parámetros de propiedades del vehículo para la rigidez longitudinal inversa del neumático y la temperatura ambiente estimadas. En la figura 6, la línea punteada oblicua indica el límite, en donde los valores de parámetros de propiedades del vehículo que tienen una rigidez longitudinal del neumático inversa estimada y una temperatura a la izquierda del límite indican los neumáticos de verano y los valores de parámetros de propiedades del vehículo que tienen una rigidez longitudinal del neumático inversa estimada y una temperatura a la derecha del límite indican los neumáticos de invierno.
Dado que los neumáticos son componentes importantes de los vehículos de carretera que limitan la asistencia, la aceleración y la desaceleración/el frenado, también es un aporte importante a los sistemas de asistencia del vehículo activos para mejorar el rendimiento. Por ejemplo, el comportamiento de un vehículo puede variar cuando se hace funcionar con neumáticos de verano, neumáticos de invierno, neumáticos Cup, llantas pequeñas, llantas grandes, neumáticos nuevos o neumáticos gastados. Incluso un vehículo que circula por una pista con los mismos neumáticos comenzará a comportarse de manera diferente a medida que los neumáticos se desgasten y los sistemas activos de asistencia del vehículo deben adaptarse idealmente y compensar este comportamiento modificado. Con este fin, el método comprende, además, la etapa adicional de:
Etapa 530: Controlar una selección de al menos uno de, por ejemplo, un sistema de control de tracción, un sistema de programa de estabilidad electrónico, un sistema de suspensión activo, un sistema de antibloqueo de frenos o un sistema de control de la presión de los neumáticos incluido en dicho vehículo en función de una determinada clase de neumático.
Un conjunto de parámetros de propiedades del vehículo puede comprender una selección de al menos uno de, por ejemplo, la presión de aire de los neumáticos, la rigidez longitudinal del neumático (inversa y/o estimada), la temperatura ambiente, la temperatura del neumático, la frecuencia de resonancia de la rueda, la carga que porta el vehículo, el cambio de radio del neumático en los giros y la vibración de la rueda que depende de la velocidad.
En un ejemplo no limitante, una clase de neumático puede comprender datos que indiquen o representen un tipo de neumático, tales como el neumático de verano, el neumático para todas las estaciones, el neumático de invierno o el neumático Cup.
En un ejemplo no limitante, en el caso de un valor estimado de rigidez longitudinal del neumático por encima de un umbral predefinido, se puede determinar una clase de neumático que represente un tipo de neumático (por ejemplo, un neumático Cup).
En una o más realizaciones, una clase de neumático puede comprender datos que indiquen o representen el tamaño de la llanta de la rueda, tales como llantas de 30,5 a 66 centímetros (12 a 26 pulgadas).
En un ejemplo no limitante, en el caso de un valor estimado de rigidez longitudinal del neumático por encima de un primer umbral predefinido y por debajo de un segundo umbral predefinido, se puede determinar un tamaño de llanta en pulgadas (por ejemplo, 53,3 centímetros [21 pulgadas]).
En una o más realizaciones, una clase de neumático puede comprender datos que indican la sensibilidad a la vibración por presión del neumático.
En un ejemplo no limitante, se puede compensar un valor estimado de presión de los neumáticos en función del valor de sensibilidad a la vibración por presión de los neumáticos para lograr una estimación mejorada de la presión de los neumáticos.
En un ejemplo no limitante, las señales del sensor pueden ser señales de velocidad de la rueda de los sensores de velocidad rotatoria, ubicados en las ruedas, que indican el comportamiento dependiente del tiempo de las velocidades de las ruedas del vehículo.
En un ejemplo no limitante, las señales de sensor se pueden obtener de los sensores del acelerómetro, ubicados en las ruedas del vehículo, que indican el comportamiento dependiente del tiempo de las aceleraciones de las ruedas del vehículo.
En un ejemplo no limitante, se puede obtener un conjunto de parámetros de propiedades del vehículo de un bus de datos del sensor de conducción, en donde el bus de datos del sensor de conducción admite una selección de protocolos de comunicaciones de red automotriz, tales como FlexRay, la red de área del controlador (CAN) y el TimeTriggered Protocol (protocolo de activación por tiempo) (TTP).
En las realizaciones a modo de ejemplo, la clase de neumático comprende datos que representan el tipo de neumático. Un tipo de neumático puede ser un neumático de verano, un neumático de invierno, un neumático Cup o un neumático para todas las estaciones. Estos diferentes tipos de neumáticos se diferencian entre sí en la asistencia, la comodidad y el ruido. Con el fin de diferenciar eficientemente estos tipos de neumáticos, se llevó a cabo un enfoque de clasificación.
Con este fin, se investigaron varios parámetros diferentes de propiedades del vehículo, por ejemplo, la rigidez longitudinal del neumático (inversa), la temperatura, la frecuencia de resonancia de la rueda, la carga estimada, el cambio de radio de rueda en las curvas, el comportamiento de vibración de la rueda a diversas velocidades y la presión de los neumáticos medida directamente.
La fuerza de tracción está relacionada con el deslizamiento longitudinal. En una relación idealizada, la fuerza de tracción aumenta linealmente con respecto al deslizamiento, luego se acerca a un pico y disminuye a un valor estático cuando el deslizamiento es grande. En la conducción regular, una aproximación lineal de aproximadamente o es apropiada. El deslizamiento rara vez aumenta a un valor mayor y, cuando lo hace, el algoritmo de estimación puede simplemente desactivarse.
El modelo linealizado se puede escribir de la siguiente manera:
H = k ss (1)
donde p es la fuerza de tracción normalizada, s es el deslizamiento y ks la pendiente de deslizamiento o la rigidez longitudinal del neumático.
Figure imgf000007_0001
De manera más explícita, p. = es la proporción entre la fuerza de tracción generada por la línea de N n e u m á tico
transmisión en la rueda y la fuerza normal ejercida sobre la rueda. El deslizamiento s se define como s = v, donde w es la velocidad de rotación de la rueda, R es el radio de rodadura (nominal) del neumático y v la velocidad longitudinal. Cabe destacar que este modelo se mantiene siempre que el deslizamiento de las ruedas sea bajo y que el vehículo no se desplace en una curva demasiado cerrada.
Con, por ejemplo, un vehículo de tracción delantera (FWD), la velocidad v se puede estimar observando la velocidad de rotación de la rueda trasera. Entonces, la fuerza de tracción p de la rueda trasera es o. Sin embargo, puede haber una discrepancia entre el radio de rodadura de la rueda delantera y trasera, lo que crea una desviación 8. Se vuelve
P = k s(s - 8), (2)
y ahora es necesario estimar ambos ks y 8. Esto se puede reformular en:
s = j - ^ 8 (3)
A partir de ahí, la estimación con métodos sencillos, tal como la regresión lineal de mínimos cuadrados, es posible. En lo sucesivo, 1/ks se utiliza para la clasificación de neumáticos de verano o invierno o para determinar una clase de neumático.
Como ya se ha señalado, dos variables influyentes fueron la rigidez longitudinal inversa del neumático estimada y la temperatura. Con estas dos variables únicamente, es posible determinar con bastante precisión si un neumático es de verano o de invierno.
Se calcula una media de la rigidez longitudinal inversa durante un período de tiempo más largo. En la figura 7, se muestran resultados a modo de ejemplo.
En las realizaciones a modo de ejemplo, una clase de neumático puede comprender datos representativos del desgaste de los neumáticos. Los neumáticos de los vehículos se desgastan después de una cierta cantidad de conducción. Este es un comportamiento normal. Sin embargo, en determinadas condiciones, los neumáticos pueden desgastarse más rápido de lo habitual, por ejemplo, en el caso de que un neumático de invierno se conduzca a una temperatura ambiente cálida, por ejemplo, por encima de 15°C. La clase de neumático determinada en función de los parámetros de propiedades del vehículo se puede utilizar para detectar el desgaste de los neumáticos y, cuando la temperatura ambiente es alta, el desgaste de los neumáticos se puede considerar en los sistemas de información y control del vehículo, tales como los sistemas iTPMS.
En las realizaciones a modo de ejemplo, una clase de neumático puede comprender datos representativos del tamaño de la llanta. El tamaño de la llanta se puede determinar (o al menos estimar) mediante, por ejemplo, regresión, por ejemplo, con el regresor de vectores de soporte. Para determinar el tamaño de la llanta, se contempla utilizar uno o más parámetros de propiedades del vehículo que indiquen la energía del espectro de la señal alrededor de 15 Hz (por ejemplo, 10-15 Hz) y alrededor de 45 Hz (por ejemplo, 30-60 Hz), así como la frecuencia de vibración estimada para una rueda cuyo tamaño de llanta es deseado. La siguiente tabla muestra modos espectrales a modo de ejemplo en una señal de velocidad de la rueda, en donde se utilizan las potencias espectrales de 10-15 Hz (denominada 15 Hz) y 30-60 Hz (denominada 45 Hz).
0-10 10-1515-3030-6060-8080-100 100-_____________________
Modo de velocidad 1 Modo de ruido 2 Modo de ruido 3 Ruido
La denominada energía de modo de vibración de 45 Hz es sensible al tamaño de la llanta. Tanto el modo de vibración denominado de 15 Hz como el denominado de 45 Hz son sensibles a la rugosidad de la carretera y al tamaño de la llanta, pero la potencia de modo de vibración denominada de 15 Hz es insensible al tamaño de la llanta. Por tanto, la combinación de la información de la energía del espectro de la señal de los modos denominados de 15 y 45 Hz elimina el impacto del nivel de rugosidad de la carretera y mejora la determinación del tamaño de la llanta. De manera adicional, se descubrió que la frecuencia absoluta de vibración de la rueda alrededor del denominado modo de 45 Hz también estaba influenciada por el tamaño de la llanta. La pendiente de deslizamiento, posiblemente normalizada por la temperatura, también se puede tener en cuenta.
Por ejemplo, se aplicó una validación cruzada de los datos utilizados seguida de la aplicación del Criterio de Información de Akaike (AIC). Así mismo, se pueden utilizar no linealidades en forma de, por ejemplo, funciones cuadráticas. Con el fin de tener en cuenta el ruido, que puede ser significativo, se pueden descartar no linealidades más altas.
Las figuras 8A y 8B muestran resultados a modo de ejemplo de estimaciones del tamaño de la llanta utilizando una Máquina de Vector de Soporte (SVM) para clasificación y regresión. En ambos casos, se utilizó la regresión SVM para determinar o, al menos, estimar los tamaños de llanta. Las características utilizadas son (logaritmos de) potencias de 15 y 45 Hz, así como frecuencia de vibración de 45 Hz y pendiente de deslizamiento normalizada con respecto a la temperatura. Así mismo, en ambos casos, el eje x indica valores de llanta en regresión en pulgadas y el eje y indica los tamaños reales de llanta en pulgadas.
En otras realizaciones a modo de ejemplo adicionales o alternativas, una clase de neumático puede tener datos representativos de la sensibilidad a la vibración por presión de los neumáticos. Una característica de los neumáticos que también afecta la funcionalidad de iTPMS es la sensibilidad de la frecuencia de vibración de los neumáticos a los cambios de presión. Puede ser útil poder calcular esta sensibilidad y mejorar la funcionalidad de iTPMS:es. Algunos neumáticos responden con más fuerza a las variaciones de presión que otros. Puede ser útil saber cuánto reacciona un neumático a un cambio de presión en determinados aspectos con el fin de saber cómo ponderar diferentes señales a la hora de tomar la decisión de si el neumático tiene o no una presión de inflado incorrecta. Por ejemplo, una clase de neumático se puede determinar en función de las energías de las señales de 15 y 45 Hz y la frecuencia de vibración y la distribución de la frecuencia de vibración. Por ejemplo, se aplicó una validación cruzada de los datos utilizados seguida de la aplicación del Criterio de Información de Akaike (AIC). Con el fin de compensar las no linealidades de los datos, es posible seleccionar un conjunto de datos con adiciones cuadráticas simples.
La figura 9 muestra resultados a modo de ejemplo de determinaciones/estimaciones de sensibilidad a la vibración por presión de neumáticos utilizando un iTPMS y regresión. En ambos casos, el eje x indica valores de sensibilidad a la vibración por presión en regresión en hercios y el eje y indica la sensibilidad real a la vibración por presión en hercios.

Claims (10)

REIVINDICACIONES
1. Un método para determinar una clase de neumático de un neumático montado en una rueda de un vehículo de conducción, comprendiendo el método:
obtener un conjunto de parámetros de propiedades del vehículo estimados, en donde dichos parámetros de propiedades del vehículo se determinan en función de al menos una señal de sensor recibida de sensores incluidos en dicho vehículo;
determinar una clase de neumático en función de dicho conjunto de parámetros de propiedades del vehículo, caracterizado por que
dichos parámetros de propiedades del vehículo se determinan en función de
datos de sensor indicativos de la rigidez longitudinal de un neumático individual para al menos una rueda o la rigidez longitudinal inversa de un neumático individual para al menos una rueda, y
datos de sensor indicativos de la temperatura ambiente y/o la temperatura de un neumático individual para al menos una rueda.
2. El método de la reivindicación 1, en donde la clase de neumático se determina en función de dicho conjunto de parámetros de propiedades del vehículo y una relación predeterminada.
3. El método de la reivindicación 2, en donde la relación predeterminada es al menos una de una relación de valores de parámetros de propiedades del vehículo estimados y uno o más límites de decisión.
4. El método de una de las reivindicaciones anteriores, en donde una clase de neumático comprende datos que indican
- tipo de neumático seleccionado de un grupo de tipos de neumáticos incluyendo un neumático de verano, un neumático para todas las estaciones, un neumático de invierno y un neumático Cup, y/o
- tamaño de la llanta de la rueda, y/o
- sensibilidad a la vibración por presión.
5. El método de una de las reivindicaciones anteriores, que comprende, además, la etapa de controlar al menos uno de un sistema de control de tracción, un sistema de programa de estabilidad electrónico, un sistema de suspensión activo, un sistema de antibloqueo de frenos y un sistema de control de la presión de los neumáticos incluido en dicho vehículo en función de la determinada clase de neumático.
6. Sistema para estimar la clase de neumático de un neumático montado en una rueda de un vehículo de conducción, comprendiendo el sistema:
un primer sensor configurado para comunicar datos de sensor que indican la rigidez longitudinal del neumático individual para al menos una rueda o la rigidez longitudinal inversa del neumático individual para al menos una rueda como señales de sensor,
un segundo sensor configurado para comunicar datos de sensor que indican la temperatura ambiente y/o la temperatura del neumático individual para al menos una rueda,
un evaluador (102) configurado para:
recibir las señales de sensor del primer sensor y del segundo sensor,
determinar un conjunto de parámetros estimados de propiedades del vehículo en función de las señales de sensor recibidas;
determinar una clase de neumático en función de dicho conjunto de parámetros de propiedades del vehículo estimados.
7. El sistema de la reivindicación 6, en donde el evaluador (102) está configurado para determinar la clase de neumático en dicho conjunto de parámetros de propiedades del vehículo y una relación predeterminada.
8. El sistema de la reivindicación 7, en donde la relación predeterminada es al menos una de una relación de valores de parámetros de propiedades del vehículo estimados y uno o más límites de decisión.
9. El sistema de una de las reivindicaciones 6 a 8, en donde el al menos un sensor incluye al menos uno de un sensor de velocidad de rotación ubicado en una rueda, un sensor de velocidad de rueda común, un sensor de aceleración de rueda.
10. Producto de programa informático adaptado para estimar la clase de neumático de un neumático montado en una rueda de un vehículo de conducción, estando el programa informático dispuesto para realizar las etapas del método de una de las reivindicaciones 1 a 5.
ES15001708T 2014-06-09 2015-06-09 Clasificación de neumáticos Active ES2838123T3 (es)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102014008500.7A DE102014008500A1 (de) 2014-06-09 2014-06-09 Reifenklassifizierung

Publications (1)

Publication Number Publication Date
ES2838123T3 true ES2838123T3 (es) 2021-07-01

Family

ID=53385574

Family Applications (1)

Application Number Title Priority Date Filing Date
ES15001708T Active ES2838123T3 (es) 2014-06-09 2015-06-09 Clasificación de neumáticos

Country Status (9)

Country Link
US (1) US20160202147A1 (es)
EP (1) EP2955078B1 (es)
JP (1) JP6244027B2 (es)
KR (1) KR101797939B1 (es)
CN (1) CN105473409B (es)
BR (1) BR112016003452B1 (es)
DE (1) DE102014008500A1 (es)
ES (1) ES2838123T3 (es)
WO (1) WO2015188929A1 (es)

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI579536B (zh) * 2015-12-28 2017-04-21 Fang-Jun Chai Method and device for controlling vehicle load by vehicle tire pressure detection
DE102016209929B4 (de) * 2016-06-06 2020-06-04 Volkswagen Aktiengesellschaft Verfahren und Steuervorrichtung zum Steuern zumindest eines Schwingungsdämpfers eines Kraftfahrzeugs
US10518593B2 (en) * 2017-02-08 2019-12-31 Caterpillar Inc. Tire management system and method
US10525945B2 (en) * 2017-04-18 2020-01-07 Goodrich Corporation Antiskid brake control system with axle-mounted inertial sensor
EP3642058B1 (en) 2017-06-19 2023-07-26 Nira Dynamics AB Wheel monitoring in a vehicle
WO2019072822A1 (en) 2017-10-09 2019-04-18 Nira Dynamics Ab DETERMINING A STATE OF TIRE CHANGE IN A VEHICLE
FR3072165B1 (fr) 2017-10-10 2019-10-04 Continental Automotive France Procede de determination de l'epaisseur d'un pneumatique de vehicule automobile
US11505015B2 (en) 2017-12-20 2022-11-22 Nira Dynamics Ab Determining a tire pressure status in a vehicle
DE102018202514A1 (de) * 2018-02-20 2019-08-22 Bayerische Motoren Werke Aktiengesellschaft System und Verfahren zur automatischen Erstellung eines Videos einer Fahrt
JP7070155B2 (ja) * 2018-06-27 2022-05-18 株式会社デンソー 路面状態判別装置およびそれを備えるタイヤシステム
US10960712B2 (en) * 2018-06-28 2021-03-30 Nissan North America, Inc. Tire wear estimation using a hybrid machine learning system and method
JP7112909B2 (ja) * 2018-08-09 2022-08-04 株式会社ブリヂストン タイヤ種判別方法及びタイヤ種判別装置
DE102019206595A1 (de) * 2019-05-08 2020-11-12 Zf Friedrichshafen Ag Verfahren und Prüfstand zur Bestimmung von Reifeneigenschaften
CN110232324A (zh) * 2019-05-16 2019-09-13 苏州思卡信息系统有限公司 一种高速公路收费车型的自动识别系统及方法
FR3097504B1 (fr) 2019-06-18 2021-09-17 Continental Automotive Procédé et dispositif de prédiction d’un coefficient de friction personnalisé pour un véhicule sur un segment routier
US11748626B2 (en) 2019-08-12 2023-09-05 Micron Technology, Inc. Storage devices with neural network accelerators for automotive predictive maintenance
US11586194B2 (en) 2019-08-12 2023-02-21 Micron Technology, Inc. Storage and access of neural network models of automotive predictive maintenance
US11853863B2 (en) * 2019-08-12 2023-12-26 Micron Technology, Inc. Predictive maintenance of automotive tires
US11635893B2 (en) 2019-08-12 2023-04-25 Micron Technology, Inc. Communications between processors and storage devices in automotive predictive maintenance implemented via artificial neural networks
US12061971B2 (en) 2019-08-12 2024-08-13 Micron Technology, Inc. Predictive maintenance of automotive engines
US11586943B2 (en) 2019-08-12 2023-02-21 Micron Technology, Inc. Storage and access of neural network inputs in automotive predictive maintenance
US11775816B2 (en) 2019-08-12 2023-10-03 Micron Technology, Inc. Storage and access of neural network outputs in automotive predictive maintenance
US11702086B2 (en) 2019-08-21 2023-07-18 Micron Technology, Inc. Intelligent recording of errant vehicle behaviors
US11498388B2 (en) 2019-08-21 2022-11-15 Micron Technology, Inc. Intelligent climate control in vehicles
US11361552B2 (en) 2019-08-21 2022-06-14 Micron Technology, Inc. Security operations of parked vehicles
US11436076B2 (en) 2019-09-05 2022-09-06 Micron Technology, Inc. Predictive management of failing portions in a data storage device
US11435946B2 (en) 2019-09-05 2022-09-06 Micron Technology, Inc. Intelligent wear leveling with reduced write-amplification for data storage devices configured on autonomous vehicles
US11650746B2 (en) 2019-09-05 2023-05-16 Micron Technology, Inc. Intelligent write-amplification reduction for data storage devices configured on autonomous vehicles
US11409654B2 (en) 2019-09-05 2022-08-09 Micron Technology, Inc. Intelligent optimization of caching operations in a data storage device
US11693562B2 (en) 2019-09-05 2023-07-04 Micron Technology, Inc. Bandwidth optimization for different types of operations scheduled in a data storage device
US12210401B2 (en) 2019-09-05 2025-01-28 Micron Technology, Inc. Temperature based optimization of data storage operations
KR102149459B1 (ko) * 2019-09-23 2020-08-31 넥센타이어 주식회사 공기입 타이어 표면온도 측정용 지그 어셈블리
US11250648B2 (en) 2019-12-18 2022-02-15 Micron Technology, Inc. Predictive maintenance of automotive transmission
US11709625B2 (en) 2020-02-14 2023-07-25 Micron Technology, Inc. Optimization of power usage of data storage devices
US11531339B2 (en) 2020-02-14 2022-12-20 Micron Technology, Inc. Monitoring of drive by wire sensors in vehicles
DE102020210888A1 (de) * 2020-08-28 2022-03-03 Robert Bosch Gesellschaft mit beschränkter Haftung Computerimplementiertes Verfahren zum Trainieren eines Künstlichen Intelligenzmoduls zum Bestimmen eines Reifentyps eines Kraftfahrzeuges
DE102020123278B4 (de) 2020-09-07 2024-03-07 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zur Detektion einer Zustandsänderung eines Kraftfahrzeugs und Kraftfahrzeug
DE102020008066B4 (de) 2020-09-07 2024-03-07 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zur Detektion einer Zustandsänderung eines Kraftfahrzeugs und Kraftfahrzeug
US12134391B2 (en) 2021-12-15 2024-11-05 The Goodyear Tire & Rubber Company Tire stiffness estimation system
KR102739087B1 (ko) * 2024-03-11 2024-12-04 삼성화재해상보험 주식회사 타이어 이미지를 이용한 자동차 보험료 산정 방법 및 시스템

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3289375B2 (ja) * 1993-03-24 2002-06-04 株式会社デンソー 車体速度推定装置及び推定車体速度を用いたタイヤ状態検知装置
JP3150893B2 (ja) * 1996-01-12 2001-03-26 住友ゴム工業株式会社 タイヤ識別方法および装置
JP3544149B2 (ja) * 1998-07-09 2004-07-21 住友ゴム工業株式会社 タイヤ識別装置および方法
EP0970823A3 (en) * 1998-07-09 2003-06-11 Sumitomo Rubber Industries, Ltd. Apparatus for identifying tyres and method thereof
JP2000318416A (ja) * 1999-03-05 2000-11-21 Toyota Motor Corp 車両特性検出装置及びこの装置を搭載する車両の制御装置
JP3899987B2 (ja) * 2002-04-11 2007-03-28 株式会社豊田中央研究所 物理量推定装置及びタイヤ状態判定装置
US20040225423A1 (en) * 2003-05-07 2004-11-11 Carlson Christopher R. Determination of operational parameters of tires in vehicles from longitudinal stiffness and effective tire radius
DE10320828A1 (de) * 2003-05-08 2004-12-09 Robert Bosch Gmbh Optimierung einer Fahrdynamikregelung unter Verwendung von Reifeninformationen
EP1646516B1 (de) * 2003-07-08 2010-09-29 Continental Teves AG & Co. oHG Verfahren zur erkennung des am fahrzeug installierten reifentyps
JP4216150B2 (ja) * 2003-08-26 2009-01-28 富士重工業株式会社 車両のタイヤ種別判定装置
JP4247534B2 (ja) * 2003-10-21 2009-04-02 富士重工業株式会社 路面判定装置および路面判定方法
DE602004004014T2 (de) * 2003-08-26 2007-04-26 Fuji Jukogyo K.K. Vorrichtung und Verfahren zur Beurteilung des Reifentyps und von Strassenoberflächenzuständen für Fahrzeuge
JP4261309B2 (ja) * 2003-10-20 2009-04-30 富士重工業株式会社 車両のタイヤ種別判定方法
JP4672333B2 (ja) * 2004-11-02 2011-04-20 住友ゴム工業株式会社 タイヤ識別装置および方法
DE102006014701A1 (de) * 2005-04-25 2007-01-18 Continental Teves Ag & Co. Ohg Verfahren und System zur Erkennung des Reifentyps
DE102009029272A1 (de) * 2009-09-08 2011-03-10 Robert Bosch Gmbh Vorrichtung und Verfahren zur Ermittlung der Reifenart eines Fahrzeugs

Also Published As

Publication number Publication date
JP2016537259A (ja) 2016-12-01
US20160202147A1 (en) 2016-07-14
BR112016003452B1 (pt) 2022-05-24
WO2015188929A1 (en) 2015-12-17
CN105473409B (zh) 2019-07-12
KR101797939B1 (ko) 2017-11-15
CN105473409A (zh) 2016-04-06
BR112016003452A2 (es) 2017-08-01
KR20160039636A (ko) 2016-04-11
EP2955078B1 (en) 2020-10-28
EP2955078A1 (en) 2015-12-16
DE102014008500A1 (de) 2015-12-17
JP6244027B2 (ja) 2017-12-06

Similar Documents

Publication Publication Date Title
ES2838123T3 (es) Clasificación de neumáticos
CN105829185B (zh) 通过评估滚动半径来估计潜在附着力
KR101735938B1 (ko) 타이어 마모를 판단하기 위한 시스템 및 방법
JP5993804B2 (ja) タイヤ接地状態推定方法
US11458776B2 (en) Tread wear monitoring system and method
JP6045702B2 (ja) タイヤのトレッドのトレッドデプスを求めるための方法、制御装置およびシステム
WO2013011992A1 (ja) 路面状態推定方法、及び路面状態推定装置
US11505015B2 (en) Determining a tire pressure status in a vehicle
BR102014025856A2 (pt) sistema de avaliação de atrito da estrada e método
JP2004516978A (ja) 自動車の走行動特性のモニタ装置および方法
KR20090047249A (ko) 노면 상태 검출을 통한 차량 안전제어방법
JP2014532170A (ja) 車両ホイールの転がり抵抗を推定する方法
Jang et al. Lateral handling improvement with dynamic curvature control for an independent rear wheel drive EV
ES2879454T3 (es) Monitorización indirecta de la presión de neumáticos
JP2016217065A (ja) 路面粗さの計測装置
ES2957265T3 (es) Monitorización de ruedas de vehículo
JP5749106B2 (ja) 路面状態推定方法、及び路面状態推定装置
JP5686363B2 (ja) 路面摩擦係数推定装置
ITBO20080510A1 (it) Metodo e dispositivo di controllo di un veicolo per segnalare il raggiungimento della temperatura ottimale di funzionamento dei pneumatici e dei freni
GB2548597A (en) A system for use in a vehicle