轮胎更换系统的制作方法

1.本发明总体上涉及轮胎监测系统。更具体地，本发明涉及收集轮胎参数数据以监测轮胎磨损的系统。本发明涉及一种用于估计轮胎磨损率并产生更换轮胎的预测的系统。


背景技术：

2.轮胎磨损是指轮胎胎面的材料损失，如轮胎胎面的深度指示。测量或预测轮胎的磨损状态可能是有益的。例如，关于轮胎磨损状态的信息可用于预测车辆制动和/或操纵期间的轮胎性能，并可用于确定何时应更换轮胎。此外，轮胎的磨损率，即轮胎随时间的磨损，可用于估计作为时间函数的胎面深度以预测轮胎性能和/或轮胎寿命。
3.已经开发出使用连接到轮胎的传感器直接测量轮胎磨损状态的技术。直接技术包括某些优点，例如使用传感器测量压力、温度和/或胎面深度的方法相对简单。直接技术还包括挑战，例如在不影响轮胎完整性、传感器寿命和/或传感器数据在轮胎恶劣环境中的传输的情况下正确安装传感器。
4.由于这些挑战，已经开发了间接技术。间接技术将某些轮胎和/或车辆传感器测量值考虑在内，然后生成轮胎状态和/或轮胎磨损率的预测或估计。虽然间接技术不一定会遇到传感器安装、传感器寿命和/或传感器数据传输方面的挑战，但它们包括在生成的估计或预测中实现准确性和可重复性方面的挑战。例如，许多间接技术由于缺乏最佳预测技术而在现有技术中经历了缺点，这又降低了胎面磨损预测的准确性和/或可靠性。
5.结果，在本领域中需要一种准确且可靠地估计轮胎的磨损率并产生更换轮胎的预测的系统。


技术实现要素：

6.根据本发明示例性实施例的一个方面，提供一种用于支撑车辆的轮胎的轮胎更换系统。该系统包括与车辆的电子系统进行电子通信的处理器，以及用于存储轮胎的识别信息的电子存储器容量。处理器接收来自电子存储器容量的轮胎的识别信息和来自车辆电子系统的车辆数据。预测模型与处理器进行电子通信并接收轮胎的识别信息和车辆数据。轮胎的更换胎面深度的识别被包括在预测模型中，并且轮胎达到更换胎面深度的剩余可用距离的估计由预测模型确定。达到更换胎面深度的剩余可用时间的估计由预测模型根据轮胎达到更换胎面深度的剩余可用距离的估计来确定。残余校正模块与处理器进行电子通信，并优化轮胎达到更换胎面深度的剩余可用时间的估计。更换提前期确定由轮胎更换系统生成并且对应于轮胎达到更换胎面深度的剩余可用时间的估计。更换提前期的通知由轮胎更换系统生成并且被传送到车辆的电子系统、基于云的服务器和显示设备中的至少一个。
7.本发明提供以下技术方案：1. 一种用于支撑车辆的轮胎的更换系统，该车辆包括电子系统，该系统包括：与车辆的电子系统进行电子通信的处理器；用于存储轮胎识别信息的电子存储容量；
所述处理器接收来自电子存储器容量的轮胎识别信息和来自车辆的电子系统的车辆数据；与处理器进行电子通信并接收轮胎识别信息和车辆数据的预测模型；包含在预测模型中的轮胎的更换胎面深度的识别；对轮胎达到由预测模型确定的更换胎面深度的剩余可用距离的估计；由预测模型根据轮胎达到更换胎面深度的剩余可用距离的估计确定达到更换胎面深度的剩余可用时间的估计；与处理器进行电子通信的残差校正模块，以优化轮胎达到更换胎面深度的剩余可用时间的估计；由轮胎更换系统生成并对应于轮胎达到更换胎面深度的剩余可用时间的估计的更换提前期确定；和由轮胎更换系统生成的更换提前期的通知，所述通知被传送到车辆的电子系统、基于云的服务器和显示设备中的至少一个。
8.2. 根据方案1所述的用于支撑车辆的轮胎的更换系统，其中，所述轮胎识别信息包括轮胎的原始胎面深度、轮胎的轮辋尺寸、轮胎的类型以及轮胎在车辆上的位置。
9.3. 根据方案1所述的用于支撑车辆的轮胎的更换系统，其中，所述车辆数据包括车辆行驶距离、车辆速度和车辆载荷中的至少一项。
10.4. 根据方案1所述的用于支撑车辆的轮胎的更换系统，其中，所述车辆的电子系统包括受控区域网络总线和电子制动系统中的至少一个。
11.5. 根据方案1所述的用于支撑车辆的轮胎的更换系统，还包括传感器单元，所述传感器单元安装到所述轮胎并与所述处理器进行电子通信，所述传感器单元测量轮胎参数，所述轮胎参数包括轮胎压力、轮胎温度和轮胎载荷中的至少一项，其中预测模型接收轮胎参数。
12.6. 根据方案1所述的用于支撑车辆的轮胎的更换系统，其中，所述预测模型采用生存分析技术。
13.7. 根据方案1所述的用于支撑车辆的轮胎的更换系统，其中，所述预测模型生成作为剩余胎面深度与轮胎行进距离的函数的至少一条衰减曲线，其中所述至少一条衰减曲线表示轮胎的磨损率。
14.8. 根据方案7所述的用于支撑车辆的轮胎的更换系统，其中，所述预测模型生成轮胎的典型磨损率的衰减曲线、轮胎的慢磨损率的衰减曲线和轮胎的快磨损率的衰减曲线。
15.9. 根据方案7所述的用于支撑车辆的轮胎的更换系统，其中，轮胎达到更换胎面深度的预期行进距离从所述至少一个衰减曲线中识别。
16.10. 根据方案9所述的用于支撑车辆的轮胎的更换系统，其中，轮胎达到更换胎面深度的剩余可用距离的估计是通过从轮胎达到更换胎面深度的预期距离中减去轮胎经历的行进距离来计算的。
17.11. 根据方案7所述的用于支撑车辆的轮胎的更换系统，其中，通过使用轮胎的物理参数估计轮胎的剩余胎面深度来提高所述至少一个衰减曲线的精度，所述轮胎的物理参数包括轮胎的行进距离、轮胎压力和轮胎温度中的至少一个。
18.12. 根据方案7所述的用于支撑车辆的轮胎的更换系统，其中，所述预测模型包括形状参数以修改所述至少一条衰减曲线的斜率。
19.13. 根据方案12所述的用于支撑车辆的轮胎的更换系统，其中，所述轮胎的剩余胎面深度的估计被估计为尺寸或百分比。
20.14. 根据方案1所述的用于支撑车辆的轮胎的更换系统，其中，通过将剩余可用距离的估计除以车辆行驶的基于时间的平均距离，将剩余可用距离的估计转换为达到更换胎面深度的剩余可用时间的估计。
21.15. 根据方案1所述的用于支撑车辆的轮胎的更换系统，其中，所述残差校正模块包括机器学习模型。
22.16. 根据方案15所述的用于支撑车辆的轮胎的更换系统，其中，所述机器学习模型包括绝对误差的预定百分位数。
23.17. 根据方案16所述的用于支撑车辆的轮胎的更换系统，其中，所述机器学习模型识别包括观察点的围绕中心值的置信区间。
24.18. 根据方案1所述的用于支撑车辆的轮胎的更换系统，还包括与所述处理器电子通信的过滤器模块。
25.19. 根据方案18所述的用于支撑车辆的轮胎的更换系统，其中，所述过滤器模块允许所述轮胎更换系统使用在所述轮胎处于预定磨损率范围内时的数据。
26.20. 根据方案19所述的用于支撑车辆的轮胎的更换系统，其中，所述过滤器模块采用关于慢磨损曲线和快磨损曲线的接受区域，其中所述慢磨损曲线和所述快磨损曲线是剩余胎面深度与轮胎行进距离的函数。
27.附图的简要说明将通过示例并参考附图描述本发明，其中：图1是采用本发明的轮胎更换系统的示例性实施例的带有配备传感器的轮胎的一种类型车辆的示意性透视图；图2是图1所示的该类型车辆的平面示意图；图3是图1所示的该类型车辆的示意性透视图，其中表示向基于云的服务器和向用户设备传输数据；图4是本发明的轮胎更换系统的示例性实施例的各方面的示意图；图5是本发明的轮胎更换系统的示例性实施例的一个方面的图形表示；图6是在本发明的轮胎更换系统的示例性实施例的一个方面中采用的表达式的表示；图7是在本发明的轮胎更换系统的示例性实施例的一个方面中采用的另一种表达式的表示；图8是在本发明的轮胎更换系统的示例性实施例的一个方面中采用的另一种表达式的表示；图9是在本发明的轮胎更换系统的示例性实施例的一个方面中采用的另一种表达式的表示；图10是本发明轮胎更换系统的示例性实施例的另一方面的图形表示；图11是本发明的轮胎更换系统的示例性实施例的另一方面的图形表示；
图12是在本发明的轮胎更换系统的示例性实施例的一个方面中采用的另一种表达式的表示；图13是在本发明的轮胎更换系统的示例性实施例的一个方面中采用的另一种表达式的表示；图14是在本发明的轮胎更换系统的示例性实施例的一个方面中采用的另一种表达式的表示；图15是在本发明的轮胎更换系统的示例性实施例的一个方面中采用的另一种表达式的表示；图16是在本发明的轮胎更换系统的示例性实施例的一个方面中采用的另一种表达式的表示；图17是本发明的轮胎更换系统的示例性实施例的另一方面的图形表示；图18是本发明的轮胎更换系统的示例性实施例的另一方面的示意图；和图19是本发明的轮胎更换系统的示例性实施例的另一方面的图形表示。
28.相似的数字在所有附图中指相似的部分。
29.定义“ann”或“人工神经网络”是一种用于非线性统计数据建模的自适应工具，它根据在学习阶段流经网络的外部或内部信息来改变其结构。 ann神经网络是非线性统计数据建模工具，用于建模输入和输出之间的复杂关系或查找数据中的模式。
[0030]“轴向”和“轴向地”是指平行于轮胎旋转轴线的线或方向。
[0031]“can总线”是控制器局域网的缩写。
[0032]“周向”是指沿着垂直于轴向方向的环形胎面的表面的周边延伸的线或方向。
[0033]“云计算”或“云”是指涉及分布在多个数据中心的计算能力和/或数据存储的计算机处理，这典型地通过使用互联网的访问和通信来促进。
[0034]“ebs”是车辆电子制动系统的缩写。
[0035]“赤道中心面（cp）”是指垂直于轮胎旋转轴线并通过胎面中心的平面。
[0036]“印迹”是指轮胎旋转或滚动时由轮胎胎面与平坦表面形成的接触面或接触区域。
[0037]“凹槽”是指胎面中的细长空隙区域，其可以围绕胎面以直线弯曲或之字形方式沿周向或横向延伸。
[0038]“内侧”是指当轮胎安装在车轮上并且车轮安装在车辆上时，轮胎最靠近车辆的一侧。
[0039]“卡尔曼滤波器”是一组数学方程，它实现了一个预测器-校正器类型的估计器，它在满足某些假定条件时最小化估计的误差协方差的意义上是最优的。
[0040]“横向”是指轴向方向。
[0041]“luenberger观察器”是一个状态观察器或估计模型。
ꢀ“
状态观察器”是一个系统，它从对给定真实系统的输入和输出的测量来提供给定真实系统的内部状态的估计。它通常是计算机实现的，并为许多实际应用提供了基础。
[0042]“mse”是均方误差的缩写，即测量信号与卡尔曼滤波器最小化的估计信号之间的误差。
[0043]“外侧”是指当轮胎安装在车轮上且车轮安装在车辆上时，轮胎离车辆最远的一
侧。
[0044]“psd”是功率谱密度（与 fft（快速傅立叶变换）同义的技术名称）。
[0045]“径向”和“径向地”是指径向朝向或远离轮胎旋转轴线的方向。
[0046]“花纹条”是指胎面上的周向延伸的橡胶条，其由至少一个周向凹槽和第二个这样的凹槽或横向边缘限定，该条在横向上未被全深度凹槽分开。
[0047]“细缝”是指模制到轮胎胎面元件中的小槽，这些槽细分了胎面表面并提高了牵引力，细缝通常宽度较窄，并且靠近轮胎印迹，而不是在轮胎印迹中保持开放的凹槽。
[0048]“胎面”是指模制橡胶部件，其包括轮胎在正常充气和正常载荷下与道路接触的部分。
[0049]“胎面深度”是指胎面元件的径向最外表面与轮胎的最深凹槽的径向最外表面之间的径向距离或尺寸。
[0050]“胎面元件”或“牵引元件”是指由具有相邻凹槽的形状限定的花纹条或块元件。
具体实施方式
[0051]
现在转向图1至图19，本发明的轮胎更换系统的示例性实施例以10表示。特别参考图1，系统10估计支撑车辆14的每个轮胎12的磨损率并预测支撑车辆14的每个轮胎12的更换。虽然为了方便起见车辆14被描述为乘用车，但本发明不限于此。本发明的原理可应用于其他车辆类别，例如商用卡车和拖车、越野车辆等，其中车辆可以由更多或更少的轮胎支撑。
[0052]
每个轮胎12包括一对胎圈区域16和一对侧壁18，其中每个侧壁从相应的胎圈区域径向向外延伸到接地胎面20。轮胎12由从一个胎圈区域16到另一胎圈区域环形延伸的胎体22加强，如本领域技术人员所知。内衬层24形成在胎体22的内表面上。轮胎12以本领域技术人员已知的方式安装在车轮26上，并且在安装时形成填充有加压流体(如空气)的内腔28。
[0053]
传感器单元30可以通过诸如粘合剂的方式附接到每个轮胎12的内衬层24并且测量轮胎12的某些参数或状况，如下文将更详细描述的。应当理解，传感器单元30可以以这种方式或附接至轮胎12的其他部件，例如在胎体22的层之间、在胎侧18之一上或中、在胎面20上或胎面中，和/或其组合。为方便起见，本文将参考传感器单元30在轮胎12上的安装，应理解这种安装包括所有这种附接。
[0054]
传感器单元30安装在每个轮胎12上，用于检测某些实时轮胎参数，例如轮胎压力52(图4)、温度54和/或载荷56。优选地，传感器单元30是轮胎压力监测系统 (tpms) 模块或传感器，是可商购的类型，并且可以是任何已知的配置。为了方便起见，将传感器单元30称为tpms传感器。每个tpms传感器30优选地还包括用于存储每个轮胎12的识别(id)信息的电子存储器容量，称为轮胎id信息58。替代地，轮胎id信息58可以被包括在另一个传感器单元中，或者在单独的轮胎id存储介质中，例如轮胎id标签34。
[0055]
轮胎id信息58可以包括轮胎12的制造信息，例如：轮胎类型64，例如乘用轮胎、卡车轮胎、拖车轮胎、转向轮胎、非转向轮胎等；轮胎型号；原始胎面深度60；尺寸信息，例如轮辋尺寸 62、宽度和外径；生产地点；生产日期;包括复合标识或与复合标识相关的胎面冠部代码；包括胎面结构标识或与胎面结构标识相关的型号代码。轮胎 id 信息 58 还可以包括服务历史或其他信息以识别每个轮胎 12 的特定特征和参数，以及轮胎在车辆 14 上的
地点或位置 66。此外，全球定位系统 (gps)能力可以被包括在tpms传感器30和/或轮胎id标签34中以便在运输期间提供轮胎12的位置跟踪和/或轮胎安装在其上的车辆14的位置跟踪。
[0056]
应当理解，tmps传感器30和轮胎id标签34可以是分别的单元或者可以结合到单个传感器单元中。此外，本领域技术人员已知的其他传感器可以在轮胎12中作为集成的或分别的单元使用。为了方便起见，将tmps传感器30和轮胎id标签34作为分别的单元进行参考，应理解它们可以结合到一个集成单元中，并且可以采用其他传感器。
[0057]
现在转向图2，tmps传感器30和轮胎id标签34各自包括用于将轮胎压力52、轮胎温度54和轮胎载荷56的测量参数以及轮胎id信息58无线传输36到处理器38的天线。处理器38可以集成到tpms传感器30或轮胎id标签34中，或者可以是远程处理器，其可以安装在车辆14上或者可以是基于云的。为方便起见，处理器38将被描述为安装在车辆14上的远程处理器，应理解处理器可替代地基于云或集成到 tpms 传感器单元30或轮胎id标签34中。
[0058]
处理器38优选地与车辆14的电子系统电子通信，例如车辆can总线系统42，其被称为can总线，或车辆ebs。为方便起见，将参考can总线42，应理解这种参考包括车辆14的其他电子系统，例如车辆ebs。
[0059]
轮胎更换系统10的各个方面优选地在处理器38上执行，处理器38能够实现来自tmps传感器30和轮胎id标签34的数据的输入，以及来自安装在车辆14上的传感器的数据的输入，这些传感器是与can总线进行电子通信。例如，车载或基于车辆的传感器包括指示车辆数据的传感器，例如车辆速度68、车辆载荷70、来自里程表的车辆行驶距离72，等。
[0060]
参考图3，当上述轮胎数据、轮胎id信息和车辆数据对于每个轮胎12被收集并关联时，数据可以从车辆14上的处理器38(图2)无线传输40到在基于云的服务器44中的处理器。数据可以在基于云的服务器44上存储和/或远程分析，并且还可以无线传输46到显示设备50以用于对车辆14的用户、技术人员或车队经理可见到的显示，例如智能手机或计算机。替代地，数据可以从车辆14上的处理器38直接无线传输48到显示设备50。
[0061]
转向图4，轮胎更换系统10包括数据74到处理器38的传输。优选地，数据74包括轮胎id信息58，特别是原始胎面深度60、轮辋尺寸62、轮胎类型64、以及车辆14上的轮胎位置66，它们从id标签34传输到处理器38。或者，轮胎id信息58的一些或全部可以存储在与处理器38进行电子通信的数据库中。传输的数据74还包括车辆数据，例如来自里程表的车辆行驶距离72，其从can总线42传输到处理器38。
[0062]
为了提高轮胎更换系统10的准确性，传输的数据74可以包括传输到处理器38的附加数据。例如，轮胎压力52、轮胎温度54和/或轮胎载荷56可从tpms传感器30传输到处理器38。车辆速度68和/或车辆载荷70可从can总线42传输到处理器38。应该理解，其他类型的信息可以被包括在传输的数据74中，例如交通状况、道路状况、天气等。每组传输的数据74都带有时间戳，使得传输的数据与特定的测量时间相关。以这种方式，可以生成多组传输数据74，每组具有特定的时间戳。
[0063]
轮胎更换系统10包括预测模型76，其存储在处理器38上或与处理器38进行电子通信。预测模型76接收传输的数据74并生成将达到更换胎面深度82的轮胎12的剩余可用距离100和剩余可用时间102，如下面将更详细描述的。优选地，预测模型76采用生存分析技术，该技术是分析数据输入(例如传输的数据74)的统计技术，以估计对于给定部件(例如每个
轮胎12)直到事件发生之前剩余的持续时间。
[0064]
预测模型76采用的生存分析技术优选地是参数模型，其采用固定的数学形式来计算输出。然后通过非参数模型调整残差，残差是观察值和预测值之间的差异。结果以不同的形式生成，例如交互式环境中的绘图、文件和变量。生存分析技术和非参数模型将多个连续和分类参数作为输入。
[0065]
每个轮胎 12 包括原始胎面深度 60，如图1所示。参考图4和图5，随着轮胎12磨损，胎面深度减小并被表示为剩余胎面深度80。剩余胎面深度80可以表达为原始胎面深度60的尺寸或百分比。识别更换胎面深度82，其可以是原始胎面深度60的特定尺寸或特定百分比。在图5中，更换胎面深度82被设置为原始胎面深度60的百分之20(20%)。
[0066]
预测模型76中的生存分析技术生成作为剩余胎面深度80对轮胎12行进的距离84的函数的中央衰减曲线86。中央衰减曲线86代表轮胎12的典型预期磨损率。也可产生上衰减曲线90，其代表轮胎12的较慢磨损率。可进一步产生下衰减曲线92，其代表轮胎12的较快磨损率。
[0067]
对于典型的预期磨损率86，轮胎12达到更换胎面深度82的预期行进距离84在94处指示。例如，当更换胎面深度82设置为原始胎面深度60的20%时，轮胎12达到更换胎面深度的预期行进距离94是270,000公里(km)。对于较慢磨损率90，轮胎12达到更换胎面深度82的预期距离在96处指示，即320,000km。对于更快的磨损率92，轮胎12达到更换胎面深度82的预期距离在98处指示，即220,000km。
[0068]
由于已经识别了轮胎12达到更换胎面深度82的预期距离94，因此可以生成轮胎可以行进的剩余可用距离100（图6）。轮胎id信息58提供当轮胎12是新的并且在其原始胎面深度60时车辆14行驶的距离。可以从里程表获得当前车辆行驶距离72。轮胎12经历的行驶距离84可以通过从车辆的当前行驶距离减去轮胎12是新的时车辆14的行驶距离72来确定。
[0069]
在典型预期磨损率86下的剩余可用距离100通过从轮胎以典型预期磨损率达到更换胎面深度82的预期距离94减去轮胎12经历的行进距离来计算。通过从轮胎以较慢磨损率达到更换胎面深度82的预期距离96减去轮胎12经历的行进距离来计算在较慢磨损率90下的剩余可用距离100。通过从轮胎以更快磨损率达到更换胎面深度82的预期距离98减去轮胎12经历的行进距离来计算在更快磨损率92下的剩余可用距离100。
[0070]
如图6所示，剩余可用距离100可转换为达到更换胎面深度82的剩余可用时间102。可通过来自里程表的车辆行驶距离72监测车辆14行驶的平均每周距离104。达到更换胎面深度82的剩余可用时间102通过将剩余可用距离100除以平均每周距离104来确定。
[0071]
为了为轮胎更换系统10提供更高的精度，可以提高衰减曲线86、90、92的精度。提高这种精度的一种方法包括使用轮胎12的物理参数估计胎面深度80。例如，使用图7中所示的方程106，第一函数110将胎面深度80的估计表示为取决于几个参数x1、x2、x3的最小胎面深度112 。使用图8中所示的方程108，第二函数114将胎面深度80的估计表示为取决于参数x1、x2、x3的最大胎面深度116。
[0072]
在每个函数110和114中，参数x1、x2、x3包括从传输的数据74中选择的可用参数，例如轮胎压力52、轮胎温度54和轮胎载荷56。轮胎行驶距离84是根据上述确定的始终可用的参数。以这种方式，衰减曲线86、90、92的精度得到改善，因为当轮胎12的行驶距离84为零(0)时，函数110应返回胎面深度的最大值112，其为原始深度60。当轮胎12的行驶距离84为
极大值时，函数114应返回胎面深度的最小值116，即更换胎面深度82。
[0073]
图9中所示的方程118优选地通过胎面深度80的估计来提高衰减曲线86、90、92的精度，胎面深度80是包括方程106和108的极限值的指数衰减函数。在方程118中，td是要预测的剩余胎面深度80，优选地以毫米为单位， treaddepth
original
是轮胎12的原始胎面深度60， treaddepth
min
是更换胎面深度82， distance是轮胎的行进距离84，优选地以千米为单位，并且阿尔法(α)是修改衰减曲线86、90、92的斜率的形状参数。
[0074]
图10中示出了修改的预测模型120，并且图示了根据形状参数阿尔法α从原始衰减曲线86、90、92对衰减曲线122的调整。图 11 中显示了一个额外的修改预测模型124，它说明了根据轮胎12的原始胎面深度60和更换胎面深度82对衰减曲线126的进一步调整。
[0075]
为了考虑尽可能多的变量或参数，方程 118可以修改为如图12所示的最终方程128。在最终方程128中，形状参数阿尔法(α)被矩阵a替换，并且轮胎行进距离84由参数矩阵p代替。矩阵a和矩阵p的点积可以被读取为线性变换，如图13中的130所示。包括来自传输数据74的特定参数的线性变换的示例如图14中的132所示。线性变换132包括轮胎12的行进距离84、轮胎压力52和轮胎温度54。来自传输数据74的附加参数可以被添加以继续增加衰减曲线86、90、92的精度，并且进而提高轮胎更换系统10的准确性。
[0076]
另一种提高衰减曲线86、90、92的精度以为轮胎更换系统10提供更高准确性的方法包括胎面深度80以百分比的估计。在这种情况下，图9中所示的方程118失去了其几何元素并采用图15中的方程134的形式。在方程134中， td是以百分比形式的要预测的剩余胎面深度80，mintreaddepth%是以百分比表示的轮胎12的更换胎面深度82，distance是轮胎的行进距离84，优选地以千米为单位，并且阿尔法(α)是修改衰减曲线86、90、92的斜率的形状参数。
[0077]
为了考虑尽可能多的变量或参数，方程134可以被修改为如图16所示的最终方程136。在最终方程136中，形状参数阿尔法(α)由矩阵a代替，并且轮胎行进距离84由参数矩阵p代替。修改的预测模型138在图17中示出，并且示出了基于按百分比的轮胎12的更换胎面深度82根据形状参数阿尔法α从原始衰减曲线86、90、92对衰减曲线140的调整。
[0078]
如图4所示，轮胎更换系统10优选地包括残差或误差校正模块142以优化轮胎12达到更换胎面深度82的剩余可用时间102的估计。更具体地，残差校正模块142优选地包括训练分析模型的机器学习模型，例如随机森林模型或神经网络模型，以最小化统计误差并因此优化对于轮胎12达到更换胎面深度82的剩余可用时间102的估计。
[0079]
残差校正模块142的模型优选地使用接收到传输数据74的轮胎12的大约百分之60(60％)来训练，而剩余的40％用于估计达到更换胎面深度82的剩余可用时间102。优选地，使用轮胎id信息58确定60%和40%之间的划分以确保在模型训练期间使用的轮胎12不用于测试模型以进一步优化轮胎更换系统10的准确性。
[0080]
残差校正模块142的模型中使用的度量优选地包括调整后的r2，其是因变量中的变化的比例的修正的确定系数，该因变量根据针对在模型中预测值的数量调整的自变量预测。度量优选地还包括成对观察结果之间的平均绝对误差(mae)。调整后的r2和mae是模型误差计算中的传统度量。
[0081]
残差校正模块142的模型中的度量优选地还包括绝对误差的预定百分位数，如图18中所示。例如，这些度量优选地包括绝对误差的75%、绝对误差的90%和绝对误差的95%。预
测的中心值146可能不会返回与真实观察的完美匹配，因此优选的是识别围绕中心值的置信区间144，该中心值将包括观察到的点。置信区间144是由下限和上限定义的估计范围，并且指的是预测中的准确度水平。置信区间144越大，区间包括的点的数目越大。目标是在较小的置信区间144中包含最大部分的点。
[0082]
为了具有代表性度量，优选的是计算包括75%、90%和95%的误差的置信区间144。例如，轮胎12达到更换胎面深度82 +/-区间[95%]的剩余可用时间102表示在估计的剩余可用时间内轮胎将到达其寿命终点的时间的95%。置信区间144优选地通过计算测试数据库的每个点的绝对误差并生成列表来确定，并且列表上的期望百分位数在前一个点处生成。置信区间144可以被调整到任何期望的百分比，例如50%、75%和95%。
[0083]
应理解，由于轮胎12的更换胎面深度82以百分比表示，中心值附近的误差也表示为原始胎面深度60的百分比。将误差转换为尺寸，误差可以乘以原始胎面深度60尺寸。例如，如果误差的95%百分位是10%，那么为了转换为尺寸，当轮胎12处于16mm的原始胎面深度60时，10%*16mm等于1.6mm。因此，95%的点将被包含在由模型提供的中心值和1.6mm之间的范围内。
[0084]
参考图4和图19，可选的过滤器模块148存储在处理器38上或与处理器38电子通信。更具体地，为了提高轮胎更换系统10的准确性，过滤某些数据74是有益的。例如，某些轮胎12的数据可以被过滤掉，例如没有可识别的id信息58的轮胎、轮胎id信息所指示的已经翻新的轮胎、以及在实施轮胎更换系统10之前经历了显著胎面磨损的轮胎，例如超过约0.5毫米(mm)的胎面损失。
[0085]
过滤器模块148优选地还过滤掉存在不足数据点的轮胎12的数据74，以便轮胎更换系统10可以准确地分析传输到处理器38的数据中的趋势。此外，过滤器模块148优选地管理在传输的数据74中的异常值。具体地，为了管理异常值，过滤器模块148去除单独孤立的点或胎面深度异常的点，例如在100,000公里后没有磨损的轮胎12，或在5000公里后完全磨损的轮胎。过滤器模块148采用的优选技术包括仅使用具有预定磨损率范围的轮胎12的传输数据74，例如对于轮胎行驶距离84中每10,000公里大于0.3mm并且对于每10,000公里的轮胎行驶距离小于4mm的磨损率。
[0086]
如图19所示，在过滤器模块148中，可以确定慢磨损曲线150和快磨损曲线152。可以生成数据的接受区域154，其通过将慢磨损曲线150向上移动预定量，例如大约10％，以及通过将快速磨损曲线152向下移动预定量，例如大约10%来获得。接受区域154中的数据因此在轮胎更换系统10中被接受和使用。
[0087]
返回图4，在传输的数据74被预测模型76处理之后，执行模型修改120、124和/或138，在残差校正模块142中执行误差校正，并且数据在过滤器模块148中被过滤，由轮胎更换系统10产生更换提前期确定156。更换提前期确定156对应于在确定的时刻轮胎12达到更换胎面深度82的剩余可用时间102。
[0088]
更换提前期确定156的通知158由轮胎更换系统10生成，该通知158被传送到can总线42或其他车辆电子控制系统、基于云的服务器44和/或显示设备50。这样，更换提前期确定156的通知158被传送给车辆14的用户、技术人员和/或车队经理。通知158优选地在预定的提前时间发送，例如在快速磨损轮胎12的更换胎面深度82之前大约三(3)个月。通知158的数量和频率可以根据需要调整到，例如在轮胎12达到更换胎面深度82之前的12个月、6个
月、3个月和1个月。
[0089]
以这种方式，本发明的轮胎更换系统10准确且可靠地估计轮胎12的磨损率并产生轮胎更换的预测。基于参数的可获得性和生成的估计的准确性，可以添加或抑制参数以供在系统10中使用。轮胎更换系统10关注在达到更换胎面深度82之前可供轮胎12使用的剩余时间。轮胎更换系统10在轮胎12、车辆14和具有不同特性和用途的车队中得到应用，例如长途卡车、区域运输卡车、混合服务卡车、公共汽车和客运车队。
[0090]
本发明还包括一种估计轮胎12的磨损率的方法和一种产生更换轮胎的预测的方法。每种方法都包括根据以上展现的并在图1至图19所示的描述的步骤。
[0091]
应当理解，上述轮胎更换系统的结构和方法可以改变或重新布置，或者省略或增加本领域技术人员已知的部件或步骤，而不影响本发明的总体概念或操作。例如，虽然为了方便起见将车辆14描述为乘用车，但本发明可应用于其他车辆类别，例如商用卡车和拖车、越野车辆等，其中车辆可以是由更多或更少的轮胎支撑。
[0092]
已经参照优选实施例描述了本发明。其他人在阅读和理解本说明书后会想到可能的修改和改变。应当理解，所有这样的修改和改变都被包括在所附权利要求或其等同物所阐述的本发明的范围内。

技术特征：
1.一种用于支撑车辆的轮胎的更换系统，该车辆包括电子系统，其特征在于该系统包括：与车辆的电子系统进行电子通信的处理器；用于存储轮胎识别信息的电子存储容量；所述处理器接收来自电子存储器容量的轮胎识别信息和来自车辆的电子系统的车辆数据；与处理器进行电子通信并接收轮胎识别信息和车辆数据的预测模型；包含在预测模型中的轮胎的更换胎面深度的识别；对轮胎达到由预测模型确定的更换胎面深度的剩余可用距离的估计；由预测模型根据轮胎达到更换胎面深度的剩余可用距离的估计确定达到更换胎面深度的剩余可用时间的估计；与处理器进行电子通信的残差校正模块，以优化轮胎达到更换胎面深度的剩余可用时间的估计；由轮胎更换系统生成并对应于轮胎达到更换胎面深度的剩余可用时间的估计的更换提前期确定；和由轮胎更换系统生成的更换提前期的通知，所述通知被传送到车辆的电子系统、基于云的服务器和显示设备中的至少一个。2.根据权利要求1所述的用于支撑车辆的轮胎的更换系统，其中，所述轮胎识别信息包括轮胎的原始胎面深度、轮胎的轮辋尺寸、轮胎的类型以及轮胎在车辆上的位置。3.根据权利要求1所述的用于支撑车辆的轮胎的更换系统，其中，所述车辆数据包括车辆行驶距离、车辆速度和车辆载荷中的至少一项。4.根据权利要求1所述的用于支撑车辆的轮胎的更换系统，还包括传感器单元，所述传感器单元安装到所述轮胎并与所述处理器进行电子通信，所述传感器单元测量轮胎参数，所述轮胎参数包括轮胎压力、轮胎温度和轮胎载荷中的至少一项，其中预测模型接收轮胎参数。5.根据权利要求1所述的用于支撑车辆的轮胎的更换系统，其中，所述预测模型采用生存分析技术。6.根据权利要求1所述的用于支撑车辆的轮胎的更换系统，其中，所述预测模型生成作为剩余胎面深度与轮胎行进距离的函数的至少一条衰减曲线，其中所述至少一条衰减曲线表示轮胎的磨损率。7.根据权利要求6所述的用于支撑车辆的轮胎的更换系统，其中，所述预测模型生成轮胎的典型磨损率的衰减曲线、轮胎的慢磨损率的衰减曲线和轮胎的快磨损率的衰减曲线。8.根据权利要求6所述的用于支撑车辆的轮胎的更换系统，其中，轮胎达到更换胎面深度的预期行进距离从所述至少一个衰减曲线中识别。9.根据权利要求8所述的用于支撑车辆的轮胎的更换系统，其中，轮胎达到更换胎面深度的剩余可用距离的估计是通过从轮胎达到更换胎面深度的预期距离中减去轮胎经历的行进距离来计算的。10.根据权利要求6所述的用于支撑车辆的轮胎的更换系统，其中，通过使用轮胎的物理参数估计轮胎的剩余胎面深度来提高所述至少一个衰减曲线的精度，所述轮胎的物理参
数包括轮胎的行进距离、轮胎压力和轮胎温度中的至少一个。

技术总结
一种用于支撑车辆的轮胎的更换系统包括与车辆的电子系统进行电子通信的处理器，以及用于存储轮胎识别信息的电子存储器容量。处理器接收轮胎识别信息和车辆数据。预测模型与处理器进行电子通信并接收轮胎识别信息和车辆数据。轮胎的更换胎面深度的识别被包括在预测模型中，并且该模型确定轮胎达到更换胎面深度的剩余可用距离的估计。该模型根据剩余可用距离的估计来估计达到更换胎面深度的剩余可用时间。残差校正模块优化轮胎达到更换胎面深度的剩余可用时间的估计，并且由系统生成更换提前期的通知。前期的通知。前期的通知。


技术研发人员：J
受保护的技术使用者：固特异轮胎和橡胶公司
技术研发日：2022.12.20
技术公布日：2023/6/27