CN113246988B 用于估计轮胎抓地力的方法 （固特异轮胎和橡胶公司）

US2017113495A1,2017US2017166215A1,2017.US2005065699A1,2005US6470731B1,2002.10.29一种用于估计支撑车辆的轮胎的抓地力的2从所述安装在轮胎上的传感器单元以及从获自所述车辆的数据生成第二将所述第一组数据、所述第二组数据和所述第三组数据接收在所述抓地力估计模块6.根据权利要求5所述的用于估计支撑车辆的轮胎的抓地力的方法，其进一步包括以来自所述安装在轮胎上的传感器单元的所述数据包括轮胎压力、轮获自所述车辆的所述数据包括来自车辆CAN总线的车辆系统数据，所述车辆系统数据获自所述车辆的所述数据包括来自车辆CAN总线的车辆系统数据，所述车辆系统数据来自互联网的所述数据包括天气数据，所述天气数据被输入到所述从网页应用程序编程接口获取来自互联网的所34地感测轮胎特性并使用那些特性来估计每个轮胎的状况常得对轮胎抓地力的估计是有用的。这样的实时估计对于复杂的车辆控制系统可以是有益述被动估计是响应于在牵引或制动状况期间对轮胎打滑的测5[0025]获自所述车辆的所述数据包括来自车辆CAN总线的车辆系统数据，所述车辆系统[0028]获自所述车辆的所述数据包括来自车辆CAN总线的车辆系统数据，所述车辆系统6[0039]图1是包括轮胎的车辆的示意性透视图，该轮胎采用本发明的用于估计轮胎抓地[0040]图2是本发明的用于估计轮胎抓地力的方法的示例性实施例的步骤和系统的示意[0041]图3是通过本发明的用于估计轮胎抓地力的方法的示例性实施例生成的轮胎-道习阶段期间流过网络的外部或内部信息来改变其结构。ANN神经网络是用于对输入和输出之间的复杂关系进行建模或者查找数据中的模式的非线性统计数据控制器和装置在没有主计算机的情况下在车辆内彼此通信的车辆总线标准。CAN总线是基[0049]“印迹”意指当轮胎旋转或滚动时由具有平坦表面的轮胎胎面产生的接地面或接[0050]“内侧”意指当将轮胎安装在车轮上并且将车轮安装在车辆上时轮胎最靠近车辆[0052]“侧向边缘”意指如在正常负载和轮胎充气下测量的与轮胎的轴向最外的胎面接7[0053]“净接触面积”意指在围绕轮胎胎面的整个圆周的侧向边缘之间的地面接触胎面[0054]“外侧”意指当将轮胎安装在车轮上并且将车轮安装在车辆上时轮胎的最远离车[0056]“肋”意指由至少一个周向凹槽以及第二这样的凹槽抑或侧向边缘限定的胎面上[0060]特别参考图1，用于估计轮胎抓地力的方法10估计支撑车辆14的每个轮胎12的抓[0062]转到图2，用于估计轮胎抓地力的方法10包括利用传感器单元26直接测量轮胎参8[0064]用于估计轮胎抓地力的方法10包括提供传输器件52以用于将来自传感器单元26度30和印迹长度34的所测量特性以及轮胎ID信息32发送到被存储在存储器38上的传感器[0066]方法10进一步包括提供传输器件42以用于将来自车辆CAN总线40的数据发送到被胎印迹长度34和轮胎ID信息32的数据并从CAN总线40接收车辆系统数据。传感器融合模块[0068]传感器融合模块44采用相关的数据来计算当前轮胎负载46和/或当前轮胎磨损状245,906中示出和描述了用于计算轮胎负载46的示例性方法，这两个专利都由与本申请相根据任何已知的方法来执行对轮胎磨损状态48的计算。在美国公开的专利申请号2019/0001757中示出和描述了用于计算轮胎磨损状态48的示例性方法，该专利申请由与本申请[0069]提供了传输器件56以用于将来自传感器融合模块44的当前轮胎负载46和/或当前[0070]方法10包括提供传输器件58以用于将来自车辆CAN总线40的数据发送到路面状况或互联网的远程处理器62上。传输器件58可包括用于无线传输的天线或用于有线传输的[0071]路面状况分类模块60使用来自CAN总线40的车辆数据和来自互联网的数据来生成对车辆14在其上行驶的路面的状况的估计。由路面状况分类模块60采用的来自CAN总线409[0072]在美国专利号9,751,533中示出和描述了由路面状况分类模块60执行的用于估计路面状况的示例性方法，该专利由与本申请相同的受让人TheGoodyearTire&Rubber[0074]提供传输器件80以用于将路面状况分类模块60的道路状况输出68发送到抓地力用于估计轮胎抓地力的方法10生成的摩擦概率分布88优