JP2018501466A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2018501466A5 JP2018501466A5 JP2017523799A JP2017523799A JP2018501466A5 JP 2018501466 A5 JP2018501466 A5 JP 2018501466A5 JP 2017523799 A JP2017523799 A JP 2017523799A JP 2017523799 A JP2017523799 A JP 2017523799A JP 2018501466 A5 JP2018501466 A5 JP 2018501466A5
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- tire
- function
- model
- coefficient
- 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.)
- Pending
Links
- 239000000725 suspension Substances 0.000 claims description 34
- 230000005484 gravity Effects 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 9
- 230000000875 corresponding Effects 0.000 claims description 7
- 238000000611 regression analysis Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 7
- 238000010192 crystallographic characterization Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000006096 absorbing agent Substances 0.000 description 2
- 230000001419 dependent Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 210000003371 Toes Anatomy 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static Effects 0.000 description 1
Description
タイヤ製造業者は、タイヤに対して摩耗試験を行なうことが多い。タイヤトレッド摩耗は、タイヤ構造及びトレッドコンパウンド以外の多くの変数の影響を受ける場合がある。例えば、環境要因（例えば温度及び降雨）、運転手のシビアリティ（例えば運転スタイル及びルート構成）、舗装の特性、並びにタイヤ及び車両の動的特性（例えば重量、重心の位置、操作中の負荷移動、ステアリング運動特性など）である。タイヤトレッド摩耗を正確に測定して、種々のタイヤモデル間で比較するために、試験は、環境、運転手のシビアリティ、舗装、及び車両からの影響を一定に保持して、トレッド摩耗結果にバイアスがかからないように、行なわなければならない。車両特性は、タイヤの摩耗率に著しい影響を与えて、不規則な摩耗傾向を引き起こす可能性がある。試験におけるすべてのタイヤを同じ車両モデルで評価する限り、車両によって導入されるバイアスは、すべての試験タイヤモデルに対して同じである。 Tire manufacturers often perform wear tests on tires. Tire tread wear may be affected by many variables other than tire structure and tread compound. For example, environmental factors (eg temperature and rainfall), driver severity (eg driving style and route configuration), pavement characteristics, and dynamic characteristics of tires and vehicles (eg weight, position of center of gravity, load movement during operation) Steering motion characteristics, etc.). In order to accurately measure and compare tire tread wear between different tire models, the test keeps the environment, driver severity, pavement, and vehicle effects constant and results in tread wear results. It must be done so that there is no bias. Vehicle characteristics can significantly affect tire wear rates and can cause irregular wear trends. As long as all tires in the test are evaluated with the same vehicle model, the bias introduced by the vehicle is the same for all test tire models.
一実施形態では、タイヤデザイン及び試験のためのスケール変更可能な車両モデル（ＳＶＭ）を作成するための方法が提供される。本方法は、種々の重量を有し、各々が少なくとも１本のタイヤを有する、複数の車両を含む車両区分を規定することと、前記車両区分における各々の車両の車両モデルパラメータを規定することと、ここで、前記車両モデルパラメータには、前記車両のホイールベース、前記車両のホイールトラック、前記車両の重心、前記車両のサスペンションコンプライアンス、前記車両のサスペンション運動特性、前記車両のステアリング運動特性、前記車両の重量分布、前記車両のバラスト、前記車両の前後ブレーキ比、前記車両の補助ロール剛性、前記車両のバネ下質量、前記タイヤの剛性、前記タイヤの縦力、前記タイヤの横力、前記タイヤのアライニングトルク、及び前記タイヤのキャンバスラストのうちの１つが含まれ、前記複数の車両の各々の車両の総重量に対する当該車両の前記車両モデルパラメータの値をそれぞれ表すデータ点を含むプロットを作成することと、前記プロットに基づいて回帰分析を行うことで、前記車両区分の前記複数の車両の重量の範囲に対する前記車両モデルパラメータの平均値を近似する回帰曲線を表すパラメータ回帰関数を決定することと、ここで、前記パラメータ回帰関数は、スケール変更可能な車両モデルの前記総重量の関数として、等式Ｐ（Ｗ）＝Ｃ ０ （Ｗ）＋Ｃ １ （Ｗ）Ａ＋Ｃ ２ （Ｗ）Ａ ２ ＋Ｃ ３ （Ｗ）Ａ ３ によって特徴付けられ、Ｗは、前記スケール変更可能な車両モデルの前記総重量であり、Ｐ（Ｗ）は、前記少なくとも１つの車両モデルパラメータであり、Ｃ ｎ （Ｗ）は、Ｗの関数としての回帰係数であり、Ａは、車両のジャウンス又は車両のステアリング角に対応する独立変数であり、コーナリング係数、スリップ剛性係数、及びアライニングトルク係数のうちの１つをＷとタイヤに及ぼされる垂直負荷との関数として特徴付けることで、少なくとも１本のタイヤ特性に対する係数モデルを作成することと、Ｗの関数である係数回帰関数を通して前記係数モデルの総重量依存性を決定することと、タイヤ横力、タイヤ縦力、及びタイヤアライニングモーメントのうちの少なくとも１つをスリップ角と前記タイヤに及ぼされる前記垂直力との関数として特徴付けることで前記スケール変更可能なタイヤモデルを作成することと、を含む。一実施形態では、Ｃｎ（Ｗ）は、ａ ｎ０ 、ａ ｎ１ 、ａ ｎ２ 、ａ ｎ３ 、を係数とする式、ａｎ０＋ａｎ１Ｗ＋ａｎ２Ｗ２＋ａｎ３Ｗ３に等しく、ｎ＝０、１、２又は３である。別の実施形態では、本方法は更に、ＳＶＭをＷの関数として形成することを含んでいてもよい。別の実施形態では、本方法は更に、回帰曲線がＷの関数としてのタイヤ負荷を近似するものであってもよい。一実施形態では、係数回帰関数は双線形関数であってもよい。一実施形態では、スケール変更可能な車両モデルは、三次スプライン関数としてモデル化されてもよい。 In one embodiment, a method is provided for creating a scaleable vehicle model (SVM) for tire design and testing. The method defines a vehicle segment including a plurality of vehicles having various weights, each having at least one tire, and defining vehicle model parameters for each vehicle in the vehicle segment; Here, the vehicle model parameters include the wheel base of the vehicle, the wheel track of the vehicle, the center of gravity of the vehicle, the suspension compliance of the vehicle, the suspension motion characteristic of the vehicle, the steering motion characteristic of the vehicle, the vehicle Weight distribution of the vehicle, front-rear brake ratio of the vehicle, auxiliary roll rigidity of the vehicle, unsprung mass of the vehicle, rigidity of the tire, longitudinal force of the tire, lateral force of the tire, One of an aligning torque and a canvas last of the tire is included, and each of the plurality of vehicles includes Creating a plot including data points each representing a value of the vehicle model parameter of the vehicle with respect to the total weight of the vehicle, and performing a regression analysis based on the plot, whereby the plurality of vehicles of the vehicle classification Determining a parameter regression function representing a regression curve approximating an average value of the vehicle model parameters for a range of weights, wherein the parameter regression function is a function of the total weight of the scaleable vehicle model, Characterized by the equation P (W) = C 0 (W) + C 1 (W) A + C 2 (W) A 2 + C 3 (W) A 3 , where W is the total weight of the scaleable vehicle model in it, P (W) is at least one vehicle model parameters, C n (W) is a regression coefficient as a function of W, a is di vehicles An independent variable corresponding to the ounce or vehicle steering angle, characterized by characterizing one of the cornering factor, slip stiffness factor, and aligning torque factor as a function of W and the normal load exerted on the tire. Creating a coefficient model for the tire characteristics of the book, determining the total weight dependence of the coefficient model through a coefficient regression function that is a function of W, and determining the tire lateral force, tire longitudinal force, and tire aligning moment Creating the scaleable tire model by characterizing at least one of them as a function of a slip angle and the normal force exerted on the tire. In one embodiment, C n (W) is, a n0, a n1, a n2, a n3, the a coefficient equation, a n0 + a n1 W + a n2 W 2 + a n3 W 3 in rather equal, n = 0 1, 2 or 3 . In another embodiment, the method may further comprise forming the SVM as a function of W. In another embodiment, the method may further be such that the regression curve approximates the tire load as a function of W. In one embodiment, the coefficient regression function may be a bilinear function. In one embodiment, the scaleable vehicle model may be modeled as a cubic spline function.
別の実施形態では、特定の車両区分における車両によってタイヤに及ぼされる力及び傾斜角の少なくとも一方を予測するための方法が提供される。本方法は、種々の重量を有し、各々が少なくとも１本のタイヤを有する、複数の車両を含む車両区分を規定することと、前記車両区分における各々の車両の車両モデルパラメータを規定することと、ここで、前記車両モデルパラメータには、前記車両のホイールベース、前記車両のホイールトラック、前記車両の重心、前記車両のサスペンションコンプライアンス、前記車両のサスペンション運動特性、前記車両のステアリング運動特性、前記車両の重量分布、前記車両のバラスト、前記車両の前後ブレーキ比、前記車両の補助ロール剛性、前記車両のバネ下質量、前記タイヤの剛性、前記タイヤの縦力、前記タイヤの横力、前記タイヤのアライニングトルク、及び前記タイヤのキャンバスラストのうちの１つが含まれ、前記複数の車両の各々の車両の総重量に対する当該車両の前記車両モデルパラメータの値をそれぞれ表すデータ点を含むプロットを作成することと、前記プロットに基づいて回帰分析を行うことで、前記車両区分の前記複数の車両の重量の範囲に対する前記車両モデルパラメータの平均値を近似する回帰曲線を表すパラメータ回帰関数を決定することと、ここで、前記パラメータ回帰関数は、スケール変更可能な車両モデルの前記総重量の関数として、等式Ｐ（Ｗ）＝Ｃ ０ （Ｗ）＋Ｃ １ （Ｗ）Ａ＋Ｃ ２ （Ｗ）Ａ ２ ＋Ｃ ３ （Ｗ）Ａ ３ によって特徴付けられ、Ｗは、前記スケール変更可能な車両モデルの前記総重量であり、Ｐ（Ｗ）は、前記少なくとも１つの車両モデルパラメータであり、Ｃ ｎ （Ｗ）は、Ｗの関数としての回帰係数であり、Ａは、車両のジャウンス又は車両のステアリング角に対応する独立変数であり、コーナリング係数、スリップ剛性係数、及びアライニングトルク係数のうちの１つをＷとタイヤに及ぼされる垂直負荷との関数として特徴付けることで、少なくとも１本のタイヤ特性に対する係数モデルを作成することと、Ｗの関数である係数回帰関数を通して前記係数モデルの総重量依存性を決定することと、タイヤ横力、タイヤ縦力、及びタイヤアライニングモーメントのうちの少なくとも１つをスリップ角と前記タイヤに及ぼされる前記垂直力との関数として特徴付けることで前記スケール変更可能なタイヤモデルを作成することと、前記スケール変更可能な車両モデルによってタイヤに及ぼされるタイヤ力及び傾斜角の少なくとも一方を、マルチボディ車両力学シミュレーションを通して予測することと、を含む。一実施形態では、Ｃｎ（Ｗ）は、ａ ｎ０ 、ａ ｎ１ 、ａ ｎ２ 、ａ ｎ３ 、を係数とする式、ａｎ０＋ａｎ１Ｗ＋ａｎ２Ｗ２＋ａｎ３Ｗ３に等しく、ｎ＝０、１、２又は３である。別の実施形態では、本方法は更に、ＳＶＭをマルチボディ車両力学シミュレーションにおける少なくとも１つの操作に適用して、縦加速度及び減速度、横加速度、ステアリング角と傾斜角、並びにタイヤ負荷履歴のうちの少なくとも１つを、ＳＶＭの各タイヤに対して決定することを含んでいてもよい。別の実施形態では、本方法は更に、ＳＶＭをＷの関数として作成することを含んでいてもよい。別の実施形態では、本方法は更に、回帰曲線がＷの関数としてのタイヤ負荷を近似するものであってもよい。一実施形態では、係数回帰関数な双線形関数であってもよい。一実施形態では、スケール変更可能な車両モデルは、三次スプライン関数としてモデル化されてもよい。 In another embodiment, a method is provided for predicting at least one of force and tilt angle exerted on a tire by a vehicle in a particular vehicle segment. The method defines a vehicle segment including a plurality of vehicles having various weights, each having at least one tire, and defining vehicle model parameters for each vehicle in the vehicle segment; Here, the vehicle model parameters include the wheel base of the vehicle, the wheel track of the vehicle, the center of gravity of the vehicle, the suspension compliance of the vehicle, the suspension motion characteristic of the vehicle, the steering motion characteristic of the vehicle, the vehicle Weight distribution of the vehicle, front-rear brake ratio of the vehicle, auxiliary roll rigidity of the vehicle, unsprung mass of the vehicle, rigidity of the tire, longitudinal force of the tire, lateral force of the tire, One of an aligning torque and a canvas last of the tire is included, and each of the plurality of vehicles includes Creating a plot including data points each representing a value of the vehicle model parameter of the vehicle with respect to the total weight of the vehicle, and performing a regression analysis based on the plot, whereby the plurality of vehicles of the vehicle classification Determining a parameter regression function representing a regression curve approximating an average value of the vehicle model parameters for a range of weights, wherein the parameter regression function is a function of the total weight of the scaleable vehicle model, Characterized by the equation P (W) = C 0 (W) + C 1 (W) A + C 2 (W) A 2 + C 3 (W) A 3 , where W is the total weight of the scaleable vehicle model in and, P (W) is at least one vehicle model parameters, C n (W) is a regression coefficient as a function of W, a is di vehicles An independent variable corresponding to the ounce or vehicle steering angle, characterized by characterizing one of the cornering factor, slip stiffness factor, and aligning torque factor as a function of W and the normal load exerted on the tire. Creating a coefficient model for the tire characteristics of the book, determining the total weight dependence of the coefficient model through a coefficient regression function that is a function of W, and determining the tire lateral force, tire longitudinal force, and tire aligning moment Creating the scaleable tire model by characterizing at least one of them as a function of a slip angle and the normal force exerted on the tire, and a tire exerted on the tire by the scaleable vehicle model Multibody vehicle dynamics simulation with at least one of force and tilt angle It includes predicting through Shon, a. In one embodiment, C n (W) is, a n0, a n1, a n2, a n3, the a coefficient equation, a n0 + a n1 W + a n2 W 2 + a n3 W 3 in rather equal, n = 0 1, 2 or 3 . In another embodiment, the method further applies the SVM to at least one operation in the multi-body vehicle dynamics simulation to account for longitudinal acceleration and deceleration, lateral acceleration, steering and tilt angles, and tire load history. At least one may include determining for each tire of the SVM. In another embodiment, the method may further comprise creating the SVM as a function of W. In another embodiment, the method may further be such that the regression curve approximates the tire load as a function of W. In one embodiment, it may be a bilinear function that is a coefficient regression function. In one embodiment, the scaleable vehicle model may be modeled as a cubic spline function.
別の実施形態では、特定の車両区分とともに用いるタイヤの前記摩耗率を決定するための方法が提供される。本方法は、種々の重量を有し、各々が少なくとも１本のタイヤを有する、複数の車両を含む車両区分を規定することと、前記車両区分における各々の車両の車両モデルパラメータを規定することと、ここで、前記車両モデルパラメータには、前記車両のホイールベース、前記車両のホイールトラック、前記車両の重心、前記車両のサスペンションコンプライアンス、前記車両のサスペンション運動特性、前記車両のステアリング運動特性、前記車両の重量分布、前記車両のバラスト、前記車両の前後ブレーキ比、前記車両の補助ロール剛性、前記車両のバネ下質量、前記タイヤの剛性、前記タイヤの縦力、前記タイヤの横力、前記タイヤのアライニングトルク、及び前記タイヤのキャンバスラストのうちの１つが含まれ、前記複数の車両の各々の車両の総重量に対する当該車両の前記車両モデルパラメータの値をそれぞれ表すデータ点を含むプロットを作成することと、前記プロットに基づいて回帰分析を行うことで、前記車両区分の前記複数の車両の重量の範囲に対する前記車両モデルパラメータの平均値を近似する回帰曲線を表すパラメータ回帰関数を決定することと、ここで、前記パラメータ回帰関数は、スケール変更可能な車両モデルの前記総重量の関数として、等式Ｐ（Ｗ）＝Ｃ ０ （Ｗ）＋Ｃ １ （Ｗ）Ａ＋Ｃ ２ （Ｗ）Ａ ２ ＋Ｃ ３ （Ｗ）Ａ ３ によって特徴付けられ、Ｗは、前記スケール変更可能な車両モデルの前記総重量であり、Ｐ（Ｗ）は、前記少なくとも１つの車両モデルパラメータであり、Ｃ ｎ （Ｗ）は、Ｗの関数としての回帰係数であり、Ａは、車両のジャウンス又は車両のステアリング角に対応する独立変数であり、コーナリング係数、スリップ剛性係数、及びアライニングトルク係数のうちの１つをＷとタイヤに及ぼされる垂直負荷との関数として特徴付けることで、少なくとも１本のタイヤ特性に対する係数モデルを作成することと、Ｗの関数である係数回帰関数を通して前記係数モデルの総重量依存性を決定することと、タイヤ横力、タイヤ縦力、及びタイヤアライニングモーメントのうちの少なくとも１つをスリップ角と前記タイヤに及ぼされる前記垂直力との関数として特徴付けることで前記スケール変更可能なタイヤモデルを作成することと、前記スケール変更可能な車両モデルによってタイヤに及ぼされるタイヤ力及び傾斜角の少なくとも一方を、マルチボディ車両力学シミュレーションを通して予測することと、タイヤを装置に搭載することによって前記タイヤの摩耗率を決定することと、を含み、ここで、前記装置は、前記タイヤを所望の速度で回転させ、前記予測したタイヤ力及び前記予測した傾斜角の少なくとも一方を用いて、前記タイヤを、シミュレートした路面に対して適用するように構成され、前記装置は動作され、前記タイヤの摩耗は時間に対して測定される。一実施形態では、Ｃｎ（Ｗ）は、ａ ｎ０ 、ａ ｎ１ 、ａ ｎ２ 、ａ ｎ３ 、を係数とする式、ａｎ０＋ａｎ１Ｗ＋ａｎ２Ｗ２＋ａｎ３Ｗ３に等しく、ｎ＝０、１、２又は３である。別の実施形態では、本方法は更に、ＳＶＭをマルチボディ車両力学シミュレーションにおける少なくとも１つの操作に適用して、縦加速度及び減速度、横加速度、ステアリング角、傾斜角、並びにタイヤ負荷履歴のうちの少なくとも１つを、ＳＶＭの各タイヤに対して決定することを含んでいてもよい。別の実施形態では、本方法は更に、回帰曲線がＷの関数としてのタイヤ負荷を近似するものであってもよい。一実施形態では、係数回帰関数は双線形関数であってもよい。一実施形態では、スケール変更可能な車両モデルは、三次スプライン関数としてモデル化されてもよい。 In another embodiment, a method is provided for determining the wear rate of a tire for use with a particular vehicle segment. The method defines a vehicle segment including a plurality of vehicles having various weights, each having at least one tire, and defining vehicle model parameters for each vehicle in the vehicle segment; Here, the vehicle model parameters include the wheel base of the vehicle, the wheel track of the vehicle, the center of gravity of the vehicle, the suspension compliance of the vehicle, the suspension motion characteristic of the vehicle, the steering motion characteristic of the vehicle, the vehicle Weight distribution of the vehicle, front-rear brake ratio of the vehicle, auxiliary roll rigidity of the vehicle, unsprung mass of the vehicle, rigidity of the tire, longitudinal force of the tire, lateral force of the tire, One of an aligning torque and a canvas last of the tire is included, and each of the plurality of vehicles includes Creating a plot including data points each representing a value of the vehicle model parameter of the vehicle with respect to the total weight of the vehicle, and performing a regression analysis based on the plot, whereby the plurality of vehicles of the vehicle classification Determining a parameter regression function representing a regression curve approximating an average value of the vehicle model parameters for a range of weights, wherein the parameter regression function is a function of the total weight of the scaleable vehicle model, Characterized by the equation P (W) = C 0 (W) + C 1 (W) A + C 2 (W) A 2 + C 3 (W) A 3 , where W is the total weight of the scaleable vehicle model in and, P (W) is at least one vehicle model parameters, C n (W) is a regression coefficient as a function of W, a is di vehicles An independent variable corresponding to the ounce or vehicle steering angle, characterized by characterizing one of the cornering factor, slip stiffness factor, and aligning torque factor as a function of W and the normal load exerted on the tire. Creating a coefficient model for the tire characteristics of the book, determining the total weight dependence of the coefficient model through a coefficient regression function that is a function of W, and determining the tire lateral force, tire longitudinal force, and tire aligning moment Creating the scaleable tire model by characterizing at least one of them as a function of a slip angle and the normal force exerted on the tire, and a tire exerted on the tire by the scaleable vehicle model Multibody vehicle dynamics simulation with at least one of force and tilt angle And determining the wear rate of the tire by mounting the tire on a device, wherein the device rotates the tire at a desired speed, and the predicted tire Using at least one of force and the predicted tilt angle, the tire is configured to be applied to a simulated road surface, the apparatus is operated, and tire wear is measured over time. . In one embodiment, C n (W) is, a n0, a n1, a n2, a n3, the a coefficient equation, a n0 + a n1 W + a n2 W 2 + a n3 W 3 in rather equal, n = 0 1, 2 or 3 . In another embodiment, the method further applies the SVM to at least one operation in the multi-body vehicle dynamics simulation to account for longitudinal acceleration and deceleration, lateral acceleration, steering angle, tilt angle, and tire load history. At least one may include determining for each tire of the SVM. In another embodiment, the method may further be such that the regression curve approximates the tire load as a function of W. In one embodiment, the coefficient regression function may be a bilinear function. In one embodiment, the scaleable vehicle model may be modeled as a cubic spline function.
車両区分は、任意の数の方法で規定され得る。例えば、車両区分は、既存の車両区分（例えば消費者市場主導の区分）から選択されてもよいし、又は車両区分を規定する人又は人々に関連する何らかの類似性を有する区分（例えば性能主導又はデザイン主導の車両区分）に車両をグループ分けする任意の方法で形成されてもよい。可能な車両区分としては、例えば、後輪駆動（「ＲＷＤ」）ピックアップトラック、前輪駆動（「ＦＷＤ」）セダン、及び大きなスポーツユーティリティビークル（「ＳＵＶ」）を挙げることができる。一実施形態では、特定のバラスト状態（例えば、ＵＴＱＧ摩耗試験で用いるもの）が一意の区分を構成してもよい。ＵＴＱＧ試験要求は、車両区分によって変わってもよい。例えば、ＲＷＤピックアップトラックは、５０％／５０％前後バラストを必要とし得る。別の例として、ＦＷＤセダンは、カーブプラス運転手バラストを必要とし得る。一実施形態では、種々の車両区分のうちのいずれかを作成し分析してもよい。別の実施形態では、車両区分は、種々のトレードタイヤのうちのいずれかを適用することができる対象車両に基づいて作成してもよい。一実施形態では、車両区分の種々の車両は種々の重量を有している場合がある。 A vehicle segment may be defined in any number of ways. For example, the vehicle segment may be selected from existing vehicle segments (eg, a consumer market driven segment), or a segment that has some similarity associated with the person or people that define the vehicle segment (eg, performance driven or It may be formed by any method of grouping vehicles into design-driven vehicle classification). Possible vehicle categories include, for example, a rear wheel drive (“RWD”) pickup truck, a front wheel drive (“FWD”) sedan, and a large sports utility vehicle (“SUV”). In one embodiment, the particular ballast conditions (e.g., those used in UTQG wear test) may constitute a unique segment. The UTQG test requirement may vary depending on the vehicle category. For example, RWD pickup truck may require 50% / 50% or so ballast. As another example, FWD sedans may require curve plus driver ballast. In one embodiment, any of the various vehicle categories may be created and analyzed. In another embodiment, the vehicle segment may be created based on a target vehicle to which any of various trade tires can be applied. In one embodiment, the various vehicles in the vehicle segment may have different weights.
種々の重量と少なくとも１本のタイヤとを有する複数の車両を表す特定の車両区分を定義した後に、少なくとも１つの車両モデルパラメータを規定してもよい。車両モデルパラメータは車両に固有の特性に対応するが、このような特性がすべて重量でスケール変更可能なわけではない。図７は、重量でスケール変更可能な車両パラメータ（すなわち車両に固有の特性）を例示する。車両モデルパラメータを規定することは、少なくとも１つの車両モデルパラメータを選択することと、規定された車両区分において少なくとも１つの車両から対応する物理的なデータを集めることと、を含んでいてもよい。それに応じて、車両モデルパラメータを規定してもよく、したがって車両に固有の種々の特性に関するデータを集めてもよい。データには、車両のホイールベース、車両のホイールトラック、車両の重心、車両のサスペンションコンプライアンス、車両のサスペンション運動特性、車両のステアリング運動特性、車両の重量分布、車両のバラスト、車両の前後ブレーキ比、車両の補助ロール剛性、車両のバネ下質量、タイヤの剛性、タイヤの縦力、タイヤの横力、タイヤのアライニングモーメント、及びタイヤのキャンバスラストのうちの少なくとも１つが含まれる。一実施形態では、少なくとも次の車両モデルパラメータを規定する：車両のホイールベース、車両のホイールトラック、車両の重心、車両のサスペンション剛性、車両のサスペンション運動特性、車両のステアリング運動特性、車両の前後の重量分布、車両の前後ブレーキスプリット、車両の補助ロール剛性、車両のバネ下質量、車両のタイヤの剛性、車両のタイヤの縦力、車両のタイヤの横力、車両のタイヤのアライニングモーメント、及び車両のタイヤのキャンバスラスト。 After defining a particular vehicle segment representing a plurality of vehicles having various weights and at least one tire, at least one vehicle model parameter may be defined. Although vehicle model parameters correspond to characteristics specific to the vehicle, not all such characteristics can be scaled by weight. FIG. 7 illustrates vehicle parameters that can be scaled by weight (ie, vehicle-specific characteristics). Defining vehicle model parameters may include selecting at least one vehicle model parameter and collecting corresponding physical data from at least one vehicle in the defined vehicle segment. Accordingly, vehicle model parameters may be defined, and thus data relating to various characteristics specific to the vehicle may be collected. The data, the wheel base of the vehicle, the wheel track of the vehicle, the center of gravity of the vehicle, the suspension compliance, suspension motion characteristics of the vehicle of the vehicle, the steering motion characteristics of the vehicle, weight distribution of the vehicle, the vehicle of the ballast, the front and rear brakes ratio of the vehicle , Vehicle auxiliary roll stiffness, vehicle unsprung mass, tire stiffness, tire longitudinal force, tire lateral force, tire aligning moment, and tire canvas last. In one embodiment, at least the following vehicle model parameters are defined: vehicle wheelbase, vehicle wheel track, vehicle center of gravity, vehicle suspension stiffness, vehicle suspension motion characteristics , vehicle steering motion characteristics , vehicle front and rear Weight distribution, vehicle front and rear brake split, vehicle auxiliary roll stiffness, vehicle unsprung mass, vehicle tire stiffness, vehicle tire longitudinal force, vehicle tire lateral force, vehicle tire aligning moment, and Canvas last of vehicle tires.
一実施形態では、少なくとも１つの車両モデルパラメータのうちのいくつかは、ＳＶＭを作成するときに車両間でスケール変更可能である。モデルパラメータとしては、ホイールベース、ホイールトラック、重心、サスペンション剛性、ロール剛性、サスペンション運動特性、及びタイヤ剛性を挙げることができる。 In one embodiment, some of the at least one vehicle model parameter can be scaled between vehicles when creating an SVM. Model parameters can include wheelbase, wheel track, center of gravity, suspension stiffness, roll stiffness, suspension motion characteristics , and tire stiffness.
一実施形態では、車両の総重量に対する少なくとも１つの車両モデルパラメータに関して、選択した車両区分の各車両を分析する。分析すべき車両パラメータに関するデータは、特定の市場区分内の車両から種々の仕方で集めてもよい。例えば、ＦＷＤセダンの試験は、種々の特性を有する複数の異なる車両を用いて行なってもよい。各車両について取る測定値としては、限定することなく、ホイールベース及びトラック寸法、負荷分布、ステアリング運動特性、並びにサスペンションコンプライアンス及び運動特性を挙げることができる。加えて、床に搭載された力台上で、種々のレベルの減速度及び加速度における所定の経路に従って、各車両を駆動してもよい。前後ブレーキ配分及び負荷移動係数は、これらの力台測定値を用いて決定してもよい。負荷移動係数を用いて車両重心の高さを推定してもよい。なぜならば、重心の高さを直接測定しなかったからである。車両慣性及び緩衝装置は、シミュレートする操作のタイプに対して車両負荷移動挙動への影響が比較的小さいため、車両モーメントと、慣性と緩衝装置との積は、ＳＶＭに対して測定及びスケール変更しなくてもよい。 In one embodiment, each vehicle in the selected vehicle segment is analyzed for at least one vehicle model parameter relative to the total vehicle weight. Data regarding vehicle parameters to be analyzed may be gathered in various ways from vehicles within a particular market segment. For example, the FWD sedan test may be performed using a plurality of different vehicles having various characteristics. Measurements taken for each vehicle can include, without limitation, wheelbase and track dimensions, load distribution, steering motion characteristics , and suspension compliance and motion characteristics . In addition, each vehicle may be driven according to predetermined paths at various levels of deceleration and acceleration on a power platform mounted on the floor. The front / rear brake distribution and the load transfer coefficient may be determined using these crest measurements. The height of the center of gravity of the vehicle may be estimated using the load transfer coefficient. This is because the height of the center of gravity was not directly measured. Since vehicle inertia and shock absorbers have a relatively small impact on vehicle load movement behavior for the type of operation being simulated, the product of vehicle moment, inertia and shock absorber is measured and scaled with respect to SVM. You don't have to.
車両パラメータに関するデータを集めたらすぐに、データを、回帰分析ソフトウェアを動作させるように構成されたコンピュータに入力してもよい。一実施形態では、回帰分析ソフトウェアは、Ｍｉｃｒｏｓｏｆｔ Ｃｏｒｐｏｒａｔｉｏｎ（レドモンド、ワシントン州）から名前Ｅｘｃｅｌ（登録商標）で販売されている。一実施形態では、回帰分析ソフトウェアは、ＮＣＳＳ，ＬＬＣ（ケイズビル、ユタ州）から名前ＮＣＳＳ９（登録商標）で販売されている。一実施形態では、回帰分析ソフトウェアは、コンピュータ上で動作し、データ点を少なくとも２次元で記憶することが可能であり、これらのデータ点をチャート又はグラフ上にプロットし、かつデータ点を曲線で近似して、データ点を、従属変数（例えば、車両パラメータ）を独立変数（例えば、車両重量）に関係させる単一方程式として表すように構成された任意のソフトウェアであってもよい。一実施形態では、回帰分析ソフトウェアは、独立変数の範囲に対する従属変数の平均値を計算する回帰関数を決定することが可能であってもよい。 As soon as data regarding vehicle parameters is collected, the data may be entered into a computer configured to run regression analysis software. In one embodiment, regression analysis software is sold under the name Excel® from Microsoft Corporation (Redmond, WA). In one embodiment, regression analysis software is sold under the name NCSS9® from NCSS, LLC (Kaysville, UT). In one embodiment, regression analysis software runs on a computer, it is possible to store the data points of at least two dimensions, plotting these data points on a chart or graph, or Tsude over data points May be any software configured to approximate the data points as a single equation that relates the dependent points (eg, vehicle parameters) to the independent variables (eg, vehicle weight). In one embodiment, the regression analysis software may be able to determine a regression function that calculates the mean value of the dependent variable over a range of independent variables.
車両のスケール変更可能な特性を、３つの広いカテゴリ（例えば、サスペンションコンプライアンス及び運動特性、ステアリング運動特性、並びにタイヤ力及びモーメント）に分けてもよい（図７を参照）。サスペンション特性は、シミュレーションにおいて道路コース上で生成されるタイヤ力及びモーメントに対して効果がある場合がある。サスペンション運動特性は、ジャウンス及び反発を伴うトウ及びキャンバにおける静的アライメント設定及び変化の両方を含んでいてもよい。サスペンション運動特性を特徴付けるために、独立変数Ａは一例では、ジャウンス又はサスペンション歪みであってもよい。図１０にプロットした車両を選択して、サスペンション運動特性の総車両重量依存性又は独立性を示した。一実施形態では、総重量はジャウンス−トウ関係に依存する。図１１は、図１０からの車両Ｅに対するジャウンス−トウ測定値を示す。測定は、Ｋ＆Ｃ装置上で行なってもよい。このプロットは、三次多項式を用いてこれらの測定値を正確に表すことができることを示している。結果として、車両Ｅに対するフロントサスペンショントウ変化の三次多項式近似は、トウ＝−０．００９９−０．００８５Ａ−５×１０−５Ａ２−３×１０−８Ａ３である。この三次多項式近似プロセスを５２の車両に適用した後に、回帰を三次多項式近似の係数の各セット上でＷの関数として行なった。回帰によって、Ｃ１（Ｗ）＝ａ１０＋ａ１１Ｗ＝−１．３２２×１０−３−３．８８５×１０−７Ｗが得られた。これを図１２にプロットする。対象とする用途に対しては、Ｃ１（Ｗ）（ジャウンス＝０における勾配）が最も重要であり得る。回帰結果によって、Ｗに対する初期勾配の感度が小さいことが示されたが、車両間でかなりの変動があった。 The vehicle's scaleable characteristics may be divided into three broad categories (eg, suspension compliance and motion characteristics , steering motion characteristics , and tire force and moment) (see FIG. 7). Suspension characteristics may have an effect on tire forces and moments generated on a road course in simulation. Suspension motion characteristics may include both static alignment settings and changes in tows and cambers with jounce and rebound. In order to characterize the suspension motion characteristics , the independent variable A may in one example be a jounce or suspension strain. The vehicle plotted in FIG. 10 was selected to show the total vehicle weight dependence or independence of the suspension motion characteristics . In one embodiment, the total weight depends on the jounce-toe relationship. FIG. 11 shows the jounce-toe measurements for vehicle E from FIG. The measurement may be performed on a K & C apparatus. This plot shows that these measurements can be accurately represented using a cubic polynomial. As a result, the cubic polynomial approximation of the front suspension toe change for vehicle E is tow = −0.0099−0.0085A−5 × 10 −5 A 2 −3 × 10 −8 A 3 . After applying this cubic polynomial approximation process to 52 vehicles, regression was performed as a function of W on each set of coefficients of the cubic polynomial approximation. Regression gave C 1 (W) = a 10 + a 11 W = −1.322 × 10 −3 −3.885 × 10 −7 W. This is plotted in FIG. For the intended application, C 1 (W) (gradient at jounce = 0) may be most important. The regression results showed that the sensitivity of the initial slope to W was small, but there was considerable variation between vehicles.
ステアリング特性は、横タイヤ力に対して、特に都市部の運転で見られる低速、タイトコーナーにおいて、効果がある場合がある。アッカーマン誤差を、ステアリング運動特性を特徴付けるためにどのように回帰モデルを適用するかを示すように選択してもよい。独立変数Ａは、前輪の平均ステアである。図１４は、ジャウンス−トウ例で用いる車両の同じサブグループに対する左折アッカーマン誤差測定値を示す。ここで、アッカーマン誤差は、前輪の平均ステアと理論上のアッカーマン角との間の差として規定され得る。ステアリング運動特性を特徴付けるプロセスは、サスペンション運動特性を特徴付ける際に適用したものと同様であってもよい。特徴付けの第１のステップは、ステア角の関数として測定値のそれぞれの個々のアッカーマン誤差セットに対する多項式近似を決定することであってもよい。第２のステップは、多項式係数をＷの関数として回帰させることであってもよい。しかし、回帰は、ステアリング運動特性のＷに対する著しい依存性を全く示さなかった。 Steering characteristics may have an effect on lateral tire force, especially at low speeds and tight corners seen in urban driving. The Ackermann error may be selected to indicate how to apply the regression model to characterize the steering motion characteristics . The independent variable A is the average steering of the front wheels. FIG. 14 shows left turn Ackermann error measurements for the same subgroup of vehicles used in the jounce-toe example. Here, the Ackermann error can be defined as the difference between the average steer of the front wheels and the theoretical Ackermann angle. The process for characterizing the steering motion characteristics may be similar to that applied in characterizing the suspension motion characteristics . The first step of characterization may be to determine a polynomial approximation for each individual Ackermann error set of measurements as a function of steer angle. The second step may be to regress the polynomial coefficient as a function of W. However, the regression did not show any significant dependence of steering motion characteristics on W.
タイヤ力及びモーメント特性（「Ｆ＆Ｍ」）としては、バネ定数、縦力Ｆｘ、横力Ｆｙ、アライニングモーメントＭｚ、及びキャンバスラストを挙げることができる。これらの特性の中で、Ｆｘ、Ｆｙ、及びＭｚを特徴付けるプロセスは、より複雑であり得る。Ｆｙの特徴付けが特徴付けプロセスを示してもよく、Ｆｘ及びＭｚを特徴付けるプロセスは同様である。バネ定数及びキャンバスラストは、サスペンションコンプライアンス及び運動特性それぞれに対して前述したプロセスを用いて特徴付けられてもよい。一実施形態では、すべてのタイヤＦ＆Ｍは、純粋なコーナリング又は純粋なブレーキング状態で特徴付けられてもよい。別の実施形態では、ＣａｒＳｉｍ（登録商標）ＭＢＶＤＳＳ内部タイヤモデルを用いることができる。 Examples of tire force and moment characteristics (“F & M”) include spring constant, longitudinal force F x , lateral force F y , aligning moment M z , and canvas last. Among these properties, the process of characterizing F x , F y , and M z can be more complex. The characterization of F y may indicate a characterization process, and the process of characterizing F x and M z is similar. The spring constant and canvas last may be characterized using the processes described above for suspension compliance and motion characteristics, respectively. In one embodiment, all tires F & M may be characterized by pure cornering or pure braking conditions. In another embodiment, a CarSim® MBVDSS internal tire model can be used.
図４は、タイヤデザイン及び試験に対するＳＶＭを作成するための方法例４００を例示する。本方法は、種々の重量と少なくとも１本のタイヤとを有する複数の個々の車両を表す車両区分を規定することを含む（ステップ４０２）。本方法は、少なくとも１つの車両モデルパラメータを規定することを含んでいてもよい。パラメータには次のうちの少なくとも１つが含まれる。車両のホイールベース、車両のホイールトラック、車両の重心、車両のサスペンションコンプライアンス、車両のサスペンション運動特性、車両のステアリング運動特性、車両の重量分布、車両のバラスト、車両の前後ブレーキ比、車両の補助ロール剛性、車両のバネ下質量、タイヤの剛性、タイヤの縦力、タイヤの横力、タイヤのアライニングモーメント、及びタイヤのキャンバスラスト（ステップ４０４）。本方法は、少なくとも１つの車両モデルパラメータのパラメータ回帰関数を決定することを含んでいてもよい。回帰関数によって、規定された車両区分を含む車両の重量の範囲に対する少なくとも１つの車両モデルパラメータの平均値が得られる。パラメータ回帰関数は、ＳＶＭの総重量の関数として、次の等式：等式Ｐ（Ｗ）＝Ｃ０（Ｗ）＋Ｃ１（Ｗ）Ａ＋Ｃ２（Ｗ）Ａ２＋Ｃ３（Ｗ）Ａ３によって特徴付けられる。ここで、ＷはＳＶＭの総重量であり、Ｐ（Ｗ）は少なくとも１つの車両モデルパラメータであり、Ｃｎ（Ｗ）はＷの関数としての回帰係数であり、Ａは車両のジャウンス及び車両のステアリング角の少なくとも一方を含む独立変数である（ステップ４０６）。 FIG. 4 illustrates an example method 400 for creating an SVM for tire design and testing. The method includes defining vehicle segments representing a plurality of individual vehicles having various weights and at least one tire (step 402). The method may include defining at least one vehicle model parameter. The parameter includes at least one of the following: The wheel base of the vehicle, the wheel track of the vehicle, the center of gravity of the vehicle, the suspension compliance, suspension motion characteristics of the vehicle of the vehicle, the steering motion characteristics of the vehicle, weight distribution of the vehicle, the vehicle of the ballast, the front and rear brakes ratio of the vehicle, the auxiliary vehicle Roll stiffness, vehicle unsprung mass, tire stiffness, tire longitudinal force, tire lateral force, tire aligning moment, and tire canvas last (step 404). The method may include determining a parameter regression function of at least one vehicle model parameter. The regression function provides an average value of at least one vehicle model parameter for a range of vehicle weights that includes a defined vehicle segment. The parameter regression function is a function of the total weight of the SVM and is given by the equation: P (W) = C 0 (W) + C 1 (W) A + C 2 (W) A 2 + C 3 (W) A 3 Characterized. Where W is the total weight of the SVM, P (W) is at least one vehicle model parameter, C n (W) is a regression coefficient as a function of W, and A is the vehicle's jounce and vehicle's An independent variable including at least one of the steering angles (step 406).
図５は、特定の車両区分において車両によってタイヤに及ぼされる力及び傾斜角の少なくとも一方を予測するための方法例５００を例示する。本方法は、種々の重量と少なくとも１本のタイヤとを有する複数の個々の車両を表す車両区分を規定することを含む（ステップ５０２）。本方法は、車両区分における少なくとも１つの車両の少なくとも１つの車両モデルパラメータを規定することを含んでいてもよい。車両モデルパラメータには、次のうちの少なくとも１つが含まれる。車両のホイールベース、車両のホイールトラック、車両の重心、車両のサスペンションコンプライアンス、車両のサスペンション運動特性、車両のステアリング運動特性、車両の重量分布、車両のバラスト、車両の前後ブレーキ比、車両の補助ロール剛性、車両のバネ下質量、タイヤの剛性、タイヤの縦力、タイヤの横力、タイヤのアライニングモーメント、及びタイヤのキャンバスラスト（ステップ５０４）。本方法は、少なくとも１つの車両モデルパラメータのパラメータ回帰関数を決定することを含んでいてもよい。回帰関数によって、規定された車両区分を含む車両の重量の範囲に対する少なくとも１つの車両モデルパラメータの平均値が得られる。パラメータ回帰関数は、ＳＶＭの総重量の関数として、次の等式：Ｐ（Ｗ）＝Ｃ０（Ｗ）＋Ｃ１（Ｗ）Ａ＋Ｃ２（Ｗ）Ａ２＋Ｃ３（Ｗ）Ａ３によって特徴付けられる。ここで、ＷはＳＶＭの総重量であり、Ｐ（Ｗ）は少なくとも１つの車両モデルパラメータであり、Ｃｎ（Ｗ）はＷの関数としての回帰係数であり、Ａは車両のジャウンス及び車両のステアリング角の少なくとも一方を含む独立変数である（ステップ５０６）。本方法は、ＳＶＭによってタイヤに及ぼされるタイヤ力及び傾斜角の少なくとも一方を、マルチボディ車両力学シミュレーションを通して予測することを含んでいてもよい（ステップ５０８）。 FIG. 5 illustrates an example method 500 for predicting at least one of force and tilt angle exerted by a vehicle on a tire in a particular vehicle segment. The method includes defining vehicle segments representing a plurality of individual vehicles having various weights and at least one tire (step 502). The method may include defining at least one vehicle model parameter for at least one vehicle in the vehicle segment. The vehicle model parameters include at least one of the following. The wheel base of the vehicle, the wheel track of the vehicle, the center of gravity of the vehicle, the suspension compliance, suspension motion characteristics of the vehicle of the vehicle, the steering motion characteristics of the vehicle, weight distribution of the vehicle, the vehicle of the ballast, the front and rear brakes ratio of the vehicle, the auxiliary vehicle Roll stiffness, vehicle unsprung mass, tire stiffness, tire longitudinal force, tire lateral force, tire aligning moment, and tire canvas last (step 504). The method may include determining a parameter regression function of at least one vehicle model parameter. The regression function provides an average value of at least one vehicle model parameter for a range of vehicle weights that includes a defined vehicle segment. The parameter regression function is characterized by the following equation as a function of the total weight of the SVM: P (W) = C 0 (W) + C 1 (W) A + C 2 (W) A 2 + C 3 (W) A 3 It is done. Where W is the total weight of the SVM, P (W) is at least one vehicle model parameter, C n (W) is a regression coefficient as a function of W, and A is the vehicle's jounce and vehicle's It is an independent variable including at least one of the steering angles (step 506). The method may include predicting a tire force and / or tilt angle exerted on the tire by the SVM through a multibody vehicle dynamics simulation (step 508).
図６は、特定の車両区分とともに用いるタイヤの摩耗率を決定するための方法例６００を例示する。本方法は、種々の重量と少なくとも１本のタイヤとを有する複数の個々の車両を表す車両区分を規定することを含む（ステップ６０２）。本方法は、車両区分における少なくとも１つの車両の少なくとも１つの車両モデルパラメータを規定することを含んでいてもよい。車両モデルパラメータには、次のうちの少なくとも１つが含まれる。車両のホイールベース、車両のホイールトラック、車両の重心、車両のサスペンションコンプライアンス、車両のサスペンション運動特性、車両のステアリング運動特性、車両の重量分布、車両のバラスト、車両の前後ブレーキ比、車両の補助ロール剛性、車両のバネ下質量、タイヤの剛性、タイヤの縦力、タイヤの横力、タイヤのアライニングモーメント、及びタイヤのキャンバスラスト（ステップ６０４）。本方法は、少なくとも１つの車両モデルパラメータのパラメータ回帰関数を決定することを含んでいてもよい。回帰関数によって、規定された車両区分を含む車両の重量の範囲に対する少なくとも１つの車両モデルパラメータの平均値が得られる。パラメータ回帰関数は、ＳＶＭの総重量の関数として、次の等式：Ｐ（Ｗ）＝Ｃ０（Ｗ）＋Ｃ１（Ｗ）Ａ＋Ｃ２（Ｗ）Ａ２＋Ｃ３（Ｗ）Ａ３によって特徴付けられる。ここで、ＷはＳＶＭの総重量であり、Ｐ（Ｗ）は少なくとも１つの車両モデルパラメータであり、Ｃｎ（Ｗ）はＷの関数としての回帰係数であり、Ａは車両のジャウンス及び車両のステアリング角の少なくとも一方を含む独立変数である（ステップ６０６）。本方法は、スケール変更可能な車両モデルによってタイヤに及ぼされるタイヤ力及び傾斜角の少なくとも一方を、マルチボディ車両力学シミュレーションを通して予測することを含んでいてもよい（ステップ６０８）。本方法は、装置にタイヤを搭載することによってタイヤの摩耗率を決定することを含んでいてもよい、装置は、タイヤを所望の速度で回転させ、予測したタイヤ力及び予測した傾斜角の少なくとも一方を用いて、タイヤを、シミュレートした路面に対して適用するように構成され、装置を動作させて、タイヤの摩耗を時間に対して測定する（ステップ６１０）。 FIG. 6 illustrates an example method 600 for determining tire wear rates for use with a particular vehicle segment. The method includes defining a vehicle segment representing a plurality of individual vehicles having various weights and at least one tire (step 602). The method may include defining at least one vehicle model parameter for at least one vehicle in the vehicle segment. The vehicle model parameters include at least one of the following. The wheel base of the vehicle, the wheel track of the vehicle, the center of gravity of the vehicle, the suspension compliance, suspension motion characteristics of the vehicle of the vehicle, the steering motion characteristics of the vehicle, weight distribution of the vehicle, the vehicle of the ballast, the front and rear brakes ratio of the vehicle, the auxiliary vehicle Roll stiffness, vehicle unsprung mass, tire stiffness, tire longitudinal force, tire lateral force, tire aligning moment, and tire canvas last (step 604). The method may include determining a parameter regression function of at least one vehicle model parameter. The regression function provides an average value of at least one vehicle model parameter for a range of vehicle weights that includes a defined vehicle segment. The parameter regression function is characterized by the following equation as a function of the total weight of the SVM: P (W) = C 0 (W) + C 1 (W) A + C 2 (W) A 2 + C 3 (W) A 3 It is done. Where W is the total weight of the SVM, P (W) is at least one vehicle model parameter, C n (W) is a regression coefficient as a function of W, and A is the vehicle's jounce and vehicle's It is an independent variable including at least one of the steering angles (step 606). The method may include predicting a tire force and / or tilt angle exerted on the tire by the scaleable vehicle model through a multibody vehicle dynamics simulation (step 608). The method may include determining a tire wear rate by mounting the tire on the device, the device rotating the tire at a desired speed, and at least the predicted tire force and the predicted tilt angle. With one, the tire is configured to be applied to the simulated road surface and the apparatus is operated to measure tire wear over time (step 610).
屋内タイヤ摩耗試験に対するＳＶＭの用途の１つは、トレッド摩耗に対してタイヤを相対的等級付けするためのＵＴＱＧ試験であってもよい。トレードタイヤの新しいライン又はモデルに対するタイヤ開発プロセスの間、多くの異なるプロトタイプタイヤデザイン並びに異なるサイズを、屋内タイヤ摩耗試験装置上で迅速かつ正確に評価して、ＵＴＱＧトレッド摩耗等級を予測することが望ましい。このために、車両区分を表すＳＶＭが必要である。例えば公称アライメントにおいて前面及び背面バラストが等しいピックアップトラックである。ＵＴＱＧ試験を受けるタイヤを、屋内タイヤ試験装置（摩耗試験ドラムを含む）内に配置してもよい。摩耗試験ドラムは、タイヤと噛み合って路面をシミュレートする回転表面を提供してもよい。試験装置は、タイヤと回転表面との間の力を変えるためのメカニズムを提供する。また、回転表面の速度及びタイヤの傾斜角を変えてもよい。屋内ＵＴＱＧ摩耗試験を、屋外ＵＴＱＧ試験を実行するのにかかる時間の何分の１かで実行してもよい。更に、屋内ＵＴＱＧ摩耗試験は、より正確で安定したデータをもたらす場合がある。なぜならば、限定することなく、運転手、路面、天気及び周囲条件、並びに車両バイアスを含む、屋外ＵＴＱＧ試験に付随する変数の多くが取り除かれるからである。試験データが正確であるほど、各タイヤに対するＵＴＱＧレーティングも正確である。タイヤに対するＵＴＱＧレーティングが正確であるほど、タイヤ製造業者に対する消費者の信頼感が高まるため、消費者のブランド満足感及びロイヤルティーが増大する。 One application of SVM for indoor tire wear testing may be the UTQG test for grading tires relative to tread wear. During the tire development process for a new line or model of trade tires, it is desirable to quickly and accurately evaluate many different prototype tire designs as well as different sizes on indoor tire wear test equipment to predict the UTQG tread wear grade . For this, an SVM that represents the vehicle classification is required. Front and rear ballast is equal pickup truck, for example, in nominal alignment. The tire undergoing the UTQG test may be placed in an indoor tire testing device (including a wear test drum). The wear test drum may provide a rotating surface that meshes with the tire to simulate the road surface. The test device provides a mechanism for changing the force between the tire and the rotating surface. Further, the speed of the rotating surface and the inclination angle of the tire may be changed. The indoor UTQG wear test may be performed in a fraction of the time it takes to perform the outdoor UTQG test. Furthermore, the indoor UTQG wear test may provide more accurate and stable data. This is because many of the variables associated with outdoor UTQG testing are removed, including, without limitation, driver, road surface, weather and ambient conditions, and vehicle bias. The more accurate the test data, the more accurate the UTQG rating for each tire. The more accurate the UTQG rating for a tire, the greater the consumer's confidence in the tire manufacturer, thus increasing consumer brand satisfaction and loyalty.
摩耗等級を、各試験タイヤに割り当てて、Ｐ１９５／７５Ｒ１４コースモニタリングタイヤ（「ＣＭＴ」）の摩耗率によって規格化してもよい。試験は、車両のすべての４つの位置上でこのタイヤサイズに対して４，５８０Ｎ（１，０３０ｌｂｆ）負荷を要求する。このバラスト要求を実現するために、ピックアップトラックが最も多く用いられる。たとえそうであっても、各サイズトラックに対するバラスト能力の範囲は制限されている。試験タイヤが異なるサイズからなる場合、それらの負荷要求がＣＭＴとは大きく異なり、そのため異なるサイズのトラックが必要となる場合が多い。なぜならば、物理的バラストは限定された範囲のみが可能だからである。これによって、車両間でＣＭＴ及び試験タイヤを回転させることが不可能になる場合がある。そのため、車車間バイアスが導入される。 A wear grade may be assigned to each test tire and normalized by the wear rate of a P195 / 75R14 course monitoring tire (“CMT”). The test requires a 4,580 N (1,030 lbf) load for this tire size on all four positions of the vehicle. To realize this ballast request, pickup trucks are most often used. Even so, the range of ballast capacity for each size truck is limited. If the test tires are of different sizes, their load requirements are very different from CMT and therefore different size trucks are often required. This is because the physical ballast is because it is possible only to a limited extent is. This may make it impossible to rotate the CMT and test tire between vehicles. Therefore, an inter-vehicle bias is introduced.
別個の係数を用いる第２のＳＶＭを、すべての４本のタイヤ位置において等しいバラストを伴うピックアップトラックに対して開発してもよい。この第２のモデルを、広範囲のトラック（コンパクト〜６８０ｋｇ（３／４トン）サイズ、種々の製造業者から）を用いて、前述と同様に開発してもよい。この第２のＳＶＭを用いて、６４０ｋｍＵＴＱＧルートに対するＣＭＴサイズに加えて、異なるサイズのタイヤ（例えば、５つの異なるサイズのタイヤ）に対する負荷履歴を生成してもよい。そして、これらの負荷履歴を用いてタイヤ摩耗試験装置をプログラムしてもよい。この試験は回転位置試験であるため、４つの異なる負荷履歴を各屋内試験タイヤに対して用いてもよい（車両の各位置に対して１つ）。負荷履歴を、屋外試験に対して用いたのと同じ回転スケジュールを用いて、各タイヤに対して回転させてもよい。加えて、屋外ＵＴＱＧ摩耗試験を、６つの試験車両（例えば、５つの車両に試験タイヤを付けて、１つの車両にＣＭＴを付ける）を用いて、負荷を位置あたり３，８３０Ｎ（８６１ｌｂｆ）〜６，４９０Ｎ（１，４５９ｌｂｆ）で変えて行なってもよい。ＵＴＱＧ摩耗等級を、図２２に屋外及び屋内摩耗試験の両方に対して示す。屋外試験では、５つの試験車両上での４本のタイヤそれぞれに対する摩耗等級の範囲を、個々のデータ点として示す。屋内摩耗試験では、各タイヤデザインのうち２本のタイヤについて試験した。屋内摩耗試験結果と屋外摩耗試験結果との間の大まかな一致が見られる。しかし、Ｐ１８５／６５Ｒ１６及びＰ２１５／４５Ｒ１７タイヤの屋内等級は、屋外試験でのものよりも１００評価点を超えて低かった。 A second SVM using separate coefficients may be developed for pickup trucks with equal ballast in all four tires position. This second model may be developed in the same way as described above using a wide range of trucks (compact to 680 kg (3/4 ton) size, from various manufacturers). This second SVM may be used to generate load histories for different size tires (eg, five different size tires) in addition to the CMT size for the 640 km UTQG route. The tire wear test apparatus may be programmed using these load histories. Since this test is a rotational position test, four different load histories may be used for each indoor test tire (one for each position in the vehicle). The load history may be rotated for each tire using the same rotation schedule used for the outdoor test. In addition, an outdoor UTQG wear test was performed using 6 test vehicles (eg, 5 vehicles with test tires and 1 vehicle with CMT) and loads from 3,830 N (861 lbf) to 6 per position. , 490N (1,459 lbf). The UTQG wear rating is shown in FIG. 22 for both outdoor and indoor wear tests. In the outdoor test, the range of wear grade for each of the four tires on the five test vehicles is shown as individual data points. In the indoor wear test, two tires of each tire design were tested. There is a rough agreement between indoor wear test results and outdoor wear test results. However, the indoor grades of the P185 / 65R16 and P215 / 45R17 tires were lower than 100 rating points than those in the outdoor test.
Claims (17)
種々の重量を有し、各々が少なくとも１本のタイヤを有する、複数の車両を含む車両区分を規定することと、
前記車両区分における各々の車両の車両モデルパラメータを規定することと、
ここで、前記車両モデルパラメータには、前記車両のホイールベース、前記車両のホイールトラック、前記車両の重心、前記車両のサスペンションコンプライアンス、前記車両のサスペンション運動特性、前記車両のステアリング運動特性、前記車両の重量分布、前記車両のバラスト、前記車両の前後ブレーキ比、前記車両の補助ロール剛性、前記車両のバネ下質量、前記タイヤの剛性、前記タイヤの縦力、前記タイヤの横力、前記タイヤのアライニングトルク、及び前記タイヤのキャンバスラストのうちの１つが含まれ、
前記複数の車両の各々の車両の総重量に対する当該車両の前記車両モデルパラメータの値をそれぞれ表すデータ点を含むプロットを作成することと、
前記プロットに基づいて回帰分析を行うことで、前記車両区分の前記複数の車両の重量の範囲に対する前記車両モデルパラメータの平均値を近似する回帰曲線を表すパラメータ回帰関数を決定することと、
ここで、前記パラメータ回帰関数は、スケール変更可能な車両モデルの前記総重量の関数として、等式Ｐ（Ｗ）＝Ｃ０（Ｗ）＋Ｃ１（Ｗ）Ａ＋Ｃ２（Ｗ）Ａ２＋Ｃ３（Ｗ）Ａ３によって特徴付けられ、
Ｗは、前記スケール変更可能な車両モデルの前記総重量であり、
Ｐ（Ｗ）は、前記少なくとも１つの車両モデルパラメータであり、
Ｃｎ（Ｗ）は、Ｗの関数としての回帰係数であり、
Ａは、車両のジャウンス又は車両のステアリング角に対応する独立変数であり、
コーナリング係数、スリップ剛性係数、及びアライニングトルク係数のうちの１つをＷとタイヤに及ぼされる垂直負荷との関数として特徴付けることで、少なくとも１本のタイヤ特性に対する係数モデルを作成することと、
Ｗの関数である係数回帰関数を通して前記係数モデルの総重量依存性を決定することと、
タイヤ横力、タイヤ縦力、及びタイヤアライニングモーメントのうちの少なくとも１つをスリップ角と前記タイヤに及ぼされる垂直負荷との関数として特徴付けることで前記スケール変更可能なタイヤモデルを作成することと、
を含む、方法。 A method for creating a scaleable vehicle model for tire design and testing, comprising:
And that have a different weight, each having a tire of at least one, defines a vehicle segment containing a plurality of vehicles,
And defining the car both model parameters of each vehicle in the vehicle segment,
Here, the vehicle model parameters include the wheel base of the vehicle, the wheel track of the vehicle, the center of gravity of the vehicle, the suspension compliance of the vehicle, the suspension motion characteristics of the vehicle, the steering motion characteristics of the vehicle, weight distribution, the vehicle of the ballast, the front and rear brake ratio of the vehicle, an auxiliary roll stiffness of the vehicle, the unsprung mass of the vehicle, rigidity of the tire, longitudinal force of the tire, the lateral force of the tire, of the tire aligning torque, and one of the camber thrust of the tire included,
Creating a plot including data points each representing the value of the vehicle model parameter of the vehicle relative to the total vehicle weight of each of the plurality of vehicles;
Performing a regression analysis based on the plot to determine a parameter regression function representing a regression curve that approximates an average value of the vehicle model parameters for a range of weights of the plurality of vehicles in the vehicle category;
Here, before Symbol parameter regression function, as a function of the total weight of the scale can change the vehicle model, equation P (W) = C 0 ( W) + C 1 (W) A + C 2 (W) A 2 + C 3 (W) characterized by A 3,
W is the total weight of the scaleable vehicle model;
P (W) is the at least one vehicle model parameter;
C n (W) is a regression coefficient as a function of W;
A is Ri independent variables der corresponding to the steering angle of the jounce or vehicles of the vehicle,
Creating a coefficient model for at least one tire characteristic by characterizing one of the cornering coefficient, slip stiffness coefficient, and aligning torque coefficient as a function of W and the normal load exerted on the tire;
Determining the total weight dependence of the coefficient model through a coefficient regression function that is a function of W;
Creating the scaleable tire model by characterizing at least one of tire lateral force, tire longitudinal force, and tire aligning moment as a function of slip angle and normal load exerted on the tire;
Including a method.
前記スケール変更可能なタイヤモデルは、三次スプライン関数としてモデル化される、請求項１に記載の方法。 The coefficient regression function is a bilinear function,
The method of claim 1 , wherein the scaleable tire model is modeled as a cubic spline function.
種々の重量を有し、各々が少なくとも１本のタイヤを有する、複数の車両を含む車両区分を規定することと、
前記車両区分における各々の車両の車両モデルパラメータを規定することと、
ここで、前記車両モデルパラメータには、前記車両のホイールベース、前記車両のホイールトラック、前記車両の重心、前記車両のサスペンションコンプライアンス、前記車両のサスペンション運動特性、前記車両のステアリング運動特性、前記車両の重量分布、前記車両のバラスト、前記車両の前後ブレーキ比、前記車両の補助ロール剛性、前記車両のバネ下質量、前記タイヤの剛性、前記タイヤの縦力、前記タイヤの横力、前記タイヤのアライニングトルク、及び前記タイヤのキャンバスラストのうちの１つが含まれ、
前記複数の車両の各々の車両の総重量に対する当該車両の前記車両モデルパラメータの値をそれぞれ表すデータ点を含むプロットを作成することと、
前記プロットに基づいて回帰分析を行うことで、前記車両区分の前記複数の車両の重量の範囲に対する前記車両モデルパラメータの平均値を近似する回帰曲線を表すパラメータ回帰関数を決定することと、
ここで、前記パラメータ回帰関数は、スケール変更可能な車両モデルの前記総重量の関数として、等式Ｐ（Ｗ）＝Ｃ０（Ｗ）＋Ｃ１（Ｗ）Ａ＋Ｃ２（Ｗ）Ａ２＋Ｃ３（Ｗ）Ａ３によって特徴付けられ、
Ｗは、前記スケール変更可能な車両モデルの前記総重量であり、
Ｐ（Ｗ）は、前記少なくとも１つの車両モデルパラメータであり、
Ｃｎ（Ｗ）は、Ｗの関数としての回帰係数であり、
Ａは、車両のジャウンス又は車両のステアリング角に対応する独立変数であり、
コーナリング係数、スリップ剛性係数、及びアライニングトルク係数のうちの１つをＷとタイヤに及ぼされる垂直負荷との関数として特徴付けることで、少なくとも１本のタイヤ特性に対する係数モデルを作成することと、
Ｗの関数である係数回帰関数を通して前記係数モデルの総重量依存性を決定することと、
タイヤ横力、タイヤ縦力、及びタイヤアライニングモーメントのうちの少なくとも１つをスリップ角と前記タイヤに及ぼされる垂直負荷との関数として特徴付けることで前記スケール変更可能なタイヤモデルを作成することと、
前記スケール変更可能な車両モデルによってタイヤに及ぼされるタイヤ力及び傾斜角の少なくとも一方を、マルチボディ車両力学シミュレーションを通して予測することと、を含む、方法。 A method for predicting at least one of a force and an inclination angle exerted on a tire by a vehicle in a specific vehicle section,
And that have various weights, each having a tire of at least one, defines a vehicle segment containing a plurality of vehicles,
And defining the car both model parameters of each vehicle in the vehicle segment,
Here, the vehicle model parameters include the wheel base of the vehicle, the wheel track of the vehicle, the center of gravity of the vehicle, the suspension compliance of the vehicle, the suspension motion characteristics of the vehicle, the steering motion characteristics of the vehicle, weight distribution, the vehicle of the ballast, the front and rear brake ratio of the vehicle, an auxiliary roll stiffness of the vehicle, the unsprung mass of the vehicle, rigidity of the tire, longitudinal force of the tire, the lateral force of the tire, of the tire aligning torque, and one of the camber thrust of the tire included,
Creating a plot including data points each representing the value of the vehicle model parameter of the vehicle relative to the total vehicle weight of each of the plurality of vehicles;
Performing a regression analysis based on the plot to determine a parameter regression function representing a regression curve that approximates an average value of the vehicle model parameters for a range of weights of the plurality of vehicles in the vehicle category;
Here, the parameter regression function is the equation P (W) = C 0 (W) + C 1 (W) A + C 2 (W) A 2 + C 3 (as a function of the total weight of the scaleable vehicle model. W) characterized by A 3,
W is the total weight of the scaleable vehicle model;
P (W) is the at least one vehicle model parameter;
C n (W) is a regression coefficient as a function of W;
A is Ri independent variables der corresponding to the steering angle of the jounce or vehicles of the vehicle,
Creating a coefficient model for at least one tire characteristic by characterizing one of the cornering coefficient, slip stiffness coefficient, and aligning torque coefficient as a function of W and the normal load exerted on the tire;
Determining the total weight dependence of the coefficient model through a coefficient regression function that is a function of W;
Creating the scaleable tire model by characterizing at least one of tire lateral force, tire longitudinal force, and tire aligning moment as a function of slip angle and normal load exerted on the tire;
Predicting at least one of a tire force and a tilt angle exerted on a tire by the scaleable vehicle model through a multibody vehicle dynamics simulation.
縦加速度及び減速度、
横加速度、
ステアリング角、
傾斜角、並びに
タイヤ負荷履歴、
のうちの少なくとも１つを、前記スケール変更可能な車両モデルの各タイヤに対して決定することを更に含む、請求項６に記載の方法。 Applying the scaleable vehicle model to at least one operation in the multibody vehicle dynamics simulation;
Longitudinal acceleration and deceleration,
Lateral acceleration,
Steering angle,
Inclination angle, tire load history,
The method of claim 6 , further comprising determining at least one of each for each tire of the scaleable vehicle model.
前記スケール変更可能なタイヤモデルは、三次スプライン関数としてモデル化される、請求項６に記載の方法。 The coefficient regression function is a bilinear function,
The method of claim 6 , wherein the scaleable tire model is modeled as a cubic spline function.
種々の重量を有し、各々が少なくとも１本のタイヤを有する、複数の車両を含む車両区分を規定することと、
前記車両区分における各々の車両の車両モデルパラメータを規定することと、
ここで、前記車両モデルパラメータには、前記車両のホイールベース、前記車両のホイールトラック、前記車両の重心、前記車両のサスペンションコンプライアンス、前記車両のサスペンション運動特性、前記車両のステアリング運動特性、前記車両の重量分布、前記車両のバラスト、前記車両の前後ブレーキ比、前記車両の補助ロール剛性、前記車両のバネ下質量、前記タイヤの剛性、前記タイヤの縦力、前記タイヤの横力、前記タイヤのアライニングトルク、及び前記タイヤのキャンバスラストのうちの１つが含まれ、
前記複数の車両の各々の車両の総重量に対する当該車両の前記車両モデルパラメータの値をそれぞれ表すデータ点を含むプロットを作成することと、
前記プロットに基づいて回帰分析を行うことで、前記車両区分の前記複数の車両の重量の範囲に対する前記車両モデルパラメータの平均値を近似する回帰曲線を表すパラメータ回帰関数を決定することと、
ここで、前記パラメータ回帰関数は、スケール変更可能な車両モデルの前記総重量の関数として、等式Ｐ（Ｗ）＝Ｃ０（Ｗ）＋Ｃ１（Ｗ）Ａ＋Ｃ２（Ｗ）Ａ２＋Ｃ３（Ｗ）Ａ３によって特徴付けられ、
Ｗは、前記スケール変更可能な車両モデルの前記総重量であり、
Ｐ（Ｗ）は、前記少なくとも１つの車両モデルパラメータであり、
Ｃｎ（Ｗ）は、Ｗの関数としての回帰係数であり、
Ａは、車両のジャウンス又は車両のステアリング角に対応する独立変数であり、
コーナリング係数、スリップ剛性係数、及びアライニングトルク係数のうちの１つをＷとタイヤに及ぼされる垂直負荷との関数として特徴付けることで、少なくとも１本のタイヤ特性に対する係数モデルを作成することと、
Ｗの関数である係数回帰関数を通して前記係数モデルの総重量依存性を決定することと、
タイヤ横力、タイヤ縦力、及びタイヤアライニングモーメントのうちの少なくとも１つをスリップ角と前記タイヤに及ぼされる垂直負荷との関数として特徴付けることで前記スケール変更可能なタイヤモデルを作成することと、
前記スケール変更可能な車両モデルによってタイヤに及ぼされるタイヤ力及び傾斜角の少なくとも一方を、マルチボディ車両力学シミュレーションを通して予測することと、
タイヤを装置に搭載することによって前記タイヤの摩耗率を決定することと、を含み、
ここで、
前記装置は、前記タイヤを所望の速度で回転させ、前記予測したタイヤ力及び前記予測した傾斜角の少なくとも一方を用いて、前記タイヤを、シミュレートした路面に対して適用するように構成され、
前記装置は動作され、
前記タイヤの摩耗は時間に対して測定される、方法。 A method for determining the friction耗率tire for use with a particular vehicle segment,
And that have various weights, each having a tire of at least one, defines a vehicle segment containing a plurality of vehicles,
And defining the car both model parameters of each vehicle in the vehicle segment,
Here, the vehicle model parameters include the wheel base of the vehicle, the wheel track of the vehicle, the center of gravity of the vehicle, the suspension compliance of the vehicle, the suspension motion characteristics of the vehicle, the steering motion characteristics of the vehicle, weight distribution, the vehicle of the ballast, the front and rear brake ratio of the vehicle, an auxiliary roll stiffness of the vehicle, the unsprung mass of the vehicle, rigidity of the tire, longitudinal force of the tire, the lateral force of the tire, of the tire aligning torque, and one of the camber thrust of the tire included,
Creating a plot including data points each representing the value of the vehicle model parameter of the vehicle relative to the total vehicle weight of each of the plurality of vehicles;
Performing a regression analysis based on the plot to determine a parameter regression function representing a regression curve that approximates an average value of the vehicle model parameters for a range of weights of the plurality of vehicles in the vehicle category;
Here, the parameter regression function is the equation P (W) = C 0 (W) + C 1 (W) A + C 2 (W) A 2 + C 3 (as a function of the total weight of the scaleable vehicle model. W) characterized by A 3,
W is the total weight of the scaleable vehicle model;
P (W) is the at least one vehicle model parameter;
C n (W) is a regression coefficient as a function of W;
A is Ri independent variables der corresponding to the steering angle of the jounce or vehicles of the vehicle,
Creating a coefficient model for at least one tire characteristic by characterizing one of the cornering coefficient, slip stiffness coefficient, and aligning torque coefficient as a function of W and the normal load exerted on the tire;
Determining the total weight dependence of the coefficient model through a coefficient regression function that is a function of W;
Creating the scaleable tire model by characterizing at least one of tire lateral force, tire longitudinal force, and tire aligning moment as a function of slip angle and normal load exerted on the tire;
Predicting at least one of a tire force and an inclination angle exerted on a tire by the scaleable vehicle model through a multi-body vehicle dynamics simulation;
Determining the wear rate of the tire by mounting the tire on a device ,
here,
The apparatus is configured to rotate the tire at a desired speed and apply the tire to a simulated road surface using at least one of the predicted tire force and the predicted tilt angle;
The device is operated ;
Wear of the tire is measured with respect to time, Methods.
縦加速度及び減速度、
横加速度、
ステアリング角、
傾斜角、並びに
タイヤ負荷履歴、
のうちの少なくとも１つを、前記スケール変更可能な車両モデルの各タイヤに対して決定することを更に含む、請求項１３に記載の方法。 Applying the scaleable vehicle model to at least one operation in the multibody vehicle dynamics simulation;
Longitudinal acceleration and deceleration,
Lateral acceleration,
Steering angle,
Inclination angle, tire load history,
At least one, further comprising determining for each tire of the scaling-vehicle models, The method of claim 1 3 of the.
前記スケール変更可能なタイヤモデルは、三次スプライン関数としてモデル化される、請求項１３に記載の方法。 The coefficient regression function is a bilinear function,
The scale can change the tire model is modeled as a cubic spline function method of claim 1 3.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US14/529,536 | 2014-10-31 | ||
| US14/529,536 US9428018B2 (en) | 2012-12-28 | 2014-10-31 | Scalable vehicle models for indoor tire testing |
| PCT/US2015/052113 WO2016069149A1 (en) | 2014-10-31 | 2015-09-25 | Scalable vehicle models for indoor tire testing |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019149314A Division JP2020020796A (en) | 2014-10-31 | 2019-08-16 | Scalable vehicle model for indoor tire testing |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018501466A JP2018501466A (en) | 2018-01-18 |
| JP2018501466A5 true JP2018501466A5 (en) | 2018-12-20 |
Family
ID=55858150
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017523799A Pending JP2018501466A (en) | 2014-10-31 | 2015-09-25 | Scaleable vehicle model for indoor tire testing |
| JP2019149314A Pending JP2020020796A (en) | 2014-10-31 | 2019-08-16 | Scalable vehicle model for indoor tire testing |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019149314A Pending JP2020020796A (en) | 2014-10-31 | 2019-08-16 | Scalable vehicle model for indoor tire testing |
Country Status (4)
| Country | Link |
|---|---|
| EP (1) | EP3213239A4 (en) |
| JP (2) | JP2018501466A (en) |
| KR (1) | KR20170058412A (en) |
| WO (1) | WO2016069149A1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7265912B2 (en) | 2019-03-29 | 2023-04-27 | Ｔｏｙｏ Ｔｉｒｅ株式会社 | Calculation model generation system, wear amount estimation system, and calculation model generation method |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6790875B2 (en) * | 2017-01-27 | 2020-11-25 | 住友ゴム工業株式会社 | Tire wear performance prediction method |
| KR102192859B1 (en) * | 2018-12-20 | 2020-12-18 | 넥센타이어 주식회사 | Automated system for dynamic analysis of vehicle and method of dynamic analysis of vehicle using the same |
| CN116070356B (en) * | 2023-04-06 | 2023-08-08 | 山东玲珑轮胎股份有限公司 | Tire model design method and system |
| CN117972910B (en) * | 2024-03-29 | 2024-06-21 | 湖南大学 | Steering system collaborative design method of multi-axis intelligent chassis |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7228732B2 (en) * | 2001-01-26 | 2007-06-12 | Bridgestone Firestone North American Tire, Llc | Tire wear analysis method |
| US6532811B2 (en) * | 2001-01-26 | 2003-03-18 | Bridgestone/Firestone North American Tire, Llc | Method of wear testing a tire |
| FR2841827A1 (en) * | 2002-07-04 | 2004-01-09 | Michelin Soc Tech | ESTIMATING THE WEAR OF A TIRE |
| US7469578B2 (en) * | 2005-09-27 | 2008-12-30 | The Yokohama Rubber Co., Ltd. | Method and apparatus for evaluating a cornering stability of a wheel |
| JP4229959B2 (en) * | 2006-08-22 | 2009-02-25 | 横浜ゴム株式会社 | Tire design method considering tire friction ellipse |
| US7778809B2 (en) * | 2006-08-22 | 2010-08-17 | The Yokohama Rubber Co., Ltd. | Tire characteristic calculation method, tire dynamic element parameter value derivation method, vehicle traveling simulation method, and tire designing method and vehicle designing method in which consideration is given to tire friction ellipse |
| JP4260175B2 (en) * | 2006-08-22 | 2009-04-30 | 横浜ゴム株式会社 | Vehicle design method considering tire friction ellipse |
| JP4201821B2 (en) * | 2007-03-28 | 2008-12-24 | 横浜ゴム株式会社 | Tire model determination method, tire transient response data calculation method, tire evaluation method, and tire design method |
| JP5337090B2 (en) * | 2010-03-25 | 2013-11-06 | 株式会社デンソーアイティーラボラトリ | Vehicle characteristic information estimation device and warning device using the same |
| US8555698B2 (en) * | 2011-01-26 | 2013-10-15 | Bridgestone Americas Tire Operations, Llc | Engineered surfaces for laboratory tread wear testing of tires |
| US9121747B2 (en) * | 2011-09-19 | 2015-09-01 | International Electronic Machines Corp. | Object evaluation accounting for motion-related dynamic forces |
| US20140188406A1 (en) * | 2012-12-28 | 2014-07-03 | Bridgestone Americas Tire Operations, Llc | Scalable vehicle models for indoor tire testing |
-
2015
- 2015-09-25 KR KR1020177010588A patent/KR20170058412A/en not_active Application Discontinuation
- 2015-09-25 WO PCT/US2015/052113 patent/WO2016069149A1/en active Application Filing
- 2015-09-25 EP EP15854380.1A patent/EP3213239A4/en not_active Withdrawn
- 2015-09-25 JP JP2017523799A patent/JP2018501466A/en active Pending
-
2019
- 2019-08-16 JP JP2019149314A patent/JP2020020796A/en active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7265912B2 (en) | 2019-03-29 | 2023-04-27 | Ｔｏｙｏ Ｔｉｒｅ株式会社 | Calculation model generation system, wear amount estimation system, and calculation model generation method |
| JP7493647B2 (en) | 2019-03-29 | 2024-05-31 | Ｔｏｙｏ Ｔｉｒｅ株式会社 | Wear amount estimation device and wear amount estimation method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6349436B2 (en) | Scalable vehicle model for indoor tire testing | |
| US7819000B2 (en) | Tire wear test method | |
| JP2018501466A5 (en) | ||
| US9428018B2 (en) | Scalable vehicle models for indoor tire testing | |
| JP2020020796A (en) | Scalable vehicle model for indoor tire testing | |
| JP2016505851A5 (en) | ||
| Sert et al. | Optimization of suspension system and sensitivity analysis for improvement of stability in a midsize heavy vehicle | |
| US8032344B2 (en) | Method of setting parameter in method of detecting decreased pneumatic pressure | |
| CN107226048B (en) | Vehicle damage detector | |
| JP5467027B2 (en) | Tire wear test apparatus, method, and program | |
| Stallmann et al. | Parameterization and modelling of large off-road tyres for ride analyses: Part 1–Obtaining parameterization data | |
| JP6260700B2 (en) | A method of simulating the deflection radius of an automobile tire | |
| Tumasov et al. | Influence of LCV bearing stiffness on its static and dynamic characteristics of stability and steerability | |
| Sivaramakrishnan | Discrete tire modeling for anti-lock braking system simulations | |
| JP2009227041A (en) | Method of setting alarming threshold value in detection method for tire air pressure drop detecting method | |
| JP7386229B2 (en) | How to run a tire on a worn flywheel | |
| Omar et al. | Analysis of Vehicle Ride and Handling Performance on Variable Vehicle Load and Speed Using Simulation Method | |
| Knuth et al. | Advances in indoor tire tread wear simulation | |
| Anthonysamy et al. | Identification and Resolution of Vehicle Pull and Steering Wobble Using Virtual Simulation and Testing | |
| Anthonysamy et al. | Tuning of Brake Force Distribution for Pickup Truck Vehicle LSPV Brake System During Cornering Maneuver | |
| PRABHU et al. | ROLLOVER SIMULATION OF SPORTS UTILITY VEHICLES | |
| Veppathur Sivaramakrishnan | Discrete Tire Modeling for Anti-lock Braking System Simulations |