特許ウォッチ

公開番号2025084552
公報種別公開特許公報(A)
公開日2025-06-03
出願番号2023198536
出願日2023-11-22
発明の名称予測方法
出願人住友ゴム工業株式会社
代理人個人,個人,個人,個人,個人
主分類G01M 17/02 20060101AFI20250527BHJP(測定;試験)
要約【課題】短時間でタイヤの動的性能を予測する予測方法を提供する。
【解決手段】予測方法は、設計パラメーター情報を取得する第1ステップS1と、経時的に変化する測定条件に対する応答の実測値を取得する第2ステップS2と、測定条件と応答との関係を示す近似関数を準備する第3ステップと3と、実測値に基づいて、回帰分析により近似関数の係数を特定する第4ステップS4と、第1ステップの設計パラメーター情報を入力層とし、第4ステップの係数を出力層とする学習モデルを生成する第5ステップS5と、学習モデルに予測対象タイヤの設計パラメーター情報を入力し、予測対象タイヤについての近似関数の係数を計算する第6ステップS6と、第6ステップS6の係数を含む近似関数を用いて、動的性能を予測する第7ステップS7とを含む。
【選択図】図2
特許請求の範囲【請求項１】
タイヤの動的性能を予測する方法であって、
サイズが異なる複数のタイヤから複数の設計パラメーター情報を取得する第１ステップと、
前記複数のタイヤの動的性能として、経時的に変化する測定条件に対する前記複数のタイヤのそれぞれの応答の実測値を取得する第２ステップと、
前記測定条件と前記応答との関係を、複数の係数を含んで示す近似関数を準備する第３ステップと、
前記複数のタイヤ毎に、前記実測値に基づいて、前記近似関数を回帰分析することにより、前記近似関数の前記係数を特定する第４ステップと、
前記第１ステップで取得した前記設計パラメーター情報を入力層とし、前記第４ステップで特定した前記係数を出力層とする学習モデルを生成する第５ステップと、
前記学習モデルに予測対象タイヤの前記設計パラメーター情報を入力し、前記予測対象タイヤについての前記近似関数の前記係数を計算する第６ステップと、
前記第６ステップで計算された前記係数を含む前記近似関数を用いて、前記予測対象タイヤの前記動的性能を予測する第７ステップとを含む、
予測方法。
続きを表示（約 660 文字）【請求項２】
前記測定条件は、前記タイヤに負荷される荷重を含む、請求項１に記載の予測方法。
【請求項３】
前記荷重の範囲は、ロードインデックスで表される最大荷重に基づいて定められる、請求項２に記載の予測方法。
【請求項４】
前記測定条件は、前記タイヤのスリップ角を含む、請求項１に記載の予測方法。
【請求項５】
前記測定条件は、前記タイヤのスリップ率を含む、請求項１に記載の予測方法。
【請求項６】
前記測定条件は、前記タイヤのキャンバー角を含む、請求項１に記載の予測方法。
【請求項７】
前記測定条件は、前記タイヤの速度を含む、請求項１に記載の予測方法。
【請求項８】
前記近似関数は、 D 、C 、B 及びE を前記係数、前記測定条件をすべりパラメータ x 、前記動的性能を得られる力またはモーメントを y としたとき、マジックフォーミュラの一般形式である
y = D・sin { C・arctan [ Bx－E・ ( Bx － arctan ( Bx ) ) ] }
で表される、請求項１に記載の予測方法。
【請求項９】
前記近似関数は、α、β及びC を前記係数、前記測定条件を荷重 W 、前記動的性能をコーナリングパワー CP としたとき、
CP / W = α・cos { β・arctan ( W － C ) )
で表される、請求項１に記載の予測方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、タイヤの動的性能を予測する方法に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
従来から、有限要素法を用いた計算によりタイヤの動的性能を予測する方法が知られている（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【０００３】
特開２０１７－０７８８９５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記特許文献１に記載された方法を用いても計算に時間がかかり、短時間でタイヤの動的性能を予測することが困難であった。
【０００５】
本発明は、以上のような実状に鑑み案出されたもので、短時間でタイヤの動的性能を予測できる方法を提供することを主たる目的としている。
【課題を解決するための手段】
【０００６】
本発明は、タイヤの動的性能を予測する方法であって、
サイズが異なる複数のタイヤから複数の設計パラメーター情報を取得する第１ステップと、
前記複数のタイヤの動的性能として、経時的に変化する測定条件に対する前記複数のタイヤのそれぞれの応答の実測値を取得する第２ステップと、
前記測定条件と前記応答との関係を、複数の係数を含んで示す近似関数を準備する第３ステップと、
前記複数のタイヤ毎に、前記実測値に基づいて、前記近似関数を回帰分析することにより、前記近似関数の前記係数を特定する第４ステップと、
前記第１ステップで取得した前記設計パラメーター情報を入力層とし、前記第４ステップで特定した前記係数を出力層とする学習モデルを生成する第５ステップと、
前記学習モデルに予測対象タイヤの前記設計パラメーター情報を入力し、前記予測対象タイヤについての前記近似関数の前記係数を計算する第６ステップと、
前記第６ステップで計算された前記係数を含む前記近似関数を用いて、前記予測対象タイヤの前記動的性能を予測する第７ステップとを含む。
【発明の効果】
【０００７】
本発明の予測方法は、上記構成を有しているので、有限要素法を用いた複雑な計算によることなく、短時間でタイヤの動的性能を予測することが可能となる。
【図面の簡単な説明】
【０００８】
本発明の実施形態の予測方法を実行するためのコンピューターを示す斜視図である。
本実施形態の予測方法の手順を示すフローチャートである。
図２の第５ステップで生成される学習モデルの一例を示す図である。
学習モデルを用いて近似関数の係数をクリギングする図である。
あるタイヤに負荷される荷重を変化させたときのコーナリングパワーの推移を示すグラフである。
本発明の実施例による計算結果を、比較例と共に示すグラフである。
【発明を実施するための形態】
【０００９】
以下、本発明の実施の一形態が図面に基づき説明される。
本実施形態のタイヤの動的性能を予測する方法（以下、単に「予測方法」ということがある。）では、コンピューターを用いて、タイヤの性能が予測される。本発明で動的性能が予測されるタイヤ、すなわち、予測対象タイヤは、本発明の実施時点で実在しないタイヤである。
【００１０】
図１は、本実施形態のタイヤの予測方法を実行するためのコンピューター１を示す斜視図である。本実施形態のコンピューター１は、例えば、本体１１、キーボード１２、マウス１３及びディスプレイ装置１４を含んで構成されている。この本体１１には、例えば、演算処理装置（ＣＰＵ）、メモリ及び記憶装置が設けられている（図示せず）。また、記憶装置には、本実施形態の予測方法を実行するためのソフトウェア等が予め記憶されている。
（【００１１】以降は省略されています）

関連特許