本发明专利技术涉及利用机器学习预测轮胎磨损的方法和装置。用于在安装于车辆的装置中预测轮胎磨损的方法可以包括：导入基于基本数据生成的轮胎磨损数据库，通过对基本数据进行预处理来生成数据集，针对每种车辆行驶方式对数据集进行分类，基于分类的数据集对用于机器学习的超参数进行优化，通过对优化的超参数执行机器学习来预测车辆的轮胎磨损寿命。学习来预测车辆的轮胎磨损寿命。学习来预测车辆的轮胎磨损寿命。
【技术实现步骤摘要】
利用机器学习预测轮胎磨损的方法和装置
[0001]相关申请的交叉引用
[0002]本申请要求于2020年12月16日提交的韩国专利申请No.10
‑
2020
‑
0176787的优先权，其全部内容合并于本文中，以用于通过该引用的所有目的。
[0003]本专利技术涉及一种轮胎磨损预测技术，更具体地，涉及一种利用人工智能机器学习的轮胎磨损预测技术。
技术介绍
[0004]轮胎磨损寿命在执行实际测试/评估之前难以预测轮胎磨损量和磨损花纹。
[0005]目前，轮胎磨损性能是在轮胎样品制作完成后通过实际道路行驶(或实际道路模拟室内卷筒转动测试)得出的。
[0006]轮胎有限元法(Tire finite element method，FEM)分析根据轮胎花纹、内部结构和胎面胶来预测磨损，但由于与实际行驶的相关性低，因此其对轮胎的开发和利用是不充分的。
[0007]相应地，需要一种使轮胎开发商能够对轮胎磨损进行定量分析，并且提前预测轮胎磨损寿命的方法，对未来可能发生的问题抢先采取措施。
[0008]公开于本专利技术
技术介绍
部分的信息仅仅旨在增强对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所已知的现有技术。
技术实现思路
[0009]本专利技术的各个方面致力于提供一种利用人工智能机器学习的轮胎磨损预测方法及其装置。
[0010]本专利技术的各个方面提供了一种利用AI机器学习的轮胎磨损预测方法及其装置，该方法配置为在实际行驶前评估轮胎磨损时，通过对轮胎磨损性能的早期预测和分析来促进虚拟车辆的开发，从而对未来问题抢先采取措施。
[0011]本专利技术的各个方面提供了一种利用机器学习技术的多输出回归预测模型，其配置为基于为开发机器学习算法而构建的学习/预测数据库框架定量地执行基于数据的轮胎磨损预测。
[0012]本专利技术的各个方面提供了一种利用AI机器学习的轮胎磨损预测方法及其装置，该方法配置为通过利用人工智能机器学习技术将多输出回归预测模型链接到车辆控制器、信息娱乐系统和移动运营商，从而促进自动驾驶车辆/移动车辆的实时主动控制和操作管理。
[0013]本专利技术的各个方面提供了一种利用AI机器学习的轮胎磨损预测方法及其装置，该方法配置为用于对每个轮胎磨损影响因素执行磨损特征的相对比较和贡献分析。
[0014]本专利技术构思所要解决的技术问题不限于上述问题，本专利技术的各种示例性实施方案所属领域的技术人员通过以下描述将清楚地理解本文中未提及的任何其它技术问题。
[0015]根据本专利技术的各个方面，一种用于在安装于车辆的装置中预测轮胎磨损的方法可以包括：导入基于基本数据生成的轮胎磨损数据库；通过对基本数据进行预处理来生成数据集；针对每种车辆驱动方式对数据集进行分类；基于分类的数据集对用于机器学习的超参数进行优化；通过对优化的超参数执行机器学习来预测车辆的轮胎磨损寿命。
[0016]根据本专利技术的各种示例性实施方案，基本数据可以包括通过实际车辆的轮胎磨损测试获得的解释变量和预测变量，其中解释变量包括车辆信息、车辆行驶信息、轮胎信息和车轮定位信息中的至少一个，并且预测变量包括每个轮胎沟槽的磨损寿命。
[0017]根据本专利技术的各种示例性实施方案，对基本数据进行预处理可以包括以下中的至少一个：将离散变量和定性变量转换为定量变量、将定量变量归一化、从预测变量中消除极值、补偿解释变量的缺失值。
[0018]根据本专利技术的各种示例性实施方案，可以通过基于最小绝对值收缩和选择算子(Least Absolute Shrinkage and Selection Operator，LASSO)模型，经由对每个轮胎磨损因素进行重要性分析，通过从分类的数据集中消除重要性低于预定值的因素来优化超参数。
[0019]根据本专利技术的各种示例性实施方案，轮胎磨损寿命基于多输出回归分析技术来预测，并且通过多输出回归分析技术来预测。
[0020]根据本专利技术的各种示例性实施方案，多输出回归分析技术可以包括随机森林技术(random forest technique)和随机梯度提升技术(stochastic gradient boosting technique)，并且可以基于分类的数据集的数量选择性地利用随机森林技术和随机梯度提升技术的一个。
[0021]根据本专利技术的各种示例性实施方案，该方法可以进一步包括：通过设置在车辆中的输出装置来输出预测的轮胎寿命信息，并将预测的轮胎寿命信息发送到其它装置。
[0022]根据本专利技术的各种示例性实施方案，其它装置可以包括车辆控制器、车辆开发商服务器、驾驶员终端以及移动运营商服务器中的至少一个。
[0023]根据本专利技术的各种示例性实施方案，该方法可以进一步包括：通过基于预测的轮胎寿命信息执行车辆主动控制来优化车辆行驶相关的参数，并且车辆主动控制可以包括制动控制、悬架控制、方向盘控制和转向控制中的至少一个。
[0024]根据本专利技术的各种示例性实施方案，基本数据可以从设置在车辆中的传感器收集，并且基本数据可以包括以下中的至少一个：由内置在安全气囊控制单元中的加速度传感器检测到的行驶模式分析信息、由电子悬架装置检测到的车轮定位变化信息、由自动调平装置检测到的车辆重量变化信息、由轮胎压力监测系统(tire pressure monitoring system，TPMS)检测到的轮胎压力变化信息以及由空调装置中的车外空气温度传感器检测到的行驶气候环境信息。
[0025]根据本专利技术的各个方面，一种轮胎磨损预测装置可以包括存储器以及与存储器电连接的处理器，并且处理器可以从存储器或外部装置导入基于基本数据生成的轮胎磨损数据库，通过对基本数据进行预处理来生成数据集，针对每种车辆驱动方式对数据集进行分类，基于分类的数据集对用于机器学习的超参数进行优化，通过对优化的超参数执行机器学习来预测车辆的轮胎磨损寿命。
[0026]根据本专利技术的各种示例性实施方案，基本数据可以包括通过实际车辆的轮胎磨损
测试获得的解释变量和预测变量，并且解释变量可以包括车辆信息、车辆行驶信息、轮胎信息和车轮定位信息中的至少一个，并且预测变量可以包括每个轮胎沟槽的磨损寿命。
[0027]根据本专利技术的各种示例性实施方案，处理器可以包括以下中的至少一个：用于将离散变量和定性变量转换为定量变量的手段、用于将定量变量归一化的手段、用于消除预测变量中的极值的手段，以及用于补偿解释变量的缺失值的手段。
[0028]根据本专利技术的各种示例性实施方案，可以基于最小绝对值收缩和选择算子(LASSO)模型，经由对每个轮胎磨损因素进行重要性分析，通过从分类的数据集中消除重要性低于预定值的因素来优化超参数。
[0029]根据本专利技术的各种示例性实施方案，轮胎磨损寿命可以基于多输出回归分析技术来预测，并且通过多输出回归分析技术来预测。
[0030]根据本专利技术的各种示例性实施方案，多输出本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于在安装于车辆的装置中预测轮胎磨损的方法，所述方法包括：由处理器导入基于基本数据生成的轮胎磨损数据库；由处理器通过对基本数据进行预处理来创建数据集；由处理器针对每种车辆驱动方式对数据集进行分类；由处理器基于分类的数据集对用于机器学习的超参数进行优化；由处理器通过对优化的超参数执行机器学习来预测车辆的轮胎磨损寿命。2.根据权利要求1所述的用于在安装于车辆的装置中预测轮胎磨损的方法，其中，所述基本数据包括通过实际车辆的轮胎磨损测试获得的解释变量和预测变量，所述解释变量包括车辆信息、车辆行驶信息、轮胎信息和车轮定位信息中的至少一个，并且所述预测变量包括每个轮胎沟槽的磨损寿命。3.根据权利要求2所述的用于在安装于车辆的装置中预测轮胎磨损的方法，其中，对基本数据进行预处理包括以下中的至少一个：将离散变量和定性变量转换为定量变量；将定量变量归一化；从预测变量中消除极值；补偿解释变量的缺失值。4.根据权利要求1所述的用于在安装于车辆的装置中预测轮胎磨损的方法，其中，基于最小绝对值收缩和选择算子模型，经由对每个轮胎磨损因素进行重要性分析，通过从分类的数据集中消除重要性低于预定值的因素来优化超参数。5.根据权利要求1所述的用于在安装于车辆的装置中预测轮胎磨损的方法，其中，轮胎磨损寿命基于多输出回归分析技术来预测，并且通过多输出回归分析技术来预测。6.根据权利要求5所述的用于在安装于车辆的装置中预测轮胎磨损的方法，其中，多输出回归分析技术包括随机森林技术和随机梯度提升技术，基于分类的数据集的数量来选择性地利用随机森林技术和随机梯度提升技术的一个。7.根据权利要求1所述的用于在安装于车辆的装置中预测轮胎磨损的方法，进一步包括：由处理器通过设置在车辆中的输出装置来输出预测的轮胎寿命信息；由处理器将预测的轮胎寿命信息发送到其它装置。8.根据权利要求7所述的用于在安装于车辆的装置中预测轮胎磨损的方法，其中，所述其它装置包括车辆控制器、车辆开发商服务器、驾驶员终端以及移动运营商服务器中的至少一个。9.根据权利要求8所述的用于在安装于车辆的装置中预测轮胎磨损的方法，进一步包括：由处理器通过基于预测的轮胎寿命信息执行车辆主动控制来优化车辆行驶相关的参数，其中，所述车辆主动控制包括制动控制、悬架控制、方向盘控制和转向控制中的至少一个。10.根据权利要求1所述的用于在安装于车辆的装置中预测轮胎磨损的方法，其中，所述基本数据从设置在车辆中的传感器收集，并且所述基本数据包括以下中的至少一个：由
内置在安全气囊控制单元中的加速度传感器检测到的行驶模式分析信息、由电子悬架装置检测到的车轮定位变化信息、由自动调平装置检测到的车辆重量变化信息、由轮胎压力监测系统检测到的轮胎压力变化信息以及由空调装置中的...
【专利技术属性】
技术研发人员：崔栽汉，权宰完，
申请(专利权)人：起亚株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。