轮胎花纹沟槽变形特性研究

在考虑轮胎实际沟槽结构的基础上,建立了具有细致沟槽的子午线轮胎模型。基于该模型,利用有限元分析平台进行轮胎的静态接触分析。通过仿真模拟结果,系统分析了轮胎与路面接触过程中胎面沟槽形状和尺寸的变形特性,为轮胎泵气噪声研究提供了可能。

基于BP神经网络的轮胎花纹沟槽识别

针对传统轮胎花纹沟槽识别算法存在数据特征提取困难、数理运算步骤复杂等问题,基于BP神经网络对生成的不同沟槽类型的轮胎胎冠线数据集进行反复训练,得到BP神经网络轮胎花纹沟槽识别模型。将轮胎胎冠线数据集随机划分为训练集、验证集和测试集,通过试验验证BP神经网络识别模型对轮胎花纹沟槽的识别性能,由混淆矩阵得到模型的正确识别率为94.9%。从3、4沟槽轮胎中获取实际胎冠线样本数据测试BP神经网络识别模型的实际识别效果,6条胎冠线上的花纹沟槽数量全部识别正确。基于BP神经网络识别轮胎花纹沟槽数量具有可行性。

轮胎横向花纹沟槽角度与残余回正力矩的相关性分析

研究横向花纹沟槽角度与轮胎残余回正力矩(T_(PRA))的相关性。结果表明:当其他花纹块的横向花纹沟槽角度固定时,T_(PRA)随左肩和右肩花纹块横向花纹沟槽角度的增大而增大;随左中、中间和右中花纹块横向花纹沟槽角度的增大而减小;拟合得到了横向花纹沟槽角度与T_(PRA)的关系方程,并通过光面雕刻花纹轮胎试验验证了方程的可靠性。

基于机器视觉的轮胎花纹深度测量方法研究

轮胎花纹深度对行驶车辆的制动性能有重要影响。为快速、准确地测量出轮胎花纹的深度,提出了一种基于机器视觉的轮胎花纹深度自动测量方法。该方法首先由摄像机获取行驶车辆的轮胎花纹结构光图像;然后对获取的图像进行图像处理,得到轮胎外廓形状的坐标;最后通过花纹识别算法,自动判断轮胎外廓曲线上沟槽的位置和花纹个数,依次测量每个沟槽的深度,以实现轮胎花纹的自动识别与深度测量。将该方法在轮胎花纹深度测量系统上进行了试验。试验结果表明:提出的测量方法能够自动识别花纹的个数,并能够准确测量出轮胎花纹的深度,测量的绝对误差小于0.2 mm,可以满足轮胎花纹测试的要求。

专利介绍

一种雪地轮胎由山东玲珑轮胎股份有限公司申请的专利(公布号CN 113276601A,公布日期2021-08-20)“一种雪地轮胎”,公开的雪地轮胎包括胎体、胎冠增强件、两个胎侧和两个胎圈,胎冠增强件外侧设有胎冠部;胎冠部包括若干条连贯设置的纵向花纹沟槽、若干条非连贯设置的“一”字型横向花纹沟槽和若干条左右呈现“人”字型的中部沟槽,纵向花纹沟槽和横向花纹沟槽将胎冠部分隔成若干个侧边花纹块。

轿车子午线轮胎噪声探讨

介绍轮胎噪声的产生机理和测试方法,并探讨轿车子午线轮胎花纹对噪声的影响。减小花纹沟槽的深度、宽度和角度,采用斜向花纹块可降低轮胎噪声;为了使噪声的频率更加分散,需要将轮胎花纹设计成不同的节距,节距排列比率采用较大的无理数,且随机排列。室内噪声测试分析表明,光面轮胎噪声最低,花纹优化设计后的轮胎噪声明显低于普通花纹轮胎噪声。

基于有限元方法的轮胎残余回正力矩研究

通过有限元仿真的方法研究轮胎残余回正力矩的影响因素。结果表明:增大横向花纹沟槽角度,轮胎残余回正力矩的绝对值增大;横向花纹沟槽角度变化对胎肩花纹块残余回正力矩的影响最大;采用组合花纹块可较大程度地改变残余回正力矩;在其他条件固定的情况下,减小横向花纹沟槽宽度、增加横向花纹沟槽数量或增大横向花纹沟槽深度都可以增大残余回正力矩的绝对值;残余回正力矩的正负与1^(#)带束层帘线角度的正负相反,轮胎的残余回正力矩与带束层帘线角度并非为线性关系。

米其林推出新产品Gertis轮胎

米其林公司结合MXTE和VIVACY的优点进一步研发出新一代Gertis轮胎。它的最大特点是：①该产品的外侧胎肩花纹沟槽及相互连接的花块可充分抵抗转弯时带来的压力，为驾驶者提供准确、稳定的转向操控性；②胎面中部为纵向沟槽和纵向肋条花纹，其特别之处在于沟槽底部和肋条花纹皆为圆角设计；

贵州轮胎推出3Prosuper系列超高端轮胎

日前,贵州轮胎股份有限公司(简称贵州轮胎)3Prosuper系列超高端轮胎上市。3Prosuper即三超系列轮胎具有超安全、超耐磨、超节油的特点。该系列轮胎采用了贵州轮胎的“IBW”核心安全技术,采用带状钢丝无限带束层缠绕工艺设计,冠部形成高密度无接头钢丝帘布矩阵,打造出超强的带束层稳固结构;胎冠强度大幅增强,提供更优异的操控性能,行驶平稳抗冲击,有效降低爆胎风险,全新优化的花纹沟槽设计,确保轮胎在各种湿滑路面上的抓地性能。