Entwicklung und Simulation eines neuartigen mathematischen Modells für ein intelligentes Reifensystem zur vorausschauenden Wartung

Klügere Reifen für sichereres, saubereres Fahren

Moderne Autos sind voller Rechner, aber die vier handtellergroßen Gummiflächen, die sie auf der Straße halten, sind weitgehend blind. Diese Studie untersucht, wie sich gewöhnliche Reifen in „intelligente“ Partner verwandeln lassen, die genau wahrnehmen, wie sie sich auf der Straße verformen, und diese Informationen in Frühwarnungen zu Verschleiß, Grip und Sicherheit übersetzen — entscheidend für schwere Elektrofahrzeuge und autonome Autos, die Reifen stärker beanspruchen als je zuvor.

Warum das Verhalten des Reifens wichtig ist

Wenn ein Auto fährt, bestimmen Wechselwirkungen zwischen Reifen und Straße alles von Bremsweg bis Kurvenstabilität. Diese Wechselwirkung hängt davon ab, wie der Reifen sich biegt, dehnt und zusammenpresst, während er rollt. Elektro- und autonome Fahrzeuge verschärfen diese Anforderungen: Akkupakete erhöhen das Gewicht, Motoren liefern sofortiges Drehmoment, und regeneratives Bremsen beansprucht das Profil wiederholt. Diese Faktoren können den Reifenverschleiß um 20–30 % gegenüber herkömmlichen Autos steigern, was Kosten, Energieverbrauch und das Risiko plötzlichen Gripverlusts erhöht. Um damit umzugehen, benötigen Ingenieure Modelle, die zuverlässig vorhersagen können, wie sich ein Reifen in Echtzeit verhält — nicht nur in kontrollierten Labortests.

Von Reifendruckwarnungen zu wirklich intelligenten Reifen

Die meisten Fahrer kennen Reifendruckwarnleuchten, doch diese Technik kratzt nur an der Oberfläche. Der Artikel gibt einen Überblick über eine neue Generation eingebetteter Sensoren — winzige Beschleunigungssensoren, Dehnungsmessstreifen, piezoelektrische Filme, leitfähige Gummibeläge, akustische Wellenbauteile und Glasfasern — die im Reifen oder in dessen Nähe platziert werden. Kontakt­sensoren, die auf der Innenlage montiert sind, spüren direkt Verformung und Vibration, während berührungslose Sensoren wie Kameras und Ultraschallsonden den Reifen aus der Distanz beobachten. Zusammengenommen können diese Geräte Last, Schlupf, Größe des Kontaktflecks, Straßenrauigkeit und sogar Reibungsniveau erfassen. Die zentrale Herausforderung besteht darin, die rohen Signale dieser Sensoren in klare physikalische Größen wie Kräfte und Momente zu übersetzen, die Fahrdynamik‑ und Kontrollsysteme sofort nutzen können.

Ein neuer Weg, was ein Reifen fühlt, zu modellieren

Die Autoren schlagen ein mathematisches Modell vor, das das Reifenprofil als flexiblen Kreisring behandelt, der von Federn und Dämpfern gestützt wird, die die Flanken und die aufgepumpte Karkasse repräsentieren. Dieses „starr–flexible Ring“-Modell verknüpft, wie der Reifen in seiner Ebene biegt und sich dehnt, mit den Kräften, die er an die Straße überträgt. Mit fortgeschrittenen, aber analytisch lösbaren Gleichungen liefert das Modell geschlossene Ausdrücke für Profilverschiebungen und die Umfangsdehnung, die eingebettete Sensoren messen würden. Durch Annahme eines realistischen Druckprofils im Kontaktfleck und Berücksichtigung von Schlupf und Reibung kann das Modell abschätzen, wie Vertikallast, Beschleunigen oder Bremsen und Geschwindigkeit zusammenwirken, um das Dehnungsmuster um den Reifen zu formen.

Was die Simulationen über Verschleiß und Belastung verraten

Mit dem Modell führen die Forscher Simulationen durch, um zu prüfen, ob es intuitives Reifenverhalten reproduziert. Sie zeigen, dass die größte Dehnung in der Nähe der Mitte des Kontaktflecks auftritt und dass die Erhöhung der Anzahl mathematischer Modi die vorhergesagte Dehnungskurve verfeinert, ohne ihre wesentlichen Merkmale zu verändern. Bei unterschiedlichen Schlupfniveaus wird das Dehnungsmuster asymmetrisch, was dem Verhalten realer Reifen unter Beschleunigung oder Bremsen entspricht. Das Modell erfasst außerdem, wie höhere Vertikallasten nicht nur die Größe des Kontaktflecks verändern, sondern das Verformungsmuster verschieben — ein direkter Zusammenhang zu Rollwiderstand und Energieverlust. Entscheidend ist, dass durch Variation der effektiven Dicke der Karkasse zur Nachbildung von Verschleiß die Autoren eine charakteristische Änderung im Dehnungssignal am nachlaufenden Rand des Kontaktflecks finden — ein mögliches eingebautes Merkmal, das angibt, wie stark der Reifen abgenutzt ist.

Auf dem Weg zu selbstmeldenden, selbstschützenden Reifen

Einfach gesagt zeigt die Studie, dass es möglich ist, mit verhältnismäßig geringer Rechenlast genau vorherzusagen, wie ein intelligenter Reifen sich unter realen Fahrbedingungen verformt und welche Dehnungssignale dabei entstehen — und wie sich diese Signale im Laufe des Reifenverschleißes verändern. Das gibt Autoherstellern und Flottenbetreibern eine physikbasierte Abkürzung, um Sensordaten in Schätzungen zu Grip, Last und verbleibender Lebensdauer zu verwandeln und so vorausschauende Wartung zu ermöglichen, die den Reifenwechsel vor Problemen plant. In Kombination mit eingebetteten Sensoren und künftigen Verbesserungen durch maschinelles Lernen könnten solche Modelle Autos helfen, Brems‑, Stabilitätskontrolle und Energieeinsatz unauffällig im Hintergrund anzupassen — für sichereres, effizienteres und nachhaltigeres Alltagsfahren.

Zitation: Hijry, H., Mohsen, S., Albalawi, O. et al. Development and simulation of a novel mathematical model for an intelligent tire system toward predictive maintenance. Sci Rep 16, 7982 (2026). https://doi.org/10.1038/s41598-026-38625-1

Schlüsselwörter: intelligente Reifen, Reifenverschleiß, Fahrzeugsicherheit, vorausschauende Wartung, eingebettete Sensoren