Разработка и моделирование новой математической модели для интеллектуальной шины в направлении предиктивного обслуживания

Более умные шины для более безопасного и экологичного вождения

Современные автомобили укомплектованы компьютерами, но четыре ладонеподобных участка резины, которые держат их на дороге, по-прежнему в основном «слепы». В этом исследовании рассматривается, как превратить обычные шины в «интеллектуальных» партнёров, способных ощущать степень деформации при движении и преобразовывать эту информацию в ранние предупреждения об износе, сцеплении и безопасности — что особенно важно для тяжёлых электромобилей и автономных транспортных средств, сильнее нагружающих шины, чем когда-либо.

Почему поведение шины важно

При движении автомобиля всё — от тормозного пути до устойчивости в повороте — определяется взаимодействием шины и дороги. Это взаимодействие зависит от того, как шина гнётся, растягивается и сжимается при прокатывании. Электромобили и автономные машины усиливают эти требования: аккумуляторные батареи добавляют массу, моторы дают мгновенный крутящий момент, а рекуперативное торможение многократно нагружает протектор. Эти факторы могут увеличивать износ шины на 20–30% по сравнению с традиционными автомобилями, что повышает затраты, расход энергии и риск внезапной потери сцепления. Чтобы управлять всем этим, инженерам нужны модели, которые надёжно предсказывают поведение шины в реальном времени, а не только в лабораторных испытаниях.

От индикаторов давления к по-настоящему интеллектуальным шинам

Большинство водителей знают индикаторы давления в шинах, но эта технология лишь поверхностно отражает ситуацию. В статье рассматривается новое поколение встроенных датчиков — крошечные акселерометры, тензодатчики, пьезоэлектрические плёнки, проводящая резина, акустические волновые устройства и оптические волокна — размещаемые внутри или рядом с шиной. Контактные датчики, установленные на внутреннем слое, непосредственно ощущают деформацию и вибрацию при прокатывании; бесконтактные датчики, такие как камеры и ультразвуковые зонды, наблюдают шину на расстоянии. Вместе эти устройства могут фиксировать нагрузку, пробуксовку, размер контактного пятна, шероховатость дороги и даже уровень трения. Ключевая задача — преобразовать сырые сигналы с этих датчиков в понятные физические величины, такие как силы и моменты, которые системы управления транспортным средством могут немедленно использовать.

Новый способ моделирования ощущений шины

Авторы предлагают математическую модель, которая рассматривает протектор шины как гибкое кольцо, поддерживаемое пружинами и демпферами, заменяющими боковины и надутый каркас. Эта концепция «жёстко–гибкого кольца» связывает, как шина изгибается и растягивается в своей плоскости, с силами, передаваемыми на дорогу. Используя продвинутые, но аналитически решаемые уравнения, модель даёт явные выражения для смещения протектора и окружной деформации, которую будут измерять встроенные датчики. При допущении реалистичного распределения давления в контактном пятне и учёте пробуксовки и трения модель может оценивать, как вертикальная нагрузка, движение или торможение и скорость совместно формируют картину деформаций вокруг шины.

Что показывают моделирования об износе и нагрузке

Имея модель, исследователи запускают симуляции, чтобы проверить, воспроизводит ли она интуитивное поведение шины. Они показывают, что наибольшая деформация возникает возле центра контактного пятна, и что увеличение числа математических мод уточняет предсказанную кривую деформации, не меняя её основных характеристик. При разных уровнях пробуксовки картина деформации становится асимметричной, повторяя поведение реальных шин при разгоне или торможении. Модель также фиксирует, что повышение вертикальной нагрузки не только изменяет размер контактного пятна, но и смещает профиль деформаций, что напрямую связано с сопротивлением качению и потерями энергии. Существенно, что при изменении эффективной толщины каркаса шины для имитации износа авторы наблюдают характерное изменение сигнала деформации на задней кромке контактного пятна — потенциальный встроенный «отпечаток» степени износа шины.

К шинам, которые сами сообщают о состоянии и защищают себя

Проще говоря, исследование показывает, что с относительно небольшой вычислительной нагрузкой можно предсказать, как интеллектуальная шина будет изгибаться и деформироваться в реальных условиях езды, и как эти сигналы меняются по мере износа шины. Это даёт автопроизводителям и операторам автопарков физически обоснованный путь для преобразования показаний датчиков в оценки сцепления, нагрузки и оставшегося ресурса, что прокладывает путь для предиктивного обслуживания и замены шин до появления проблем. В сочетании с встроенными датчиками и будущими доработками на основе машинного обучения такие модели могут помочь автомобилям незаметно корректировать торможение, системы стабилизации и энергопотребление в фоновом режиме — делая повседневное вождение безопаснее, эффективнее и устойчивее.

Цитирование: 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

Ключевые слова: интеллектуальные шины, износ шины, безопасность транспортного средства, предиктивное обслуживание, встроенные датчики