Promoting safe tires with low external rolling noise increases the environmental efficiency of road transport. Although tire builders have been striving to reduce emitted noise, the issue’s sophisticated nature has made it difficult. This article aims to make the problem straightforward, relying on recent significant improvements in statistical science. In this regard, the prediction ability of new methods in this field, including support vector machine, relevance vector machine, and convolutional neural network, along with the new architecture of the neural network is compared. Tire noise is measured under the coast-by condition. Two training strategies are proposed: extracting features from a tread pattern image and directly importing an image to the model. The relevance vector method, which is trained using the first strategy, has provided the most accurate results with an error of 0.62 dB(A) in predicting the total noise level. This precise model is used instead of experimentation to analyze the sensitivity of tire noise to its parameters using a small central composite design. The parametric study reveals striking tips for reducing noise, especially in terms of interactions between parameters that have not previously been shown. Finally, a novel two-stage approach for reducing noise by tread pattern optimization is proposed, inspired by two regression models derived from statistical investigation and variance analysis. Changes in tread pattern specifications of two case studies and their randomization have resulted in a reduction of 3.2 dB(A) for a high-noise tire and 0.4 dB(A) decrement for a quieter tire.

推广低外部滚动噪音的安全轮胎可以提高公路运输的环境效率。尽管轮胎制造商一直在努力减少排放的噪音，但该问题的复杂性使其变得困难。本文旨在借助最近在统计科学方面的重大改进来使问题变得直截了当。在这方面，比较了该领域新方法的预测能力，包括支持向量机，关联向量机和卷积神经网络，以及神经网络的新架构。轮胎噪声是在滑行条件下测量的。提出了两种训练策略：从胎面花纹图像中提取特征并将图像直接导入模型中。使用第一种策略训练的相关向量法 在预测总噪声水平时提供了最准确的结果，误差为0.62 dB（A）。使用小型中央复合设计，可以使用此精确模型代替实验来分析轮胎噪声对其参数的敏感性。参数研究揭示了降低噪音的显着技巧，尤其是在以前未显示的参数之间的相互作用方面。最后，根据统计调查和方差分析得出的两个回归模型，提出了一种通过胎面花纹优化降低噪音的新颖的两阶段方法。两种案例研究的胎面花纹规格变化及其随机化导致高噪声轮胎降低了3.2 dB（A），安静轮胎降低了0.4 dB（A）。在预测总噪声水平时为62 dB（A）。使用小型中央复合设计，可以使用此精确模型代替实验来分析轮胎噪声对其参数的敏感性。参数研究揭示了降低噪音的显着技巧，尤其是在以前未显示的参数之间的相互作用方面。最后，根据统计调查和方差分析得出的两个回归模型，提出了一种通过胎面花纹优化降低噪音的新颖的两阶段方法。两种案例研究的胎面花纹规格变化及其随机化导致高噪声轮胎降低了3.2 dB（A），安静轮胎降低了0.4 dB（A）。在预测总噪声水平时为62 dB（A）。使用小型中央复合设计，可以使用此精确模型代替实验来分析轮胎噪声对其参数的敏感性。参数研究揭示了降低噪音的显着技巧，尤其是在以前未显示的参数之间的相互作用方面。最后，根据统计调查和方差分析得出的两个回归模型，提出了一种通过胎面花纹优化降低噪音的新颖的两阶段方法。两种案例研究的胎面花纹规格变化及其随机化导致高噪声轮胎降低了3.2 dB（A），安静轮胎降低了0.4 dB（A）。使用小型中央复合设计，可以使用此精确模型代替实验来分析轮胎噪声对其参数的敏感性。参数研究揭示了降低噪音的显着技巧，尤其是在以前未显示的参数之间的相互作用方面。最后，根据统计调查和方差分析得出的两个回归模型，提出了一种通过胎面花纹优化降低噪音的新颖的两阶段方法。两种案例研究的胎面花纹规格变化及其随机化导致高噪声轮胎降低了3.2 dB（A），安静轮胎降低了0.4 dB（A）。使用小型中央复合设计，可以使用此精确模型代替实验来分析轮胎噪声对其参数的敏感性。参数研究揭示了降低噪音的显着技巧，尤其是在以前未显示的参数之间的相互作用方面。最后，根据统计调查和方差分析得出的两个回归模型，提出了一种通过胎面花纹优化降低噪音的新颖的两阶段方法。两种案例研究的胎面花纹规格变化及其随机化导致高噪声轮胎降低了3.2 dB（A），安静轮胎降低了0.4 dB（A）。特别是在先前未显示的参数之间的交互方面。最后，根据统计调查和方差分析得出的两个回归模型，提出了一种通过胎面花纹优化降低噪音的新颖的两阶段方法。两种案例研究的胎面花纹规格变化及其随机化导致高噪声轮胎降低了3.2 dB（A），安静轮胎降低了0.4 dB（A）。特别是在先前未显示的参数之间的交互方面。最后，在统计研究和方差分析得出的两个回归模型的启发下，提出了一种通过胎面花纹优化降低噪声的新颖的两阶段方法。两种案例研究的胎面花纹规格变化及其随机化导致高噪声轮胎降低了3.2 dB（A），安静轮胎降低了0.4 dB（A）。