[發明專利]一種基于深度學習的車輛耐候性溫度預測方法及裝置

有效

• 申請號: 202011423713.0
• 申請日: 2020-12-08
• 公開（公告）號: CN112560173B
• 公開（公告）日: 2021-08-17
• 發明（設計）人: 劉雄軍;陳心欣;王俊;揭敢新;王奇勛;白洋;王俊;張彤;高曉瓊;安蕊
• 申請（專利權）人: 北京京航計算通訊研究所
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/27;G06N3/04;G06F119/08
• 代理公司: 北京天達知識產權代理事務所(普通合伙) 11386
• 代理人: 龔頤雯

本發明涉及一種基于深度學習的車輛耐候性溫度預測方法及裝置，屬于神經網絡技術領域，解決了現有的車輛耐候性溫度預測方法效率較低且溫度預測結果精度較低的問題。方法包括：獲取訓練數據，訓練數據包括大氣環境參數及其對應的車輛測點溫度；對大氣環境參數及其對應的車輛測點溫度進行歸一化處理，得到歸一化的訓練數據樣本；構建深度學習預測模型，并將歸一化的訓練數據樣本輸入深度學習預測模型進行模型訓練，得到訓練好的深度學習預測模型；獲取待預測數據樣本，并基于訓練好的深度學習預測模型對待預測數據樣本對應的車輛測點溫度進行預測，得到車輛測點溫度的預測值。實現了車輛測點溫度的預測，提高了預測效率和精度。

技術領域

本發明涉及神經網絡技術領域，尤其涉及一種基于深度學習的車輛耐候性溫度預測方法及裝置。

背景技術

乘用車作為一種使用頻率較高的戶外交通工具，在服役期內會遭遇陽光暴曬、高溫、潮濕、雨水、氣候驟變等各種氣候環境，從而產生老化、腐蝕等失效現象，不僅影響消費者對汽車的觀感和使用舒適性，還會影響到汽車的使用壽命，嚴重時可導致汽車功能失效，對消費者生命和財產的安全形成隱患。

乘用車耐候性是指乘用車在使用過程中耐受自然環境中的陽光、雨水、氣溫變化等環境因素綜合破壞作用的能力，通常以將整車靜置于標準濕熱自然暴露試驗場和(或)干熱自然暴露試驗場試1年后的缺陷數量及缺陷程度作為衡量乘用車耐候性的依據，是乘用車耐用性的重要標志。

現有的車輛耐候性溫度預測方法基于對乘用車的零部件進行耐候性測試得到，這種方法效率較低且溫度預測結果精度較低。

發明內容

鑒于上述的分析，本發明實施例旨在提供一種基于深度學習的車輛耐候性溫度預測方法及裝置，用以解決現有的車輛耐候性溫度預測方法效率較低且溫度預測結果精度較低的問題。

一方面，本發明實施例提供了一種基于深度學習的車輛耐候性溫度預測方法，包括下述步驟：

獲取訓練數據，所述訓練數據包括大氣環境參數及其對應的車輛測點溫度；

對所述大氣環境參數及其對應的車輛測點溫度進行歸一化處理，得到歸一化的訓練數據樣本；

構建深度學習預測模型，并將所述歸一化的訓練數據樣本輸入深度學習預測模型進行模型訓練，得到訓練好的深度學習預測模型；

獲取待預測數據樣本，并基于所述訓練好的深度學習預測模型對待預測數據樣本對應的車輛測點溫度進行預測，得到車輛測點溫度的預測值。

進一步，所述大氣環境參數包括：大氣瞬時溫度、相對瞬時濕度、瞬時氣壓、1.5m瞬時風速、10m瞬時風速、5°分光譜輻射量總輻射、5°分光譜輻射量紅外線、5°分光譜輻射量可見光5°分光譜輻射量紫外輻射、45°分光譜輻射量總輻射、45°分光譜輻射量紅外線、45°分光譜輻射量紫外輻射、45°分光譜輻射量可見光、降水量、降水時數和直接輻照量中的至少一個。

進一步，所述車輛測點溫度包括：前保險杠中部溫度、頂棚內飾板后部溫度、右外后視鏡殼溫度、副駕駛座墊溫度、儀表板中部溫度、后保險杠右側溫度、左A柱內部上護板溫度、右B柱外部蓋板溫度和右前門內飾板上表面溫度中的至少一個。

進一步，基于下述公式對大氣環境參數及其對應的車輛測點溫度進行歸一化處理：

式中，x_nor為歸一化后的樣本數據，x為當前樣本數據，x_mean為樣本數據的均值，x_std為樣本數據的標準差。

進一步，所述深度學習預測模型包括；

時序特征提取網絡，用于對所述訓練數據樣本進行特征提取，得到訓練數據樣本對應的時間尺度下的大氣環境特征；