(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211221006.2 (22)申请日 2022.10.08 (71)申请人 浙江吉利控股集团有限公司 地址 310051 浙江省杭州市滨江区江陵路 1760号 申请人 宁波吉利汽车研究开发有限公司 (72)发明人 唐腊梅　许挺　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 路晓丹 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/27(2020.01) G06F 119/14(2020.01) (54)发明名称 一种实车属性预测方法、 装置、 电子设备及 存储介质 (57)摘要 本申请实施例提供了一种实车属性预测方 法、 装置、 电子设备及存储介质， 采用预设的轮胎 设计数据库以及轮胎外特性数据库， 训练获得相 应的第一目标预测模型， 并采用轮胎外特性数据 库以及实车动力学属性数据库， 训练获得相应的 第二目标预测模型， 进一步的， 利用训练的第一 目标预测模型输出对应于目标轮胎的轮胎参数 的高精度轮胎外特性预测结果， 以使得第二目标 预测模型轮胎基于该轮胎外特性预测结果， 进一 步对车辆级别的实车属性进行准确预测， 采用上 述方式， 有效提升了实车属性的预测精度， 同时， 基于上述机器学习的预测方式， 保障了实车属性 的预测效率， 从而进一步提高了车辆开发的生产 效能。 权利要求书2页 说明书13页 附图4页 CN 115525973 A 2022.12.27 CN 115525973 A 1.一种实车属性预测方法， 其特 征在于， 包括： 采用轮胎设计数据库以及轮胎外特性数据库， 对预设的第一预测模型进行训练， 获得 相应的第一目标 预测模型； 采用所述轮胎外特性数据库以及实车动力学属性数据库， 对预设的第 二预测模型进行 训练， 获得相应的第二目标 预测模型； 将目标轮胎的轮胎参数输入训练的所述第 一目标预测模型， 获得所述第 一目标预测模 型基于所述轮胎参数输出的轮胎外特性预测结果； 将所述轮胎外特性预测结果输入训练 的所述第 二目标预测模型， 获得所述第 二目标预 测模型输出的实车属性预测结果。 2.如权利要求1所述的方法， 其特征在于， 所述采用轮胎设计数据库以及轮胎外特性数 据库， 对预设的第一预测模型进行训练之前， 还 包括： 采用清洗规则， 对获得的轮胎设计数据进行数据清洗， 并构建相应的轮胎设计数据库， 其中， 所述轮胎设计数据包含至少一个车辆轮胎的设计参数， 以及针对所述至少一个车辆 轮胎的设计参数确定的参数 范围； 采用所述清洗规则， 对获得的轮胎外特性数据进行数据清洗， 并构建相应的轮胎外特 性数据库， 其中， 所述轮胎外特性数据包 含至少一个车辆轮胎的外特性 参数； 采用所述清洗规则， 对获得的实车动力学属性数据进行数据清洗， 并构建相应的实车 动力学属 性数据库， 其中， 所述实车动力学属 性数据库包含至少一个车辆的实车动力学属 性， 以及针对所述至少一个车辆的实车动力学属性确定的属性范围。 3.如权利要求2所述的方法， 其特征在于， 所述采用轮胎设计数据库以及轮胎外特性数 据库， 对预设的第一预测模型进行训练， 获得相应的第一目标 预测模型， 包括： 采用轮胎设计数据库以及轮胎外特性数据库， 设置相应的第 一训练样本集合， 其中， 一 个第一训练样本包括： 基于所述轮胎设计数据库确定的第一输入信息以及基于所述轮胎外 特性数据库确定的第一标准信息； 采用所述第 一训练样本集合中的第 一训练样本， 对预设的第 一预测模型进行多轮迭代 训练， 在满足预设第一收敛条件时， 输出第一目标预测模型； 其中， 在一轮迭代训练过程中， 执行以下操作： 采用所述第一预测模型， 基于第一训练样本中的第一输入信息， 获得相应的外特性预 测结果， 并基于所述外特性预测结果与其相应第一标准信息之间的损失值， 调整所述第一 预测模型的参数。 4.如权利要求3所述的方法， 其特征在于， 所述获得相应的第一目标预测模型后， 还包 括： 采用预设的第一学习速率， 对获得的所述第一目标预测模型进行多轮超参数调优， 其 中， 在一轮超参数调优过程中， 执 行以下操作： 基于所述第一目标预测模型的交叉验证值， 调整所述第一目标预测模型的超参数， 并 在调整后的所述第一目标预测模型满足预设第一验证条件时， 降低所述第一目标预测模型 的所述第一学习速率。 5.如权利要求1 ‑3任一项所述的方法， 其特征在于， 所述采用所述轮胎外特性数据库以 及实车动力学属 性数据库， 对预设的第二预测模型进行训练， 获得相应的第二目标预测模权　利　要　求　书 1/2 页 2 CN 115525973 A 2型， 包括： 采用所述轮胎外特性数据库以及实车动力学属性数据库， 设置相应的第 二训练样本集 合， 其中， 一个第二训练样 本包括： 基于所述轮胎外特性数据库确定的第二输入信息以及基 于所述实车动力学属性数据库确定的第二标准信息； 采用所述第 二训练样本集合中的第 二训练样本， 对预设的第 二预测模型进行多轮迭代 训练， 在满足预设第二收敛条件时， 输出第二目标预测模型； 其中， 在一轮迭代训练过程中， 执行以下操作： 采用所述第二预测模型， 基于第二训练样本中的第二输入信息， 获得相应的实车属性 预测结果， 并基于所述实车属 性预测结果与其相 应第二标准信息之间的损失值， 调整所述 第二预测模型的参数。 6.如权利要求5所述的方法， 其特征在于， 所述获得相应的第二目标预测模型后， 还包 括： 采用预设的第二学习速率， 对获得的所述第二目标预测模型进行多轮超参数调优， 其 中， 在一轮超参数调优过程中， 执 行以下操作： 基于所述第二目标预测模型的交叉验证值， 调整所述第二目标预测模型的超参数， 并 在调整后的所述第二目标预测模型满足预设第二验证条件时， 降低所述第二目标预测模型 的所述第二学习速率。 7.一种实车属性预测装置， 其特 征在于， 包括： 第一训练模块， 用于采用轮胎设计数据库以及轮胎外特性数据库， 对预设的第一预测 模型进行训练， 获得相应的第一目标 预测模型； 第二训练模块， 用于采用所述轮胎外特性数据库以及实车动力学属性数据库， 对预设 的第二预测模型进行训练， 获得相应的第二目标 预测模型； 外特性预测模块， 用于将目标轮胎的轮胎参数输入训练的所述第一目标预测模型， 获 得所述第一目标 预测模型基于所述轮胎参数输出的轮胎外特性预测结果； 属性预测模块， 用于将所述轮胎外特性预测结果输入训练的所述第二目标预测模型， 获得所述第二目标 预测模型输出的实车属性预测结果。 8.一种电子设备， 包括存储器， 处理器及存储在存储器上并可在处理器运行的计算机 程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1‑6中任一项 所述的 方法。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现如权利要求1 ‑6中任一所述方法的步骤。 10.一种计算机程序产品， 其特征在于， 所述计算机程序产品被执行时实现如权利要求 1‑6中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 115525973 A 3