(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 202110609058.6 (22)申请日 2021.06.01 (71)申请人 长城汽车股份有限公司 地址 071000 河北省保定市朝阳南大街 2266号 (72)发明人 肖能　王景祥　何江伟　胡忠辉　 徐默　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 谭镇 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) G06F 30/27(2020.01) G06F 30/28(2020.01)G06N 20/00(2019.01) G06F 113/08(2020.01) G06F 119/14(2020.01) (54)发明名称 预测车辆除霜性能的方法、 装置、 设备及存 储介质 (57)摘要 本申请实施例提供一种预测车辆除霜性能 的方法、 装置、 设备及存储介质， 涉及汽 车技术领 域， 所述方法包括： 获得车辆的多种除霜影响信 息， 将获取的除霜影响信息输入 预先训练的除霜 性能预测模型， 在多种除霜影响信息的影响下， 得到待测试车辆的除霜面积占比以及除霜时时 间， 通过本申请的方法， 当需要预测车辆设计方 案的除霜性能时， 仅需选择影 响除霜性能的多种 影响信息， 之后， 将多种除霜影响信息输入模型 即可实现对除霜性能的预测， 而不必每次预测都 要重新进行一次除霜性能CFD仿真分析， 本申请 的方法使工程师能够不必多次进行CFD仿真分 析， 在节约工程师时间， 提升工程师工作效率的 同时， 也能够减少数字样机设计时间， 加快车辆 的开发进度。 权利要求书2页 说明书11页 附图3页 CN 114819449 A 2022.07.29 CN 114819449 A 1.一种预测车辆除霜性能的方法， 其特 征在于， 所述方法包括： 获得当前待测试 车辆的多种除霜影响信息； 将所述多种除霜影响信 息输入到除霜性能预测模型， 得到所述待测试车辆的除霜预测 结果， 所述除霜预测结果至少包括在所述多种除霜影响信息的影响下， 所述待测试车辆的 除霜面积占比以及除霜时 时间； 其中， 所述除霜性能预测模型是以携带标签的样本信息为训练样本， 对目标模型进行 训练得到的。 2.根据权利要求1所述方法， 其特征在于， 所述除霜性能预测模型是通过以下步骤得到 的： 获取用于进行车辆除霜仿真的多种除霜影响样本信 息， 所述除霜影响样本信 息是预先 选取的对车辆除霜性能有影响的因子； 对所述多种除霜影响样本信 息进行除霜性 能计算流体动力学仿真， 得到在所述多种除 霜影响样本信息下所述车辆的除霜结果， 其中， 所述除霜结果包括除霜 面积占比以及除霜 时间； 将所述多种除霜影响信 息作为训练样本， 以及将所述除霜结果作为所述训练样本的样 本标签， 构建样本集； 基于所述样本集训练目标模型， 得到除霜性能预测模型。 3.根据权利要求2所述方法， 其特征在于， 将所述多种除霜影响信息作为训练样本， 以 及将所述除霜结果作为所述训练样本的样本标签， 构建样本集， 包括： 获取每次仿真各自对应的除霜仿真结果以及与每次仿真对应的除霜影响样本信息； 统计不同的除霜影响样本信息以及保留的对应的除霜时间， 构建样本集。 4.根据权利要求3所述方法， 其特征在于， 所述除霜仿真结果中包括车窗的多个不同区 域的除霜面积占比以及除霜时时间， 获取每次仿真各自对应的除霜仿 真结果以及与每次仿 真对应的除霜影响样本信息， 包括： 获取每个除霜仿真结果中所述多个不同区域各自的除霜面积占比达到预设占比阈值 时所对应的除霜时间； 其中， 所述多个不同区域至少包括： 主驾驶的前风窗玻璃区域、 副驾驶的前风窗玻璃区 域、 前风窗玻璃除主驾驶和副驾驶外的区域、 主驾驶的侧风窗 区域、 副驾驶的侧风窗 区域。 5.根据权利要求4所述方法， 其特征在于， 获取每个除霜仿真结果中所述多个不同区域 各自的除霜面积占比达 到预设占比阈值时所对应的除霜时间， 包括： 当所述除霜仿真结果中任意区域不存在除霜面积占比达到预设占比阈值的除霜时间 时， 获取该区域在所述除霜仿 真结果中已知除霜面积占比和所述已知除霜面积占比对应的 除霜时间； 基于所述已知除霜面积占比和所述已知除霜面积占比对应的除霜时间， 通过插值确定 除霜面积占比达 到预设占比阈值的除霜时间。 6.根据权利要求2所述方法， 其特征在于， 基于所述样本集训练目标模型， 得到除霜性 能预测模型， 包括： 将所述标准 化样本集中的训练样本划分为训练集和 测试集； 利用所述训练集和所述测试集训练候选模型， 得到所述除霜性能预测模型； 基于所述 除霜性能预测模型和所述测试集， 执 行迭代， 所述迭代包括：权　利　要　求　书 1/2 页 2 CN 114819449 A 2将所述测试集中的训练样本输入所述除霜性 能预测模型， 得到所述除霜性能预测模型 的预测结果； 计算所述预测结果与所述测试集中训练样本的标签的误差； 求导所述误差的计算过程， 求得误差导数； 沿着所述 误差导数的下降方向减小所述除霜性能预测模型的模型参数； 直到所述 误差小于预设阈值。 7.一种预测车辆除霜性能的装置， 其特 征在于， 所述装置包括： 除霜影响信息获得模块， 用于获得当前待测试 车辆的多种除霜影响信息； 除霜性能预测模块， 用于将所述多种除霜影响信息输入到除霜性能预测模型， 得到所 述待测试车辆的除霜预测结果， 所述除霜预测结果至少包括在所述多种除霜影响信息的影 响下， 所述待测试 车辆的除霜面积占比以及除霜时 时间； 其中， 所述除霜性能预测模型是以携带标签的样本信息为训练样本， 对目标模型进行 训练得到的。 8.根据权利要求7 所述装置， 其特 征在于， 所述装置还 包括： 仿真样本信息获取模块， 用于获取用于进行车辆除霜仿真的多种除霜影响样本信息， 所述除霜影响样本信息预 先选取的对车辆除霜性能有影响的因子； 仿真模块， 用于对所述多种除霜影响样本信息进行除霜性能计算流体动力学仿真， 得 到在所述多种除霜影响样本信息下所述车辆的除霜结果， 其中， 所述除霜结果包括除霜 面 积占比以及除霜时间； 样本集构建模块， 用于将所述多种除霜影响信息作为训练样本， 以及将所述除霜结果 作为所述训练样本的样本标签， 构建样本集； 除霜性能预测模型训练模块， 用于基于所述样本集训练目标模型， 得到除霜性能预测 模型。 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， 该计算机程序被处 理器执行时， 实现如权利要求1至 6任一所述的方法。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 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至6任一所述的 方法。权　利　要　求　书 2/2 页 3 CN 114819449 A 3