(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111208339.7 (22)申请日 2021.10.18 (65)同一申请的已公布的文献号 申请公布号 CN 114004143 A (43)申请公布日 2022.02.01 (73)专利权人 星河智联汽车 科技有限公司 地址 510330 广东省广州市海珠区 阅江中 路832号保利发展广场2 903—07 (72)发明人 黄庆安　冉光伟　沈仲孝　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 黄华莲　郝传鑫 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/14(2020.01)审查员 卢秋茹 (54)发明名称 一种轮胎寿命的预测方法、 装置、 终端设备 及存储介质 (57)摘要 本发明公开了一种轮胎寿命的预测方法、 装 置、 终端设备及存储介质， 所述预测方法包括： 获 取车辆行驶过程中的刹车数据、 环 境数据以及轮 胎图像； 根据车辆刹车位置和车辆停止位置计算 实际刹车距离， 并基于实际刹车距离和初次刹车 速度获取相同环境数据下车辆的最优刹车距离； 根据所述实际刹车距离和所述最优刹车距离计 算所述车辆的所有轮胎的综合剩余寿命； 将与所 述车辆停止位置对应的轮胎图像输入神经网络 模型， 所述神经网络模型输出每个轮胎与其理想 状态下的相似度； 对所述 综合剩余寿命和所述相 似度进行加权计算， 得到每个轮胎的预测剩余寿 命。 本发明预测时无需将轮胎拆卸下来， 不影响 车辆的正常行驶， 能够实现准确、 高效地对轮胎 的寿命进行预测。 权利要求书2页 说明书9页 附图2页 CN 114004143 B 2022.05.27 CN 114004143 B 1.一种轮胎寿命的预测方法， 其特 征在于， 包括： 获取车辆行驶过程中的刹车数据、 环境数据以及轮胎图像； 其中， 所述刹车数据包括刹 车时的车速、 车辆刹车位置和车辆停止位置； 根据所述车辆刹车位置和所述车辆停止位置计算实际刹车距离， 并基于所述实际刹车 距离和初次刹车速度获取相同环境数据下 所述车辆的最优刹车距离； 根据所述实际刹车距离和所述最优刹车距离计算所述车辆的所有轮胎的综合剩余寿 命； 将与所述车辆停止位置对应的轮胎图像输入神经网络模型， 所述神经网络模型输出每 个轮胎与其理想状态下的相似度； 对所述综合剩余寿命和所述相似度进行加权计算， 得到每 个轮胎的预测剩余寿命； 其中， 所述对所述综合剩余寿命和所述相似度进行加权计算， 得到每个轮胎的预测剩 余寿命， 具体为： 根据所述综合剩余寿命、 每个轮胎的所述相似度及公式Li＝H*(1+ μ1*L+μ2*S)分别进行 加权计算， 得到每 个轮胎的预测剩余寿命； 其中， Li为第i个轮胎的剩余寿命， H为轮胎出厂时的正 常使用寿命， L为所有轮胎的综合 剩余寿命， S为相似度， μ1、 μ2均为超参数。 2.如权利要求1所述的轮胎寿命的预测方法， 其特征在于， 所述环境数据包括车辆行驶 的路面类型、 路面温度和路面湿度。 3.如权利要求2所述的轮胎寿命的预测方法， 其特征在于， 所述根据所述车辆刹车位置 和所述车辆停止位置计算 实际刹车距离， 并基于所述 实际刹车距离和初次刹车速度获取相 同环境数据下 所述车辆的最优刹车距离， 具体包括： 根据所述车辆刹车位置、 所述车辆停止位置及公式D1＝L2‑L1， 计算实际刹车距离； 其 中， D1为实际刹车距离， L1为车辆刹车位置， L2为车辆停止位置； 基于所述实际刹车距离和初次刹车速度从本地数据库中获取相同路面类型、 路面温度 和路面湿度下的最优刹车距离 。 4.如权利要求1所述的轮胎寿命的预测方法， 其特征在于， 所述根据所述实际刹车距离 和所述最优刹车距离计算所述车辆的所有轮胎的综合剩余寿命， 具体为： 根据所述实际刹车距离、 所述最优刹车距离及公式 计算所述车辆的 所有轮胎的综合剩余寿命； 其中， L为所有轮胎的综合剩余寿命， D1为实际刹车距离， D2为最优刹车距离 。 5.如权利要求1所述的轮胎寿命的预测方法， 其特征在于， 所述神经网络模型包括两个 卷积层、 两个池化层、 两个全连接层和一个输出层， 且所述神经网络模型采用交叉熵损失函 数； 通过所述卷积层和所述池化层 对与所述车辆停止位置对应的轮胎图像和其理想状态下 的轮胎图像进行特征提取， 所述全连接层对特征提取后的图像进行分类， 所述输出层输出 每个轮胎与其理想状态下的相似度。 6.如权利要求5所述的轮胎寿命的预测方法， 其特 征在于， 所述方法还 包括： 从远程数据库中调取相同情况下轮胎的剩余寿命， 并计算所述剩余寿命与 所述预测剩 余寿命之间的预测误差；权　利　要　求　书 1/2 页 2 CN 114004143 B 2将所述预测误差返回所述神经网络模型， 对所述神经网络模型自身的参数以及超参数 μ1、 μ2进行调整， 直至预测误差处于预设范围之内。 7.一种轮胎寿命的预测装置， 其特 征在于， 包括： 获取模块， 用于获取车辆行驶过程中的刹车数据、 环境数据以及轮胎图像； 其中， 所述 刹车数据包括刹车时的车速、 车辆刹车位置和车辆停止位置； 第一计算模块， 用于根据所述车辆刹车位置和所述车辆停止位置计算实 际刹车距离， 并基于所述实际刹车距离和初次刹车速度获取相同环境数据下 所述车辆的最优刹车距离； 第二计算模块， 用于根据所述实际刹车距离和所述最优刹车距离计算所述车辆上所有 轮胎的综合剩余寿命； 相似度获取模块， 用于将与所述车辆停止位置对应的轮胎图像输入神经网络模型， 所 述神经网络模型输出每 个轮胎与其理想状态下的相似度； 第三计算模块， 用于对所述综合剩余寿命和所述相似度进行加权计算， 得到每个轮胎 的预测剩余寿命； 其中， 所述第三计算模块， 具体用于： 根据所述综合剩余寿命、 每个轮胎的所述相似度及公式Li＝H*(1+ μ1*L+μ2*S)分别进行 加权计算， 得到每 个轮胎的预测剩余寿命； 其中， Li为第i个轮胎的剩余寿命， H为轮胎出厂时的正 常使用寿命， L为所有轮胎的综合 剩余寿命， S为相似度， μ1、 μ2均为超参数。 8.一种终端设备， 其特征在于， 包括处理器、 存储器以及存储在所述存储器中且被配置 为由所述处理器执行 的计算机程序， 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中任意一项所述的轮胎寿命的预测方法。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的计算 机程序， 其中， 在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权 利要求1至 6中任意一项所述的轮胎寿命的预测方法。权　利　要　求　书 2/2 页 3 CN 114004143 B 3