发动机火花塞寿命预测方法、装置、可读介质及电子设备与流程

1.本技术涉及发动机技术领域，具体而言，涉及一种发动机火花塞寿命预测方法、装置、可读介质及电子设备。


背景技术：

2.火花塞是发动机点火系统的重要组成零件之一，在其电极两端施加高压可以产生电火花，从而引燃气缸内的可燃混合物，最终为车辆行驶提供动力。火花塞的健康程度很大程度上决定了发动机的点火成功率，然而随着点火次数的增加，火花塞会不可避免地发生阳极烧蚀、阴极积碳、电极间隙过大等不利现象，使得火花塞点火效率持续下降，最终诱发车辆起动困难、怠速抖动，甚至发生发动机失火现象。
3.在日常的使用过程中，缺少相关维修经验的用户很难通过自己拆卸火花塞来测量其间隙。因此，需要对火花塞的使用寿命进行预测，当其老化到一定程度后，及时提醒车主进行更换，以满足发动机正常工作的需要。


技术实现要素：

4.本技术的实施例提供了一种发动机火花塞寿命预测方法、装置、可读介质及电子设备，便于准确地掌握火花塞剩余使用寿命状态，进而有利于提醒车主在适当的时候进行火花塞更换。
5.本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。
6.根据本技术实施例的一个方面，提供了一种发动机火花塞寿命预测方法，所述方法包括：
7.获取不同工况下发动机的累计运行时间；
8.将所述不同工况下发动机的累计运行时间分别输入神经网络模型，通过所述神经网络模型得到火花塞间隙预测值；
9.根据所述火花塞间隙预测值确定所述火花塞的剩余使用寿命。
10.根据本技术实施例的一个方面，提供了一种发动机火花塞寿命预测装置，所述装置包括：
11.获取模块，用于获取不同工况下发动机的累计运行时间；
12.预测模块，用于将所述不同工况下发动机的累计运行时间分别输入神经网络模型，通过所述神经网络模型得到火花塞间隙预测值；
13.确定模块，用于根据所述火花塞间隙预测值确定所述火花塞的剩余使用寿命。
14.在本技术的一些实施例中，基于以上技术方案，所述确定模块还用于，获取火花塞初始间隙值和预设间隙阈值，所述火花塞初始间隙值为火花塞出厂间隙值，所述预设间隙阈值与所述火花塞失火率相关联；根据所述火花塞间隙预测值、预设间隙阈值以及火花塞初始间隙值，计算得到所述火花塞的剩余使用寿命。
15.在本技术的一些实施例中，基于以上技术方案，所述确定模块还用于，计算所述预设间隙阈值与所述火花塞间隙预测值之间的差值，得到第一差值；计算所述预设间隙阈值与所述火花塞初始间隙值之间的差值，得到第二差值；计算所述第一差值和所述第二差值的比值，得到所述火花塞的剩余使用寿命。
16.在本技术的一些实施例中，基于以上技术方案，所述获取模块还用于，获取发动机的运行参数，所述运行参数至少包括转速、负载以及发动机的运行时间；根据所述转速和所述负载划分所述发动机的工况；统计各个工况对应的发动机运行时间，得到不同工况下发动机的累计运行时间。
17.在本技术的一些实施例中，基于以上技术方案，所述确定模块还用于，若接收到火花塞更换信息，则将不同工况下发动机的累计运行时间清零，且所述火花塞的剩余使用寿命为设定寿命。
18.在本技术的一些实施例中，基于以上技术方案，所述装置还包括训练模块，用于获取车辆样本数据；根据所述车辆样本数据对待训练模型进行训练，直至模型收敛，得到神经网络模型。
19.在本技术的一些实施例中，基于以上技术方案，所述装置还包括输出模块，用于将所述火花塞的剩余使用寿命输出至显示设备进行显示，并上传至云端。
20.根据本技术实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的发动机火花塞寿命预测方法。
21.根据本技术实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述电子设备实现如上述实施例中所述的发动机火花塞寿命预测方法。
22.根据本技术实施例的一个方面，提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取并执行该计算机程序，使得该电子设备执行上述各种可选实施例中提供的发动机火花塞寿命预测方法。
23.在本技术的一些实施例所提供的技术方案中，获取不同工况下发动机的累计运行时间，并将不同工况下发动机的累计运行时间输入训练好的神经网络模型中，通过神经网络模型预测火花塞的间隙值。最后，根据预测得到的火花塞间隙值确定火花塞剩余使用寿命，这样，从而便于实时准确掌握火花塞剩余使用寿命状态，进一步有利于提醒车主在适当的时候进行火花塞更换。
24.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
25.图1示出了根据本技术的一个实施例的发动机火花塞寿命预测方法的流程图。
26.图2示出了根据本技术的一个实施例的发动机火花塞寿命预测方法的流程图。
27.图3示出了根据本技术的一个实施例的发动机火花塞寿命预测方法的流程图。
28.图4示出了根据本技术的一个实施例的发动机火花塞寿命预测方法的流程图。
29.图5示出了根据本技术的一个实施例的发动机火花塞寿命预测方法的流程图。
30.图6示出了根据本技术的一个实施例的获取车辆样本数据的流程图。
31.图7示出了根据本技术的一个实施例的神经网络训练的流程图。
32.图8示出了根据本技术的一个实施例的发动机火花塞寿命预测方法的流程图。
33.图9示出了根据本技术的一个实施例的神经网络模型的示意图。
34.图10示出了根据本技术的一个实施例的发动机火花塞寿命预测装置的框图。
35.图11示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
具体实施方式
36.现在参考附图以更全面的方式描述示例实施方式。然而，示例的实施方式能够以各种形式实施，且不应被理解为仅限于这些范例；相反，提供这些实施方式的目的是使得本技术更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
37.此外，本技术所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，有许多具体细节从而可以充分理解本技术的实施例。然而，本领域技术人员应意识到，在实施本技术的技术方案时可以不需用到实施例中的所有细节特征，可以省略一个或更多特定细节，或者可以采用其它的方法、元件、装置、步骤等。
38.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
39.附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
40.需要说明的是：在本文中提及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
41.可以理解的是，在本技术的具体实施方式中，涉及到目标对象信息等相关的数据，当本技术以上实施例运用到具体产品或技术中时，需要获得用户许可或者同意，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
42.在相关技术方案中，为了获得火花塞的剩余使用寿命，最常见的监测火花塞寿命的方式为：在特定工况下，对火花塞点火的相关参数进行测量，并与相应的预设值进行对比得到其老化系数，以此评估火花塞剩余使用寿命。但是，该做法通常需要在车辆保养时由专业的技术人员操作完成，所以采用上述方案监测火花塞寿命则会使得在日常行车过程中车主无法及时了解火花塞的寿命状态。另外，由于火花塞的使用寿命与驾驶员驾驶风格及发动机运行工况息息相关，长期在恶劣工况下行驶，容易出现车辆在达到预定保养行驶里程前火花塞便已失效的情况，严重影响驾驶体验。
43.为了解决上述问题，本技术提出了一种发动机火花塞寿命预测方法，该方法包括：获取不同工况下发动机的累计运行时间；将不同工况下发动机的累计运行时间分别输入神经网络模型，通过神经网络模型得到火花塞间隙预测值；根据火花塞间隙预测值确定火花
塞的剩余使用寿命。
44.这样，获取不同工况下发动机的累计运行时间，并将不同工况下发动机的累计运行时间输入训练好的神经网络模型中，通过神经网络模型预测火花塞的间隙值。最后，根据预测得到的火花塞间隙值确定火花塞剩余使用寿命，如此，便于实时准确掌握火花塞剩余使用寿命状态，进一步有利于提醒车主在适当的时候进行火花塞更换。
45.以下对本技术实施例的技术方案的实现细节进行详细阐述：
46.图1示出了根据本技术的一个实施例的发动机火花塞寿命预测方法的流程图，该发动机火花塞寿命预测方法可以由控制器来执行。参照图1所示，该发动机火花塞寿命预测方法至少包括s101至s103，详细介绍如下：
47.在s101中，获取不同工况下发动机的累计运行时间。
48.在一些可选的实施例中，在发动机运转过程中，发动机管理系统通过传感器收集发动机运行参数，其中，发动机运行参数至少包括不同工况下发动机的累计运行时间。不同工况下发动机的累计运行时间例如包括怠速工况、低速小负载工况、低速中负载工况、低速大负载工况、中速小负载工况、中速中负载工况、中速大负载工况、高速小负载工况、高速中负载工况、高速大负载工况等各个工况下对应的累计运行时间。这样，通过获取不同工况下发动机的累计运行时间，从而有利于后续预测火花塞间隙值。
49.在s102中，将不同工况下发动机的累计运行时间分别输入神经网络模型，通过神经网络模型得到火花塞间隙预测值。
50.在一些可选的实施例中，在得到不同工况下发动机的累计运行时间后，将不同工况下发动机的累计运行时间分别输入值训练好的神经网络模型中，输出得到火花塞间隙预测值。凭借神经网络强大的自适应、自学习的能力，拟合非线性的试验数据，建立数据驱动的火花塞剩余使用寿命预测模型，及时更新火花塞剩余使用寿命状态，保障发动机正常运行。
51.在s103中，根据火花塞间隙预测值确定火花塞的剩余使用寿命。
52.在一些可选的实施例中，在通过神经网络模型预测得到火花塞间隙预测值之后，根据火花塞间隙预测值确定火花塞的剩余使用寿命。
53.在本技术的一些实施例所提供的技术方案中，获取不同工况下发动机的累计运行时间，并将不同工况下发动机的累计运行时间输入训练好的神经网络模型中，通过神经网络模型预测火花塞的间隙值。最后，根据预测得到的火花塞间隙值确定火花塞剩余使用寿命，这样，从而便于实时准确掌握火花塞剩余使用寿命状态，进一步有利于提醒车主在适当的时候进行火花塞更换。
54.在一些可选的实施例中，在获取不同工况下发动机的累计运行时间之后，若接收到火花塞更换信息，则将不同工况下发动机的累计运行时间清零，且火花塞的剩余使用寿命为设定寿命，其中，设定寿命例如为100％。
55.可选地，在获取不同工况下发动机的累计运行时间之后，可以先判断火花塞是否进行了更换。若发动机更换火花塞，将发动机管理系统中各个工况累计运行时间数据置零。具体地，车机系统在中控屏上提供火花塞更换状态选项，当车主在4s店进行火花塞更换后，选择“火花塞已进行更换”选项。发动机管理系统通过can(controller area network)总线接收来自车机系统的火花塞更换信息后，将各工况累计运行时间清零。在发动机的累计运
行时间清零之后，火花塞的剩余使用寿命为出厂时的100％寿命。
56.在本技术的一个实施例中，参见图2，图2示出了根据本技术的一个实施例的发动机火花塞寿命预测方法的流程图，该发动机火花塞寿命预测方法包括：
57.在s101中，获取不同工况下发动机的累计运行时间。
58.在s102中，将不同工况下发动机的累计运行时间分别输入神经网络模型，通过神经网络模型得到火花塞间隙预测值。
59.s101-s102的具体处理过程及相关说明可以参照前述实施例的技术方案，不再赘述。
60.在s201中，获取火花塞初始间隙值和预设间隙阈值，火花塞初始间隙值为火花塞出厂间隙值，预设间隙阈值与火花塞失火率相关联。
61.在一些可选的实施例中，火花塞初始间隙值为火花塞出厂间隙值，由火花塞制造厂提供。而预设间隙阈值与火花塞失火率相关联，例如可以设置为火花塞失火率达到5％时对应的间隙值，该预设间隙阈值由发动机台架耐久试验测出。
62.在s202中，根据火花塞间隙预测值、预设间隙阈值以及火花塞初始间隙值，计算得到火花塞的剩余使用寿命。
63.在一些可选的实施例中，在得到火花塞初始间隙值和预设间隙阈值之后，根据火花塞间隙预测值、预设间隙阈值以及火花塞初始间隙值，计算得到火花塞的剩余使用寿命。由于火花塞初始间隙值为火花塞出厂间隙值，而预设间隙阈值与火花塞失火率相关联，这些参数都是与火花塞的特性相关联，如此，通过这些参数得到的火花塞的剩余使用寿命更加准确。
64.这样，根据火花塞间隙预测值、预设间隙阈值以及火花塞初始间隙值，计算得到火花塞的剩余使用寿命，从而有利于得到较准确的火花塞的剩余使用寿命。
65.在本技术的一个实施例中，参见图3，图3示出了根据本技术的一个实施例的发动机火花塞寿命预测方法的流程图，该发动机火花塞寿命预测方法包括：
66.在s101中，获取不同工况下发动机的累计运行时间。
67.在s102中，将不同工况下发动机的累计运行时间分别输入神经网络模型，通过神经网络模型得到火花塞间隙预测值。
68.在s201中，获取火花塞初始间隙值和预设间隙阈值，火花塞初始间隙值为火花塞出厂间隙值，预设间隙阈值与火花塞失火率相关联。
69.s101-s102的具体处理过程及相关说明可以参照前述实施例的技术方案，不再赘述。
70.在s301中，计算预设间隙阈值与火花塞间隙预测值之间的差值，得到第一差值。
71.在s302中，计算预设间隙阈值与火花塞初始间隙值之间的差值，得到第二差值。
72.在s303中，计算第一差值和第二差值的比值，得到火花塞的剩余使用寿命。
73.在一些可选的实施例中，在根据火花塞间隙预测值、预设间隙阈值以及火花塞初始间隙值，计算火花塞的剩余使用寿命时满足公式：
74.75.这样，通过上述公式可以计算得到火花塞的剩余使用寿命，从而有利于车主掌握火花塞的当前状态。在本技术的一个实施例中，参见图4，图4示出了根据本技术的一个实施例的发动机火花塞寿命预测方法的流程图，该发动机火花塞寿命预测方法包括：
76.在s401中，获取发动机的运行参数，运行参数至少包括转速、负载以及发动机的运行时间。
77.在一些可选的实施例中，在发动机运转过程中，发动机管理系统通过各类传感器收集发动机运行相关参数，包括发动机转速、负载及发动机运行时间。发动机管理系统对上述参数进行判断，区分发动机不同工况下的累计运行时间，并将结果保存至行车电脑的数据存储区。
78.在s402中，根据转速和负载划分发动机的工况。
79.在一些可选的实施例中，根据转速及负载的不同，将发动机工况划分成怠速工况、低速小负载工况、低速中负载工况、低速大负载工况、中速小负载工况、中速中负载工况、中速大负载工况、高速小负载工况、高速中负载工况、高速大负载工况等10种工况。其中，发动机转速在(800,1000]区间为怠速工况、在(1000,1500]区间为低速工况、在(1500,3000]区间为中速工况、在(3000,5000]区间为高速工况；发动机负载在(20,40]区间为小负载工况、在(40,70]区间为中等负载工况、在(70,100]区间为大负载工况。
80.在s403中，统计各个工况对应的发动机运行时间，得到不同工况下发动机的累计运行时间。
81.在一些可选的实施例中，根据划分的各个工况对应的转速和负载，统计各个工况对应的发动机运行时间，从而得到不同工况下发动机的累计运行时间。
82.在s102中，将不同工况下发动机的累计运行时间分别输入神经网络模型，通过神经网络模型得到火花塞间隙预测值。
83.在s103中，根据火花塞间隙预测值确定火花塞的剩余使用寿命。
84.s102-s103的具体处理过程及相关说明可以参照前述实施例的技术方案，不再赘述。
85.这样，根据转速和负载划分发动机的工况，并获取各个工况对应的发动机运行时间，从而有利于得到不同工况下发动机的累计运行时间，进而有利于预测得到火花塞间隙预测值。
86.在本技术的一个实施例中，参见图5，图5示出了根据本技术的一个实施例的发动机火花塞寿命预测方法的流程图，该发动机火花塞寿命预测方法包括：
87.在s501中，获取车辆样本数据。
88.在一些可选的实施例中，在获取车辆样本数据时，参见图6，图6示出了根据本技术的一个实施例的获取车辆样本数据的流程图，具体包括：
89.在s601中，进行车辆耐久试验，实时获取车辆发动机转速、负载、行驶里程等原始信号参数。
90.在s602中，行驶里程每隔五千里记录一次火花塞电极间隙。
91.在s603中，统计该里程节点各个工况下发动机的累计运行时间。
92.在s604中，将整个耐久试验阶段内获得的80％的数据作为训练集，剩余20％的数据作为测试集。
93.具体地，例如可以选取20辆安装相同发动机型号和火花塞型号的车辆分别进行100000公里耐久试验，使用行驶记录仪实时获取车辆发动机转速、负载、行驶里程、发动机运行时间等信号参数；接着，每台车辆每行驶5000公里，停机拆下火花塞，用塞尺测量火花塞间隙，每只火花塞测量3次并取平均值；每台车辆每行驶5000公里，根据上述行车记录仪记录的数据，分别统计发动机在各个工况下的累计运行时间。在全部车辆耐久试验完成后，得到400组实验数据，最后，随机选取其中320组实验数据作为神经网络训练集，剩余80组数据作为测试集作为车辆样本数据。
94.在s502中，根据车辆样本数据对待训练模型进行训练，直至模型收敛，得到神经网络模型。
95.在一些可选的实施例中，图7示出了根据本技术的一个实施例的神经网络训练的流程图，如图7所示。该训练流程包括获取试验数据、构建神经网络、随机产生神经网络的权值和阈值、使用训练集数据训练神经网络、进行反复迭代计算直至模型收敛、参数固化并输出。
96.由于材质及制造工艺的不同，不同型号的火花塞在相同工作条件下，火花塞的磨损程度(即间隙)也会不同，因此不同型号的火花塞都需要进行耐久试验来获得神经网络的训练数据，且最终输出的神经网络参数也不同。
97.在s101中，获取不同工况下发动机的累计运行时间。
98.在s102中，将不同工况下发动机的累计运行时间分别输入神经网络模型，通过神经网络模型得到火花塞间隙预测值。
99.在s103中，根据火花塞间隙预测值确定火花塞的剩余使用寿命。
100.s102-s103的具体处理过程及相关说明可以参照前述实施例的技术方案，不再赘述。
101.这样，在获取不同工况下发动机的累计运行时间之前，预先训练得到神经网络模型，从而有利于通过神经网络模型得到火花塞间隙预测值。
102.在本技术的一个实施例中，参见图8，图8示出了根据本技术的一个实施例的发动机火花塞寿命预测方法的流程图，该发动机火花塞寿命预测方法包括：
103.在s801中，获取车辆发动机运行状态参数，并统计各个工况运行时间。
104.在s802中，判断是否发生火花塞更换。
105.在一些可选的实施例中，若接收到火花塞更换信息，则将不同工况下发动机的累计运行时间清零，且火花塞的剩余使用寿命为设定寿命。
106.在s803中，若未发生火花塞更换，则通过bp神经网络进行火花塞间隙预测。
107.在一些可选的实施例中，对于神经网络模型例如为bp(back propagation)神经网络。图9示出了根据本技术的一个实施例的神经网络模型的示意图，如图9所示，神经网络模型包括输入层、隐含层及输出层。输入层神经元个数为10个，分别为上述10种不同工况运行时间；输出层神经元个数为1个，为火花塞间隙预测值；隐含层神经元个数通过经验公式确定，其中，n为输入层神经元个数，m为输出层神经元个数，a为[1,10]之间的常数，最终确定隐含层神经元个数为6个。
[0108]
在s804中，通过火花塞间隙预测值评估火花塞剩余使用寿命。
[0109]
在s805中，结果通过中控屏显示，同时上传云端。
[0110]
可选地，将上述结果通过中控屏输出，供车主随时查看。同时通过t-box将该数据上传至云端，4s店工作人员监控该地区车辆整体火花塞剩余使用寿命状态，提前备件并对需要更换火花塞车辆的车主推送保养信息。
[0111]
以下介绍本技术的装置实施例，可以用于执行本技术上述实施例中的发动机火花塞寿命预测方法。对于本技术装置实施例中未披露的细节，请参照本技术上述的发动机火花塞寿命预测方法的实施例。
[0112]
图10示出了根据本技术的一个实施例的发动机火花塞寿命预测装置的框图。
[0113]
参照图10所示，根据本技术的一个实施例的发动机火花塞寿命预测装置1000，包括：
[0114]
获取模块1001，用于获取不同工况下发动机的累计运行时间；
[0115]
预测模块1002，用于将不同工况下发动机的累计运行时间分别输入神经网络模型，通过神经网络模型得到火花塞间隙预测值；
[0116]
确定模块1003，用于根据火花塞间隙预测值确定火花塞的剩余使用寿命。
[0117]
在本技术的一些实施例中，基于以上技术方案，确定模块1003还用于，获取火花塞初始间隙值和预设间隙阈值，火花塞初始间隙值为火花塞出厂间隙值，预设间隙阈值与火花塞失火率相关联；根据火花塞间隙预测值、预设间隙阈值以及火花塞初始间隙值，计算得到火花塞的剩余使用寿命。
[0118]
在本技术的一些实施例中，基于以上技术方案，确定模块1003还用于，计算预设间隙阈值与火花塞间隙预测值之间的差值，得到第一差值；计算预设间隙阈值与火花塞初始间隙值之间的差值，得到第二差值；计算第一差值和第二差值的比值，得到火花塞的剩余使用寿命。
[0119]
在本技术的一些实施例中，基于以上技术方案，获取模块1001还用于，获取发动机的运行参数，运行参数至少包括转速、负载以及发动机的运行时间；根据转速和负载划分发动机的工况；统计各个工况对应的发动机运行时间，得到不同工况下发动机的累计运行时间。
[0120]
在本技术的一些实施例中，基于以上技术方案，确定模块1003还用于，若接收到火花塞更换信息，则将不同工况下发动机的累计运行时间清零，且火花塞的剩余使用寿命为设定寿命。
[0121]
在本技术的一些实施例中，基于以上技术方案，装置还包括训练模块，用于获取车辆样本数据；根据车辆样本数据对待训练模型进行训练，直至模型收敛，得到神经网络模型。
[0122]
在本技术的一些实施例中，基于以上技术方案，装置还包括输出模块，用于将火花塞的剩余使用寿命输出至显示设备进行显示，并上传至云端。
[0123]
图11示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
[0124]
需要说明的是，图11示出的电子设备的计算机系统1100仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0125]
如图11所示，计算机系统1100包括中央处理单元(central processing unit，cpu)1101，其可以根据存储在只读存储器(read-only memory，rom)1102中的程序或者从存储部分1108加载到随机访问存储器(random access memory，ram)1103中的程序而执行各
种适当的动作和处理，例如执行上述实施例中的方法。在ram 1103中，还存储有系统操作所需的各种程序和数据。cpu 1101、rom 1102以及ram 1103通过总线1104彼此相连。输入/输出(input/output，i/o)接口1105也连接至总线1104。
[0126]
以下部件连接至i/o接口1105：包括键盘、鼠标等的输入部分1106；包括诸如阴极射线管(cathode ray tube，crt)、液晶显示器(liquid crystal display，lcd)等以及扬声器等的输出部分1107；包括硬盘等的存储部分1108；以及包括诸如lan(local area network，局域网)卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至i/o接口1105。可拆卸介质1111，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1110上，以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
[0127]
特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分1109从网络上被下载和安装，和/或从可拆卸介质1111被安装。在该计算机程序被中央处理单元(cpu)1101执行时，执行本技术的系统中限定的各种功能。
[0128]
需要说明的是，本技术实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(erasable programmable read only memory，eprom)、闪存、光纤、便携式紧凑磁盘只读存储器(compact disc read-only memory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0129]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的
功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机程序的组合来实现。
[0130]
描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
[0131]
作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序，当上述一个或者多个计算机程序被一个该电子设备执行时，使得该电子设备实现上述实施例中的方法。
[0132]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0133]
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本技术实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本技术实施方式的方法。
[0134]
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。
[0135]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。

技术特征：
1.一种发动机火花塞寿命预测方法，其特征在于，所述方法包括：获取不同工况下发动机的累计运行时间；将所述不同工况下发动机的累计运行时间分别输入神经网络模型，通过所述神经网络模型得到火花塞间隙预测值；根据所述火花塞间隙预测值确定所述火花塞的剩余使用寿命。2.根据权利要求1所述的发动机火花塞寿命预测方法，其特征在于，根据所述火花塞间隙预测值确定所述火花塞的剩余使用寿命，包括：获取火花塞初始间隙值和预设间隙阈值，所述火花塞初始间隙值为火花塞出厂间隙值，所述预设间隙阈值与所述火花塞失火率相关联；根据所述火花塞间隙预测值、预设间隙阈值以及火花塞初始间隙值，计算得到所述火花塞的剩余使用寿命。3.根据权利要求2所述的发动机火花塞寿命预测方法，其特征在于，所述根据所述火花塞间隙预测值、预设间隙阈值以及火花塞初始间隙值，计算得到所述火花塞的剩余使用寿命，包括：计算所述预设间隙阈值与所述火花塞间隙预测值之间的差值，得到第一差值；计算所述预设间隙阈值与所述火花塞初始间隙值之间的差值，得到第二差值；计算所述第一差值和所述第二差值的比值，得到所述火花塞的剩余使用寿命。4.根据权利要求1所述的发动机火花塞寿命预测方法，其特征在于，所述获取不同工况下发动机的累计运行时间，包括：获取发动机的运行参数，所述运行参数至少包括转速、负载以及发动机的运行时间；根据所述转速和所述负载划分所述发动机的工况；统计各个工况对应的发动机运行时间，得到不同工况下发动机的累计运行时间。5.根据权利要求1所述的发动机火花塞寿命预测方法，其特征在于，在将所述不同工况下发动机的累计运行时间分别输入神经网络模型之前，所述方法还包括：若接收到火花塞更换信息，则将不同工况下发动机的累计运行时间清零，且所述火花塞的剩余使用寿命为设定寿命。6.根据权利要求1所述的发动机火花塞寿命预测方法，其特征在于，在获取不同工况下发动机的累计运行时间之前，所述方法包括：获取车辆样本数据；根据所述车辆样本数据对待训练模型进行训练，直至模型收敛，得到神经网络模型。7.根据权利要求1至6任意一项所述的发动机火花塞寿命预测方法，其特征在于，所述方法还包括：将所述火花塞的剩余使用寿命输出至显示设备进行显示，并上传至云端。8.一种发动机火花塞寿命预测装置，其特征在于，所述装置包括：获取模块，用于获取不同工况下发动机的累计运行时间；预测模块，用于将所述不同工况下发动机的累计运行时间分别输入神经网络模型，通过所述神经网络模型得到火花塞间隙预测值；确定模块，用于根据所述火花塞间隙预测值确定所述火花塞的剩余使用寿命。9.一种计算机可读介质，其特征在于，所述计算机可读介质上存储有计算机程序，该计
算机程序被处理器执行时实现权利要求1至7中任意一项所述的发动机火花塞寿命预测方法。10.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任意一项所述的发动机火花塞寿命预测方法。

技术总结
本申请的实施例提供了一种发动机火花塞寿命预测方法、装置、可读介质及电子设备。该发动机火花塞寿命预测方法包括：获取不同工况下发动机的累计运行时间；将不同工况下发动机的累计运行时间分别输入神经网络模型，通过神经网络模型得到火花塞间隙预测值；根据火花塞间隙预测值确定火花塞的剩余使用寿命。本申请实施例的技术方案获取不同工况下发动机的累计运行时间，并通过训练好的神经网络模型预测火花塞间隙预测值，以便于准确地掌握火花塞剩余使用寿命状态，进而有利于提醒车主在适当的时候进行火花塞更换。候进行火花塞更换。候进行火花塞更换。


技术研发人员：纪佳圳 刘学武 邓云飞 熊杰 武晓俊
受保护的技术使用者：广州汽车集团股份有限公司
技术研发日：2023.08.02
技术公布日：2023/10/15