车辆零部件的光照时长确定方法、装置、设备及存储介质与流程

1.本发明涉及车辆试验技术领域，尤其涉及一种车辆零部件的光照时长确定方法、装置、设备及存储介质。


背景技术：

2.目前，在整车光照时长确定中，通常是将实体车辆放置在自然环境中，人为统计车身上各零部件的在一天中的光照时长，但这样耗时耗力，且人为观察并不准确，而在模拟环境下，用于模拟光照的氙灯难以模拟太阳的运行，且需要大量资金打造光照环境。
3.在整车耐光照老化试验过程中，主要关注的关键零部件的耐光照老化性能。现阶段关键零部件的筛选一般为：1、造型突出部位；2、根据经验获取。关键零部件筛选存在一定漏洞。因此如何准确判断车身上各零部件在一天中的光照时长成为急需解决的问题。
4.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

5.本发明的主要目的在于提供一种车辆零部件的光照时长确定方法、装置、设备及存储介质，旨在解决现有技术如何准确确定零部件的耐光照老化性能的技术问题。
6.为实现上述目的，本发明提供了一种车辆零部件的光照时长确定方法，所述方法包括以下步骤：
7.获取目标车辆模型上各零部件的颜色深度；
8.根据所述颜色深度确定各零部件的光照时长占比。
9.可选地，所述获取待筛选光照占比时长之前，包括：
10.建立目标车辆模型以及虚拟光照环境仓；
11.通过所述虚拟光照环境仓中的光源照射所述目标车辆模型，以使所述目标车辆模型上的零件显示颜色深度。
12.可选地，所述获取目标车辆模型上各零部件的颜色深度，包括：
13.确定各零部件上的颜色采样点；
14.获取各颜色采样点的采样颜色深度；
15.根据所述采样颜色深度确定各零部件的平均颜色深度；
16.根据所述平均颜色深度确定各零部件的颜色深度。
17.可选地，所述根据所述颜色深度确定各零部件的光照时长占比，包括：
18.获取所述虚拟光照环境仓中的光源数量以及单光源颜色深度；
19.根据所述光源数量、所述单光源颜色深度以及各零部件的颜色深度确定各零部件的光照时长占比。
20.可选地，所述根据所述光源数量、所述单光源颜色深度以及各零部件的颜色深度确定各零部件的光照时长占比，包括：
21.根据所述光源数量确定单光源光照时长占比；
22.根据所述单光源颜色深度和各零部件的颜色深度确定光照光源数量；
23.根据光照光源数量和所述单光源光照时长占比确定光照时长占比。
24.可选地，所述根据所述颜色深度确定各零部件的光照时长占比之后，还包括：
25.获取光照需求占比；
26.根据所述光照需求占比以及各零部件的光照时长占比从各零部件中选择目标零部件。
27.可选地，所述根据所述光照需求占比以及各零部件的光照时长占比从各零部件中选择目标零部件，包括：
28.将所述光照需求占比分别与各零部件的光照时长占比进行比较，得到占比差异值；
29.将所述占比差异值小于预设差异值的零部件作为目标零部件。
30.此外，为实现上述目的，本发明还提出一种车辆零部件的光照时长确定装置，所述车辆零部件的光照时长确定装置包括：
31.获取模块，用于获取目标车辆模型上各零部件的颜色深度；
32.确定模块，用于根据所述颜色深度确定各零部件的光照时长占比。
33.此外，为实现上述目的，本发明还提出一种车辆零部件的光照时长确定设备，所述车辆零部件的光照时长确定设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆零部件的光照时长确定程序，所述车辆零部件的光照时长确定程序配置为实现如上文所述的车辆零部件的光照时长确定方法的步骤。
34.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有车辆零部件的光照时长确定程序，所述车辆零部件的光照时长确定程序被处理器执行时实现如上文所述的车辆零部件的光照时长确定方法的步骤。
35.本发明通过获取目标车辆模型上各零部件的颜色深度；根据所述颜色深度确定各零部件的光照时长占比。通过上述方式，通过cae建模技术建立虚拟光照环境仓以及目标车辆模型，并确定虚拟光照环境仓中目标车辆模型上各零部件的颜色深度，基于颜色深度确定虚拟光照环境仓中光源照射目标车辆模型对应的光照时长占比，从而可以准确地确定在真实环境中真实车辆上零部件的光照时长。
附图说明
36.图1是本发明实施例方案涉及的硬件运行环境的车辆零部件的光照时长确定设备的结构示意图；
37.图2为本发明车辆零部件的光照时长确定方法第一实施例的流程示意图；
38.图3为本发明车辆零部件的光照时长确定方法一实施例的虚拟光照环境仓图；
39.图4为本发明车辆零部件的光照时长确定方法第二实施例的流程示意图；
40.图5为本发明车辆零部件的光照时长确定方法第三实施例的流程示意图；
41.图6为本发明车辆零部件的光照时长确定装置第一实施例的结构框图。
42.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
43.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
44.参照图1，图1为本发明实施例方案涉及的硬件运行环境的车辆零部件的光照时长确定设备结构示意图。
45.如图1所示，该车辆零部件的光照时长确定设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
46.本领域技术人员可以理解，图1中示出的结构并不构成对车辆零部件的光照时长确定设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
47.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆零部件的光照时长确定程序。
48.在图1所示的车辆零部件的光照时长确定设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明车辆零部件的光照时长确定设备中的处理器1001、存储器1005可以设置在车辆零部件的光照时长确定设备中，所述车辆零部件的光照时长确定设备通过处理器1001调用存储器1005中存储的车辆零部件的光照时长确定程序，并执行本发明实施例提供的车辆零部件的光照时长确定方法。
49.本发明实施例提供了一种车辆零部件的光照时长确定方法，参照图2，图2为本发明一种车辆零部件的光照时长确定方法第一实施例的流程示意图。
50.本实施例中，所述车辆零部件的光照时长确定方法包括以下步骤：
51.步骤s10：获取目标车辆模型上各零部件的颜色深度。
52.需要说明的是，本实施例的执行主体为终端设备，例如计算机等可以自动化运行程序，并且可以安装模拟试验环境的设备。本实施例是基于cae软件模拟车辆光照环境，从而确定车辆上各零部件的光照时长。
53.在具体实现中，cae(computer aided engineering)指工程设计中的计算机辅助工程，指用计算机辅助求解分析复杂工程和产品的结构力学性能，以及优化结构性能等，把工程(生产)的各个环节有机地组织起来，其关键就是将有关的信息集成，使其产生并存在于工程(产品)的整个生命周期。而cae软件可作静态结构分析，动态分析；研究线性、非线性问题；分析结构(固体)、流体、电磁等。
54.进一步地，为了模拟真实环境的光照，步骤s10之前，还包括：建立目标车辆模型以及虚拟光照环境仓；通过所述虚拟光照环境仓中的光源照射所述目标车辆模型，以使所述目标车辆模型上的零件显示颜色深度。
55.在具体实现中，如图3所示，虚拟光照环境仓结构为一个半圆的空间，其中，a为虚
拟光照环境仓，b为目标车辆模型，c为光源，底部平面模拟地面，上方半圆密集布置光源，可以模拟太阳在一天中的不同位置。目标车辆模型根据需要测试的车辆型号外观一致，由于不同车辆具有不同的设计，车身零部件的形状、结构会有不同，因此不同型号的车辆相同作用的零部件光照时长会不同。虚拟光照环境仓以及目标车辆模型均预先由cae创建得到，并保存在数据库中，当需要测试某辆车上各零部件的光照时长时，输入待测车辆的型号，终端设备将车辆的型号发送至数据库，数据库则反馈对应的车辆模型。在同时测试多辆车的光照时长时，可以创建多个虚拟光照环境仓，并将多辆车的模型放置到虚拟光照环境仓中，从而到达多辆车同时测试的目的。
56.可以理解的是，虚拟光照环境仓中的光源可以设置为不同颜色，例如红色、蓝色等，本实施例不加以限制，因此光源照射在目标车辆模型上时会呈现一定的颜色，多个光源的颜色可以叠加，使得不同的零部件的颜色深度不同。在本实施例中，颜色深度是指颜色的浓度。
57.需要说明的是，在cae中，多个光源发出的光可以叠加，使得颜色浓度成比例增加，例如一个光源的颜色浓度为1，则两个光源叠加的颜色浓度则为2，从而能够方便统计出照射在车身零部件的光源数量。
58.步骤s20：根据所述颜色深度确定各零部件的光照时长占比。
59.在具体实现中，光照时长占比是指在一天中有太阳光亮的时间的占比，例如，一天中有10小时会有光照，光照时长占比为20％，则光照时长为2小时。
60.可以理解的是，不同的颜色深度对应不同的光照时长占比，根据各零部件上的颜色深度则可以确定对应的光照时长占比。从而便于工程师筛选不同光照时长占比的零部件。
61.需要说明的是，颜色深度与光照时长占比存在映射关系，映射关系可由先验实验得到，例如，颜色深度为4时，则对应的光照时长占比为20％。颜色深度为8时，则对应的光照时长占比为40％。以上仅为举例说明，本实施例不加以限制。
62.进一步地，步骤s20之后，还包括：获取光照需求占比；根据所述光照需求占比以及各零部件的光照时长占比从各零部件中选择目标零部件。
63.需要说明的是，光照需求占比是指需要挑选的零部件的光照时长占比，当工程师需要挑选关键零部件(即目标零部件)时，输入光照需求占比，终端设备将光照需求占比与各零部件的光照时长占比进行对比，将光照时长占比与光照需求占比相等的零部件选择作为关键零部件。
64.可以理解的是，光照需求占比可以设置多个，从而可以按照光照时长占比将零部件进行分类，以便更好筛选对应的零部件。例如，光照需求占比可以为40％、60％、80％等，则将零部件以40％、60％、80％进行分类，将光照时长占比筛选出来作为目标零部件，而其余零部件则不为目标零部件。
65.进一步地，所述根据所述光照需求占比以及各零部件的光照时长占比从各零部件中选择目标零部件，包括：将所述光照需求占比分别与各零部件的光照时长占比进行比较，得到占比差异值；将所述占比差异值小于预设差异值的零部件作为目标零部件。
66.可以理解的是，为了提升筛选效率，需要将与光照需求占比相近的零部件都挑选出来，此时将光照需求占比减去光照时长占比，取结果的绝对值得到占比差异值，若占比差
异值小于预设差异值，则表明对应的零部件为工程师需要选择的零部件。例如，当光照需求占比为40％时，车身各零部件的光照时长占比为50％、38％、20％、41％等等，将这些光照时长占比减去40％并取绝对值，则结果为10％、2％、20％、1％，预设差异值为5％，则38％与41％对应的零部件为目标零部件。
67.本实施例通过获取目标车辆模型上各零部件的颜色深度；根据所述颜色深度确定各零部件的光照时长占比。通过上述方式，通过cae建模技术建立虚拟光照环境仓以及目标车辆模型，并确定虚拟光照环境仓中目标车辆模型上各零部件的颜色深度，基于颜色深度确定虚拟光照环境仓中光源照射目标车辆模型对应的光照时长占比，从而可以准确地确定在真实环境中真实车辆上零部件的光照时长。
68.参考图4，图4为本发明一种车辆零部件的光照时长确定方法第二实施例的流程示意图。
69.基于上述第一实施例，本实施例车辆零部件的光照时长确定方法在所述步骤s10，包括：
70.步骤s11：确定各零部件上的颜色采样点。
71.需要说明的是，由于某些零部件并非完全平整，可能会存在凹陷、弯曲等设计，因此同一零部件上的不同部分的光照时长占比可能并不相同。例如，同一部件上，突出部分的光照时长占比为45％，而其他部分的光照时长占比为40％。以上仅为距离说明，本实施例不加以限制。
72.在具体实现中，在零部件表面上每一块区域选择一个颜色采样点。例如，将某零部件表面划分为多个5cm2的区域，每个区域的中心点作为颜色采样点。零件表面区域的面积可以根据需求设定。同样的，由于目标车辆模型是cae的仿真网格模型，刻意去网格中直线的交点作为颜色采样点。颜色采样点进行编号，并将颜色采样点的编号与对应的零部件建立对应关系。
73.步骤s12：获取各颜色采样点的采样颜色深度。
74.可以理解的是，采样颜色深度是指颜色采样点的颜色深度。将不同的零部件的采样颜色深度分别作为一个集合，每个集合与对应的零部件建立对应关系，便于后续的计算。
75.步骤s13：根据所述采样颜色深度确定各零部件的平均颜色深度。
76.在具体实现中，计算各零部件的采样颜色深度的平均值，即可以得到平均颜色深度，例如某零部件的采样颜色深度为5、5、5、6、4，则平均颜色深度为5。以上仅为举例说明，本实施例不加以限制。
77.步骤s14：根据所述平均颜色深度确定各零部件的颜色深度。
78.根据采样颜色深度计算方差值，若方差值小于预设方差，则表明此零部件上的光照时长占比分布较为均匀，则可以将平均颜色深度作为此零部件的颜色深度，若方差值大于预设方差，说明此零部件的光照时长占比差别较大，此时取采样颜色深度的最大值作为此零部件的颜色深度。
79.本实施例通过确定各零部件上的颜色采样点；获取各颜色采样点的采样颜色深度；根据所述采样颜色深度确定各零部件的平均颜色深度；根据所述平均颜色深度确定各零部件的颜色深度。通过上述方式，在各零部件上选取颜色采样点，并确定采样点上的颜色深度，基于采样点上的颜色深度确定零部件整体的颜色深度，从而能够更准确地反映零部
件的整体情况，基于颜色深度确定虚拟光照环境仓中光源照射目标车辆模型对应的光照时长占比，从而可以准确地确定在真实环境中真实车辆上零部件的光照时长。
80.参考图5，图5为本发明一种车辆零部件的光照时长确定方法第三实施例的流程示意图。
81.基于上述第一实施例，本实施例车辆零部件的光照时长确定方法在所述步骤s20，包括：
82.步骤s21：获取所述虚拟光照环境仓中的光源数量以及单光源颜色深度。
83.可以理解的是，虚拟光照环境仓中设置有过个光源以模拟太阳的在一天中的不同位置，光源数量即虚拟光照环境仓中光源的数量，单光源颜色深度是指单个光源照射在零部件上的颜色深度。例如，当虚拟光照环境仓中有20个光源，则每一个光源则对应的光照占比时长为1/20*100％＝5％。以上仅为举例说明，本实施例不加以限制。
84.步骤s22：根据所述光源数量、所述单光源颜色深度以及各零部件的颜色深度确定各零部件的光照时长占比。
85.进一步地，步骤s22包括：根据所述光源数量确定单光源光照时长占比；根据所述单光源颜色深度和各零部件的颜色深度确定光照光源数量；根据光照光源数量和所述单光源光照时长占比确定光照时长占比。
86.在具体实现中，若光源数量为10，则单光源光照时长为1/10*100％＝10％。各零部件的颜色深度除以单光源颜色深度则可以得到照射在此零部件的光源数量(即光照光源数量)，将光照光源数量与单光源光照时长占比相乘即可以得到光照时长占比。
87.本实施例通过获取所述虚拟光照环境仓中的光源数量以及单光源颜色深度；根据所述光源数量、所述单光源颜色深度以及各零部件的颜色深度确定各零部件的光照时长占比。通过上述方式，基于光源数量可以得到单光源光照时长占比，并根据单光源颜色深度和各零部件的颜色深度确定光照光源数量，最后根据光照光源数量和单光源光照时长占比确定光照时长占比。从而能够精准计算出目标车辆模型上各零部件的光照时长占比，从而能够准确筛选出关键零部件。
88.此外，本发明实施例还提出一种存储介质，所述存储介质上存储有车辆零部件的光照时长确定程序，所述车辆零部件的光照时长确定程序被处理器执行时实现如上文所述的车辆零部件的光照时长确定方法的步骤。
89.由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
90.参照图6，图6为本发明车辆零部件的光照时长确定装置第一实施例的结构框图。
91.如图6所示，本发明实施例提出的车辆零部件的光照时长确定装置包括：
92.获取模块10，用于获取目标车辆模型上各零部件的颜色深度。
93.确定模块20，用于根据所述颜色深度确定各零部件的光照时长占比。
94.在一实施例中，所述获取模块10，还用于建立目标车辆模型以及虚拟光照环境仓；
95.通过所述虚拟光照环境仓中的光源照射所述目标车辆模型，以使所述目标车辆模型上的零件显示颜色深度。
96.在一实施例中，所述获取模块10，还用于确定各零部件上的颜色采样点；
97.获取各颜色采样点的采样颜色深度；
98.根据所述采样颜色深度确定各零部件的平均颜色深度；
99.根据所述平均颜色深度确定各零部件的颜色深度。
100.在一实施例中，所述确定模块20，还用于获取所述虚拟光照环境仓中的光源数量以及单光源颜色深度；
101.根据所述光源数量、所述单光源颜色深度以及各零部件的颜色深度确定各零部件的光照时长占比。
102.在一实施例中，所述确定模块20，还用于根据所述光源数量确定单光源光照时长占比；
103.根据所述单光源颜色深度和各零部件的颜色深度确定光照光源数量；
104.根据光照光源数量和所述单光源光照时长占比确定光照时长占比。
105.在一实施例中，所述确定模块20，还用于获取光照需求占比；
106.根据所述光照需求占比以及各零部件的光照时长占比从各零部件中选择目标零部件。
107.在一实施例中，所述确定模块20，还用于将所述光照需求占比分别与各零部件的光照时长占比进行比较，得到占比差异值；
108.将所述占比差异值小于预设差异值的零部件作为目标零部件。
109.应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
110.本实施例通过获取目标车辆模型上各零部件的颜色深度；根据所述颜色深度确定各零部件的光照时长占比。通过上述方式，通过cae建模技术建立虚拟光照环境仓以及目标车辆模型，并确定虚拟光照环境仓中目标车辆模型上各零部件的颜色深度，基于颜色深度确定虚拟光照环境仓中光源照射目标车辆模型对应的光照时长占比，从而可以准确地确定在真实环境中真实车辆上零部件的光照时长。
111.需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
112.另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的车辆零部件的光照时长确定方法，此处不再赘述。
113.此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
114.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
115.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(read only memory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台
终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
116.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。