本申请涉及汽车重量设计，具体涉及一种目标轮辋重量的预测方法、装置、计算机设备及存储介质。
背景技术：
1、重量是新能源汽车关键的指标之一，汽车70％的能耗与重量相关，降低整车重量是提高电动汽车续航里程、提升整车耐久性能、降低制动距离和加速时间的有效手段；因此在整车设计阶段，制定重量目标是整车开发工作的关键任务，而轮辋在整车底盘系统中重量占比高，因此对车辆轮辋的重量制定是非常有必要的。
2、目前，行业中一般通过对标多个相同直径尺寸的量产轮辋重量，再结合整车重量竞争性要求选定整车重量目标，并没有单独的轮辋重量的制定方法；且现有制定方式仅基于轮辋直径尺寸一个特征来考虑轮辋重量。
技术实现思路
1、鉴于上述问题，本申请提供了一种目标轮辋重量的预测方法、装置、计算机设备及存储介质，用于解决现有技术中存在的缺乏单独的轮辋重量制定方法，且仅基于轮辋直径尺寸一个特征考虑轮辋重量的问题；通过引入第一输入特征和目标衍生特征两类特征来专门预测轮辋重量，实现了对目标轮辋重量的预测，在提供专门针对轮辋重量进行预测的方案的同时，引入了第一输入特征和目标衍生特征两类特征，相较于现有技术中没有单独的轮辋重量制定方法和只基于轮辋直径尺寸一个特征考虑轮辋重量而言，本申请方案提供的轮辋重量预设技术方案实现了从无到有，并且通过两种特征进行预测，提高了轮辋重量的预测准确性。
2、根据本申请实施例的一个方面，提供了一种目标轮辋重量的预测方法，所述预测方法包括：获取目标车辆的目标特征信息；其中，所述目标特征信息包括目标第一输入特征和目标衍生特征；将所述目标特征信息输入预设模型，并将所述预设模型输出的轮辋重量作为目标轮辋重量。
3、在一种可选的方式中，获取目标车辆的目标特征信息步骤之前，所述预测方法还包括：建立初始模型；其中，所述初始模型的输入至少包括第一输入特征和衍生特征，所述初始模型的输出为轮辋重量；基于预设的第一训练集和预设的第一测试集分别训练和测试所述初始模型，得到预设模型。
4、在一种可选的方式中，所述预测方法还包括：采集各车辆的特征数据，并基于特征类别对各车辆的特征数据进行分类处理，以得到包括轮辋重量特征和轮辋关联类特征的车辆特征信息；基于核密度分析方法标准化所述轮辋关联类特征，得到第一输入特征，并根据各轮辋关联类特征值之间的相关性确定出目标轮辋关联类特征，以创建得到衍生特征。
5、在一种可选的方式中，所述基于核密度分析方法标准化所述轮辋关联类特征，得到第一输入特征步骤之前，所述预测方法还包括：分别将所述轮辋关联类特征和所述轮辋重量特征作为第一维度和第二维度，构建表征所述第一维度和所述第二维度的矩阵关系的散点关系图；获取所述散点关系图中的离群点，并根据所述车辆特征信息检测所述离群点离群原因；若所述离群原因不符合预设原则中对应的预设离群原因，则删除所述离群点。
6、在一种可选的方式中，所述根据各轮辋关联类特征值之间的相关性确定出目标轮辋关联类特征，以创建得到衍生特征步骤，包括：基于线性回归算法计算所述轮辋关联类特征两两之间的相关性；检测各轮辋关联类特征两两之间的相关性，若检测到表征所述相关性程度的数值高于预设阈值，则定义对应的两个轮辋关联类特征为目标特征组合；采用所述目标特征组合中的轮辋关联类特征进行物理量计算，得到衍生特征。
7、在一种可选的方式中，所述车辆特征信息还包括车辆基本类特征；所述预测方法还包括：根据所述车辆基本类特征是否含有顺序信息的检测结果，确定出目标编码方式；根据所述目标编码方式对所述车辆基本类特征进行编码处理，以编码得到第二输入特征；其中，所述目标编码方式包括对含有所述顺序信息的车辆基本类特征进行数值编码的方式，以及对不含有顺序信息的车辆基本类特征进行独立编码的方式。
8、在一种可选的方式中，所述初始模型的输入包括第一输入特征、第二输入特征和衍生特征；所述初始模型包括随机森林模型；所述预测方法还包括：采用随机子训练集训练决策树，得到初始决策树；其中，所述决策树组成所述随机森林模型，所述随机子训练集根据预设的第二训练集建立；采用预设的第二测试集计算所述初始决策树的初始误差；采用目标随机子训练集训练决策树，得到目标决策树；其中，所述目标随机子训练集根据目标训练集建立，所述目标训练集的输入特征为预处理后的所述第一输入特征、所述第二输入特征和所述衍生特征，输出特征为轮辋重量；采用预设的第二测试集计算所述目标决策树的目标误差；计算所述目标误差与所述初始误差之间的误差变化量；其中，所述误差变化量表征所述目标训练集中的输入特征与轮辋重量的关联性。
9、根据本申请实施例的另一方面，提供了一种目标轮辋重量的预测装置，包括：信息获取模块，用于获取目标车辆的目标特征信息；其中，所述目标特征信息包括目标第一输入特征和目标衍生特征；重量预测模块，用于将所述目标特征信息输入预设模型，并将所述预设模型输出的轮辋重量作为目标轮辋重量。
10、根据本申请实施例的另一方面，提供了一种计算机设备，包括：控制器；存储器，用于存储一个或多个程序，当一个或多个程序被控制器执行时，使得控制器实现上述任意一项所述的预测方法。
11、根据本申请实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使计算机装置/设备执行上述任意一项所述的预测方法的操作。
12、本申请实施例通过将获取目标车辆的目标特征信息输入预设模型进行轮辋重量的预测，一方面提出一种单独针对车辆轮辋重量的预测方法，相较于现有技术没有单独预测轮辋重量的情况，实现了从无到有的提升；另一方面在进行轮辋重量预测时，输入的特征包括目标第一输入特征和目标衍生特征两类，并且通过预设模型进行轮辋重量进行预测，相较于现有技术中仅基于轮辋直径尺寸一个维度进行预测的情况，特征选择上更加丰富，引入模型也进一步提高了预测的精度。
13、上述说明仅是本申请实施例技术方案的概述，为了能够更清楚了解本申请实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本申请实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
1.一种目标轮辋重量的预测方法，其特征在于，所述预测方法包括：
2.根据权利要求1所述的预测方法，其特征在于，获取目标车辆的目标特征信息步骤之前，所述预测方法还包括：
3.根据权利要求2所述的预测方法，其特征在于，所述预测方法还包括：
4.根据权利要求3所述的预测方法，其特征在于，所述基于核密度分析方法标准化所述轮辋关联类特征，得到第一输入特征步骤之前，所述预测方法还包括：
5.根据权利要求3所述的预测方法，其特征在于，所述根据各轮辋关联类特征值之间的相关性确定出目标轮辋关联类特征，以创建得到衍生特征步骤，包括：
6.根据权利要求3所述的预测方法，其特征在于，所述车辆特征信息还包括车辆基本类特征；所述预测方法还包括：
7.根据权利要求6所述的预测方法，其特征在于，所述初始模型的输入包括第一输入特征、第二输入特征和衍生特征；所述初始模型包括随机森林模型；所述预测方法还包括：
8.一种目标轮辋重量的预测装置，其特征在于，所述预测装置包括：
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令在计算机装置/设备上运行时，使得计算机装置/设备执行如权利要求1至7任意一项所述的预测方法的操作。
