本发明属于智能驾驶，具体而言，涉及一种车辆部件剩余寿命预测方法、系统、车辆及存储介质。
背景技术：
1、传统的汽车高压部件剩余寿命预测是通过台架进行短时集中的加速寿命试验以获取大量的失效数据，以此为依据，建立相关统计模型，总结规律进行寿命预测。但近年来，随着新能源电动汽车技术的快速发展，汽车高压部件的可靠性大幅提高，可使用寿命大幅延长。对于这种高可靠性、长寿命的高压部件，哪怕是集中进行加速寿命试验，也很难失效，故难以获取足够的失效数据，导致传统的预测方式可能难以较为准确地对此类高压部件的剩余寿命进行预测。
技术实现思路
1、本发明实施例提供了一种车辆部件剩余寿命预测方法、系统、车辆及存储介质，以至少解决对于高可靠性和长寿命的高压部件，经过加速寿命试验无法获取足够的失效数据，进而无法准确的对该类高压部件进行寿命预测的技术问题。
2、根据本发明实施例的第一个方面，提供了一种车辆部件剩余寿命预测方法，包括：获取当前传感器数据，其中，当前传感器数据为对待预测部件进行监测的传感器获取到的数据；根据传感器数据和寿命预测模型，对待测部件进行预测得到剩余寿命预测结果，其中，寿命预测模型基于历史数据构建得到，历史数据为多个历史时刻获取到的传感器数据。
3、可选的，寿命预测模型的构建包括：对历史数据进行数据清洗得到有效数据；根据有效数据和预设算法类型，确定样本数据；根据样本数据，构建寿命预测模型。
4、可选的，样本数据包括第一数据和第二数据；根据有效数据和预设算法类型，确定样本数据包括：响应于预设算法类型为加速模型，从有效数据中筛选得到第一数据，其中，第一数据为有效数据中适用于加速模型的数据。
5、可选的，车辆部件剩余寿命预测方法还包括：响应于预设算法类型为神经网络模型或机器学习模型，从有效数据中筛选得到第二数据，其中，第二数据为有效数据中适用于神经网络模型或机器学习模型的数据。
6、可选的，车辆部件剩余寿命预测方法还包括：按照预设时间间隔，获取第三数据，其中，第三数据与历史数据获取时刻不同，第三数据的获取时刻在历史数据的获取时刻之后；根据第三数据，对寿命预测模型进行迭代更新得到更新后的寿命预测模型。
7、可选的，加速模型为以下模型之一：阿伦尼乌斯模型、逆幂律模型、艾林模型。
8、可选的，当前传感器数据包括：电流、电压和温度。
9、根据本发明实施例的第二方面，还提供一种车辆部件剩余寿命预测系统，包括：
10、获取模块，用于获取当前传感器数据，其中，当前传感器数据为对待预测部件进行监测的传感器获取到的数据；预测模块，用于根据传感器数据和寿命预测模型，对待测部件进行预测得到剩余寿命预测结果，其中，寿命预测模型基于历史数据构建得到，历史数据为多个历史时刻获取到的传感器数据。
11、可选的，车辆部件剩余寿命预测系统还包括构建模块，构建模块用于：对历史数据进行数据清洗得到有效数据；根据有效数据和预设算法类型，确定样本数据；根据样本数据，构建寿命预测模型。
12、可选的，样本数据包括第一数据和第二数据；构建模块还用于：响应于预设算法类型为加速模型，从有效数据中筛选得到第一数据，其中，第一数据为有效数据中适用于加速模型的数据。
13、可选的，构建模块还用于：响应于预设算法类型为神经网络模型或机器学习模型，从有效数据中筛选得到第二数据，其中，第二数据为有效数据中适用于神经网络模型或机器学习模型的数据。
14、可选的，车辆部件剩余寿命预测系统还包括更新模块，更新模块用于：按照预设时间间隔，获取第三数据，其中，第三数据与历史数据获取时刻不同，第三数据的获取时刻在历史数据的获取时刻之后；根据第三数据，对寿命预测模型进行迭代更新得到更新后的寿命预测模型。
15、可选的，构建模块采用的加速模型为以下模型之一：阿伦尼乌斯模型、逆幂律模型、艾林模型。
16、可选的，获取模块获取到的当前传感器数据包括：电流、电压和温度。
17、根据本发明实施例的第三方面，还提供了一种车辆，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述第一方面任一实施例中所述的车辆部件剩余寿命预测方法。
18、根据本发明实施例的第四方面，还提供了一种非易失性存储介质，非易失性存储介质中存储有计算机程序，其中，计算机程序被设置为在计算机或处理器上运行时，执行上述第一方面任一实施例中所述的车辆部件剩余寿命预测方法。
19、在本发明实施例中，获取当前传感器数据，其中，当前传感器数据为对待预测部件进行监测的传感器获取到的数据；根据传感器数据和寿命预测模型，对待测部件进行预测得到剩余寿命预测结果，其中，寿命预测模型基于历史数据构建得到，历史数据为多个历史时刻获取到的传感器数据。本发明通过获取监测待预测部件的传感器的传感器数据，可以得到待测部件在任意时刻的数据，然后根据传感器数据和寿命预测模型可以准确的预测得到待预测部件的剩余寿命，进而可以解决对于高可靠性和长寿命的高压部件，经过加速寿命试验无法获取足够的失效数据，进而无法准确的对该类高压部件进行寿命预测的技术问题。
1.一种车辆部件剩余寿命预测方法，其特征在于，包括：
2.根据权利要求1所述的车辆部件剩余寿命预测方法，其特征在于，所述寿命预测模型的构建包括：
3.根据权利要求2所述的车辆部件剩余寿命预测方法，其特征在于，所述样本数据包括第一数据和第二数据；所述根据所述有效数据和预设算法类型，确定样本数据包括：
4.根据权利要求3所述的车辆部件剩余寿命预测方法，其特征在于，还包括：
5.根据权利要求1所述的车辆部件剩余寿命预测方法，其特征在于，还包括：
6.根据权利要求3所述的车辆部件剩余寿命预测方法，其特征在于，所述加速模型为以下模型之一：阿伦尼乌斯模型、逆幂律模型、艾林模型。
7.根据权利要求1所述的车辆部件剩余寿命预测方法，其特征在于，所述当前传感器数据包括：电流、电压和温度。
8.一种车辆部件剩余寿命预测系统，其特征在于，包括：
9.一种车辆，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述权利要求1至7任一项中所述的车辆部件剩余寿命预测方法。
10.一种非易失性存储介质，其特征在于，所述非易失性存储介质中存储有计算机程序，其中，所述计算机程序被设置为在计算机或处理器上运行时，执行上述权利要求1至7任一项中所述的车辆部件剩余寿命预测方法。
