CN113504143A - 一种诊断气门座圈磨损的方法及装置 - Google Patents

Abstract

本申请公开一种诊断气门座圈磨损的方法及装置。该方法包括：获得发动机的曲轴转角信号；根据发动机的曲轴转角信号确定气门落座时刻；获得振动传感器在第一时间段内输出的振动信号，第一时间段的起始时刻基于气门落座时刻确定，第一时间段的结束时刻为曲轴从气门落座时刻开始继续转动达到预设角度的时刻；确定振动信号的特征参数的值；基于振动信号的特征参数的值，确定气门座圈是否发生磨损。基于本申请公开的技术方案，能够准确地诊断出气门座圈是否出现磨损。

Description

一种诊断气门座圈磨损的方法及装置

技术领域

本申请属于发动机检测技术领域，尤其涉及一种诊断气门座圈磨损的方法及装置。

背景技术

气门座圈是气缸盖总成中的重要零件。气门座圈与气门形成配合，共同对气缸进行密封。在发动机运行过程中，气门座圈承受很大的热负荷和机械负荷。在运行一段时间后，气门座圈会出现磨损。当气门座圈出现磨损后，如果不对其进行更换，会影响发动机的正常运行。

因此，如何准确地诊断出气门座圈是否出现磨损，是本领域技术人员面临的难题。

发明内容

有鉴于此，本申请的目的在于提供一种诊断气门座圈磨损的方法及装置，以便准确地诊断出气门座圈是否出现磨损。

为实现上述目的，本申请提供如下技术方案：

本申请提供一种诊断气门座圈磨损的方法，包括：

获得发动机的曲轴转角信号；

根据所述发动机的曲轴转角信号确定气门落座时刻；

获得振动传感器在第一时间段内输出的振动信号，所述第一时间段的起始时刻基于所述气门落座时刻确定，所述第一时间段的结束时刻为曲轴从所述气门落座时刻开始继续转动达到预设角度的时刻，其中，所述振动传感器安装于发动机的气缸盖上；

确定所述振动信号的特征参数的值；

基于所述振动信号的特征参数的值，确定所述气门座圈是否发生磨损。

可选的，所述振动信号的特征参数包括振幅均值、振幅标准差、振幅偏斜度、振幅峭度、振幅均方根、振幅峰峰值、以及振幅方差中的一个或多个。

可选的，所述振动信号的特征参数还包括频谱均值和频谱方差中的一个或多个。

可选的，所述基于所述振动信号的特征参数的值，确定所述气门座圈是否发生磨损，包括：

将所述振动信号的特征参数的值输入预先完成训练的识别模型，得到所述识别模型对所述振动信号的特征参数的值进行处理后输出的预测结果；

根据所述预测结果确定所述气门座圈是否发生磨损。

可选的，所述识别模型的训练过程，包括：

获得多个训练样本，其中，每个训练样本包括样本振动信号的特征参数的值，并且每个训练样本具有标注信息，所述标注信息用于指示产生所述样本振动信号的样本气缸中的气门座圈是否发生磨损；

利用预先构建的学习模型对所述训练样本进行预测，获得预测结果；

根据所述预测结果和所述标注信息调整所述学习模型的模型参数，直至调整后的学习模型满足预设收敛条件，将满足所述预设收敛条件的学习模型确定为所述识别模型。

本申请还提供一种诊断气门座圈磨损的装置，包括：

转角信号获取单元，用于获得发动机的曲轴转角信号；

气门落座时刻确定单元，用于根据所述发动机的曲轴转角信号确定气门落座时刻；

振动信号获取单元，用于获得振动传感器在第一时间段内输出的振动信号，所述第一时间段的起始时刻基于所述气门落座时刻确定，所述第一时间段的结束时刻为曲轴从所述气门落座时刻开始继续转动达到预设角度的时刻，其中，所述振动传感器安装于发动机的气缸盖上；

特征参数获取单元，用于确定所述振动信号的特征参数的值；

分析单元，用于基于所述振动信号的特征参数的值，确定所述气门座圈是否发生磨损。

可选的，所述分析单元基于所述振动信号的特征参数的值，确定所述气门座圈是否发生磨损，具体为：

将所述振动信号的特征参数的值输入预先完成训练的识别模型，得到所述识别模型对所述振动信号的特征参数的值进行处理后输出的预测结果；根据所述预测结果确定所述气门座圈是否发生磨损。

可选的，在上述装置的基础上，还包括：

模型训练单元，用于获得多个训练样本，其中，每个训练样本包括样本振动信号的特征参数的值，并且每个训练样本具有标注信息，所述标注信息用于指示产生所述样本振动信号的样本气缸中的气门座圈是否发生磨损；利用预先构建的学习模型对所述训练样本进行预测，获得预测结果；根据所述预测结果和所述标注信息调整所述学习模型的模型参数，直至调整后的学习模型满足预设收敛条件，将满足所述预设收敛条件的学习模型确定为所述识别模型。

由此可见，本申请的有益效果为：

本申请公开的诊断气门座圈磨损的方法和装置，根据发动机的曲轴转角信号确定气门落座时刻，获得振动传感器在第一时间段内输出的振动信号，该第一时间段的起始时刻基于气门落座时刻确定，第一时间段的结束时刻为曲轴从气门落座时刻开始继续转动达到预设角度的时刻，也就是，获得从气门落座时刻开始的一段时间内的振动信号。如果气门座圈发生磨损，那么从气门落座时刻开始的一段时间内的振动信号会发生显著变化。因此，基于获取到的振动信号的特征参数的值，能够准确地确定出气门座圈是否发生磨损。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请公开的一种诊断气门座圈磨损的方法的流程图；

图2为本申请公开的基于振动信号的特征参数的值确定气门座圈是否发生磨损的方法的流程图；

图3为本申请公开的训练识别模型的方法的流程图；

图4为本申请公开的一种诊断气门座圈磨损的装置的结构示意图。

具体实施方式

本申请公开一种诊断气门座圈磨损的方法及装置，以便准确地诊断出气门座圈是否出现磨损。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

参见图1，图1为本申请公开的一种诊断气门座圈磨损的方法的流程图。该方法可以由车辆中的控制系统执行，也可以由检测设备执行。

发动机中设置有进气门、与进气门配合的进气门座圈、排气门、与排气门配合的排气门座圈。本申请公开的方案既适用于进气门座圈的磨损诊断，也适用于排气门座圈的磨损诊断。

该方法包括：

S101：获得发动机的曲轴转角信号。

实施中，可以通过转速传感器检测发动机的曲轴的转角，输出曲轴转角信号。当然，也可以通过其他检测设备检测发动机的曲轴的转角，并输出曲轴转角信号。

S102：根据发动机的曲轴转角信号确定气门落座时刻。

需要说明的是，根据发动机的曲轴转角信号确定出的是在气门座圈正常情况下的气门落座时刻，也可以理解为，确定出的是气门落座理论时刻。也就是说，如果气门座圈是正常的，未发生磨损，那么根据发动机的曲轴转角信号确定出的气门落座时刻近似或等于实际的气门落座时刻。如果气门座圈在长期使用后发生磨损，那么根据发动机的曲轴转角信号确定出的气门落座时刻早于实际的气门落座时刻。

S103：获得振动传感器在第一时间段内输出的振动信号。

振动传感器安装于发动机的气缸盖上。

申请人发现，如果气门座圈发生磨损，那么在进气门关闭时刻和排气门关闭时刻，会形成较大的冲击，振动传感器输出的振动信号会发生显著变化。也就是说，在气门座圈正常和发生磨损这两种情况下，在进气门关闭时刻之后的一段时间内，以及在排气门关闭时刻之后的一段时间内，振动传感器输出的振动信号有显著不同。因此，基于气门落座之后一段时间内的振动信号，能够更加准确地确定出气门座圈是否发生磨损。

其中，第一时间段的起始时刻基于气门落座时刻确定，第一时间段的结束时刻为曲轴从气门落座时刻开始继续转动达到预设角度的时刻。

可选的，将气门落座时刻确定为第一时间段的起始时刻。当然，也可以以气门落座时刻为基准进行微调，作为第一时间段的起始时刻。

可选的，该预设角度为30°至90°，包括端点值。当然，该预设角度的取值还可以在此基础上进行调整。

可以理解的是，第一时间段的选取应遵循以下规则：第一时间段应覆盖气门落座所引起的振动的持续时间，但不超过曲轴从气门落座时刻开始继续转动达到90°的时刻。

S104：确定振动信号的特征参数的值。

S105：基于振动信号的特征参数的值，确定气门座圈是否发生磨损。

作为一种实施方式，振动信号的特征参数包括振幅均值、振幅标准差、振幅偏斜度、振幅峭度、振幅均方根、振幅峰峰值、以及振幅方差中的一个或多个。

可以理解的是，当振动信号的特征参数的种类较多时，能够更加准确地确定气门座圈是否发生磨损。

优选的，振动信号的特征参数包括振幅均值、振幅标准差、振幅偏斜度、振幅峭度、振幅均方根、振幅峰峰值、以及振幅方差。

本申请公开的诊断气门座圈磨损的方法，根据发动机的曲轴转角信号确定气门落座时刻，获得振动传感器在第一时间段内输出的振动信号，该第一时间段的起始时刻基于气门落座时刻确定，第一时间段的结束时刻为曲轴从气门落座时刻开始继续转动达到预设角度的时刻，也就是，获得从气门落座时刻开始的一段时间内的振动信号。如果气门座圈发生磨损，那么从气门落座时刻开始的一段时间内的振动信号会发生显著变化。因此，基于获取到的振动信号的特征参数的值，能够准确地确定出气门座圈是否发生磨损。

在上文介绍的实施方式中，振动信号的特征参数均为与振幅相关的特征参数。

作为另一种实施方式，振动信号的特征参数还可以包括频谱均值和频谱方差中的一个或多个。通过进一步增加频率角度的特征参数，能够更加准确地确定气门座圈是否发生磨损。

优选的，振动信号的特征参数包括振幅均值、振幅标准差、振幅偏斜度、振幅峭度、振幅均方根、振幅峰峰值、振幅方差、频谱均值和频谱方差。

在本申请的一个实施例中，基于振动信号的特征参数的值，确定气门座圈是否发生磨损，采用如图2所示的方案。

该方案包括：

S201：将振动信号的特征参数的值输入预先完成训练的识别模型，得到识别模型对振动信号的特征参数的值进行处理后输出的预测结果。

S202：根据预测结果确定气门座圈是否发生磨损。

识别模型是经过大量训练样本训练得到的，每个训练样本包括样本振动信号的特征参数的值，并且产生该样本振动信号的气缸中的气门座圈是否发生磨损的信息是已知的。识别模型具备将气缸中的气门座圈是否磨损的预测结果趋于实际情况的能力。

作为一种实施方式，识别模型输出的预测结果具体为：产生该振动信号的气缸中的气门座圈发生磨损的概率值。相应的，根据预测结果确定气门座圈是否发生磨损，具体为：比较该概率值和预设的第一阈值，如果该概率值大于第一阈值，则确定气门座圈发生磨损，否则，确定气门座圈正常。

作为另一种实施方式，识别模型输出的预测结果具体为：产生该振动信号的气缸中的气门座圈正常的概率值。相应的，根据预测结果确定气门座圈是否发生磨损，具体为：比较该概率值和预设的第二阈值，如果该概率值大于第二阈值，则确定气门座圈正常，否则，确定气门座圈发生磨损。

需要说明的是，第一阈值和第二阈值均为经验值。

下面对本申请所使用识别模型的训练过程进行说明。

参见图3，图3为本申请公开的训练识别模型的方法的流程图。该方法包括：

S301：获得多个训练样本。

其中，每个训练样本包括样本振动信号的特征参数的值，并且每个训练样本具有标注信息，标注信息用于指示产生样本振动信号的样本气缸中的气门座圈是否发生磨损。

需要说明的是，样本振动信号的获取规则与本申请图1中获取振动信号的规则是一致的。也就是说，样本振动信号是振动传感器针对样本气缸在第一时间段内输出的振动信号。第一时间段的起始时刻基于气门落座时刻确定，第一时间段的结束时刻为曲轴从气门落座时刻开始继续转动达到预设角度的时刻。

S302：利用预先构建的学习模型对训练样本进行预测，获得预测结果。

其中，预测结果为产生该样本振动信号的样本气缸中的气门座圈发生磨损的概率值，或者为产生该样本振动信号的样本气缸中的气门座圈正常的概率值。

S303：根据预测结果和标注信息调整学习模型的模型参数，直至调整后的学习模型满足预设收敛条件，将满足预设收敛条件的学习模型确定为识别模型。

预先构建的学习模型的初始模型参数均为自定义数值，训练学习模型的过程就是优化模型参数，以使得学习模型逐渐收敛，且预测结果的准确率逐渐提高的过程。当学习模型满足预设收敛条件时，将当前的学习模型确定为识别模型。

作为一种实施方式，预设收敛条件为：预设损失函数的值小于预设的阈值。其中，预设损失函数表征预测结果与标注信息之间的误差。

本申请中，识别模型可以采用现有的任意一种神经网络模型。

在本申请的另一个实施例中，基于振动信号的特征参数的值，确定气门座圈是否发生磨损，采用如下方案：

1)、针对每个特征参数，比较该特征参数的值与对应的第一标定值和第二标定值，根据比较结果确定该特征参数对应的分数。

其中，第一标定值是根据气门座圈处于正常状态的气缸的振动信号确定的，第二标定值是根据气门座圈发生磨损的气缸的振动信号确定的。

2)、根据各个特征参数对应的分数和各个特征参数对应的权重，计算出气门座圈的综合分数。其中，多个特征参数对应的权重的和为1。

3)、根据气门座圈的综合分数确定该气门座圈是否发生磨损。

作为一种实施方式，特征参数的值越接近对应的第一标定值，则该特征参数对应的分数越大，特征参数的值越接近对应的第二标定值，则该特征参数对应的分数越小。相应的，如果气门座圈的综合分数高于预设的第三阈值，则确定气门座圈正常，否则，确定气门座圈发生磨损。

作为另一种实施方式，特征参数的值越接近对应的第一标定值，则该特征参数对应的分数越小，特征参数的值越接近对应的第二标定值，则该特征参数对应的分数越大。相应的，如果气门座圈的综合分数低于预设的第四阈值，则确定气门座圈正常，否则，确定气门座圈发生磨损。

需要说明的是，第三阈值和第四阈值均为经验值。

这里结合一个实例进行说明。

振动信号的特征参数包括：振幅均值、振幅标准差、振幅偏斜度、振幅峭度、振幅均方根、振幅峰峰值、振幅方差、频谱均值和频谱方差。

针对前述9个特征参数，分别预先确定9个特征参数对应的第一标定值和第二标定值，分别预先确定9个特征参数对应的权重。

在确定出振动信号的9个特征参数的值之后，分别比较这9个特征参数的值与对应的第一标定值和第二标定值，根据比较结果得到9个特征参数对应的分数。之后，根据9个特征参数对应的分数、以及9个特征参数对应的权重，确定出加权平均值，该加权平均值作为气门座圈的综合分数。之后，根据气门座圈的综合分数确定该气门座圈是否磨损。

本申请上述公开了诊断气门座圈磨损的方法，相应的，本申请还公开诊断气门座圈磨损的装置。说明书中关于两者的描述可以相互参考。

参见图4，图4为本申请公开的一种诊断气门座圈磨损的装置的结构示意图。该装置包括转角信号获取单元401、气门落座时刻确定单元402、振动信号获取单元403、特征参数获取单元404和分析单元405。

其中：

转角信号获取单元401，用于获得发动机的曲轴转角信号。

气门落座时刻确定单元402，用于根据发动机的曲轴转角信号确定气门落座时刻。

振动信号获取单元403，用于获得振动传感器在第一时间段内输出的振动信号。第一时间段的起始时刻基于气门落座时刻确定，第一时间段的结束时刻为曲轴从气门落座时刻开始继续转动达到预设角度的时刻。其中，振动传感器安装于发动机的气缸盖上。

特征参数获取单元404，用于确定振动信号的特征参数的值。

分析单元405，用于基于振动信号的特征参数的值，确定气门座圈是否发生磨损。

本申请公开的诊断气门座圈磨损的装置，根据发动机的曲轴转角信号确定气门落座时刻，获得振动传感器在第一时间段内输出的振动信号，该第一时间段的起始时刻基于气门落座时刻确定，第一时间段的结束时刻为曲轴从气门落座时刻开始继续转动达到预设角度的时刻，也就是，获得从气门落座时刻开始的一段时间内的振动信号。如果气门座圈发生磨损，那么从气门落座时刻开始的一段时间内的振动信号会发生显著变化。因此，基于获取到的振动信号的特征参数的值，能够准确地确定出气门座圈是否发生磨损。

在本申请的一个实施例中，分析单元405基于振动信号的特征参数的值，确定气门座圈是否发生磨损，具体为：

将振动信号的特征参数的值输入预先完成训练的识别模型，得到识别模型对振动信号的特征参数的值进行处理后输出的预测结果；根据预测结果确定气门座圈是否发生磨损。

可选的，在本申请图4所示的诊断气门座圈磨损的装置的基础上，进一步设置模型训练单元。

模型训练单元用于：获得多个训练样本，其中，每个训练样本包括样本振动信号的特征参数的值，并且每个训练样本具有标注信息，标注信息用于指示产生样本振动信号的样本气缸中的气门座圈是否发生磨损；利用预先构建的学习模型对训练样本进行预测，获得预测结果；根据预测结果和标注信息调整学习模型的模型参数，直至调整后的学习模型满足预设收敛条件，将满足预设收敛条件的学习模型确定为识别模型。

在本申请的另一个实施例中，分析单元405基于振动信号的特征参数的值，确定气门座圈是否发生磨损，具体为：

针对每个特征参数，比较该特征参数的值与对应的第一标定值和第二标定值，根据比较结果确定该特征参数对应的分数；根据各个特征参数对应的分数和各个特征参数对应的权重，计算出气门座圈的综合分数；根据气门座圈的综合分数确定该气门座圈是否发生磨损。

其中，特征参数对应的第一标定值是根据气门座圈处于正常状态的气缸的振动信号确定的，特征参数第二标定值是根据气门座圈发生磨损的气缸的振动信号确定的。多个特征参数对应的权重的和为1。

作为一种实施方式，特征参数的值越接近对应的第一标定值，则该特征参数对应的分数越大，特征参数的值越接近对应的第二标定值，则该特征参数对应的分数越小。相应的，如果气门座圈的综合分数高于预设的第三阈值，则确定气门座圈正常，否则，确定气门座圈发生磨损。

作为另一种实施方式，特征参数的值越接近对应的第一标定值，则该特征参数对应的分数越小，特征参数的值越接近对应的第二标定值，则该特征参数对应的分数越大。相应的，如果气门座圈的综合分数低于预设的第四阈值，则确定气门座圈正常，否则，确定气门座圈发生磨损。

可选的，振动信号的特征参数包括振幅均值、振幅标准差、振幅偏斜度、振幅峭度、振幅均方根、振幅峰峰值、以及振幅方差中的一个或多个。

可选的，振动信号的特征参数还包括频谱均值和频谱方差中的一个或多个。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种诊断气门座圈磨损的方法，其特征在于，包括：

获得发动机的曲轴转角信号；

根据所述发动机的曲轴转角信号确定气门落座时刻；

获得振动传感器在第一时间段内输出的振动信号，所述第一时间段的起始时刻基于所述气门落座时刻确定，所述第一时间段的结束时刻为曲轴从所述气门落座时刻开始继续转动达到预设角度的时刻，其中，所述振动传感器安装于发动机的气缸盖上；

确定所述振动信号的特征参数的值；

基于所述振动信号的特征参数的值，确定所述气门座圈是否发生磨损。

2.根据权利要求1所述的方法，其特征在于，所述振动信号的特征参数包括振幅均值、振幅标准差、振幅偏斜度、振幅峭度、振幅均方根、振幅峰峰值、以及振幅方差中的一个或多个。

3.根据权利要求2所述的方法，其特征在于，所述振动信号的特征参数还包括频谱均值和频谱方差中的一个或多个。

4.根据权利要求1所述的方法，其特征在于，所述基于所述振动信号的特征参数的值，确定所述气门座圈是否发生磨损，包括：

将所述振动信号的特征参数的值输入预先完成训练的识别模型，得到所述识别模型对所述振动信号的特征参数的值进行处理后输出的预测结果；

根据所述预测结果确定所述气门座圈是否发生磨损。

5.根据权利要求4所述的方法，其特征在于，所述识别模型的训练过程，包括：

获得多个训练样本，其中，每个训练样本包括样本振动信号的特征参数的值，并且每个训练样本具有标注信息，所述标注信息用于指示产生所述样本振动信号的样本气缸中的气门座圈是否发生磨损；

利用预先构建的学习模型对所述训练样本进行预测，获得预测结果；

根据所述预测结果和所述标注信息调整所述学习模型的模型参数，直至调整后的学习模型满足预设收敛条件，将满足所述预设收敛条件的学习模型确定为所述识别模型。

6.一种诊断气门座圈磨损的装置，其特征在于，包括：

转角信号获取单元，用于获得发动机的曲轴转角信号；

气门落座时刻确定单元，用于根据所述发动机的曲轴转角信号确定气门落座时刻；

振动信号获取单元，用于获得振动传感器在第一时间段内输出的振动信号，所述第一时间段的起始时刻基于所述气门落座时刻确定，所述第一时间段的结束时刻为曲轴从所述气门落座时刻开始继续转动达到预设角度的时刻，其中，所述振动传感器安装于发动机的气缸盖上；

特征参数获取单元，用于确定所述振动信号的特征参数的值；

分析单元，用于基于所述振动信号的特征参数的值，确定所述气门座圈是否发生磨损。

7.根据权利要求6所述的装置，其特征在于，所述振动信号的特征参数包括振幅均值、振幅标准差、振幅偏斜度、振幅峭度、振幅均方根、振幅峰峰值、以及振幅方差中的一个或多个。

8.根据权利要求7所述的装置，其特征在于，所述振动信号的特征参数还包括频谱均值和频谱方差中的一个或多个。

9.根据权利要求6所述的装置，其特征在于，所述分析单元基于所述振动信号的特征参数的值，确定所述气门座圈是否发生磨损，具体为：

将所述振动信号的特征参数的值输入预先完成训练的识别模型，得到所述识别模型对所述振动信号的特征参数的值进行处理后输出的预测结果；根据所述预测结果确定所述气门座圈是否发生磨损。

10.根据权利要求9所述的装置，其特征在于，还包括：

模型训练单元，用于获得多个训练样本，其中，每个训练样本包括样本振动信号的特征参数的值，并且每个训练样本具有标注信息，所述标注信息用于指示产生所述样本振动信号的样本气缸中的气门座圈是否发生磨损；利用预先构建的学习模型对所述训练样本进行预测，获得预测结果；根据所述预测结果和所述标注信息调整所述学习模型的模型参数，直至调整后的学习模型满足预设收敛条件，将满足所述预设收敛条件的学习模型确定为所述识别模型。

Images