CN108482055A - 一种电动汽车空调系统 - Google Patents
一种电动汽车空调系统 Download PDFInfo
- Publication number
- CN108482055A CN108482055A CN201711458157.9A CN201711458157A CN108482055A CN 108482055 A CN108482055 A CN 108482055A CN 201711458157 A CN201711458157 A CN 201711458157A CN 108482055 A CN108482055 A CN 108482055A
- Authority
- CN
- China
- Prior art keywords
- module
- control
- network
- power battery
- central processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004378 air conditioning Methods 0.000 title claims abstract description 91
- 238000012545 processing Methods 0.000 claims abstract description 56
- 238000004891 communication Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 28
- 238000010521 absorption reaction Methods 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 18
- 230000009471 action Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 10
- 230000001939 inductive effect Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000012098 association analyses Methods 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000001681 protective effect Effects 0.000 claims description 3
- 230000006641 stabilisation Effects 0.000 claims description 3
- 238000011105 stabilization Methods 0.000 claims description 3
- 230000000087 stabilizing effect Effects 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 2
- 238000005057 refrigeration Methods 0.000 claims 1
- 230000006870 function Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000004224 protection Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00357—Air-conditioning arrangements specially adapted for particular vehicles
- B60H1/00385—Air-conditioning arrangements specially adapted for particular vehicles for vehicles having an electrical drive, e.g. hybrid or fuel cell
- B60H1/00392—Air-conditioning arrangements specially adapted for particular vehicles for vehicles having an electrical drive, e.g. hybrid or fuel cell for electric vehicles having only electric drive means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明属于汽车空调控制技术领域,公开了一种电动汽车空调系统,所述电动汽车空调系统包括:动力电池供电模块、温度采集模块、指令输入模块、中央处理器、信息通讯模块、数据存储模块、动力电池管理模块、整车模块、空调控制模块、状态显示模块。本发明实现了最大程度上保证整车的安全性要求、动力性要求、零部件保护要求和乘客舒适性要求;本发明根据电动汽车空调系统的各种温度参数,对电动汽车空调系统的各部件进行智能控制,保证电动汽车空调系统的最优化管理,使得电动汽车空调系统高效节能、安全可靠;具有各种温度采集、通讯、控制保护等多种功能,是一个功能完善、高集成化、高可靠性的电动汽车空调智能控制系统。
Description
技术领域
本发明属于汽车空调控制技术领域,尤其涉及一种电动汽车空调系统。
背景技术
电动汽车(BEV)是指以车载电源为动力,用电机驱动车轮行驶,符合道路交通、安全法规各项要求的车辆。由于对环境影响相对传统汽车较小,其前景被广泛看好;然而,现有电动汽车空调系统,没有考虑到整车安全、零部件安全、整车动力性的需求等;不能合理地使用动力电池资源;同时空调控制安全性低,功能单一。
汽车空调在待机状态时的待机功耗节电效果不明显,不利用能源的节约利用。
综上所述,现有技术存在的问题是:现有电动汽车空调系统,没有考虑到整车安全、零部件安全、整车动力性的需求等;不能合理地使用动力电池资源;同时空调控制安全性低,功能单一。
发明内容
针对现有技术存在的问题,本发明提供了一种电动汽车空调系统。
本发明是这样实现的,一种电动汽车空调系统包括:
动力电池供电模块、温度采集模块、指令输入模块、中央处理器、信息通讯模块、数据存储模块、动力电池管理模块、整车模块、空调控制模块、状态显示模块;
动力电池供电模块,与中央处理器连接,用于给中央处理器提供工作电源;
温度采集模块,与中央处理器连接,用于采集电动汽车空调系统的温度参数;
指令输入模块,与中央处理器连接,用于输入空调控制温度指令操作;
中央处理器,与动力电池供电模块、温度采集模块、指令输入模块、信息通讯模块、数据存储模块、动力电池管理模块、状态显示模块连接,用于进行温度数据处理及产生控制信号;
信息通讯模块,与中央处理器连接,用于实现中央处理器与智能移动端、电脑进行信息控制传输操作;
数据存储模块,与中央处理器连接,用于存储电动汽车空调系统的历史数据信息;
动力电池管理模块,与中央处理器、整车控制模块连接,用于根据动力电池状态计算动力电池的最大放电功率;
整车控制模块,与动力电池管理模块、空调控制模块连接,用于接收整车指令,并根据最大放电功率和整车指令生成电动汽车的空调控制状态信息;
空调控制模块,与整车控制模块连接,用于根据整车控制模块生成的空调控制状态信息控制空调压缩机和电加热器;
状态显示模块,与中央处理器连接,用于显示空调控制信息状态显示。
所述动力电池管理模块包括:电源输入滤波器、整流器、初级RCD吸收回路、主控IC单元、电感变压器、次级肖特基吸收回路、直流滤波器、输出低压整流器;
所述电源输入滤波器与所述整流器相连接,所述整流器与所述初级RCD吸收回路相连接,所述初级RCD吸收回路及主控IC单元分别与所述电感变压器相连接,所述电感变压器与所述次级肖特基吸收回路相连接,所述次级肖特基吸收回路与所述直流滤波器相连接,所述直流滤波器与所述输出低压整流器相连接;
所述主控IC单元采用主控IC PR902,为横流/恒压原边控制器;
所述主控IC单元包括:
低压保护模块,用来监测电源电压,确保电源工作在一个合理安全的范围内,设置范围是7-12.5V;
过压保护模块,用来检测电源电压是否过高,当电源电压超预定值电压关闭PR902及输出,保证系统安全;
基准电压模块,用于产生内部基准电压和电流;
峰值电流控制模块,用于控制每个开关周期的峰值电流;
前沿消隐时间设置模块,用于设置前沿消隐时间,保证峰值电流控制模块不会误操作;
电压降补偿模块,用于进行线损补偿,保证在不同负载情况下,输出电压不会因为输出线太长而发生变化;
恒流控制模块,用于恒流控制,保证高精度的恒流输出;
取样和储存模块,用于采样并保持反馈电压;
误差放大器模块,是误差放大器,用于放大输出电压的误差信号,进行环路控制;
恒压控制模块,用于恒压控制,保证输出电压稳定并有好的输出精度;
时钟周期控制暂停时间控制模块,用于设定每个时钟周期的暂停时间,用于脉冲频率调制控制;
逻辑电路模块,用于接收IC的各种逻辑信号,并产生最终的控制信号;
三极管基极模块,用于用一定的电流驱动IC外部的晶体管功率管;
稳压模块,用于产生5V的内部电源。
中央处理器相关数据处理方法包括:
首先,选取参考超预定阈值信息参数向量,建立参考数列X0,
X0={X0(k)|k=1,2,...,n}=(X0(1),X0(2),...,X0(n))
其中k表示时刻,X0表示告警信息,n表示告警信息参数向量特征维数;所述参考超预定阈值信息包括温度、电流、电压的设置阈值;
其次,假设有m个比较故障告警信息数据,建立比较数列Xi
Xi={Xi(k)|k=1,2,…,n}=(Xi(1),Xi(2),…,Xi(n))i=1,2,…,m
然后,建立比较数列Xi对参考数列X0在k时刻的关联系数ζi(k)
其中,w1为各个参数相应的权重,其根据用户的网络属性进行调整和决定;其中ρ为分辨系数,ρ∈[0,+∞);ρ越大,分辩率越大;ρ越小,分辩率越小;
最后,计算出比较数列Xi对参考数列X0的关联度
所述中央处理器还通过关联分析对超预定阈值信息及网络之间建立映射关系,构建故障定位模型,通过BP神经网络进行网络故障定位;所述网络故障定位具体包括如下过程:
首先,获取m维告警向量Qn=(s1,s2,s3…sm)和n维故障向量On=(p1,p2,p3…pm),并将其通过多个网络节点同时输入,使系统具有并行结构和并行处理能力,对输入进行实时的动态处理;
其次,BP网络,为每个连接的权值赋予指定范围内的值,同时为每个神经元节点指定阈值;
再次,组输入告警样本机器目标结果提供给网络,并计算神经网络节点的连接权值,阈值及各个隐含层单元的输入和输出值;
然后,正各层误差:利用目标向量和网络实际输出值计算输出层单元的误差,并结合隐含层的各单元的输出来修正连接权值和阈值,进行反向误差传播修正;
最后,训练样本向量和对异构网络系统进行训练,直到训练完全部样本后将络运维故障告警信息,输入训练好的BP网络进行网络故障定位。
进一步,所述中央处理器还包括通过无线网络参数映射到异构网络中以获取定位的网络故障,在该过程中每一个网络节点均作为一个智能体参与网络故障定位过程中,其具体过程如下:
选择Q学习方法来建立一个参数系统,建立和维护一个二维的Q值表,第一维用来表示所有可能的状态,第二维表示网络节点智能体所可能采取的行动;每一个Q值表的单元q(s,a)都对应着智能体在状态S下采取行动a的Q值;用户选择行动的一般准则为:网络节点智能体基于在给定状态下的每个动作的Q值表,按照一定的概率进行动作选择,一个动作的Q值越大,则被选择的概率就越大;当发生网络故障时,首先,网络节点智能体根据运维数据中的网络告警信息的相关性分析和逻辑回归分析确定将要优化的异构网络无线参数,构建一个新状态S,在构建完状态S后,要计算对应S的各个Q值;
然后,网络节点智能体根据Q值以一定的概率P
选择优化策略,即动作a;
最后,系统终端根据网络节点智能体回报值和已有的Q值,更新Q值表中状态S和所选动作的值,其中,
上述π为所选的策略,α是学习因子。
进一步,所述空调控制模块控制方法如下:
首先,根据动力电池状态计算动力电池的最大放电功率;例如,可根据动力电池SOC、动力电池的温度、动力电池系统是否存在故障等计算动力电池当前能够输出的最大放电功率。
然后,接收整车指令,根据最大放电功率和整车指令生成电动汽车的空调控制状态信息;具体地,可根据计算出的动力电池的最大放电功率、接收的整车指令(例如,驾驶员动力性指令、驾驶员运行模式输入指令等),通过控制仲裁,给出电动汽车的空调控制状态信息。
最后,根据空调控制状态信息控制空调压缩机和电加热器;具体地,可根据空调是否被允许工作、空调系统最大允许使用功率等空调控制状态信息对空调压缩机和电加热器进行控制,以实现制冷或制热的目的。
本发明的优点及积极效果为:本发明根据动力电池管理模块计算出的动力电池的最大放电功率和整车指令生成电动汽车的空调控制状态信息,空调控制器根据整车控制器生成的空调控制状态信息控制空调压缩机和电加热器,以使空调控制器对空调系统进行制冷或制热,实现了能够最大程度上保证整车的安全性要求、动力性要求、零部件保护要求和乘客舒适性要求;通过空调控制模块根据空调控制状态信息对空调压缩机和电加热器进行控制,能够合理地使用动力电池资源,提高动力电池资源的利用率;同时本发明可以根据电动汽车空调系统的各种温度参数,对电动汽车空调系统的各个部件进行智能控制,保证电动汽车空调系统的最优化管理,使得电动汽车空调系统高效节能、安全可靠。该控制系统具有各种温度采集、通讯、控制保护等多种功能,是一个功能完善、高集成化、高可靠性的电动汽车空调智能控制系统。
本发明的主控IC单元通过在初级侧电感检测和监管之功能,在不需要光耦和TL431的情况下提供了稳定的输出电压,独有的内置恒压CV和恒流CC控制,实现了高精度的恒压CV和恒流CC输出,有效地满足了应用需求,同时提高了输出电流的精度,具有较强的推广与应用价值。在待机状态时的待机功耗较小,节电效果明显,利用能源的可持续利用。
本发明采用数据挖掘中的BP神经网络方法对告警信息进行挖掘,对网络的故障进行智能定位,准确判断空调系统网络故障,采用Q学习方法进行网络的自愈及网络的自优化,更加细粒度的优化网络性能,提升网络质量,确保网络运行高效、安全、稳定。
附图说明
图1是本发明实施例提供的电动汽车空调系统结构框图。
图中:1、动力电池供电模块;2、温度采集模块;3、指令输入模块;4、中央处理器;5、信息通讯模块;6、数据存储模块;7、动力电池管理模块;8、整车模块;9、空调控制模块;10、状态显示模块;11、电源输入滤波器;12、整流器;13、初级RCD吸收回路;14、主控IC单元;15、电感变压器;16、次级肖特基吸收回路;17、直流滤波器;18、输出低压整流器。
图2是本发明实施例提供的动力电池管理模块的示意图。
图3是本发明实施例提供的主控IC单元的原理接线图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1至图3所示,本发明提供的电动汽车空调系统包括:动力电池供电模块1、温度采集模块2、指令输入模块3、中央处理器4、信息通讯模块5、数据存储模块6、动力电池管理模块7、整车模块8、空调控制模块9、状态显示模块10。
动力电池供电模块1,与中央处理器4连接,用于给中央处理器4提供工作电源;
温度采集模块2,与中央处理器4连接,用于采集电动汽车空调系统的温度参数;
指令输入模块3,与中央处理器4连接,用于输入空调控制温度指令操作;
中央处理器4,与动力电池供电模块1、温度采集模块2、指令输入模块3、信息通讯模块5、数据存储模块6、动力电池管理模块7、状态显示模块10连接,用于进行温度数据处理及产生控制信号;
信息通讯模块5,与中央处理器4连接,用于实现中央处理器4与智能移动端、电脑进行信息控制传输操作;
数据存储模块6,与中央处理器4连接,用于存储电动汽车空调系统的历史数据信息;
动力电池管理模块7,与中央处理器4、整车控制模块8连接,用于根据动力电池状态计算动力电池的最大放电功率;
整车控制模块8,与动力电池管理模块7、空调控制模块9连接,用于接收整车指令,并根据最大放电功率和整车指令生成电动汽车的空调控制状态信息;
空调控制模块9,与整车控制模块8连接,用于根据整车控制模块8生成的空调控制状态信息控制空调压缩机和电加热器;
状态显示模块10,与中央处理器4连接,用于显示空调控制信息状态显示。
所述动力电池管理模块包括:电源输入滤波器11、整流器12、初级RCD吸收回路13、主控IC单元14、电感变压器15、次级肖特基吸收回路16、直流滤波器17、输出低压整流器18;
所述电源输入滤波器与所述整流器相连接,所述整流器与所述初级RCD吸收回路相连接,所述初级RCD吸收回路及主控IC单元分别与所述电感变压器相连接,所述电感变压器与所述次级肖特基吸收回路相连接,所述次级肖特基吸收回路与所述直流滤波器相连接,所述直流滤波器与所述输出低压整流器相连接;
所述主控IC单元采用主控IC PR902,为横流/恒压原边控制器;
所述主控IC单元包括:
低压保护模块,用来监测电源电压,确保电源工作在一个合理安全的范围内,设置范围是7-12.5V;
过压保护模块,用来检测电源电压是否过高,当电源电压超预定值电压关闭PR902及输出,保证系统安全;
基准电压模块,用于产生内部基准电压和电流;
峰值电流控制模块,用于控制每个开关周期的峰值电流;
前沿消隐时间设置模块,用于设置前沿消隐时间,保证峰值电流控制模块不会误操作;
电压降补偿模块,用于进行线损补偿,保证在不同负载情况下,输出电压不会因为输出线太长而发生变化;
恒流控制模块,用于恒流控制,保证高精度的恒流输出;
取样和储存模块,用于采样并保持反馈电压;
误差放大器模块,是误差放大器,用于放大输出电压的误差信号,进行环路控制;
恒压控制模块,用于恒压控制,保证输出电压稳定并有好的输出精度;
时钟周期控制暂停时间控制模块,用于设定每个时钟周期的暂停时间,用于脉冲频率调制控制;
逻辑电路模块,用于接收IC的各种逻辑信号,并产生最终的控制信号;
三极管基极模块,用于用一定的电流驱动IC外部的晶体管功率管;
稳压模块,用于产生5V的内部电源。
PR902采用原边控制技术,不需要常规缠绕电源中的光耦和TL431,节约了系统成本。反馈引脚通过辅助绕组的分压采样输出电压,送入EA模块对误差信号进行放大,再配合恒压控制模块稳定输出电压并保证良好的输出精度。在恒压工作模式下,线损补偿模块可以保证在不同负载情况下,输出电压不会因为输出线太长而发生变化。当系统工作于恒流模式时,恒流控制模块保证PR902有高精度的恒流输出。PR902采用恒流及预关断的输出驱动方式,在保证足够的驱动能力的同时,利用了功率晶体管的基区存储电荷,可以有效减少电能浪费,提高系统效率。
使用主控IC单元14充分利用PR902在变压器初级侧电感检测和监管之功能,在不需要光耦和TL431的情况下提供了稳定的输出电压,和其独有的内置恒压CV和恒流CC控制可实现高精度的恒压CV和恒流CC输出,以达到节电的目的。
本发明实施例提供的空调控制模块控制方法如下:
首先,根据动力电池状态计算动力电池的最大放电功率;例如,可根据动力电池SOC、动力电池的温度、动力电池系统是否存在故障等计算动力电池当前能够输出的最大放电功率。
然后,接收整车指令,根据最大放电功率和整车指令生成电动汽车的空调控制状态信息;具体地,可根据计算出的动力电池的最大放电功率、接收的整车指令(例如,驾驶员动力性指令、驾驶员运行模式输入指令等),通过控制仲裁,给出电动汽车的空调控制状态信息。
最后,根据空调控制状态信息控制空调压缩机和电加热器;具体地,可根据空调是否被允许工作、空调系统最大允许使用功率等空调控制状态信息对空调压缩机和电加热器进行控制,以实现制冷或制热的目的。
中央处理器相关数据处理方法包括:
首先,选取参考超预定阈值信息参数向量,建立参考数列X0,
X0={X0(k)|k=I,2,...,n}=(X0(1),X0(2),...,X0(n))
其中k表示时刻,X0表示告警信息,n表示告警信息参数向量特征维数;所述参考超预定阈值信息包括温度、电流、电压的设置阈值;
其次,假设有m个比较故障告警信息数据,建立比较数列Xi
Xi={Xi(k)|k=1,2,…,n}=(Xi(1),Xi(2),…,Xi(n)) i=1,2,…,m
然后,建立比较数列Xi对参考数列X0在k时刻的关联系数ζi(k)
其中,w1为各个参数相应的权重,其根据用户的网络属性进行调整和决定;其中ρ为分辨系数,ρ∈[0,+∞);ρ越大,分辩率越大;ρ越小,分辩率越小;
最后,计算出比较数列Xi对参考数列X0的关联度
所述中央处理器还通过关联分析对超预定阈值信息及网络之间建立映射关系,构建故障定位模型,通过BP神经网络进行网络故障定位;所述网络故障定位具体包括如下过程:
首先,获取m维告警向量Qn=(s1,s2,s3…sm)和n维故障向量On=(p1,p2,p3…pm),并将其通过多个网络节点同时输入,使系统具有并行结构和并行处理能力,对输入进行实时的动态处理;
其次,BP网络,为每个连接的权值赋予指定范围内的值,同时为每个神经元节点指定阈值;
再次,组输入告警样本机器目标结果提供给网络,并计算神经网络节点的连接权值,阈值及各个隐含层单元的输入和输出值;
然后,正各层误差:利用目标向量和网络实际输出值计算输出层单元的误差,并结合隐含层的各单元的输出来修正连接权值和阈值,进行反向误差传播修正;
最后,训练样本向量和对异构网络系统进行训练,直到训练完全部样本后将络运维故障告警信息,输入训练好的BP网络进行网络故障定位。
进一步,所述中央处理器还包括通过无线网络参数映射到异构网络中以获取定位的网络故障,在该过程中每一个网络节点均作为一个智能体参与网络故障定位过程中,其具体过程如下:
选择Q学习方法来建立一个参数系统,建立和维护一个二维的Q值表,第一维用来表示所有可能的状态,第二维表示网络节点智能体所可能采取的行动;每一个Q值表的单元q(s,a)都对应着智能体在状态S下采取行动a的Q值;用户选择行动的一般准则为:网络节点智能体基于在给定状态下的每个动作的Q值表,按照一定的概率进行动作选择,一个动作的Q值越大,则被选择的概率就越大;当发生网络故障时,首先,网络节点智能体根据运维数据中的网络告警信息的相关性分析和逻辑回归分析确定将要优化的异构网络无线参数,构建一个新状态S,在构建完状态S后,要计算对应S的各个Q值;
然后,网络节点智能体根据Q值以一定的概率P
选择优化策略,即动作a;
最后,系统终端根据网络节点智能体回报值和已有的Q值,更新Q值表中状态S和所选动作的值,其中,
上述R(x,α)=E{r|s,a},π为所选的策略,α是学习因子。
本发明由动力电池供电模块1给中央处理器4提供工作电源,用户通过指令输入模块3输入空调控制温度指令操作;接着,中央处理器4根据温度采集模块2采集电动汽车空调系统的温度参数进行处理及产生控制信号;然后,动力电池管理模块7根据动力电池状态计算动力电池的最大放电功率;整车控制模块8接收整车指令,并根据最大放电功率和整车指令生成电动汽车的空调控制状态信息;通过空调控制模块9根据整车控制模块8生成的空调控制状态信息控制空调压缩机和电加热器;最后,通过数据存储模块6存储电动汽车空调系统的历史数据信息,并通过状态显示模块10显示空调控制信息状态显示;信息通讯模块5用于实现中央处理器4与智能移动端、电脑进行信息控制传输操作。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (5)
1.一种电动汽车空调系统,其特征在于,所述电动汽车空调系统包括:
动力电池供电模块、温度采集模块、指令输入模块、中央处理器、信息通讯模块、数据存储模块、动力电池管理模块、整车模块、空调控制模块、状态显示模块;
动力电池供电模块,与中央处理器连接,用于给中央处理器提供工作电源;
温度采集模块,与中央处理器连接,用于采集电动汽车空调系统的温度参数;
指令输入模块,与中央处理器连接,用于输入空调控制温度指令操作;
中央处理器,与动力电池供电模块、温度采集模块、指令输入模块、信息通讯模块、数据存储模块、动力电池管理模块、状态显示模块连接,用于进行相关数据处理及产生控制信号;
信息通讯模块,与中央处理器连接,用于实现中央处理器与智能移动端、电脑进行信息控制传输操作;
数据存储模块,与中央处理器连接,用于存储电动汽车空调系统的历史数据信息;
动力电池管理模块,与中央处理器、整车控制模块连接,用于根据动力电池状态计算动力电池的最大放电功率;
整车控制模块,与动力电池管理模块、空调控制模块连接,用于接收整车指令,并根据最大放电功率和整车指令生成电动汽车的空调控制状态信息;
空调控制模块,与整车控制模块连接,用于根据整车控制模块生成的空调控制状态信息控制空调压缩机和电加热器;
状态显示模块,与中央处理器连接,用于显示空调控制信息状态显示;
所述动力电池管理模块包括:电源输入滤波器、整流器、初级RCD吸收回路、主控IC单元、电感变压器、次级肖特基吸收回路、直流滤波器、输出低压整流器;
所述电源输入滤波器与所述整流器相连接,所述整流器与所述初级RCD吸收回路相连接,所述初级RCD吸收回路及主控IC单元分别与所述电感变压器相连接,所述电感变压器与所述次级肖特基吸收回路相连接,所述次级肖特基吸收回路与所述直流滤波器相连接,所述直流滤波器与所述输出低压整流器相连接;
所述主控IC单元采用主控IC PR902,为横流/恒压原边控制器;
所述主控IC单元包括:
低压保护模块,用来监测电源电压,确保电源工作在一个合理安全的范围内,设置范围是7-12.5V;
过压保护模块,用来检测电源电压是否过高,当电源电压超预定值电压关闭PR902及输出,保证系统安全;
基准电压模块,用于产生内部基准电压和电流;
峰值电流控制模块,用于控制每个开关周期的峰值电流;
前沿消隐时间设置模块,用于设置前沿消隐时间,保证峰值电流控制模块不会误操作;
电压降补偿模块,用于进行线损补偿,保证在不同负载情况下,输出电压不会因为输出线太长而发生变化;
恒流控制模块,用于恒流控制,保证高精度的恒流输出;
取样和储存模块,用于采样并保持反馈电压;
误差放大器模块,是误差放大器,用于放大输出电压的误差信号,进行环路控制;
恒压控制模块,用于恒压控制,保证输出电压稳定并有好的输出精度;
时钟周期控制暂停时间控制模块,用于设定每个时钟周期的暂停时间,用于脉冲频率调制控制;
逻辑电路模块,用于接收IC的各种逻辑信号,并产生最终的控制信号;
三极管基极模块,用于用一定的电流驱动IC外部的晶体管功率管;
稳压模块,用于产生5V的内部电源。
2.如权利要求1所述电动汽车空调系统,其特征在于,中央处理器相关数据处理方法包括:
首先,选取参考超预定阈值信息参数向量,建立参考数列X0,
X0={X0(k)|k=1,2,…,n}=(X0(1),X0(2),…,X0(n))
其中k表示时刻,X0表示告警信息,n表示告警信息参数向量特征维数;所述参考超预定阈值信息包括温度、电流、电压的设置阈值;
其次,假设有m个比较故障告警信息数据,建立比较数列Xi
Xi={Xi(k)|k=1,2,…,n}=(Xi(1),Xi(2),…,Xi(n))i=1,2,…,m
然后,建立比较数列Xi对参考数列X0在k时刻的关联系数ζi(k)
其中,w1为各个参数相应的权重,其根据用户的网络属性进行调整和决定;其中ρ为分辨系数,ρ∈[0,+∞);ρ越大,分辩率越大;ρ越小,分辩率越小;
最后,计算出比较数列Xi对参考数列X0的关联度
3.如权利要求2所述电动汽车空调系统,其特征在于,所述中央处理器还通过关联分析对超预定阈值信息及网络之间建立映射关系,构建故障定位模型,通过BP神经网络进行网络故障定位;所述网络故障定位具体包括如下过程:
首先,获取m维告警向量Qn=(s1,s2,s3…sm)和n维故障向量On=(p1,p2,p3…pm),并将其通过多个网络节点同时输入,使系统具有并行结构和并行处理能力,对输入进行实时的动态处理;
其次,BP网络,为每个连接的权值赋予指定范围内的值,同时为每个神经元节点指定阈值;
再次,组输入告警样本机器目标结果提供给网络,并计算神经网络节点的连接权值,阈值及各个隐含层单元的输入和输出值;
然后,正各层误差:利用目标向量和网络实际输出值计算输出层单元的误差,并结合隐含层的各单元的输出来修正连接权值和阈值,进行反向误差传播修正;
最后,训练样本向量和对异构网络系统进行训练,直到训练完全部样本后将络运维故障告警信息,输入训练好的BP网络进行网络故障定位。
4.如权利要求2所述电动汽车空调系统,其特征在于,所述中央处理器还包括通过无线网络参数映射到异构网络中以获取定位的网络故障,在该过程中每一个网络节点均作为一个智能体参与网络故障定位过程中,其具体过程如下:
选择Q学习方法来建立一个参数系统,建立和维护一个二维的Q值表,第一维用来表示所有可能的状态,第二维表示网络节点智能体所可能采取的行动;每一个Q值表的单元q(s,a)都对应着智能体在状态S下采取行动a的Q值;用户选择行动的一般准则为:网络节点智能体基于在给定状态下的每个动作的Q值表,按照一定的概率进行动作选择,一个动作的Q值越大,则被选择的概率就越大;当发生网络故障时,首先,网络节点智能体根据运维数据中的网络告警信息的相关性分析和逻辑回归分析确定将要优化的异构网络无线参数,构建一个新状态S,在构建完状态S后,要计算对应S的各个Q值;
然后,网络节点智能体根据Q值以一定的概率P
选择优化策略,即动作a;
最后,系统终端根据网络节点智能体回报值和已有的Q值,更新Q值表中状态S和所选动作的值,其中,
上述R(x,α)=E{r|s,a},π为所选的策略,α是学习因子。
5.如权利要求1所述电动汽车空调系统,其特征在于,所述空调控制模块控制方法如下:
首先,根据动力电池状态计算动力电池的最大放电功率;例如,可根据动力电池SOC、动力电池的温度、动力电池系统是否存在故障等计算动力电池当前能够输出的最大放电功率。
然后,接收整车指令,根据最大放电功率和整车指令生成电动汽车的空调控制状态信息;根据计算出的动力电池的最大放电功率、接收的整车指令,通过控制仲裁,给出电动汽车的空调控制状态信息。
最后,根据空调控制状态信息控制空调压缩机和电加热器;根据空调是否被允许工作、空调系统最大允许使用功率等空调控制状态信息对空调压缩机和电加热器进行控制,实现制冷或制热。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711458157.9A CN108482055A (zh) | 2017-12-28 | 2017-12-28 | 一种电动汽车空调系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711458157.9A CN108482055A (zh) | 2017-12-28 | 2017-12-28 | 一种电动汽车空调系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108482055A true CN108482055A (zh) | 2018-09-04 |
Family
ID=63344130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711458157.9A Pending CN108482055A (zh) | 2017-12-28 | 2017-12-28 | 一种电动汽车空调系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108482055A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020199648A1 (zh) * | 2019-04-01 | 2020-10-08 | 珠海格力电器股份有限公司 | 空调的控制方法和装置 |
CN112113316A (zh) * | 2020-09-18 | 2020-12-22 | 国网辽宁省电力有限公司电力科学研究院 | 一种空调负荷提取的方法 |
CN112297764A (zh) * | 2020-10-20 | 2021-02-02 | 长城汽车股份有限公司 | 车载空调控制方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130005537A (ko) * | 2011-07-06 | 2013-01-16 | 현대자동차주식회사 | 배터리 온도 제어를 통합한 전기 자동차의 난방 시스템 제어 방법 |
CN104589958A (zh) * | 2013-10-30 | 2015-05-06 | 北汽福田汽车股份有限公司 | 电动汽车的空调控制系统及方法 |
DE102014219684A1 (de) * | 2013-12-26 | 2015-07-02 | Hyundai Motor Company | Energiesparendes, automatisches Klimaanlagen-Steuersystem und Verfahren |
-
2017
- 2017-12-28 CN CN201711458157.9A patent/CN108482055A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130005537A (ko) * | 2011-07-06 | 2013-01-16 | 현대자동차주식회사 | 배터리 온도 제어를 통합한 전기 자동차의 난방 시스템 제어 방법 |
CN104589958A (zh) * | 2013-10-30 | 2015-05-06 | 北汽福田汽车股份有限公司 | 电动汽车的空调控制系统及方法 |
DE102014219684A1 (de) * | 2013-12-26 | 2015-07-02 | Hyundai Motor Company | Energiesparendes, automatisches Klimaanlagen-Steuersystem und Verfahren |
Non-Patent Citations (1)
Title |
---|
李正国;朱方来;李武钢;: "一种电动汽车大功率动力电池化成检测系统的设计", 深圳职业技术学院学报, no. 05, pages 10 - 14 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020199648A1 (zh) * | 2019-04-01 | 2020-10-08 | 珠海格力电器股份有限公司 | 空调的控制方法和装置 |
US11965666B2 (en) | 2019-04-01 | 2024-04-23 | Gree Electric Appliances, Inc. Of Zhuhai | Control method for air conditioner, and device for air conditioner and storage medium |
CN112113316A (zh) * | 2020-09-18 | 2020-12-22 | 国网辽宁省电力有限公司电力科学研究院 | 一种空调负荷提取的方法 |
CN112113316B (zh) * | 2020-09-18 | 2022-03-11 | 国网辽宁省电力有限公司电力科学研究院 | 一种空调负荷提取的方法 |
CN112297764A (zh) * | 2020-10-20 | 2021-02-02 | 长城汽车股份有限公司 | 车载空调控制方法和装置 |
CN112297764B (zh) * | 2020-10-20 | 2021-12-17 | 长城汽车股份有限公司 | 车载空调控制方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9564757B2 (en) | Method and apparatus for optimizing a hybrid power system with respect to long-term characteristics by online optimization, and real-time forecasts, prediction or processing | |
CN103010035B (zh) | 用于电动或混合动力车辆的车载电力线调节系统 | |
CN108482055A (zh) | 一种电动汽车空调系统 | |
CN105509266A (zh) | 空调智能控制系统 | |
CN103997127B (zh) | 一种高压输电线路监测设备的能源综合管理系统及方法 | |
Peña-Aguirre et al. | Fuzzy logic power management strategy for a residential DC-microgrid | |
CN106427990A (zh) | 混合动力系统及其能量管理方法 | |
CN102412606B (zh) | 一种充电控制器及其控制方法 | |
Peng et al. | Development of robust suboptimal real-time power sharing strategy for modern fuel cell based hybrid tramways considering operational uncertainties and performance degradation | |
CN107968420A (zh) | 基于分布式极值搜索算法的储能系统及其能量优化管理方法 | |
CN102347643B (zh) | 平面型自组织无线电能传输网络及无线电能组网传输方法 | |
CN109895650A (zh) | 电力控制系统和车辆 | |
CN106992587A (zh) | 一种无人机维护管理系统 | |
CN105262143B (zh) | 基于区域经济最优的光伏源网协调控制方法与系统 | |
CN202648064U (zh) | 空调系统的控制系统及空调器 | |
CN201994715U (zh) | 一种基于多种供电机制的无线传感器节点的电源系统 | |
CN202373987U (zh) | 一种充电控制器 | |
CN108422867A (zh) | 车辆能源管理方法与系统 | |
Mohammedi et al. | Fuzzy logic and passivity based control applied to hybrid DC power source using fuel cell and battery | |
CN102708519A (zh) | 一种基于自由搜索算法的变电站优化选址方法 | |
CN108923449A (zh) | 一种家庭能量管理系统及方法 | |
AU2021319600A1 (en) | Energy control system, method and device, and electronic equipment | |
CN208075112U (zh) | 一种供热节能系统 | |
CN103219746B (zh) | 一种基于混沌优化的pss参数动态协调方法及其装置 | |
Tiemann et al. | Control Signaling in Wireless Power Transfer for Electric Vehicles through Ultra-Wideband |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180904 |