CN108674121A - 一种乘用汽车的多温区车内温度控制系统及其控制方法 - Google Patents

Abstract

本发明涉及汽车温控技术领域，尤其涉及一种乘用汽车的多温区车内温度控制系统及其控制方法。一种乘用汽车的多温区车内温度控制系统，包括设置于空调控制面板壳体上的表面温度传感器和阳光传感器，还包括设置于空调控制电路板上的探头温度传感器，所述探头温度传感器与表面温度传感器进行固体间热传递。该乘用汽车的多温区车内温度控制系统，减少在有干扰或风速小时的偏差，使空调控制系统控制更加稳定精确。

Description

一种乘用汽车的多温区车内温度控制系统及其控制方法

技术领域

本发明涉及汽车温控技术领域，尤其涉及一种乘用汽车的多温区车内温度控制系统及其控制方法。

背景技术

现代出行驾驶汽车的人越来越多，并且人们开始更关注汽车的乘驾舒适性，由于车内的温度、湿度、风量等因素影响，同时由于不同驾乘位置人员个性化的需求不同，所以控制好不同温区的目标温度，使用户达到舒适的感觉是十分重要的。控制车内温度与车内温度传感装置相关，传统的车内温度传感装置有带风扇吸风式温度传感器、负压吸风式温度传感器，但上述传感器具有在有干扰或风速小时造成偏差过大的不足，不能准确地识别车内温度，从而造成空调控制系统控制不够精确，影响用户在车内的舒适度。

针对现有技术中的问题，本发明提出一种乘用汽车的多温区车内温度控制系统。

发明内容

针对现有技术中的问题，本发明的目的在于提供一种乘用汽车的多温区车内温度控制系统，减少在有干扰或风速小时的偏差，使空调控制系统控制更加稳定精确。

本发明的另一个目的在于提供一种乘用汽车的多温区车内温度控制方法。

本发明的技术方案如下：

方案一

一种乘用汽车的多温区车内温度控制系统，包括设置于空调控制面板壳体上的表面温度传感器和阳光传感器，还包括设置于空调控制电路板上的探头温度传感器，所述探头温度传感器与表面温度传感器进行固体间热传递。

其中，所述探头温度传感器采用电阻型温度传感器。

其中，该控制系统还包括空调面板控制器单片机，所述空调面板控制器单片机依据表面温度传感器、阳光传感器以及探头温度传感器，利用神经网络算法耦合车体大小、玻璃、车身的传热能力以及前左出风口、前右出风口、前右吹脚出风、前左吹脚出风的出风温度、出风风量、光照辐射以及车速、发动机转速等信号计算出不同温区的车内空气温度。

方案二

一种乘用汽车的多温区车内温度控制方法，采用方案一所述的乘用汽车的多温区车内温度控制系统，该控制方法包括以下步骤：

步骤1、确定所述BP神经网络模型的输入信号；神经网络的模型输入必须能够极大限度地囊括所有可能对模型输出车内人体感官位置温度的干扰因素，根据汽车空调控制系统的实际情况，作为模型输入的信号可包括：车体大小、玻璃厚度、钢板配置、车外温度、出风风量、前左出风口、前右出风口、前右吹脚出风、前左吹脚出风处温度、阳光传感器、车速、发动机转速、内外循环空气比例、出风分配以及控制面板的表面温度传感器、阳光传感器、电路板温度传感器读数等；

首先，确定BP网络模型为三层网络结构，各层包含的神经元节点个数分别为：输入n，隐层p，输出m。

其中x(k)＝[x₁(k),x₂(k),...,x_n(k)]为样本输入，h_o(k)＝[h₁(k),h₂(k),...,h_p(k)]为隐含层输出，y_o(k)＝[y₁(k),y₂(k),...,y_m(k)]为实际输出。w_h,b_h和w_o,b_o分别为隐层和输出层各神经元的权值和阈值，f(·)为激活函数。

步骤2、对所述BP神经网络模型的训练数据进行全工况采集并归一化处理，利用MATLAB工具箱对所述BP神经网络模型进行初始化和训练以及验证工作；

采用ETAS的标定设备结合InCar软件采集所需数据，其中根据各输入输出量的最小最大值范围，采用归一化算法y＝2*(x-x_min)/(x_max-x_min)-1将数据映射到[-1,1]区间。进一步，依赖网络工具箱的GUI界面完成模型初始化及训练，包括选定激活函数{'tansig','purelin'}及LM优化训练算法，进行网络训练。接着，定点化训练好的网络模型并将其集成到代码当中，在路试中进行实时算法验证。

步骤3、基于MATLAB工具生成所述BP神经网络模型的代码。

本发明实施例的技术方案具有以下显著效果：

1、本发明提供的乘用汽车的多温区车内温度控制系统，通过使表面温度传感器和电路板温度传感器进行固体间热传递，并且设有表面温度传感器在阳光及物体碰触的情况下和在损坏的情形下的容错逻辑，采用传热学算法，高精度识别车内温度，减少在有干扰或风速较小时的偏差，使空调控制系统控制更加精确，确保用户在车内的舒适度。

2、本发明乘用汽车的多温区车内温度控制系统在系统正常运行情况下，本发明的全工况双区温度校准方法可以实现多区温度校准，而这也是传统温度校准方法所不能实现的。

附图说明

图1是本发明的神经网络计算方法的输入输出流程示意图。

图2为包含传感器位置和气流流向的车厢内部结构俯视图。

图3是根据现有技术对于表征内部温度一个神经网络方案。

图4是MATLAB自动生成的神经网络模型。

图5是本发明的仿真验证示意图。

图中附图标记表示为：

1、空调外部温度传感器；2、阳光传感器；3、探头温度传感器；4、前左出风口；5、前右出风口；6、前右吹脚出风；7、前左吹脚出风。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域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，都属于本发明保护的范围。

如图2所示，为本发明乘用汽车的多温区车内温度控制系统的结构示意图；具体地，一种乘用汽车的多温区车内温度控制系统，包括设置于空调控制面板壳体上的表面温度传感器1和阳光传感器2，还包括设置于空调控制电路板上的探头温度传感器3，所述探头温度传感器3与表面温度传感器1进行固体间热传递。

优选的，所述探头温度传感器3采用电阻型温度传感器。

如图1-3所示，优选的，该控制系统还包括空调面板控制器单片机，所述空调面板控制器单片机依据表面温度传感器1、阳光传感器2以及探头温度传感器3，利用神经网络算法耦合车体大小、玻璃、车身的传热能力以及前左出风口4、前右出风口5、前右吹脚出风6、前左吹脚出风7的出风温度、出风风量、光照辐射以及车速、发动机转速等信号计算出不同温区的车内空气温度。

由于汽车空调控制系统车内温度传感器的校准与汽车空调系统的控制输出、车外环境工况等息息相关，因此可以在校准车内温度传感器时针对车内不同人体感官位置处的温度建立BP神经网络模型。

本发明提供一种乘用汽车的多温区车内温度控制方法，用于汽车空调控制系统中全工况四区温度校准，在校准车内温度传感器时对前后左右四区(七座后排单独一区)人体感官位置处的温度值建立BP神经网络模型，该控制方法包括以下步骤：

步骤1、确定所述BP神经网络模型的输入信号；神经网络的模型输入必须能够极大限度地囊括所有可能对模型输出(即车内人体感官位置温度)的干扰因素，根据汽车空调控制系统的实际情况，作为模型输入的信号可包括：车体大小、玻璃厚度、钢板配置、车外温度、出风风量、前左出风口4、前右出风口5、前右吹脚出风6、前左吹脚出风7处温度(包括不同座椅位置吹面以及吹脚出风空气温度，如果没有出风口温度可以根据水温，蒸发器温度以及混合风门位置进行计算)、阳光传感器、车速、发动机转速、内外循环空气比例、出风分配以及控制面板的表面温度传感器、阳光传感器、电路板温度传感器读数等；

步骤2、对所述BP神经网络模型的训练数据进行全工况采集并归一化处理，利用MATLAB工具箱对所述BP神经网络模型进行初始化和训练以及验证工作；

如图4所示，采用ETAS的标定设备结合InCar软件采集所需数据，其中根据各输入输出量的最小最大值范围，采用归一化算法y＝2*(x-x_min)/(x_max-x_min)-1将数据映射到[-1,1]区间。进一步，依赖网络工具箱的GUI界面完成模型初始化及训练，包括选定激活函数{'tansig','purelin'}及LM优化训练算法，进行网络训练。接着，定点化训练好的网络模型并将其集成到代码当中，在路试中进行实时算法验证。

步骤3、基于MATLAB工具生成所述BP神经网络模型的代码。

本发明的工作原理如下：

结合图5所示，图5是本发明全工况多区温度校准方法校准后的温度值与左侧车内温度传感器读数的比较图，其中：T为各温区人体温度感官位置的热电偶读数，Fit为校准后的各温区车内温度，其均方差为0.51℃，由此可见，本发明全工况多区温度校准方法可以实现多区温度校准，而这也是传统温度校准方法所不能实现的。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种乘用汽车的多温区车内温度控制系统，其特征在于，包括设置于空调控制面板壳体上的表面温度传感器(1)和阳光传感器(2)，还包括设置于空调控制电路板上的探头温度传感器(3)，所述探头温度传感器(3)与表面温度传感器(1)进行固体间热传递。

2.根据权利要求1所述的乘用汽车的多温区车内温度控制系统，其特征在于，所述探头温度传感器(3)采用电阻型温度传感器。

3.根据权利要求1或2所述的乘用汽车的多温区车内温度控制系统，其特征在于，还包括空调面板控制器单片机，所述空调面板控制器单片机依据表面温度传感器(1)、阳光传感器(2)以及探头温度传感器(3)，利用神经网络算法耦合车体大小、玻璃、车身的传热能力以及前左出风口(4)、前右出风口(5)、前右吹脚出风(6)、前左吹脚出风(7)的出风温度、出风风量、光照辐射以及车速、发动机转速等信号计算出不同温区的车内空气温度。

4.一种乘用汽车的多温区车内温度控制方法，其特征在于，采用权利要求3所述的乘用汽车的多温区车内温度控制系统，该控制方法包括以下步骤：

步骤1、确定所述BP神经网络模型的输入信号；神经网络的模型输入必须能够极大限度地囊括所有可能对模型输出车内人体感官位置温度的干扰因素，根据汽车空调控制系统的实际情况，作为模型输入的信号可包括：车体大小、玻璃厚度、钢板配置、车外温度、出风风量、前左出风口(4)、前右出风口(5)、前右吹脚出风(6)、前左吹脚出风(7)处温度、阳光传感器、车速、发动机转速、内外循环空气比例、出风分配以及控制面板的表面温度传感器、阳光传感器、电路板温度传感器读数等；

首先，确定BP网络模型为三层网络结构，各层包含的神经元节点个数分别为：输入n，隐层p，输出m。

其中x(k)＝[x₁(k),x₂(k),...,x_n(k)]为样本输入，h_o(k)＝[h₁(k),h₂(k),...,h_p(k)]为隐含层输出，y_o(k)＝[y₁(k),y₂(k),...,y_m(k)]为实际输出。w_h,b_h和w_o,b_o分别为隐层和输出层各神经元的权值和阈值，f(·)为激活函数。

步骤2、对所述BP神经网络模型的训练数据进行全工况采集并归一化处理，利用MATLAB工具箱对所述BP神经网络模型进行初始化和训练以及验证工作；

采用ETAS的标定设备结合InCar软件采集所需数据，其中根据各输入输出量的最小最大值范围，采用归一化算法y＝2*(x-x_min)/(x_max-x_min)-1将数据映射到[-1,1]区间。进一步，依赖网络工具箱的GUI界面完成模型初始化及训练，包括选定激活函数{'tansig','purelin'}及LM优化训练算法，进行网络训练。接着，定点化训练好的网络模型并将其集成到代码当中，在路试中进行实时算法验证。

步骤3、基于MATLAB工具生成所述BP神经网络模型的代码。