CN112428781B - 基于热舒适和低病毒感染风险的电动汽车空调控制方法 - Google Patents

基于热舒适和低病毒感染风险的电动汽车空调控制方法 Download PDF

Info

Publication number
CN112428781B
CN112428781B CN202011490761.1A CN202011490761A CN112428781B CN 112428781 B CN112428781 B CN 112428781B CN 202011490761 A CN202011490761 A CN 202011490761A CN 112428781 B CN112428781 B CN 112428781B
Authority
CN
China
Prior art keywords
cost
passenger compartment
ventilation
evaporator
model
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.)
Active
Application number
CN202011490761.1A
Other languages
English (en)
Other versions
CN112428781A (zh
Inventor
谢翌
欧景志
刘钊铭
李夔宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN202011490761.1A priority Critical patent/CN112428781B/zh
Publication of CN112428781A publication Critical patent/CN112428781A/zh
Application granted granted Critical
Publication of CN112428781B publication Critical patent/CN112428781B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B60H3/00—Other air-treating devices
    • B60H3/0085—Smell or pollution preventing arrangements
    • 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
    • B60H1/0073—Control systems or circuits characterised by particular algorithms or computational models, e.g. fuzzy logic or dynamic models
    • 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
    • B60H1/00735—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models
    • B60H1/008—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models the input being air quality
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
    • Y02T10/88—Optimized components or subsystems, e.g. lighting, actively controlled glasses

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Thermal Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Air-Conditioning For Vehicles (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明涉及一种基于热舒适和低病毒感染风险的电动汽车空调控制方法，属于整车热管理技术领域。该方法包括步骤：S1：建立汽车空调系统和乘员舱的热耦合模型；S2：建立基于乘员舱的病毒感染风险评估模型；S3：建立与汽车空调系统和乘员舱的热耦合模型相匹配的模型预测控制器；S4：结合病毒风险感染评估模型，建立完整的针对乘员舱内驾驶员与乘客的舒适与健康的空调系统控制器。本发明采用模型预测控制，适合于多输入多输出的空调控制系统，控制器高效节能，且具有降低病毒感染风险的效果，在整个车辆行驶过程中为乘客的舒适安全保驾护航。

Description

基于热舒适和低病毒感染风险的电动汽车空调控制方法
技术领域
本发明属于整车热管理技术领域，涉及基于热舒适和低病毒感染风险的电动汽车空调控制方法。
背景技术
考虑到乘员舱内驾驶员和乘客对舒适性、安全性和健康性的要求，暖通空调系统(HVAC) 是车辆最重要的辅助系统之一。然而，暖通空调系统能耗较大，电动汽车面临着暖通空调系统带来的能耗困扰，导致电动汽车续航里程的下降。有关研究表明，HVAC系统可使电动汽车的续航里程减少30％-40％，在某些极端条件下，甚至可减少更多。在智能性方面，由于汽车智能化发展需求，汽车空调需要做到比传统空调更加智能来提升驾驶热舒适性。因此，如何减少电动汽车空调系统的能耗并且提高乘客的舒适性，是如今电动汽车热管理系统研究的重点之一。
近年来，甲型H1N1流感、新冠肺炎流行性疾病等在全球范围内传播迅速，尤其在空间狭小的室内环境中，疾病通过空气传播的效果较为明显。现在的新冠肺炎(COVID-19)已对各国造成了巨大的生命和经济损失。而车辆作为最常见的交通工具，在人们的日常生活中占据了大量的时间，狭小空间的乘员舱可成为该类型呼吸道疾病(包括COVID-19)轻易传播的完美场所。在降低室内疾病感染风险方面，加强通风被证明是一种有效的手段。因此，汽车暖通空调系统的合理外循环通风对乘客的健康和预防感染尤为重要。另外，暖通空调系统的能源成本相当高，外循环通风会进一步增加暖通空调在客舱温度控制方面的能耗。如何设计并实现智能控制是汽车空调系统的研究重点之一。
实现压缩机转速的精确控制是保障乘员舱温度精确控制的前提。电动汽车压缩机主要以电机带动的方式运行，不受车速和发动机转速影响，控制较为灵活精确。在控制领域中，现如今的控制方法类型多样。现在汽车空调系统主流的控制方法，是基于规则的开关控制器并根据相应的查表的方式进行控制，或者PID控制，模糊控制等一些较为传统的方法。这些传统的控制方法主要根据系统给予的反馈信号，利用目标值与反馈值的差值进行控制与调节。此类型的控制方法虽然简单，但是对于汽车系统而言，车速变化剧烈，工况多变。单单依靠传统的反馈信号的方式的效果往往具有一定局限性。另外，传统的纯反馈控制器没有涉及优化算法，因此在面对多输入多输出系统，尤其像汽车空调需同时控制压缩机转速、膨胀阀开度、风扇转速等多个控制变量，各个控制量很难实现高效合理的搭配，使得控制效果难以保证。当汽车工况迅速变化时，反馈回来的信号支持当前时间的系统，但系统状态变化迅速，当控制器最终作用在系统上时，往往已经不是最佳操作。或者说，即使反馈信号对于当前来说是最佳操作，但对于未来长远来说却不一定是最佳操作。因此，为了进一步提升控制器的效率与智能性，同时满足汽车空调系统多输入多输出控制需求，需要用更为具有预测性的控制器。
模型预测控制(MPC)是目前较为先进的控制方法，可通过建立被控系统的状态模型，根据所建立的状态模型可实现具有预测功能的预测控制。它能够实时在线地根据系统的当前时刻的控制输入以及当前时刻的状态值，预测过程输出的未来值。进而通过优化计算，给出当前状态下最佳控制，使得整个控制过程更为准确高效，实现效率与智能性的提升。
同时，通风系统保证乘员舱空气质量也尤为重要，乘员舱内较好的空气质量能够提高舒适性并且有效的降低类似于新型冠状病毒(COVID-19)主要通过呼吸道传播的疾病感染风险。随着人们生活水平的提高，对汽车智能化和电气化的要求也在不断提高，对车内舒适温度和健康空气质量进行智能控制的需求日益明显。因此，以舒适温度控制、降低病毒感染风险和节能为目标，提出了一种电动汽车暖通空调系统智能协同控制策略。
目前，保证乘员舱热舒适性的同时控制乘员舱控制质量以降低疾病感染风险的智能控制方法尚未出现。
发明内容
有鉴于此，本发明的目的在于提供一种基于热舒适和低病毒感染风险的电动汽车空调控制方法。
为达到上述目的，本发明提供如下技术方案：
一种基于热舒适和低病毒感染风险的电动汽车空调控制方法，包括以下步骤：
S1：建立汽车空调系统和乘员舱的热耦合模型；
S2：建立基于乘员舱的病毒感染风险评估模型；
S3：建立与汽车空调系统和乘员舱的热耦合模型相匹配的模型预测控制器；
S4：结合病毒风险感染评估模型，建立完整的针对乘员舱内驾驶员与乘客的舒适与健康的空调系统控制器。
进一步，所述步骤S1具体包括以下步骤：
S11：建立一维汽车空调系统动态热数学模型，所述汽车空调系统包括压缩机，冷凝器，蒸发器和膨胀阀，其中蒸发器与冷凝器的动态模型基于移动边界法建立；
S12：建立简化的一维乘员舱系统动态热模型，并与空调系统模型耦合；
进一步，步骤S11中所述一维汽车空调系统动态热数学模型包括：
1)建立压缩机内制冷剂一维动态模型，表示如下：
Figure GDA0003773115360000031
Figure GDA0003773115360000032
其中，
Figure GDA0003773115360000033
为压缩机的质量流量，ηv为容积效率，ρr为压缩机入口处的制冷剂密度，Ncomp为压缩机转速，Vd为压缩机排量，hc,o为压缩机出口比焓值，hc,i为压缩机进口比焓值，his,o为压缩机出口等熵比焓值，ηis为等熵效率。
2)对于膨胀阀，由于膨胀阀中的膨胀过程可看作是绝热过程，故其动态过程中，通过膨胀阀制冷剂质量流量
Figure GDA0003773115360000034
与其膨胀阀压降ΔP的关系由下式表示：
Figure GDA0003773115360000035
其中，Cq为膨胀阀的流量系数，ρv为通过膨胀阀的制冷剂密度，Av为膨胀阀的最小流通面积。
3)根据移动边界法，蒸发器中的气体和液体制冷剂满足质量守恒定律，故对于蒸发器的两相区的长度le的变化由下式得到：
Figure GDA0003773115360000036
蒸发器中压力Pe随时间的变化表示为：
Figure GDA0003773115360000037
再根据能量守恒定律，蒸发器壁面温度的变化表示为：
Figure GDA0003773115360000038
其中，ρle是蒸发器中液体制冷剂的密度，hlge为蒸发器中制冷剂的气化潜热，Ae为蒸发器的扁管微通道总的截面积，
Figure GDA0003773115360000039
为蒸发器两相区的平均空隙率，hge、hle和hie分别表示在当前压力下蒸发器中气体、液体以及进口的制冷剂的比焓值，aie是两相区中蒸发器内壁与制冷剂间的换热系数，Die是蒸发器扁管内部的直径，Twe为蒸发器壁面温度，Tre是蒸发器当前压力下制冷剂的饱和温度，Le是蒸发器的两相区的长度，(Cpm)we表示蒸发器材料的比热和蒸发器的质量，ao是空气与蒸发器壁面间的换热系数，Aoe为蒸发器的迎风面积，Tae是当前蒸发器周围空气的温度，该变量与通风风门开启与关闭状态有关联，其变化表示为：
Figure GDA0003773115360000041
其中，Ta为乘员舱温度，Tac为乘员舱外界环境温度。
4)对于冷凝器，其换热原理与蒸发器相似，故有：
Figure GDA0003773115360000042
Figure GDA0003773115360000043
Figure GDA0003773115360000044
为简化模型，假定空调系统制冷剂在整个制冷循环管路中没有泄露，则系统中总的制冷剂的质量保持不变，则蒸发器和冷凝器中制冷剂总的质量视为常数，故有：
Figure GDA0003773115360000045
其中，ρlc是冷凝器中液体制冷剂的密度，hlgc为冷凝器中制冷剂的气化潜热，Ac为冷凝器的扁管微通道总的截面积，
Figure GDA0003773115360000046
为冷凝器两相区的平均空隙率，hgc、hlc和hic分别表示在当前压力下冷凝器中气体、液体以及进口制冷剂的比焓值，aic是两相区中冷凝器内壁与制冷剂间的换热系数，Dic冷凝器扁管内部的直径，Twc为冷凝器壁面温度，Trc是冷凝器当前压力下制冷剂的饱和温度，Lc是冷凝器扁管的总长度，(Cpm)wc表示冷凝器材料的比热和的质量，aoc是空气与冷凝器壁面间的换热系数，Aoc为冷凝器的迎风面积，Tac是当前冷凝器周围空气的温度，即环境温度，∑表示常数。
冷凝器空气侧换热系数aoc主要由外部风速影响，在汽车行驶中，冷凝器外部风速主要由车速影响，故aoc与车速的关系由实验拟合出，表示为：
aoc＝fp2(Vcar)
车速Vcar由驾驶员决定，而非空调系统控制器调节，在空调系统控制中，车速看作为扰动输入。
进一步，步骤S12中所述一维乘员舱系统热模型，并与空调系统模型耦合包括：
汽车乘员舱的总热负荷
Figure GDA0003773115360000047
表示为：
Figure GDA0003773115360000048
在行车期间，车舱与外界对流换热量
Figure GDA0003773115360000051
主要受车速Vcar和环境温度Tac影响，并且这两个变量是不受控制器控制的输入扰动，在换热模型中，
Figure GDA0003773115360000052
由下式计算：
Figure GDA0003773115360000053
其中Ts为乘员舱外围的结构的温度，基于能量守恒定律，外围结构的温度的动态变化由下式表达：
Figure GDA0003773115360000054
由能量守恒定律可知，乘员舱的空气温度动态变化表示为：
Figure GDA0003773115360000055
其中，
Figure GDA0003773115360000056
为车身表面结构的换热，
Figure GDA0003773115360000057
为太阳辐射热负荷，
Figure GDA0003773115360000058
为通风引起的热负荷，
Figure GDA0003773115360000059
为人体热负荷，
Figure GDA00037731153600000510
为机械和仪表热负荷，Tcab为汽车车舱的温度，
Figure GDA00037731153600000511
为单位时间空调系统传入客舱的制冷量，Ma为汽车车舱体积范围内的空气质量，cpa为空气比热，ho是外部车舱外围结构外侧与空气侧的换热系数，由车速决定，S为汽车车舱外表面结构的总的表面积， hi为汽车车舱内表面与空气的换热系数，Ms和Cps分别是车舱外围封闭结构的质量和比热。
通过以上数学模型，建立乘员舱和空调系统的耦合动态模型，模型中的状态变量表示为：
X＝[lePeTwePcTwcTsTa]T
进一步，所述步骤S2具体包括以下步骤：
S21：建立如图5所示的乘员舱病毒感染风险评价模型；
乘员舱是一个狭窄的室内环境，它是病毒传播的较为理想的场所。针对控制车内空气中病毒载体quanta浓度以降低病毒感染风险的问题，建立了风险评估模型来量化空气传播感染风险：
Figure GDA00037731153600000512
上式中，R为人员感染的风险率，该值为乘员舱空调控制系统的控制目标之一；IR为易感染者的吸气速率，T为易感染者的暴露总时长，Cq为病毒载体quanta的体积浓度，其计算由下式表示：
Figure GDA00037731153600000513
其中，V为乘员舱体积，ERq为感染者的病毒载体quanta发射速率，是导致病毒感染风险率R上升的原因，在感染者打喷嚏时其作用尤为明显；Rd为感染者呼出的气溶胶颗粒物沉积速率，Ri为病毒灭活率，AER为乘员舱换气率，该值在通风风门开启时与蒸发器风扇转速 Nfan成正比，在通风风门关闭时为0。
进一步，所述步骤S3具体包括以下步骤：
S31：建立模型预测控制中的状态估计器；
S32：建立模型预测控制器的优化器；
进一步，步骤S31中所述建立模型预测控制中的状态估计器包括：
根据所建立的汽车空调和乘员舱模型，在线性化处理后，其系统由以下状态空间式表达：
x(k+i|k)＝Ax(k+i-1|k)+Buu(k+i-1|k)+Bvv(k+i-1|k)
y(k+i|k)＝Cx(k+i-1|k)
上式中，x为状态变量矩阵，u和v分别表示控制变量矩阵和扰动输入矩阵，分别为：
u＝[NcompNfan]T
v＝[VcarTambientPsolar]T
对于状态估计器的输出变量y，表示为：
y＝[TaTwe]T
进一步，步骤S32中所述建立模型预测控制器的优化器包括：
MPC控制器中的优化器包含寻优算法，通过寻找代价函数最小值来求解目标函数的最优解。优化器的主要作用是在寻找一组最优解来满足控制精确的同时，尽可能的降低控制代价。
首先，总的代价函数由下式表示：
J(zk)＝Jy(zk)+Ju(zk)+JΔu(zk)
其中，Jy，Ju，JΔu分别表示控制温度的追踪误差的代价函数，控制量大小的代价函数以及控制量变化大小的代价函数；对于当前时刻k，若控制时域为c，三个代价函数分别由下式表示：
Figure GDA0003773115360000061
Figure GDA0003773115360000062
Figure GDA0003773115360000063
其中，i表示时间顺序的计算步长，且有i∈[1,c]；i,c∈N；ny,nu分别表示控制输出和控制输出入的数量；
Figure GDA0003773115360000071
分别表示y,u,Δu的第j个控制输出在第i个时间步长下的权值；Zk表示对上述目标函数的正二次规划的决策输出序列，二次规划优化的目标函数和约束条件由以下形式表示：
min J(Zk)
s.t.0≤Ncomp≤6000r/min
0≤Nfan≤3000r/min
0≤Twe≤10℃
通过求解二次规划，在控制时域为c时，得到Zk的值，其值形式为：
Figure GDA0003773115360000072
为了保证实时控制的精确性，在矩阵Zk中，只有第一个元素作为MPC控制器实际的输出。
进一步，所述步骤S4具体包括以下步骤：
S41：设置打喷嚏时的最佳通风逻辑；
S42：设置正常呼吸循环时最佳通风逻辑；
S43：建立如图6所示的实现乘员舱温度控制和低病毒感染的空调系统控制方法；
进一步，步骤S41中所述设置打喷嚏时的最佳通风逻辑包括：
当汽车检测到乘员舱内的喷嚏信号时，空调系统应立即开启通风风门进行外循环通风，尽可能快速的将打喷嚏所携带的病毒排出乘员舱，保证低感染风险。然而长时间开启外循环来降低感染风险会大大增加空调系统能耗。需要合理的寻找最佳的通风时间和通风风量，找到能耗和低感染风险的平衡点。为此，设计了10s、20s、30s、…200s等20个不同的持续时间范围，以及80～560CMH(最大风机风量)9个不同的风量范围，找出最佳的通风逻辑，表示如下：
FAFR(9×1)＝[80 140 200 ... 560],Ts,v(1×20)＝[10 20 30 ... 200]T
其中，FAFR为新风率，Ts,v为开启外循环通风持续时长。对于上式中180个组合，其控制的代价函数由MPC控制器进行计算并且得出最优解。代价函数表示如下：
Cos ts,e＝fMPC,s1(FAFR,Ts,v)
Cos ts,ec＝fMPC,s2(FAFR,Ts,v)
Cos ts,r＝fMPC,s3(FAFR,Ts,v)
Cos ts,cq＝fMPC,s4(FAFR,Ts,v)
其中，Cos ts,e为控制的乘员舱温度与目标温度的误差成本，Cos ts,ec为空调系统能耗成本， Cos ts,r为感染风险成本，Cos ts,cq为乘员舱内残余的病毒载体quanta浓度成本；fMPC,s1至fMPC,s4分别为在不同新风率和外循环通风时长下的成本函数；为便于权衡不同成本，进行归一化处理，表示如下：
Figure GDA0003773115360000081
最终，将归一化后的不同成本加权和，得到最小化优化目标：
Cos t′totel＝Cos t′e+Cos t′ec+Cos t′r+Cos t′cq
Figure GDA0003773115360000082
进一步，步骤S42中所述设置正常呼吸循环时最佳通风逻辑包括：
感染者在正常呼吸和说话的时候也会持续性地呼出少量病毒载体，同样也需进行通风逻辑的优化，以达到低能耗、低感染风险和热舒适性平衡。需要优化的循环通风逻辑的待定参数为外循环通风门开启的频率和各换气周期的持续时间。因此，为了找到合适的通风循环逻辑，对不同的通风频率和每个通风周期的持续时间进行设计。不同的通风逻辑参数可表达为一个矩阵，如下：
Lcycle＝[Fc,vTc,v]
其中，Tc,v为单次开启外循环通风风门持续时长，Fc,v为开启频率(次/小时)，分别表示为：
Fc,v(1×14)＝[2 4 6 … 28 30]T，Tc,v(8×1)＝[40 60 80 … 160 180]T
代价函数表示如下：
Cos tc,e＝fMPC,c1(Fc,v,Tc,v)
Cos tc,ec＝fMPC,c2(Fc,v,Tc,v)
Cos tc,r＝fMPC,c3(Fc,v,Tc,v)
其中，Cos tc,e为控制的乘员舱温度与目标温度误差的成本，Cos tc,ec为空调系统能耗成本， Cos tc,r为感染风险成本，fMPC,c1至fMPC,c3分别为在不同的外循环通风开启频率和外循环通风时长下的成本函数；经过与S41步骤相同的成本函数归一化处理进行加权，得到优化目标：
Cos t′c,totel＝Cos t′c,e+Cos t′c,ec+Cos t′c,r
Figure GDA0003773115360000091
进一步，步骤S43中所述建立如图6所示的实现乘员舱温度控制和低病毒感染的空调系统控制方法包括：
根据S41和S42步骤求解计算得到的最优通风逻辑，结合S1、S2、S3步骤建立的基于乘员舱温度控制的模型预测控制器，最终可建立如图6所示的实现乘员舱温度控制和低病毒感染的空调系统控制方法。
本发明的有益效果在于：
在控制中，将模型预测控制与病毒感染风险模型结合，使得电动汽车在不同的行驶工况下，控制器能根据当前的信息，对未来系统状态进行预测，并通过最优化算法进行最优控制量决策。能够在尽可能满足乘员舱内热舒适的基础上能够节省时变工况下的能量，提升控制效果。并且车辆在即时检测到打喷嚏信号时，立即开启外循环通风风门保持一段时间，尽可能保证低风险的病毒感染率，有效保护乘客和驾驶员健康与安全。实现空调系统安全、节能、健康的智能自动调节，使得整个空调控制更为人性化，智能化。具体优点有：
1)对于多输入多输出空调系统，本发明利用模型预测控制对控制系统状态预测，并且利用优化算法对系统进行了优化控制，使得控制系统能够更好地根据需要合理地控制压缩机和风扇的转速，实现更好地控制效果与节能性，同时使得控制更为准确。
2)建立了乘员舱病毒感染风险评估模型。利用该模型，当车辆检测到乘员舱内的打喷嚏信号时，空调通风系统能立即开启外循环通风以降低感染风险，保证乘员的健康安全，于此同时通过模型预测控制实现能耗和健康安全的共赢效果。在近期新冠病毒流行和冬季流行性感冒肆虐的大背景下，该发明所提及的控制方法显得尤为重要。
3)本发明相较于传统算法，更为智能，可通过人工智能检测打喷嚏信号。适合运用在未来智能网联汽车中，增强智能网联汽车整车热管理系统的节能化与智能化的能力。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为本发明的智能控制器的整体控制逻辑简图；
图2为汽车动态空调系统与乘员舱结构一维热耦合模型结构简图；
图3为WLTC循环工况；
图4为乘员舱与外界空气以及舱内空气的换热示意图；
图5为病毒颗粒物在乘员舱内流动示意图；
图6为乘员舱通风逻辑和温度控制逻辑简图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
如图1所示，为一种基于热舒适和低病毒感染风险的电动汽车空调控制方法，该方法具体包括以下步骤：
S1：建立如图2所示的汽车空调系统-乘员舱耦合热模型，具体包括：
S11：建立一维汽车空调系统动态热数学模型，其中包括压缩机，冷凝器，蒸发器和膨胀阀。其中换热器的动态模型基于移动边界法建立。
一维动态汽车空调系统热模型包括：
1)压缩机内制冷剂一维动态数学模型，表示如下：
Figure GDA0003773115360000101
Figure GDA0003773115360000111
其中，
Figure GDA0003773115360000112
为压缩机的质量流量，ηv为容积效率，ρr为压缩机入口处的制冷剂密度，Ncomp为压缩机转速，Vd为压缩机排量，hc,o为压缩机出口比焓值，hc,i为压缩机进口比焓值，his,o为压缩机出口等熵比焓值，ηis为等熵效率。
2)对于膨胀阀，由于膨胀阀中的膨胀过程可看作是绝热过程，故其动态过程中，通过膨胀阀制冷剂质量流量
Figure GDA0003773115360000113
与其膨胀阀压降ΔP的关系由下式表示：
Figure GDA0003773115360000114
其中，Cq为膨胀阀的流量系数，ρv为通过膨胀阀的制冷剂密度，Av为膨胀阀的最小流通面积。
3)根据移动边界法，蒸发器中的气体和液体制冷剂满足质量守恒定律，故对于蒸发器的两相区的长度le的变化可由下式得到：
Figure GDA0003773115360000115
进一步地，蒸发器中压力Pe随时间的变化可表示为：
Figure GDA0003773115360000116
再根据能量守恒定律，蒸发器壁面温度的变化可以表示为：
Figure GDA0003773115360000117
其中，ρle是蒸发器中液体制冷剂的密度，hlge为蒸发器中制冷剂的气化潜热，Ae为蒸发器的扁管微通道总的截面积，
Figure GDA0003773115360000118
为蒸发器两相区的平均空隙率，hge、hle和hie分别表示在当前压力下蒸发器中气体、液体以及进口的制冷剂的比焓值，aie是两相区中蒸发器内壁与制冷剂间的换热系数，Die是蒸发器扁管内部的直径，Twe为蒸发器壁面温度，Tre是蒸发器当前压力下制冷剂的饱和温度，Le是蒸发器的两相区的长度，(Cpm)we表示蒸发器材料的比热和蒸发器的质量，ao是空气与蒸发器壁面间的换热系数，Aoe为蒸发器的迎风面积，Tae是当前蒸发器周围空气的温度，该变量与通风风门开启与关闭状态有关联，其变化表示为：
Figure GDA0003773115360000119
其中，Ta为乘员舱温度，Tac为乘员舱外界环境温度。
4)对于冷凝器，其换热原理与蒸发器相似，故有：
Figure GDA0003773115360000121
Figure GDA0003773115360000122
Figure GDA0003773115360000123
为简化模型，假定空调系统制冷剂在整个制冷循环管路中没有泄露，则系统中总的制冷剂的质量保持不变，所以蒸发器和冷凝器中制冷剂总的质量可以视为常数，故有：
Figure GDA0003773115360000124
其中，ρlc是冷凝器中液体制冷剂的密度，hlgc为冷凝器中制冷剂的气化潜热，Ac为冷凝器的扁管微通道总的截面积，
Figure GDA0003773115360000125
为冷凝器两相区的平均空隙率，hgc、hlc和hic分别表示在当前压力下冷凝器中气体、液体以及进口制冷剂的比焓值，aic是两相区中冷凝器内壁与制冷剂间的换热系数，Dic冷凝器扁管内部的直径，Twc为冷凝器壁面温度，Trc是冷凝器当前压力下制冷剂的饱和温度，Lc是冷凝器扁管的总长度，(Cpm)wc表示冷凝器材料的比热和的质量，aoc是空气与冷凝器壁面间的换热系数，Aoc为冷凝器的迎风面积，Tac是当前冷凝器周围空气的温度，即环境温度，∑表示常数。
此外，冷凝器空气侧换热系数aoc主要由外部风速影响，在汽车行驶中，冷凝器外部风速主要由车速影响，故aoc与车速的关系可以由实验拟合出，表示为：
aoc＝fp2(Vcar)
在本设计中，车速Vcar主要由驾驶员决定，而非空调系统控制器调节，因此在空调系统控制中，车速看作为为扰动输入。为了验证模型的适用性，本发明均采用WLTC循环工况进行仿真。WLTC循环工况如图3所示，包括低速循环、中速循环、高速循环和超高速循环工况四部分，能够较好的代表汽车不同车速阶段。
S12：建立简化的一维乘员舱系统动态热模型，并与空调系统模型耦合：
如图4所示，为乘员舱与外界空气以及舱内空气的换热示意图。
具体地，汽车乘员舱的总热负荷
Figure GDA0003773115360000126
表示为：
Figure GDA0003773115360000127
在行车期间，车舱与外界对流换热量
Figure GDA0003773115360000128
受车速Vcar和环境温度Tac影响，并且这两个变量是不受控制器控制的输入扰动，在换热模型中，
Figure GDA0003773115360000131
可以由下式计算：
Figure GDA0003773115360000132
其中Ts为乘员舱外围的结构的温度，基于能量守恒定律，外围结构的温度的动态变化可由下式表达：
Figure GDA0003773115360000133
进一步地，由能量守恒定律可知，乘员舱的空气温度动态变化可表示为：
Figure GDA0003773115360000134
其中，
Figure GDA0003773115360000135
为车身表面结构的换热，
Figure GDA0003773115360000136
为太阳辐射热负荷，
Figure GDA0003773115360000137
为通风引起的热负荷，
Figure GDA0003773115360000138
为人体热负荷，
Figure GDA0003773115360000139
为机械和仪表热负荷，Tcab为汽车车舱的温度，
Figure GDA00037731153600001310
为单位时间空调系统传入客舱的制冷量，Ma为汽车车舱体积范围内的空气质量，cpa为空气比热，ho是外部车舱外围结构外侧与空气侧的换热系数，由车速决定，S为汽车车舱外表面结构的总的表面积， hi为汽车车舱内表面与空气的换热系数，Ms和Cps分别是车舱外围封闭结构的质量和比热。
通过以上数学模型，乘员舱和空调系统的耦合动态模型便建立了。模型中的状态变量可表示为：
X＝[lePeTwePcTwcTsTa]T
S2：建立基于乘员舱的病毒感染风险评估模型，具体包括：
S21：建立如图5所示的乘员舱病毒感染风险评价模型：
乘员舱是一个狭窄的室内环境，它是病毒传播的较为理想的场所。针对控制车内空气中病毒载体quanta浓度以降低病毒感染风险的问题，建立了风险评估模型来量化空气传播感染风险：
Figure GDA00037731153600001311
上式中，R为人员感染的风险率，IR为易感染者的吸气速率，T为易感染者的暴露时长， Cq为病毒载体quanta的体积浓度，其计算由下式表示：
Figure GDA00037731153600001312
其中，V为乘员舱体积，ERq为感染者的病毒载体quanta发射速率，是导致病毒感染风险率R上升的原因，在感染者打喷嚏时其作用尤为明显；Rd为感染者呼出的气溶胶颗粒物沉积速率，Ri为病毒灭活率，AER为乘员舱换气率，该值在通风风门开启时与蒸发器风扇转速 Nfan成正比，在通风风门关闭时为0。
对于病毒感染风险评估模型中所涉及到的参数，如表1所示。
表1 病毒感染风险评估模型参数
Figure GDA0003773115360000141
S3：基于汽车空调系统-乘员舱耦合模型建立与之匹配的模型预测控制器，具体包括：
S31：建立模型预测控制中的状态估计器。
根据所建立的汽车空调和乘员舱模型，在线性化处理后，其系统可由以下状态空间式表达：
x(k+i|k)＝Ax(k+i-1|k)+Buu(k+i-1|k)+Bvv(k+i-1|k)
y(k+i|k)＝Cx(k+i-1|k)
上式中，x为状态变量矩阵。u和v分别表示控制变量矩阵和扰动输入矩阵，分别为：
u＝[NcompNfan]T
v＝[VcarTambientPsolar]T
对于状态估计器的输出变量y，表示为：
y＝[TaTwe]T
对于MPC控制参数，其调节参数如下表2所示：
表2 MPC控制参数
Figure GDA0003773115360000142
S32：建立模型预测控制器的优化器。
MPC控制器中的优化器包含了寻优算法，通过寻找代价函数最小值来求解目标函数的最优解。优化器的主要作用是在寻找一组最优解来满足控制精确的同时，尽可能的降低控制代价。
首先，总的代价函数由以下式子表示：
J(zk)＝Jy(zk)+Ju(zk)+JΔu(zk)
其中，Jy，Ju，JΔu分别控制温度的追踪误差的代价函数，控制量大小的代价函数以及控制量变化大小的代价函数。对于当前时刻k，若控制时域为c，那么三个代价函数可以分别由以下式子表示：
Figure GDA0003773115360000151
Figure GDA0003773115360000152
Figure GDA0003773115360000153
其中，i表示时间顺序的计算步长，且有i∈[1,c]；i,c∈N；ny,nu分别表示控制输出和控制输出入的数量；
Figure GDA0003773115360000154
分别表示y,u,Δu的第j个控制输出在第i个时间步长下的权值；Zk表示对上述目标函数的正二次规划的决策输出序列，二次规划优化的目标函数和约束条件由以下形式表示：
min J(Zk)
s.t.0≤Ncomp≤6000r/min
0≤Nfan≤3000r/min
0≤Twe≤10℃
通过求解二次规划，在控制时域为c时，可以得到Zk的值，其值形式为：
Figure GDA0003773115360000155
为了保证实时控制的精确性，在矩阵Zk中，只有第一个元素作为MPC控制器实际的输出。
S4：结合病毒风险感染评估模型，建立完整的针对乘员舱内驾驶员与乘客的舒适与健康的空调系统控制器，具体包括：
S41：设置打喷嚏时的最佳通风逻辑：
当汽车检测到乘员舱内的喷嚏信号时，空调系统应立即开启通风风门进行外循环通风，尽可能快速的将打喷嚏所携带的病毒排出乘员舱，保证低感染风险。然而长时间开启外循环来降低感染风险会大大增加空调系统能耗。需要合理的寻找最佳的通风时间和通风风量，找到能耗和低感染风险的平衡点。为此，设计了10s、20s、30s、…200s等20个不同的持续时间范围，以及80～560CMH(最大风机风量)9个不同的风量范围，找出最佳的通风逻辑，表示如下：
FAFR(9×1)＝[80 140 200 … 560],Ts,v(1×20)＝[10 20 30 … 200]T
其中，FAFR为新风率，Ts,v为开启外循环通风持续时长。对于上式中180个组合，其控制的代价函数由MPC控制器进行计算并且得出最优解。代价函数表示如下：
Cos ts,e＝fMPC,s1(FAFR,Ts,v)
Cos ts,ec＝fMPC,s2(FAFR,Ts,v)
Cos ts,r＝fMPC,s3(FAFR,Ts,v)
Cos ts,cq＝fMPC,s4(FAFR,Ts,v)
其中，Cos ts,e为控制的乘员舱温度与目标温度的误差成本，Cos ts,ec为空调系统能耗成本， Cos ts,r为感染风险成本，Cos ts,cq为乘员舱内残余的病毒载体quanta浓度成本；fMPC,s1至fMPC,s4分别为在不同新风率和外循环通风时长下的成本函数；为便于权衡不同成本，进行归一化处理，表示如下：
Figure GDA0003773115360000161
最终，将归一化后的不同成本加权和，得到最小化优化目标：
Cos t′totel＝Cos t′e+Cos t′ec+Cos t′r+Cos t′cq
Figure GDA0003773115360000162
利用图3所示的WLTC循环工况进行仿真求解最小优化目标，最终求解得出最佳通风逻辑为：
Figure GDA0003773115360000163
即在检测到打喷嚏信号时，应立即打开通风风门并持续100s，控制风扇转速使新风率达到560CMH。
S42：设置正常呼吸循环时最佳通风逻辑：
感染者在正常呼吸和说话的时候也会持续性地呼出少量病毒载体，同样也需进行通风逻辑的优化，以达到低能耗、低感染风险和热舒适性平衡。需要优化的循环通风逻辑的待定参数为外循环通风门开启的频率和各换气周期的持续时间。因此，为了找到合适的通风循环逻辑，对不同的通风频率和每个通风周期的持续时间进行设计。不同的通风逻辑参数可表达为一个矩阵，如下：
Lcycle＝[Fc,vTc,v]
其中，Tc，v为单次开启外循环通风风门持续时长，Fc，v为开启频率(次/小时)，分别表示为：
Fc,v(1×14)＝[2 4 6 ... 28 30]T，Tc,v(8×1)＝[40 60 80 ... 160 180]T
代价函数表示如下：
Cos tc,e＝fMPC,c1(Fc,v,Tc,v)
Cos tc,ec＝fMPC,c2(Fc,v,Tc,v)
Cos tc,r＝fMPC,c3(Fc,v,Tc,v)
其中，Cos tc,e为控制的乘员舱温度与目标温度误差的成本，Cos tc,ec为空调系统能耗成本， Cos tc,r为感染风险成本，fMPC,c1至fMPC,c3分别为在不同的外循环通风开启频率和外循环通风时长下的成本函数；经过与S41步骤相同的成本函数归一化处理进行加权，得到优化目标：
Cos t′c,totel＝Cos t′c,e+Cos t′c,ec+Cos t′c,r
Figure GDA0003773115360000171
利用图3所示的WLTC循环工况进行仿真求解最小优化目标，最终求解得出最佳通风逻辑为：
Figure GDA0003773115360000172
即在正常通风时，设置通风风门开启频率为25[次/h]，每次开启的时间持续40s。
S43：建立如图6所示的实现乘员舱温度控制和低病毒感染的空调系统控制方法。
根据S41和S42步骤求解计算得到的最优通风逻辑，结合S1、S2、S3步骤建立的基于乘员舱温度控制的模型预测控制器，最终可建立如图6所示的实现乘员舱温度控制和低病毒感染的空调系统控制方法。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.基于热舒适和低病毒感染风险的电动汽车空调控制方法，其特征在于：该方法包括以下步骤：
S1：建立汽车空调系统和乘员舱的热耦合模型；
S2：建立基于乘员舱的病毒感染风险评估模型；
S3：建立与汽车空调系统和乘员舱的热耦合模型相匹配的模型预测控制器；
S4：结合病毒风险感染评估模型，建立完整的针对乘员舱内驾驶员与乘客的舒适与健康的空调系统控制器；
所述步骤S2具体包括以下步骤：
S21：建立乘员舱病毒感染风险评价模型；
乘员舱是一个狭窄的室内环境，它是病毒传播的较为理想的场所；针对控制车内空气中病毒载体quanta浓度以降低病毒感染风险的问题，建立了风险评估模型来量化空气传播感染风险：
Figure FDA0003773115350000011
上式中，R为人员感染的风险率，该值为乘员舱空调控制系统的控制目标之一；IR为易感染者的吸气速率，T为易感染者的暴露总时长，Cq为病毒载体quanta的体积浓度，其计算由下式表示：
Figure FDA0003773115350000012
其中，V为乘员舱体积，ERq为感染者的病毒载体quanta发射速率，是导致病毒感染风险率R上升的原因，在感染者打喷嚏时其作用尤为明显；Rd为感染者呼出的气溶胶颗粒物沉积速率，Ri为病毒灭活率，AER为乘员舱换气率，该值在通风风门开启时与蒸发器风扇转速Nfan成正比，在通风风门关闭时为0。
2.根据权利要求1所述的基于热舒适和低病毒感染风险的电动汽车空调控制方法，其特征在于：所述步骤S1具体包括以下步骤：
S11：建立一维汽车空调系统动态热的数学模型，所述汽车空调系统包括压缩机，冷凝器，蒸发器和膨胀阀，其中蒸发器与冷凝器的动态模型基于移动边界法建立；
S12：建立简化的一维乘员舱系统动态热模型，并与空调系统模型耦合。
3.根据权利要求2所述的基于热舒适和低病毒感染风险的电动汽车空调控制方法，其特征在于：所述步骤S11中，一维汽车空调系统动态热数学模型包括：
1)建立压缩机内制冷剂一维动态模型，表示如下：
Figure FDA0003773115350000021
Figure FDA0003773115350000022
其中，
Figure FDA0003773115350000023
为压缩机的质量流量，ηv为容积效率，ρr为压缩机入口处的制冷剂密度，Ncomp为压缩机转速，Vd为压缩机排量，hc,o为压缩机出口比焓值，hc,i为压缩机进口比焓值，his,o为压缩机出口等熵比焓值，ηis为等熵效率；
2)对于膨胀阀，其动态过程中，通过膨胀阀制冷剂质量流量
Figure FDA0003773115350000024
与其膨胀阀压降ΔP的关系由下式表示：
Figure FDA0003773115350000025
其中，Cq为膨胀阀的流量系数，ρv为通过膨胀阀入口处的制冷剂密度，Av为膨胀阀的流通面积，ΔP为压降，即膨胀阀入口与出口压差；
3)根据移动边界法，蒸发器中的气体和液体制冷剂满足质量守恒定律，故对于蒸发器的两相区的长度le的变化由下式得到：
Figure FDA0003773115350000026
蒸发器中压力Pe随时间的变化表示为：
Figure FDA0003773115350000027
再根据能量守恒定律，蒸发器壁面温度的变化表示为：
Figure FDA0003773115350000028
其中，ρle是蒸发器中液体制冷剂的密度，hlge为蒸发器中制冷剂的气化潜热，Ae为蒸发器的扁管微通道总的截面积，
Figure FDA0003773115350000029
为蒸发器两相区的平均空隙率，hge、hle和hie分别表示在当前压力下蒸发器中气体、液体以及进口的制冷剂的比焓值，aie是两相区中蒸发器内壁与制冷剂间的换热系数，Die是蒸发器扁管内部的直径，Twe为蒸发器壁面温度，Tre是蒸发器当前压力下制冷剂的饱和温度，Le是蒸发器的两相区的长度，(Cpm)we表示蒸发器材料的比热和蒸发器的质量，ao是空气与蒸发器壁面间的换热系数，Aoe为蒸发器的迎风面积，Tae是当前蒸发器周围空气的温度，该变量与通风风门开启与关闭状态有关联，其变化表示为：
Figure FDA00037731153500000210
其中，Ta为乘员舱温度，Tac为乘员舱外界环境温度；
4)对于冷凝器，其换热原理与蒸发器相似，利用质量守恒和能量守恒定律，故有：
Figure FDA0003773115350000031
Figure FDA0003773115350000032
Figure FDA0003773115350000033
为简化模型，假定空调系统制冷剂在整个制冷循环管路中没有泄露，则系统中总的制冷剂的质量保持不变，则蒸发器和冷凝器中制冷剂总的质量视为常数，故有：
Figure FDA0003773115350000034
其中，ρlc是冷凝器中液体制冷剂的密度，hlgc为冷凝器中制冷剂的气化潜热，Ac为冷凝器的扁管微通道总的截面积，
Figure FDA0003773115350000035
为冷凝器两相区的平均空隙率，hgc、hlc和hic分别表示在当前压力下冷凝器中气体、液体以及进口制冷剂的比焓值，aic是两相区中冷凝器内壁与制冷剂间的换热系数，Dic冷凝器扁管内部的直径，Twc为冷凝器壁面温度，Trc是冷凝器当前压力下制冷剂的饱和温度，Lc是冷凝器扁管的总长度，(Cpm)wc表示冷凝器材料的比热和的质量，aoc是空气与冷凝器壁面间的换热系数，Aoc为冷凝器的迎风面积，Tac是当前冷凝器周围空气的温度，即环境温度，∑表示常数；
冷凝器空气侧换热系数aoc由外部风速影响，在汽车行驶中，冷凝器外部风速由车速影响，故aoc与车速的关系由实验拟合出，表示为：
aoc＝fp2(Vcar)
其中，车速Vcar由驾驶员决定，而非空调系统控制器调节，在空调系统控制中，车速看作为扰动输入。
4.根据权利要求2所述的基于热舒适和低病毒感染风险的电动汽车空调控制方法，其特征在于：所述步骤S12中，建立一维乘员舱系统热模型并与空调系统模型耦合包括：
汽车乘员舱的总热负荷
Figure FDA0003773115350000036
表示为：
Figure FDA0003773115350000037
在行车期间，车舱与外界对流换热量
Figure FDA0003773115350000038
受车速Vcar和环境温度Tac影响，并且这两个变量是不受控制器控制的输入扰动，在换热模型中，
Figure FDA0003773115350000039
由下式计算：
Figure FDA0003773115350000041
其中Ts为乘员舱外围的结构的温度，基于能量守恒定律，外围结构的温度的动态变化由下式表达：
Figure FDA0003773115350000042
由能量守恒定律知，乘员舱的空气温度动态变化表示为：
Figure FDA0003773115350000043
其中，
Figure FDA0003773115350000044
为车身表面结构的换热，
Figure FDA0003773115350000045
为太阳辐射热负荷，
Figure FDA0003773115350000046
为通风引起的热负荷，
Figure FDA0003773115350000047
为人体热负荷，
Figure FDA0003773115350000048
为机械和仪表热负荷，Tcab为汽车车舱的温度，
Figure FDA0003773115350000049
为单位时间空调系统传入客舱的制冷量，Ma为汽车车舱体积范围内的空气质量，cpa为空气比热，ho是外部车舱外围结构外侧与空气侧的换热系数，由车速决定，S为汽车车舱外表面结构的总的表面积，hi为汽车车舱内表面与空气的换热系数，Ms和Cps分别是车舱外围封闭结构的质量和比热；
通过以上数学模型，最终建立乘员舱和空调系统的耦合动态模型，模型中的状态变量表示为：
X＝[lePeTwePcTwcTsTa]T。
5.根据权利要求1所述的基于热舒适和低病毒感染风险的电动汽车空调控制方法，其特征在于：所述步骤S3具体包括以下步骤：
S31：建立模型预测控制中的状态估计器，根据所建立的汽车空调和乘员舱模型，在线性化处理后，其系统由以下状态空间式表达：
x(k+i|k)＝Ax(k+i-1|k)+Buu(k+i-1|k)+Bvv(k+i-1|k)
y(k+i|k)＝Cx(k+i-1|k)
上式中，x为状态变量矩阵，u和v分别表示控制变量矩阵和扰动输入矩阵，分别为：
u＝[NcompNfan]T
v＝[VcarTambientPsolar]T
对于状态估计器的输出变量y，表示为：
y＝[TaTwe]T
S22：建立模型预测控制器的优化器；
MPC控制器中的优化器包含寻优算法，通过寻找代价函数最小值来求解目标函数的最优解；优化器的作用是在寻找一组最优解来满足控制精确的同时，降低控制代价；
首先，总的代价函数由下式表示：
J(zk)＝Jy(zk)+Ju(zk)+JΔu(zk)
其中Jy，Ju，JΔu分别表示控制温度的追踪误差的代价函数，控制量大小的代价函数以及控制量变化大小的代价函数，对于当前时刻k，若控制时域为c，三个代价函数分别由下式表示：
Figure FDA0003773115350000051
Figure FDA0003773115350000052
Figure FDA0003773115350000053
其中，i表示时间顺序的计算步长，且有i∈[1,c]；i,c∈N；ny,nu分别表示控制输出和控制输出入的数量；
Figure FDA0003773115350000054
分别表示y,u,Δu的第j个控制输出在第i个时间步长下的权值；Zk表示对上述目标函数的正二次规划的决策输出序列，二次规划优化的目标函数和约束条件由以下形式表示：
minJ(Zk)
s.t.0≤Ncomp≤6000r/min
0≤Nfan≤3000r/min
0≤Twe≤10℃
通过求解二次规划，在控制时域为c时，得到Zk的值，其值形式为：
Figure FDA0003773115350000055
为了保证实时控制的精确性，在矩阵Zk中，只有第一个元素作为MPC控制器实际的输出。
6.根据权利要求1所述的基于热舒适和低病毒感染风险的电动汽车空调控制方法，其特征在于：所述步骤S4具体包括以下步骤：
S41：设置打喷嚏时的最佳通风逻辑
当汽车检测到乘员舱内的喷嚏信号时，空调系统应立即开启通风风门进行外循环通风，将打喷嚏所携带的病毒排出乘员舱，保证低感染风险；然而长时间开启外循环来降低感染风险会大大增加空调系统能耗；需要合理的寻找最佳的通风时间和通风风量，找到能耗和低感染风险的平衡点；设计10s、20s、30s、…、200s等20个不同的持续时间范围，以及80～560CMH的9个不同的风量范围，找出最佳的通风逻辑，表示如下：
FAFR(9×1)＝[80 140 200…560],Ts,v(1×20)＝[10 20 30...200]T
其中，FAFR为新风率，Ts,v为开启外循环通风持续时长；对于上式中180个组合，其控制的代价函数由MPC控制器进行计算并且得出最优解；其代价函数表示如下：
Costs,e＝fMPC,s1(FAFR,Ts,v)
Costs,ec＝fMPC,s2(FAFR,Ts,v)
Costs,r＝fMPC,s3(FAFR,Ts,v)
Costs,cq＝fMPC,s4(FAFR,Ts,v)
其中，Costs,e为控制的乘员舱温度与目标温度的误差成本，Costs,ec为空调系统能耗成本，Costs,r为感染风险成本，Costs,cq为乘员舱内残余的病毒载体quanta浓度成本；fMPC,s1至fMPC,s4分别为在不同新风率和外循环通风时长下的成本函数；为便于权衡不同成本，进行归一化处理，表示如下：
Figure FDA0003773115350000061
最终，将归一化后的不同成本加权和，得到最小化优化目标：
Cost′totel＝Cost′e+Cost′ec+Cost′r+Cost′cq
Figure FDA0003773115350000062
S42：设置正常呼吸循环时最佳通风逻辑
感染者在正常呼吸和说话的时候也会持续性地呼出少量病毒载体，需进行通风逻辑的优化；需要优化的循环通风逻辑的待定参数为外循环通风门开启的频率和各换气周期的持续时间；为找到合适的通风循环逻辑，对不同的通风频率和每个通风周期的持续时间进行设计；不同的通风逻辑参数表达为一个矩阵，如下：
Lcycle＝[Fc,vTc,v]
其中，Tc,v为单次开启外循环通风风门持续时长，Fc,v为开启频率，单位为次/小时，分别表示为：
Fc,v(1×14)＝[2 4 6...28 30]T，Tc,v(8×1)＝[40 60 80…160 180]T
代价函数表示如下：
Costc,e＝fMPC,c1(Fc,v,Tc,v)
Costc,ec＝fMPC,c2(Fc,v,Tc,v)
Costc,r＝fMPC,c3(Fc,v,Tc,v)
其中，Costc,e为控制的乘员舱温度与目标温度误差的成本，Costc,ec为空调系统能耗成本，Costc,r为感染风险成本，fMPC,c1至fMPC,c3分别为在不同的外循环通风开启频率和外循环通风时长下的成本函数；经过与S41步骤相同的成本函数归一化处理进行加权，得到优化目标：
Cost′c,totel＝Cost′c,e+Cost′c,ec+Cost′c,r
Figure FDA0003773115350000071
S43：建立实现乘员舱温度控制和低病毒感染的空调系统控制方法；
根据S41和S42步骤求解计算得到的最优通风逻辑，结合S1、S2、S3步骤建立的基于乘员舱温度控制的模型预测控制器，最终建立实现乘员舱温度控制和低病毒感染的空调系统控制方法。
CN202011490761.1A 2020-12-16 2020-12-16 基于热舒适和低病毒感染风险的电动汽车空调控制方法 Active CN112428781B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011490761.1A CN112428781B (zh) 2020-12-16 2020-12-16 基于热舒适和低病毒感染风险的电动汽车空调控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011490761.1A CN112428781B (zh) 2020-12-16 2020-12-16 基于热舒适和低病毒感染风险的电动汽车空调控制方法

Publications (2)

Publication Number Publication Date
CN112428781A CN112428781A (zh) 2021-03-02
CN112428781B true CN112428781B (zh) 2022-09-23

Family

ID=74692529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011490761.1A Active CN112428781B (zh) 2020-12-16 2020-12-16 基于热舒适和低病毒感染风险的电动汽车空调控制方法

Country Status (1)

Country Link
CN (1) CN112428781B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112937251A (zh) * 2021-04-29 2021-06-11 吉林大学 一种车载空调压缩机控制方法及系统
CN113147321B (zh) * 2021-04-29 2022-09-09 重庆大学 一种车载空调与可再生制动协调控制方法
CN113511049A (zh) * 2021-05-20 2021-10-19 重庆长安汽车股份有限公司 自适应多段恒转速汽车空调压缩机控制系统及方法
CN114001989B (zh) * 2021-10-22 2023-08-25 中汽研汽车检验中心（天津）有限公司 一种基于工况识别的单车空调能耗预测方法及预测装置
CN114274994B (zh) * 2021-12-28 2022-12-06 无锡鸿利成套电气设备有限公司 一种基于轨道交通物联网设备接口平台化系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016170984A1 (ja) * 2015-04-20 2016-10-27 シャープ株式会社 監視システム、監視装置、及び監視方法
RU171530U1 (ru) * 2016-06-27 2017-06-05 Федеральное казенное учреждение здравоохранения "Российский научно-исследовательский противочумный институт "Микроб" Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека ("РосНИПЧИ "Микроб") Бактериологическая лаборатория
DE102020005281A1 (de) * 2020-08-28 2020-11-19 Daimler Ag Verfahren zur Klimaregelung in einem Innenraum eines Fahrzeuges

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3731745C3 (de) * 1987-09-22 1997-09-18 Hoelter Heinz Verfahren zur Steuerung einer Fahrzeuglüftungseinrichtung
CA2205115A1 (en) * 1994-11-11 1996-05-23 Hyundai Motor Company Antimicrobial treatment method for automotive air-conditioning system
US6698663B2 (en) * 2002-02-04 2004-03-02 Delphi Technologies, Inc. Model-based method of generating control algorithms for an automatic climate control system
KR100759068B1 (ko) * 2006-06-07 2007-09-19 울산대학교 산학협력단 차량용 살균탈취장치
BRMU8802534U2 (pt) * 2008-09-02 2010-05-11 Jose Roberto Paziani disposição construtiva introduzida em sistema automotivo para esterilização de ar
JP5235708B2 (ja) * 2009-02-06 2013-07-10 サンデン株式会社 車両用空調装置
EP3318180A1 (en) * 2016-11-02 2018-05-09 Koninklijke Philips N.V. Device, system and method for co2 monitoring
CN110641250B (zh) * 2019-11-05 2022-07-15 重庆大学 基于人体热舒适理论和模糊pid控制的电动汽车空调系统智能控制方法
CN111261973B (zh) * 2020-01-19 2022-09-23 重庆大学 基于模型预测控制的电动汽车整车电池热管理方法
CN111251838A (zh) * 2020-03-02 2020-06-09 广东中鑫智能网络科技有限公司 一种控制车载空气净化器开启的方法及装置
CN111597723B (zh) * 2020-05-20 2024-03-15 重庆大学 基于改进的智能模型预测控制的电动汽车空调系统智能控制方法
CN111554409A (zh) * 2020-05-27 2020-08-18 清华大学 一种建筑内病毒传播的监测、溯源与预警调控系统及方法
CN111645486A (zh) * 2020-06-01 2020-09-11 摩登汽车(盐城)有限公司 杀病毒车载空调组件及其控制方法
CN111959228A (zh) * 2020-08-04 2020-11-20 东风商用车有限公司 一种车内空气净化与湿度调节系统
GB2594340B (en) * 2020-08-20 2022-04-20 Bombardier Transp Gmbh Enhancing antiviral capabilities of rail vehicles and air filter

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016170984A1 (ja) * 2015-04-20 2016-10-27 シャープ株式会社 監視システム、監視装置、及び監視方法
RU171530U1 (ru) * 2016-06-27 2017-06-05 Федеральное казенное учреждение здравоохранения "Российский научно-исследовательский противочумный институт "Микроб" Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека ("РосНИПЧИ "Микроб") Бактериологическая лаборатория
DE102020005281A1 (de) * 2020-08-28 2020-11-19 Daimler Ag Verfahren zur Klimaregelung in einem Innenraum eines Fahrzeuges

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Numerical Study on Effects of Door-Opening on Airflow Patterns and Dynamic Cross-Contamination in an ISO Class 5 Operating Room;董书芸等;《Transactions of Tianjin University》;20090615(第03期);第210-215页 *

Also Published As

Publication number Publication date
CN112428781A (zh) 2021-03-02

Similar Documents

Publication Publication Date Title
CN112428781B (zh) 基于热舒适和低病毒感染风险的电动汽车空调控制方法
CN109050200B (zh) 一种汽车热泵空调的控制方法
EP2634021B1 (en) Heat pump system for vehicle and method of controlling the same
CN111597723B (zh) 基于改进的智能模型预测控制的电动汽车空调系统智能控制方法
CN104329776B (zh) 电动汽车的空调控制方法及装置
CN108068577A (zh) 一种热泵空调系统、电动汽车及其控制方法
CN204236181U (zh) 应用于电动汽车的空调系统及电动汽车
CN110641250B (zh) 基于人体热舒适理论和模糊pid控制的电动汽车空调系统智能控制方法
Huang et al. A novel multistage constant compressor speed control strategy of electric vehicle air conditioning system based on genetic algorithm
JPH04143114A (ja) 車両用空調装置
CN109654689A (zh) 空调器的控制方法和空调器
CN107314508A (zh) 空调控制方法、空调及计算机可读存储介质
Liu et al. A control strategy for cabin temperature of electric vehicle considering health ventilation for lowering virus infection
Xie et al. An intelligent eco-heating control strategy for heat-pump air conditioning system of electric vehicles
CN110116602B (zh) 一种用于新能源汽车的暖通空调箱
Kwak et al. Thermal comfort-conscious eco-climate control for electric vehicles using model predictive control
CN116714411A (zh) 基于td3算法的电动汽车空调与乘客舱热管理控制方法
CN110398082A (zh) 热管理系统及其控制方法
JP6192351B2 (ja) 空調システム
JP5773751B2 (ja) 車両用空気調和機
CN113511049A (zh) 自适应多段恒转速汽车空调压缩机控制系统及方法
Cvok et al. Control Trajectory Optimisation and Optimised Control Strategy for an Electric Vehicle HVAC System and Favourable Thermal Comfort
CN209840452U (zh) 一种储能化霜新能源汽车热泵空调
CN113173051A (zh) 车用热泵空调系统及其控制方法
Qin et al. Research on heat pump air conditioner compressor speed control strategy based on whale algorithm

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
GR01 Patent grant
GR01 Patent grant