CN114537080B - 汽车空调自学习控制方法、装置、设备以及存储介质 - Google Patents
汽车空调自学习控制方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN114537080B CN114537080B CN202210139908.5A CN202210139908A CN114537080B CN 114537080 B CN114537080 B CN 114537080B CN 202210139908 A CN202210139908 A CN 202210139908A CN 114537080 B CN114537080 B CN 114537080B
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- effective
- environmental condition
- value
- temperature
- 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
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
- 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
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- Air-Conditioning For Vehicles (AREA)
Abstract
本发明属于汽车控制技术领域,公开了一种汽车空调自学习控制方法、装置、设备以及存储介质,该控制方法包括以下步骤:每间隔第一预设时长,获取空调设定值和环境数据;根据前后两次空调设定值,判断前一次空调设定值是否有效;若是,确定前一次空调设定值为有效设定值,根据环境数据,确定获取有效设定值时的所述环境条件;判断环境条件下是否关联预设数量的有效设定值;若否,在环境条件下关联有效设定值;再次判断环境条件下是否关联预设数量的设定值;若是,根据环境条件下关联的预设数量的有效设定值,确定环境条件的自动设定值。实现空调温度、风量和出风模式自动控制。
Description
技术领域
本发明涉及汽车控制技术领域,尤其涉及一种汽车空调自学习控制方法、装置、设备以及存储介质。
背景技术
随着驾驶员对于驾驶舒适性的不断追求,空调系统已经是商用车必不可少的舒适性配置,商用车的空调系统也随着驾驶员对舒适性要求的不断升级由传统的手动空调向自动空调转变。
现有的自动空调控制算法其核心功能仍然为降驾驶室内温度控制在设定温度附近,但仍需要驾驶员根据不同的外界环境条件及自身需求不断的调整设定温度,如果预设模式无法与驾驶员的使用习惯相对应,就需要驾驶员手动调整,也给行驶安全带来了一定的隐患。
发明内容
本发明的目的在于提供一种汽车空调自学习控制方法、装置、设备以及存储介质,以解决现有自动空调控制算法无法与使用习惯相适应的问题。
为达此目的,本发明采用以下技术方案:
第一方面,一种汽车空调自学习控制方法,包括以下步骤:
每间隔第一预设时长,获取空调设定值和环境数据;
根据前后两次所述空调设定值,判断前一次空调设定值是否有效;
若是,确定所述前一次空调设定值为有效设定值,根据所述环境数据,确定获取所述有效设定值时的环境条件;
判断所述环境条件下是否关联预设数量的有效设定值;
若否,在所述环境条件下关联所述有效设定值;
再次判断所述环境条件下是否关联预设数量的有效设定值;
若是,根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值。
作为上述汽车空调自学习控制方法的优选方案,所述环境数据包括室外温度和车厢内温度。
作为上述汽车空调自学习控制方法的优选方案,所述环境数据还包括阳光辐射强度。
作为上述汽车空调自学习控制方法的优选方案,所述判断前一次空调设定值是否有效的步骤包括:
若后一次空调设定值与前一次空调设定值相同,判定所述前一次空调设定值有效;
若后一次空调设定值与前一次空调设定值不同,回到步骤所述间隔第一预设时长,获取空调设定值和环境数据。
作为上述汽车空调自学习控制方法的优选方案,所述根据所述环境数据,确定获取所述有效设定值时的环境条件的步骤包括:
构建关于所述环境条件的集合,其中,每个所述环境条件包括每项所述环境数据的一个区间;
根据各项所述环境数据,在所述集合中比对;
确定符合每项所述环境数据的区间范围的所述环境条件。
作为上述汽车空调自学习控制方法的优选方案,所述再次判断所述环境条件下是否关联预设数量的有效设定值之后还包括:若否,回到所述每间隔第一预设时长,获取空调设定值和环境数据。
作为上述汽车空调自学习控制方法的优选方案,所述判断所述环境条件下是否关联预设数量的有效设定值之后还包括:
若是,删除现有预设数量所述有效设定值中与当前所述自动设定值偏差最大的一个所述有效设定值;
之后进行步骤所述在所述环境条件下关联所述有效设定值。
作为上述汽车空调自学习控制方法的优选方案,所述根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值的步骤包括:
根据所述环境条件关联的预设数量的有效温度设定值,确定所述环境条件的温度自动设定值。
作为上述汽车空调自学习控制方法的优选方案,所述根据所述环境条件关联的预设数量的有效温度设定值,确定所述环境条件的温度自动设定值的步骤包括:
将预设数量的所述有效温度设定值按数值大小依次排列,其中,预设数量大于3;
获得每相邻三个所述有效温度设定值的差值之和;
确定所述有效温度设定值的差值之和中的第一最小值;
确定所述第一最小值中相关的三个所述有效温度设定值的温度平均值,所述温度平均值作为所述温度自动设定值。
作为上述汽车空调自学习控制方法的优选方案,所述根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值的步骤包括:
根据所述环境条件关联的预设数量的有效风量设定值,确定所述环境条件的风量自动设定值。
作为上述汽车空调自学习控制方法的优选方案,所述根据所述环境条件关联的预设数量的有效风量设定值,确定所述环境条件的风量自动设定值的步骤包括:
将预设数量的所述有效风量设定值按数值大小依次排列,其中,预设数量大于3;
获得每相邻三个所述有效风量设定值的差值之和;
确定所述有效风量设定值的差值之和中的第二最小值;
确定所述第二最小值中相关的三个所述有效风量设定值的风量平均值,所述风量平均值作为所述风量自动设定值。
作为上述汽车空调自学习控制方法的优选方案,所述根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值的步骤包括:
根据所述环境条件关联的预设数量的有效出风模式设定值,确定所述环境条件的出风模式自动设定值。
作为上述汽车空调自学习控制方法的优选方案,所述根据所述环境条件关联的预设数量的有效出风模式设定值,确定所述环境条件的出风模式自动设定值的步骤包括:
将预设数量中出现次数最多的所述有效出风模式设定值作为所述出风模式目标值。
第二方面,一种汽车空调自学习控制装置,包括:
空调设定值和环境数据获取模块,用于每间隔第一预设时长,获取空调设定值和环境数据;
第一判断模块,用于根据前后两次所述空调设定值,判断前一次空调设定值是否有效;
环境条件模块,用于若是,确定所述前一次空调设定值为有效设定值,根据所述环境数据,确定获取所述有效设定值时的所述环境条件;
第二判断模块,判断判断所述环境条件下是否关联预设数量的有效设定值;
关联模块,用于若否,在所述环境条件下关联所述有效设定值;
第三判断模块,用于再次判断所述环境条件下是否关联预设数量的有效设定值;
自动设定值模块,用于若是,根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值。
第三方面,一种设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述的汽车空调自学习控制方法。
第四方面,一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述的汽车空调自学习控制方法。
本发明的有益效果:
对于汽车空调自学习控制方法,通过环境数据确定不同的环境条件,且对每种环境条件下的有效设定进行统计,当统计次数符合条件时,通过有效设定值可获得下一次自动设定值,从而在此之后以自动设定值进行输出,实现空调温度、风量和出风模式自动控制。
对于汽车空调自学习控制装置,通过环境数据确定不同的环境条件,且对每种环境条件下的有效设定进行统计,当统计次数符合条件时,通过有效设定值可获得下一次自动设定值,从而在此之后以自动设定值进行输出,实现空调温度、风量和出风模式自动控制。
对于设备,通过环境数据确定不同的环境条件,且对每种环境条件下的有效设定进行统计,当统计次数符合条件时,通过有效设定值可获得下一次自动设定值,从而在此之后以自动设定值进行输出,实现空调温度、风量和出风模式自动控制。
对于计算机可读存储介质,通过环境数据确定不同的环境条件,且对每种环境条件下的有效设定进行统计,当统计次数符合条件时,通过有效设定值可获得下一次自动设定值,从而在此之后以自动设定值进行输出,实现空调温度、风量和出风模式自动控制。
附图说明
图1是本申请实施例一至实施例三提供的汽车空调自学习控制方法的流程示意图;
图2是图1所示的汽车空调自学习控制方法中步骤S300的流程示意图;
图3是本申请实施例一提供的汽车空调自学习控制方法中S700的流程示意图;
图4是本申请实施例二提供的汽车空调自学习控制方法中S700的流程示意图;
图5是本申请实施例四提供的汽车空调自学习控制装置的结构示意图;
图6是本实施例五提供的设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在本发明的描述中,除非另有明确的规定和限定,术语“相连”、“连接”、“固定”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本实施例的描述中,术语“上”、“下”、“右”、等方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述和简化操作,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,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅仅用于在描述上加以区分,并没有特殊的含义。
实施例一:
本实施例提供一种汽车空调自学习控制方法,如图1所示,该控制方法包括步骤S100、每间隔第一预设时长,获取空调设定值和环境数据。
需要说明的是,空调设定值包括汽车刚启动时自动或手动输入一个空调设定值,以及在之后任意时刻输入的空调设定值。本实施例中,空调设定值包括温度设定值,温度设定值能够通过中控台主动输入,也不限于中控台,例如通过APP与车机通过网络连接,并在APP中输入温度设定值。
本实施例中的环境数据包括室外温度和车厢内温度,由于空调的作用在于调节车厢内的温度,因此与温度相关的室外温度和车厢内温度作为主要参数进行考量。
进一步,本实施例中,试验车型设有室外温度传感器和车厢内温度传感器,室外温度传感器用于获取室外温度,车厢内温度传感器用于获取车厢内温度。
本实施例中的第一预设时长设置为30秒,考虑到试验车型开启空调后,车厢内所检测温度每30秒会受到空调的作用可能发生一次变化。可以理解的是,若车辆本身空调性能较好,在更短时间内可能发生温度变化,可以将该预设采集时长设置得更短,例如15秒或10秒,甚至更短。若车辆本身空调性能较差,需要更长时间内才可能发生温度变化,可以将该预设采集时长设置得更久,例如45秒或60秒,甚至更长。本实施例并不限于此。
并且,第一预设时长越短,则获取空调设定值的频率越快。本实施例并不限制第一预设时长的长短,当然,第一预设时长越短,单位时间获取空调设定值就越多,自学习成本更高,但自学习效率更快。
步骤S100后执行步骤S200、根据前后两次空调设定值,判断前一次空调设定值是否有效。
例如,在汽车启动时,获取一次空调设定值以及相应的环境数据,30秒后,再获取一次空调设定值以及相应的环境数据,根据两次空调设定值,判定前一次设定值是否有效。在本实施例中,空调设定值为温度设定值。为了便于说明,本实施例中温度设定值为整数值,例如17℃、18℃或19℃等。
本实施例中,启动时的温度设定值为25℃。则空调设定值表示为(25℃)。间隔第一预设时长(30s)后,再次获取空调设定值为(25℃)。
可见,启动时的空调设定值为(25℃),30秒后的空调设定值仍然为(25℃),两次空调设定值相同,说明从上次获取空调设定值的时间(启动时)的半分钟内驾驶员并未改变空调温度设定,判定前一次空调设定值有效,并确定为有效设定值。可以理解为对现有控制方案满意,并期待汽车空调按照当前空调设定值继续工作。并继续执行步骤S300、确定所述前一次空调设定值为有效设定值,根据所述环境数据,确定获取所述有效设定值时的所述环境条件,换言之,该有效设定值为有效温度设定值。
需要说明的是,若步骤S200的判断结果为否,即当前空调设定值与前一个空调设定值(25℃)不同,例如,后一次的空调设定值为(22℃),则回到步骤S100。
参见图2,步骤S300中,根据所述环境数据,确定获取所述有效设定值时的所述环境条件的步骤包括:
S301、构建关于环境条件的集合,其中,每个环境条件包括每项环境数据的一个区间;
S302、根据各项环境数据,在集合中比对;
S303、确定符合每项环境数据的区间范围的环境条件。
具体地,在本实施例中,步骤S301中的环境数据包括两项:室外温度和车厢内温度。
本实施例中,室外温度的范围设置为-40℃~40℃,且在该范围内均匀设有16个区间:[-40℃,-35℃)、[-35℃,-30℃)……[35℃,40℃],可以理解的是每个区间内有5℃幅度变化。
需要说明的是,室外温度的范围并不限于上述-40℃~40℃,例如,可以设置为0℃~45℃、-50℃~60℃等其他温度范围。并且,室外温度的范围也可以分成不同个数的区间,且每个区间的温度幅度变化可相同也可不同,本实施例并不限于此。
本实施例中,车厢内温度的范围设置为-10℃~45℃,且在该范围内均匀设有11个区间:[-10℃,-5℃)、[-15℃,-10℃)……[40℃,45℃],可以理解的是每个区间内有5℃幅度变化。
需要说明的是,车厢内温度范围并不限于上述-10℃~50℃,例如,可以设置为0℃~35℃、-30℃~85℃等其他温度范围。并且,车厢内温度的范围也可以分成不同个数的区间,且每个区间的温度幅度变化可相同也可不同,本实施例并不限于此。
进一步,室外温度有16个区间,车厢内温度有11个区间,环境条件的集合总共包括176(16×11)个环境条件,换言之,176个环境条件组成一个关于环境条件的集合。集合中的每个环境条件包括一个室外温度区间与一个车厢内温度区间。
假设汽车刚启动时,室外温度为35℃,车厢内温度为44℃,比对步骤S301的集合后,最终确定符合两项环境数据的区间的环境条件为:室外温度[35℃,40℃)、车厢内温度[40℃,45℃)。假设此时驾驶员打开空调或汽车自动打开空调,30秒后,室外温度不变,而车厢内温度降低为39℃,则此时确定环境条件为:室外温度[35℃,40℃)、车厢内温度[35℃,40℃)。
当然,也可能30秒后室外温度不变,而车厢内温度仅降低至41℃,则此时确定环境条件为:室外温度[35℃,40℃)、车厢内温度[40℃,45℃),环境条件并未发生变化。
步骤S300后执行步骤S400、判断所述环境条件下是否关联预设数量的有效设定值。
在本实施例中,预设数量取5,当前环境条件:室外温度[35℃,40℃)、车厢内温度[35℃,40℃),若该环境条件下存有5个有效设定值,则表示在此之前,该环境条件下保存了五次有效设定值,当然,这五个有效设定值可以完全相同,也可以完全不同。
若该环境条件下没有存满五个有效设定值,则进行步骤S500、在所述环境条件下关联所述有效设定值。例如,本次为首次学习,环境条件为:室外温度[35℃,40℃)、车厢内温度[35℃,40℃)的有效设定值的个数从0增加到1,记录该空调设定值(25℃)以及相应的环境条件:室外温度[35℃,40℃)、车厢内温度[35℃,40℃)。
可以理解的是,随着空调继续作用,则车厢内温度将继续降低,本次行车过程中环境条件将仅存在一次,相应地,该环境条件对应的有效设定值(25℃)仅记录一次。换言之,假设室外温度不变,随着车厢内温度降低,若一直没有改变空调设定值,则每经过30秒,则在相应的环境条件下记录一次该有效设定值(25℃)。
可以理解的是,当室外温度不变,车厢内温度逐渐稳定,例如10分钟后,车厢内的温度持续保持在25℃,且仍然没有改变空调设定值,则会逐渐保持在该环境条件:室外温度[35℃,40℃)、车厢内温度[25℃,30℃),得到更多的有效设定值。
步骤S500之后,执行步骤S600、再次判断所述环境条件下是否关联预设数量的有效设定值。本实施例中,再次判断所述环境条件下关联的有效设定值是否达到5个。
若环境条件:室外温度[35℃,40℃)、车厢内温度[25℃,30℃)的空调设定值达到五个,则执行步骤S700、根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值。下次满足所述环境条件时以自动设定值进行输出控制,进而完成该环境条件下的自学习控制。
需要说明的是,若步骤S600的判断结果为否,即所述环境条件的有效设定值没有达到预设数量,即没有达到第5次,则再次回到步骤S100。
进一步,若判断步骤S400的结果为是,即此时该环境条件下已经关联了5个有效设定值,可以理解为,此时也存在一个步骤700得到的自动设定值,则执行步骤S800、删除现有预设数量所述有效设定值中与当前所述自动设定值偏差最大的一个所述有效设定值。
可以理解为,步骤S800的作用在于,可以不断缩小环境条件中有效设定值的数值范围,从而不断自学习并影响步骤S700确定最终的自动设定值的精确度。
步骤S800之后执行步骤S500,从而使步骤S500-步骤S700中仅保持关联五个空调设定值。
在本实施例中,步骤S700用于确定该环境条件下的关于温度的自动设定值。
参见图3,本申请实施例中,步骤S700包括:
S701、将预设数量的有效温度设定值按数值大小依次排列;
S702、获得每相邻三个有效温度设定值的差值之和;
S703、确定有效温度设定值的差值之和中的第一最小值;
S704、确定第一最小值中相关的三个有效温度设定值的温度平均值,所述温度平均值作为所述温度目标值。
具体地,假设现有的五个有效温度设定值为25、25、25、25、22,可以理解的是,其中第一个25是五个有效温度设定值中最早获得的,最后一个22是最近获得的,可以看出,驾驶员从25℃调低到22℃,以从小到大的顺序排列为22、25、25、25、25,之后获得每相邻三个有效温度设定值的差值之和,本实施例获得三个差值之和,分别为:
(25-22)+(25-25)=3;
(25-25)+(25-25)=0;
(25-25)+(25-25)=0。
根据上述结果可知,第一最小值为0,并确定该结果0中相关的三个有效温度设定值25、25和25,取三个数的平均值为25,则温度自动设定值为25。之后,在下一次遇到同样的环境条件,以汽车空调将以25℃进行自动输出。
需要理解的是,随着该自学习控制方法持续进行,若过一段时间,现有的五个有效温度设定值为25、25、22、22、22,可以理解的是,其中第一个25是五个有效温度设定值中最早获得的,最后一个22是最近获得的,可以看出,驾驶员从25℃调低到22℃,并保持了一段时间,以从小到大的顺序排列为22、22、22、25、25,之后获得每相邻三个有效温度设定值的差值之和,本实施例获得三个差值之和,分别为:
(22-22)+(22-22)=0;
(22-22)+(25-22)=3;
(25-22)+(25-25)=3。
此时,第一最小值为0,并确定该结果0中相关的三个有效温度设定值22、22和22,取三个数的平均值为22,则温度自动设定值为22。可以看出,随着关联的有效温度设定值的改变,最终温度自动设定值也随之发生改变。
可以进一步理解的是,之后车厢内温度下降至22℃,室外温度若仍为35℃,此时环境条件:室外温度[35℃,40℃)、车厢内温度[20℃,25℃),温度自动设定值为22℃。
通过上述方法,将得到176个环境条件相应的温度目标值,则每次驾驶员上车后,按照相适应的环境条件进行温度自动控制。
本实施例提供的汽车空调自学习控制方法,通过环境数据确定不同的环境条件,且对每种环境条件下的有效温度设定值进行统计,当某一环境条件的有效温度设定值的统计次数达到预设数量时,可获得环境条件的温度自动设定值,在此之后以温度自动设定值进行输出,实现空调温度自动控制。
实施例二:
本实施例提供一种汽车空调自学习控制方法,继续参见图1,该控制方法包括步骤S100、每间隔第一预设时长,获取空调设定值和环境数据。
需要说明的是,空调设定值包括汽车刚启动时自动或手动输入一个空调设定值,以及在之后任意时刻输入的空调设定值。本实施例中,空调设定值包括温度设定值,温度设定值能够通过中控台主动输入,也不限于中控台,例如通过APP与车机通过网络连接,并在APP中输入温度设定值。
本实施例中的环境数据除了实施例一中的室外温度和车厢内温度,还包括太阳辐射强度,由于空调的作用在于调节车厢内的温度,因此与温度相关的室外温度和车厢内温度作为主要参数进行考量。同时,在夏季时,太阳辐射强度也会影响车内人员对空调参数的设定,因此本实施例中的环境数据包括室外温度、车厢内温度以及太阳辐射强度。
进一步,本实施例中,试验车型设有室外温度传感器、车厢内温度传感器和太阳辐射强度传感器,室外温度传感器用于获取室外温度,车厢内温度传感器用于获取车厢内温度,太阳辐射强度传感器用于获取太阳辐射强度。
本实施例中的第一预设时长设置为30秒,考虑到试验车型开启空调后,车厢内所检测温度每30秒会受到空调的作用可能发生一次变化。可以理解的是,若车辆本身空调性能较好,在更短时间内可能发生温度变化,可以将该预设采集时长设置得更短,例如15秒或10秒,甚至更短。若车辆本身空调性能较差,需要更长时间内才可能发生温度变化,可以将该预设采集时长设置得更久,例如45秒或60秒,甚至更长。本实施例并不限于此。
并且,第一预设时长越短,则获取空调设定值的频率越快。本实施例并不限制第一预设时长的长短,当然,第一预设时长越短,单位时间获取空调设定值就越多,自学习成本更高,但自学习效率更快。
步骤S100后执行步骤S200、根据前后两次空调设定值,判断前一次空调设定值是否有效。
例如,在汽车启动时,获取一次空调设定值以及相应的环境数据,30秒后,再获取一次空调设定值以及相应的环境数据,根据两次空调设定值,判定前一次设定值是否有效。在本实施例中,空调设定值为风量设定值。本实施例中风量设定值为整数值:1、2、3、4、5和6,其中1表示最小风量,6表示最大风量,1-6逐渐均匀递增。
例如,启动时的空调设定值为(5),30秒后的空调设定值仍然为(5),两次空调设定值相同,说明从上次获取空调设定值的时间(启动时)的30秒内驾驶员并未改变空调风量设定,可以理解为驾驶员对现有控制方案满意,并期待空调继续作用。步骤S200后继续执行步骤S300、确定所述前一次空调设定值为有效设定值,根据所述环境数据,确定获取所述有效设定值时的所述环境条件,即,确定前一次的空调设定值(5)为有效设定值,换言之,该有效设定值为有效风量设定值。
需要说明的是,若步骤S200的判断结果为前一次空调设定值无效,即当前空调设定值与前一个空调设定值(5)不同,例如,后一次的空调设定值为(2),则回到步骤S100。
继续参见图2,步骤S300中根据所述环境数据,确定获取所述有效设定值时的所述环境条件包括以下步骤:
S301、构建关于环境条件的集合,其中,每个环境条件包括每项环境数据的一个区间;
S302、根据各项环境数据,在集合中比对;
S303、确定符合每项环境数据的区间范围的环境条件。
具体地,在本实施例中,步骤S301中的环境数据包括三项:室外温度和车厢内温度和太阳辐射强度。
室外温度的范围设置为-40℃~40℃,且在该范围内均匀设有16个区间:[-40℃,-35℃)、[-35℃,-30℃)……[35℃,40℃],可以理解的是每个区间内有5℃幅度变化。
需要说明的是,室外温度的范围并不限于上述-40℃~40℃,例如,可以设置为0℃~45℃、-50℃~60℃等其他温度范围。并且,室外温度的范围也可以分成不同个数的区间,且每个区间的温度幅度变化可相同也可不同,本实施例并不限于此。
车厢内温度的范围设置为-10℃~45℃,且在该范围内均匀设有11个区间:[-10℃,-5℃)、[-15℃,-10℃)……[40℃,45℃],可以理解的是每个区间内有5℃幅度变化。
需要说明的是,车厢内温度范围并不限于上述-10℃~50℃,例如,可以设置为0℃~35℃、-30℃~85℃等其他温度范围。并且,车厢内温度的范围也可以分成不同个数的区间,且每个区间的温度幅度变化可相同也可不同,本实施例并不限于此。
太阳辐射强度的范围设置为0-1000W/m2,且在该范围内均匀设有10个区间:[0,100W/m2)、[100W/m2,200W/m2)……[900W/m2,1000W/m2]。
需要说明的是,太阳辐射强度的范围并不限于上述0-1000W/m2,例如,可以设置为0-1200W/m2、0-800W/m2等其他范围。并且,太阳辐射强度范围也可以分成不同个数的区间,且每个区间的太阳辐射强度范围可相同也可不同,本实施例并不限于此。
本实施例中,室外温度有16个区间,车厢内温度有11个区间,太阳辐射强度有10个区间,环境数据总共包括1760(16×11×10)个环境条件,1760种环境条件组成一个集合,可以理解为,集合中的每个环境条件包括一个室外温度区间、一个车厢内温度区间和一个太阳辐射强度区间。
假设汽车刚启动时,室外温度为35℃,车厢内温度为44℃,太阳辐射强度为750W/m2,比对步骤S101的集合后,最终确定符合三项环境数据的区间的环境条件为:室外温度[35℃,40℃)、车厢内温度[40℃,45℃)、太阳辐射强度[700W/m2,800W/m2)。假设此时驾驶员打开空调或汽车自动打开空调,30秒后,室外温度和太阳辐射强度均不变,而车厢内温度降低为39℃,则此时确定环境条件为:室外温度[35℃,40℃)、车厢内温度[35℃,40℃)、太阳辐射强度[700W/m2,800W/m2)。
当然,也可能30秒后室外温度和太阳辐射强度均不变,而车厢内温度仅降低至41℃,则此时确定环境条件为:室外温度[35℃,40℃)、车厢内温度[40℃,45℃)、太阳辐射强度[700W/m2,800W/m2),环境条件并未发生变化。
步骤S300后执行步骤S400、判断所述环境条件下是否关联预设数量的有效设定值。
在本实施例中,预设数量取5,当前环境条件:室外温度[35℃,40℃)、车厢内温度[35℃,40℃)、太阳辐射强度[700W/m2,800W/m2),若该环境条件下关联有5个有效设定值,则表示在此之前,该环境条件下保存了五次有效设定值,当然,这五个有效设定值可以完全相同,也可以完全不同。
若该环境条件下没有存满五个有效设定值,则进行步骤S500、在所述环境条件下关联所述有效设定值。例如,本次为首次学习,环境条件为:室外温度[35℃,40℃)、车厢内温度[35℃,40℃)、太阳辐射强度[700W/m2,800W/m2)的有效设定值个数从0增加到1,记录该有效设定值(5)以及相应的环境条件:室外温度[35℃,40℃)、车厢内温度[35℃,40℃)、太阳辐射强度[700W/m2,800W/m2)。
可以理解的是,随着空调继续作用,则车厢内温度将继续降低,本次行车过程中环境条件将仅存在一次,相应地,该环境条件对应的有效设定值(5)仅记录一次。换言之,假设室外温度、太阳辐射强度均不变,随着车厢内温度降低,若一直没有改变空调设定值,则每经过30秒,则在相应的环境条件下记录一次有效设定值(5)。
可以理解的是,当室外温度、太阳辐射强度不变,车厢内温度逐渐稳定,例如10分钟后,车厢内的温度持续保持在25℃,且仍然没有改变空调设定值,则会逐渐保持在该环境条件:室外温度[35℃,40℃)、车厢内温度[25℃,30℃)、太阳辐射强度[700W/m2,800W/m2),得到更多的有效设定值。
步骤S500之后,执行步骤S600、再次判断所述环境条件下是否关联预设数量的有效设定值。本实施例中,再次判断所述环境条件关联的有效设定值是否达到5个。
若环境条件:室外温度[35℃,40℃)、车厢内温度[25℃,30℃)、太阳辐射强度[700W/m2,800W/m2)的有效设定值达到五个,则执行步骤S700、根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值。下次满足所述环境条件时以自动设定值进行输出控制,进而完成该环境条件下的自学习控制。
需要说明的是,若步骤S600的判断结果为否,即所述环境条件的有效设定值没有达到预设数量,即没有达到第5次,则回到步骤S100。
进一步,若判断步骤S400的结果为是,即此时该环境条件下已经关联了5个有效设定值,可以理解为,此时也存在一个步骤700得到的自动设定值,则执行步骤S800、删除现有预设数量所述有效设定值中与当前所述自动设定值偏差最大的一个所述有效设定值。
可以理解为,步骤S800的作用在于,可以不断缩小环境条件中有效设定值的数值范围,从而不断自学习并影响步骤S700确定最终的自动设定值的精确度。
步骤S800之后执行步骤S500,从而使步骤S500-步骤S700中仅保留五个有效设定值。
在本实施例中,步骤S700用于确定该环境条件下的关于风量的自动设定值。
参见图4,本实施例中,步骤S700包括:
S710、将预设数量的有效风量设定值按数值大小依次排列;
S720、获得每相邻三个有效风量设定值的差值之和;
S730、确定有效风量设定值的差值之和中的第二最小值;
S740、确定第二最小值中相关的三个有效风量设定值的风量平均值,所述风量平均值作为风量目标值。
具体地,假设现有的五个有效风量设定值为5、5、5、5、2,可以理解的是,其中第一个5是五个有效风量设定值中最早获得的,最后一个2是最近获得的,可以看出,驾驶员从风量5调低到风量2,以从小到大的顺序排列为2、5、5、5、5,之后获得每相邻三个有效风量设定值的差值之和,本实施例获得三个差值之和,分别为:
(5-2)+(5-5)=3;
(5-5)+(5-25)=0;
(5-5)+(5-5)=0。
此时,第二最小值为0,并确定该结果0中相关的三个有效风量设定值5、5和5,取三个数的平均值为5,则风量自动设定值为5。之后,在下一次遇到同样的环境条件,以汽车空调将以风量5进行自动输出。
需要理解的是,该自学者控制方法持续进行,若过一段时间,现有的五个有效风量设定值为5、5、2、2、2,可以理解的是,其中第一个5是五个有效风量设定值中最早获得的,最后一个2是最近获得的,可以看出,驾驶员从风量5调低到风量2,并保持了一段时间,以从小到大的顺序排列为2、2、2、5、5,之后获得每相邻三个有效风量设定值的差值之和,本实施例获得三个差值之和,分别为:
(2-2)+(2-2)=0;
(2-2)+(5-2)=3;
(5-2)+(5-5)=3。
此时,第二最小值为0,并确定该结果0中相关的三个有效风量设定值2、2和2,取三个数的平均值为2,则有效风量自动设定值为2。可以看出,随着关联的有效风量设定值改变,风量自动设定值随之发生改变。
可以进一步理解的是,之后空调温度下降至22℃,室外温度若仍为35℃、太阳辐射强度仍700W/m2,此时环境条件:室外温度[35℃,40℃)、车厢内温度[20℃,25℃)、太阳辐射强度[700W/m2,800W/m2),风量自动设定值为2。
通过上述方法,将得到1760个环境条件相应的风量自动设定值,则每次驾驶员上车后,将按照相适应的环境条件进行风量自动控制。
本实施例提供的汽车空调自学习控制方法,通过环境数据确定不同的环境条件,且对每种环境条件下的有效风量设定值进行统计,当某一环境条件的有效风量设定值的统计次数达到预设数量时,可获得环境条件的风量自动设定值,在此之后以风量自动设定值进行输出,实现空调自动控制。
实施例三:
本实施例提供一种汽车空调自学习控制方法,继续参见图1,该控制方法包括步骤S100、每间隔第一预设时长,获取空调设定值和环境数据。
需要说明的是,空调设定值包括汽车刚启动时自动或手动输入一个空调设定值,以及在之后任意时刻输入的空调设定值。本实施例中,空调设定值包括温度设定值,温度设定值能够通过中控台主动输入,也不限于中控台,例如通过APP与车机通过网络连接,并在APP中输入温度设定值。
本实施例中的环境数据除了实施例一中的室外温度和车厢内温度,还包括太阳辐射强度,由于空调的作用在于调节车厢内的温度,因此与温度相关的室外温度和车厢内温度作为主要参数进行考量。同时,在夏季时,太阳辐射强度也会影响车内人员对空调参数的设定,因此本实施例中的环境数据包括室外温度、车厢内温度以及太阳辐射强度。
进一步,本实施例中,试验车型设有室外温度传感器、车厢内温度传感器和太阳辐射强度传感器,室外温度传感器用于获取室外温度,车厢内温度传感器用于获取车厢内温度,太阳辐射强度传感器用于获取太阳辐射强度。
本实施例中的第一预设时长设置为30秒,考虑到试验车型开启空调后,车厢内所检测温度每30秒会受到空调的作用可能发生一次变化。可以理解的是,若车辆本身空调性能较好,在更短时间内可能发生温度变化,可以将该预设采集时长设置得更短,例如15秒或10秒,甚至更短。若车辆本身空调性能较差,需要更长时间内才可能发生温度变化,可以将该预设采集时长设置得更久,例如45秒或60秒,甚至更长。本实施例并不限于此。
并且,第一预设时长越短,则获取空调设定值的频率越快。本实施例并不限制第一预设时长的长短,当然,第一预设时长越短,单位时间获取空调设定值就越多,自学习成本更高,但自学习效率更快。
步骤S100后执行步骤S200、根据前后两次空调设定值,判断前一次空调设定值是否有效。
例如,在汽车启动时,获取一次空调设定值以及相应的环境数据,30秒后,再获取一次空调设定值以及相应的环境数据,根据两次空调设定值,判定前一次设定值是否有效。在本实施例中,空调设定值包括出风模式设定值。
为了便于说明,本实施例中出风模式设定值包括:吹面、吹面吹脚、吹脚、吹脚除霜四种设定值。
本实施例中,启动时的空调设定值为(吹面),30秒后的空调设定值仍然为(吹面),两次空调设定值相同,说明从上次获取空调设定值的时间(启动时)的30秒内驾驶员并未改变空调风量设定,属于对现有控制方案满意,并期待空调继续作用,继续执行步骤S300、若是,确定所述前一次空调设定值为有效设定值,根据所述环境数据,确定获取所述有效设定值时的所述环境条件。即,有效设定值为吹面,换言之,出风模式有效值为吹面。
需要说明的是,若步骤S200的判断结果为前一次空调设定值无效,即当前空调设定值与前一个空调设定值(吹面)不同,例如,后一次的空调设定值为(吹脚),则回到步骤S100。
继续参见图2,步骤S300中根据所述环境数据,确定获取所述有效设定值时的所述环境条件包括:
S301、构建关于环境条件的集合,其中,每个环境条件包括每项环境数据的一个区间;
S302、根据各项环境数据,在集合中比对;
S303、确定符合每项环境数据的区间范围的环境条件。
具体地,在本实施例中,步骤S301中的环境数据包括三项:室外温度和车厢内温度和太阳辐射强度。
室外温度的范围设置为-40℃~40℃,且在该范围内均匀设有16个区间:[-40℃,-35℃)、[-35℃,-30℃)……[35℃,40℃],可以理解的是每个区间内有5℃幅度变化。
需要说明的是,室外温度的范围并不限于上述-40℃~40℃,例如,可以设置为0℃~45℃、-50℃~60℃等其他温度范围。并且,室外温度的范围也可以分成不同个数的区间,且每个区间的温度幅度变化可相同也可不同,本实施例并不限于此。
车厢内温度的范围设置为-10℃~45℃,且在该范围内均匀设有11个区间:[-10℃,-5℃)、[-15℃,-10℃)……[40℃,45℃],可以理解的是每个区间内有5℃幅度变化。
需要说明的是,车厢内温度范围并不限于上述-10℃~50℃,例如,可以设置为0℃~35℃、-30℃~85℃等其他温度范围。并且,车厢内温度的范围也可以分成不同个数的区间,且每个区间的温度幅度变化可相同也可不同,本实施例并不限于此。
太阳辐射强度的范围设置为0-1000W/m2,且在该范围内均匀设有10个区间:[0,100W/m2)、[100W/m2,200W/m2)……[900W/m2,1000W/m2]。
需要说明的是,太阳辐射强度的范围并不限于上述0-1000W/m2,例如,可以设置为0-1200W/m2、0-800W/m2等其他范围。并且,太阳辐射强度范围也可以分成不同个数的区间,且每个区间的太阳辐射强度范围可相同也可不同,本实施例并不限于此。
本实施例中,室外温度有16个区间,车厢内温度有11个区间,太阳辐射强度有10个区间,环境数据总共包括1760(16×11×10)个环境条件,1760种环境条件组成一个集合,可以理解为,集合中的每个环境条件包括一个室外温度区间、一个车厢内温度区间和一个太阳辐射强度区间。
假设汽车刚启动时,室外温度为35℃,车厢内温度为44℃,太阳辐射强度为750W/m2,比对步骤S101的集合后,最终确定符合三项环境数据的区间的环境条件为:室外温度[35℃,40℃)、车厢内温度[40℃,45℃)、太阳辐射强度[700W/m2,800W/m2)。假设此时驾驶员打开空调或汽车自动打开空调,30秒后,室外温度和太阳辐射强度均不变,而车厢内温度降低为39℃,则此时确定环境条件为:室外温度[35℃,40℃)、车厢内温度[35℃,40℃)、太阳辐射强度[700W/m2,800W/m2)。
当然,也可能30秒后室外温度和太阳辐射强度均不变,而车厢内温度仅降低至41℃,则此时确定环境条件为:室外温度[35℃,40℃)、车厢内温度[40℃,45℃)、太阳辐射强度[700W/m2,800W/m2),环境条件并未发生变化。
步骤S300后执行步骤S400、判断所述环境条件下是否关联预设数量的有效设定值。
在本实施例中,预设数量取5,当前环境条件:室外温度[35℃,40℃)、车厢内温度[35℃,40℃)、太阳辐射强度[700W/m2,800W/m2),若该环境条件下存有5个有效设定值,则表示在此之前,该环境条件下保存了五次有效设定值,当然,这五个有效设定值可以完全相同,也可以完全不同。
若该环境条件下没有关联五个空调设定值,则进行步骤S500、在所述环境条件下关联所述有效设定值。例如,本次为首次学习,环境条件为:室外温度[35℃,40℃)、车厢内温度[35℃,40℃)、太阳辐射强度[700W/m2,800W/m2)的有效设定值个数从0增加到1,记录该有效设定值(吹面)以及相应的环境条件:室外温度[35℃,40℃)、车厢内温度[35℃,40℃)、太阳辐射强度[700W/m2,800W/m2)。
可以理解的是,随着空调继续作用,则车厢内温度将继续降低,本次行车过程中环境条件将仅存在一次,相应地,该环境条件对应的有效设定值(吹面)仅记录一次。换言之,假设室外温度、太阳辐射强度均不变,随着车厢内温度降低,若一直没有改变空调设定值,则每经过30秒,则在相应的环境条件下记录一次有效设定值(吹面)。
可以理解的是,当室外温度、太阳辐射强度不变,车厢内温度逐渐稳定,例如10分钟后,车厢内的温度持续保持在25℃,且仍然没有改变空调设定值,则会逐渐保持在该环境条件:室外温度[35℃,40℃)、车厢内温度[25℃,30℃)、太阳辐射强度[700W/m2,800W/m2),得到更多的有效设定值。
步骤S500之后,执行步骤S600、再次判断所述环境条件下是否关联预设数量的有效设定值。本实施例中,再次判断所述环境条件下关联的有效设定值是否达到5个。
若环境条件:室外温度[35℃,40℃)、车厢内温度[25℃,30℃)、太阳辐射强度[700W/m2,800W/m2)的有效设定值达到五个,则执行步骤S700、根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值。下次满足所述环境条件时以自动设定值进行输出控制,进而完成该环境条件下的自学习控制。
需要说明的是,若步骤S600的判断结果为否,即所述环境条件的有效设定值没有达到预设数量,即没有达到第5次,则回到步骤S100。
进一步,若判断步骤S400的结果为是,即此时该环境条件下已经关联了5个有效设定值,可以理解为,此时也存在一个步骤700得到的自动设定值,则执行步骤S800、删除现有预设数量所述有效设定值中与当前所述自动设定值偏差最大的一个所述有效设定值。
本实施例中,可删除一个出现次数最少的有效设定值,例如现有的五个有效设定值分别为吹面、吹面、吹脚、吹脚、吹面,可先删除一个吹脚。当然,存在两种次数同样最少的有效设定值,可随机删除两种中的其中一种有效设定值,随着该方法逐渐进行,单次随机删除并不会影响自动设定值的确定。需要说明的是,该解释对于实施例一与实施例二而言,同理。
可以理解为,步骤S800的作用在于,可以不断缩小环境条件中有效设定值的数值范围,从而不断自学习并影响步骤S700确定最终的自动设定值的精确度。
步骤S800之后执行步骤S500,从而使步骤S500-步骤S700中仅保留五个有效设定值。
在本实施例中,步骤S700用于确定该环境条件下的关于出风模式的自动设定值。
本实施例中,步骤S700包括:
将五次中出现次数最多的有效出风模式设定值作为出风模式自动设定值,例如,五次中出现最多的有效出风模式设定值为吹脚。则出风模式自动设定值为吹脚。
需要说明的是,存在两种次数同样最多的有效出风模式设定值,可随机选择两种中的其中一种有效出风模式设定值,随着该方法逐渐进行,单次随机选择并不会影响后续确定自动设定值。
通过上述方法,将得到1760个环境条件相应的出风模式自动设定值,则每次驾驶员上车后,按照一个相适应的环境条件进行出风模式自动控制。
本实施例提供的汽车空调自学习控制方法,通过环境数据确定不同的环境条件,且对每种环境条件下的有效出风模式设定值进行统计,当某一环境条件的有效出风模式设定值的统计次数达到预设数量时,可获得环境条件的出风模式自动设定值,在此之后以出风模式自动设定值进行输出,实现空调自动控制。
实施例四:
本实施例提供一种汽车空调自学习控制装置,如图5所示,该控制装置包括空调设定值和环境数据获取模块101、第一判断模块102、环境条件模块103、第二判断模块104、记录模块105、第三判断模块106和自动设定值模块107。
其中,空调设定值和环境数据获取模块101,用于每间隔第一预设时长,获取空调设定值和环境数据;
第一判断模块102,用于根据前后两次所述空调设定值,判断前一次空调设定值是否有效;
环境条件模块103,用于若是,确定所述前一次空调设定值为有效设定值,根据所述环境数据,确定获取所述有效设定值时的所述环境条件;
第二判断模块104,用于判断所述环境条件下是否关联预设数量的有效设定值;
记录模块105,用于若否,在所述环境条件下关联所述有效设定值;
第三判断模块106,用于再次判断所述环境条件下是否存有预设数量的空调设定值;
自动设定值模块107,用于若是,根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值。
本实施例提供的汽车空调自学习控制装置,具体执行上述各实施例流程,具体详见上述汽车空调自学习控制方法。
本实施例提供的汽车空调自学习控制装置,通过环境数据确定不同的环境条件,且对每种环境条件下的有效设定进行统计,当统计次数符合条件时,通过有效设定值(有效温度设定值、有效风量设定值和有效出风模式设定值)可获得下一次自动设定值,从而在此之后以自动设定值进行输出,实现空调温度、风量和出风模式自动控制。
实施例五:
本实施例提供一种设备,图6为本实施例提供的设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性设备12的框图。图6显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外,本实施例中的设备12,显示器24不是作为独立个体存在,而是嵌入镜面中,在显示器24的显示面不予显示时,显示器24的显示面与镜面从视觉上融为一体。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现上述实施例一、实施例二和实施例三中所提供的一种控制方法。
本实施例提供的设备,通过环境数据确定不同的环境条件,且对每种环境条件下的有效设定进行统计,当统计次数符合条件时,通过有效设定值(有效温度设定值、有效风量设定值和有效出风模式设定值)可获得下一次自动设定值,从而在此之后以自动设定值进行输出,实现空调温度、风量和出风模式自动控制。
实施例六:
本发明实施例六提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例一、实施例二和实施例三中所提供的一种控制方法。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本实施例提供的计算机可读存储介质,通过环境数据确定不同的环境条件,且对每种环境条件下的有效设定进行统计,当统计次数符合条件时,通过有效设定值(有效温度设定值、有效风量设定值和有效出风模式设定值)可获得下一次自动设定值,从而在此之后以自动设定值进行输出,实现空调温度、风量和出风模式自动控制。
显然,本发明的上述实施例仅仅是为了清楚说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。这里无需也无法对所有的实施方式予以穷举。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,均应包含在本发明权利要求的保护范围之内。
Claims (16)
1.一种汽车空调自学习控制方法,其特征在于,包括以下步骤:
每间隔第一预设时长,获取空调设定值和环境数据;
根据前后两次所述空调设定值,判断前一次空调设定值是否有效;
若是,确定所述前一次空调设定值为有效设定值,根据所述环境数据,确定获取所述有效设定值时的环境条件;
判断所述环境条件下是否关联预设数量的有效设定值;
若否,在所述环境条件下关联所述有效设定值;
再次判断所述环境条件下是否关联预设数量的有效设定值;
若是,根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值。
2.根据权利要求1所述的汽车空调自学习控制方法,其特征在于,所述环境数据包括室外温度和车厢内温度。
3.根据权利要求2所述的汽车空调自学习控制方法,其特征在于,所述环境数据还包括阳光辐射强度。
4.根据权利要求1所述的汽车空调自学习控制方法,其特征在于,所述判断前一次空调设定值是否有效的步骤包括:
若后一次空调设定值与前一次空调设定值相同,判定所述前一次空调设定值有效;
若后一次空调设定值与前一次空调设定值不同,回到步骤所述间隔第一预设时长,获取空调设定值和环境数据。
5.根据权利要求1所述的汽车空调自学习控制方法,其特征在于,所述根据所述环境数据,确定获取所述有效设定值时的环境条件的步骤包括:
构建关于所述环境条件的集合,其中,每个所述环境条件包括每项所述环境数据的一个区间;
根据各项所述环境数据,在所述集合中比对;
确定符合每项所述环境数据的区间范围的所述环境条件。
6.根据权利要求1所述的汽车空调自学习控制方法,其特征在于,所述再次判断所述环境条件下是否关联预设数量的有效设定值之后还包括:若否,回到所述每间隔第一预设时长,获取空调设定值和环境数据。
7.根据权利要求1-6任一项所述的汽车空调自学习控制方法,其特征在于,所述判断所述环境条件下是否关联预设数量的有效设定值之后还包括:
若是,删除现有预设数量所述有效设定值中与当前所述自动设定值偏差最大的一个所述有效设定值;
之后进行步骤所述在所述环境条件下关联所述有效设定值。
8.根据权利要求7所述的汽车空调自学习控制方法,其特征在于,所述根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值的步骤包括:
根据所述环境条件关联的预设数量的有效温度设定值,确定所述环境条件的温度自动设定值。
9.根据权利要求8所述的汽车空调自学习控制方法,其特征在于,所述根据所述环境条件关联的预设数量的有效温度设定值,确定所述环境条件的温度自动设定值的步骤包括:
将预设数量的所述有效温度设定值按数值大小依次排列,其中,预设数量大于3;
获得每相邻三个所述有效温度设定值的差值之和;
确定所述有效温度设定值的差值之和中的第一最小值;
确定所述第一最小值中相关的三个所述有效温度设定值的温度平均值,所述温度平均值作为所述温度自动设定值。
10.根据权利要求7所述的汽车空调自学习控制方法,其特征在于,所述根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值的步骤包括:
根据所述环境条件关联的预设数量的有效风量设定值,确定所述环境条件的风量自动设定值。
11.根据权利要求10所述的汽车空调自学习控制方法,其特征在于,所述根据所述环境条件关联的预设数量的有效风量设定值,确定所述环境条件的风量自动设定值的步骤包括:
将预设数量的所述有效风量设定值按数值大小依次排列,其中,预设数量大于3;
获得每相邻三个所述有效风量设定值的差值之和;
确定所述有效风量设定值的差值之和中的第二最小值;
确定所述第二最小值中相关的三个所述有效风量设定值的风量平均值,所述风量平均值作为所述风量自动设定值。
12.根据权利要求7所述的汽车空调自学习控制方法,其特征在于,所述根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值的步骤包括:
根据所述环境条件关联的预设数量的有效出风模式设定值,确定所述环境条件的出风模式自动设定值。
13.根据权利要求12所述的汽车空调自学习控制方法,其特征在于,所述根据所述环境条件关联的预设数量的有效出风模式设定值,确定所述环境条件的出风模式自动设定值的步骤包括:
将预设数量中出现次数最多的所述有效出风模式设定值作为所述出风模式目标值。
14.一种汽车空调自学习控制装置,其特征在于,包括:
空调设定值和环境数据获取模块,用于每间隔第一预设时长,获取空调设定值和环境数据;
第一判断模块,用于根据前后两次所述空调设定值,判断前一次空调设定值是否有效;
环境条件模块,用于若是,确定所述前一次空调设定值为有效设定值,根据所述环境数据,确定获取所述有效设定值时的所述环境条件;
第二判断模块,判断判断所述环境条件下是否关联预设数量的有效设定值;
关联模块,用于若否,在所述环境条件下关联所述有效设定值;
第三判断模块,用于再次判断所述环境条件下是否关联预设数量的有效设定值;
自动设定值模块,用于若是,根据所述环境条件下关联的预设数量的所述有效设定值,确定所述环境条件的自动设定值。
15.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-13任一项所述的汽车空调自学习控制方法。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-13任一项所述的汽车空调自学习控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210139908.5A CN114537080B (zh) | 2022-02-16 | 2022-02-16 | 汽车空调自学习控制方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210139908.5A CN114537080B (zh) | 2022-02-16 | 2022-02-16 | 汽车空调自学习控制方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114537080A CN114537080A (zh) | 2022-05-27 |
CN114537080B true CN114537080B (zh) | 2023-06-30 |
Family
ID=81675551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210139908.5A Active CN114537080B (zh) | 2022-02-16 | 2022-02-16 | 汽车空调自学习控制方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114537080B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0725221A (ja) * | 1993-07-13 | 1995-01-27 | Nissan Motor Co Ltd | 自動車用空調装置 |
CN106839268A (zh) * | 2016-12-23 | 2017-06-13 | Tcl空调器(中山)有限公司 | 空调器自学习控制方法及系统 |
CN110293818A (zh) * | 2019-07-12 | 2019-10-01 | 腾讯科技(深圳)有限公司 | 车载空调控制方法和装置 |
CN111038214A (zh) * | 2019-12-27 | 2020-04-21 | 华人运通(江苏)技术有限公司 | 一种车载空调器的控制方法、装置及系统 |
KR102114989B1 (ko) * | 2019-12-10 | 2020-05-26 | 한국산업기술시험원 | 심층 강화 학습 알고리즘을 적용한 공기조화기 정밀 학습 시스템 및 그 방법 |
CN111572312A (zh) * | 2020-05-20 | 2020-08-25 | 一汽解放汽车有限公司 | 一种自动空调控制方法、装置、设备及存储介质 |
CN111619312A (zh) * | 2020-06-24 | 2020-09-04 | 江苏罗思韦尔电气有限公司 | 用于汽车空调温度的控制方法和控制系统 |
CN112283894A (zh) * | 2019-07-25 | 2021-01-29 | 广东美的制冷设备有限公司 | 空调器、自学习和自动控制方法、控制装置和存储介质 |
WO2021046544A1 (en) * | 2019-09-06 | 2021-03-11 | Vigilent Corporation | Optimal control with deep learning |
-
2022
- 2022-02-16 CN CN202210139908.5A patent/CN114537080B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0725221A (ja) * | 1993-07-13 | 1995-01-27 | Nissan Motor Co Ltd | 自動車用空調装置 |
CN106839268A (zh) * | 2016-12-23 | 2017-06-13 | Tcl空调器(中山)有限公司 | 空调器自学习控制方法及系统 |
CN110293818A (zh) * | 2019-07-12 | 2019-10-01 | 腾讯科技(深圳)有限公司 | 车载空调控制方法和装置 |
CN112283894A (zh) * | 2019-07-25 | 2021-01-29 | 广东美的制冷设备有限公司 | 空调器、自学习和自动控制方法、控制装置和存储介质 |
WO2021046544A1 (en) * | 2019-09-06 | 2021-03-11 | Vigilent Corporation | Optimal control with deep learning |
KR102114989B1 (ko) * | 2019-12-10 | 2020-05-26 | 한국산업기술시험원 | 심층 강화 학습 알고리즘을 적용한 공기조화기 정밀 학습 시스템 및 그 방법 |
CN111038214A (zh) * | 2019-12-27 | 2020-04-21 | 华人运通(江苏)技术有限公司 | 一种车载空调器的控制方法、装置及系统 |
CN111572312A (zh) * | 2020-05-20 | 2020-08-25 | 一汽解放汽车有限公司 | 一种自动空调控制方法、装置、设备及存储介质 |
CN111619312A (zh) * | 2020-06-24 | 2020-09-04 | 江苏罗思韦尔电气有限公司 | 用于汽车空调温度的控制方法和控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114537080A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108725136B (zh) | 车载空调调节方法、系统、设备及存储介质 | |
US9956845B2 (en) | System and method to adjust vehicle temperature based on driver location | |
CN103909805B (zh) | 个性化车辆气候控制 | |
CN111572312B (zh) | 一种自动空调控制方法、装置、设备及存储介质 | |
CN111216514A (zh) | 一种自动调节车内温度的方法、装置、系统 | |
CN110803130B (zh) | 车辆除霜方法、装置、服务器和存储介质 | |
CN108859653B (zh) | 一种电动汽车空调控制方法及系统 | |
CN105020844A (zh) | 空调器及其导风控制方法 | |
US20150193991A1 (en) | Vehicle universal control device for interfacing sensors and controllers | |
CN113103980A (zh) | 一种车辆控制方法、装置、车辆及存储介质 | |
CN111891037A (zh) | 一种座舱灯光控制方法、装置、设备及存储介质 | |
CN114537080B (zh) | 汽车空调自学习控制方法、装置、设备以及存储介质 | |
CN107813677A (zh) | 一种自动空调hvac总成装置 | |
CN114636223A (zh) | 一种除霜制热的控制方法、系统、设备及存储介质 | |
CN113059982A (zh) | 一种车辆温度调节的方法及装置 | |
CN114274736A (zh) | 汽车空调防雾控制方法、装置、设备、存储介质 | |
CN114103849B (zh) | 车辆控制方法、装置、车辆及计算机可读存储介质 | |
CN110758050A (zh) | 一种汽车空调除霜控制系统及控制方法 | |
CN112880138A (zh) | 空调的控制方法、系统及空调 | |
CN106288150B (zh) | 一种基于空调遥控器的温度调节方法及系统 | |
CN115891560A (zh) | 用于调节与预约空气调节互相配合的车辆电池的方法和系统 | |
CN115164373A (zh) | 一种控制空调温度补偿的方法、装置和设备 | |
KR20070107324A (ko) | 공기 조화 시스템 및 그 동작방법 | |
CN115257276A (zh) | 车辆空调控制方法、车辆空调控制系统及车辆 | |
CN114379309B (zh) | 汽车空调控制方法及汽车 |
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 |