CN116838464A - 电控硅油风扇控制方法、装置、控制器及存储介质 - Google Patents
电控硅油风扇控制方法、装置、控制器及存储介质 Download PDFInfo
- Publication number
- CN116838464A CN116838464A CN202310946823.2A CN202310946823A CN116838464A CN 116838464 A CN116838464 A CN 116838464A CN 202310946823 A CN202310946823 A CN 202310946823A CN 116838464 A CN116838464 A CN 116838464A
- Authority
- CN
- China
- Prior art keywords
- engine
- silicone oil
- oil fan
- electrically controlled
- rotating speed
- 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
- 229920002545 silicone oil Polymers 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 77
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 93
- 238000001816 cooling Methods 0.000 claims abstract description 37
- 230000015654 memory Effects 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 27
- 238000004140 cleaning Methods 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000007787 long-term memory Effects 0.000 claims description 6
- 230000006855 networking Effects 0.000 claims description 6
- 230000006403 short-term memory Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01P—COOLING OF MACHINES OR ENGINES IN GENERAL; COOLING OF INTERNAL-COMBUSTION ENGINES
- F01P7/00—Controlling of coolant flow
- F01P7/02—Controlling of coolant flow the coolant being cooling-air
- F01P7/04—Controlling of coolant flow the coolant being cooling-air by varying pump speed, e.g. by changing pump-drive gear ratio
- F01P7/042—Controlling of coolant flow the coolant being cooling-air by varying pump speed, e.g. by changing pump-drive gear ratio using fluid couplings
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01P—COOLING OF MACHINES OR ENGINES IN GENERAL; COOLING OF INTERNAL-COMBUSTION ENGINES
- F01P2050/00—Applications
- F01P2050/22—Motor-cars
Abstract
本申请提供一种电控硅油风扇控制方法、装置、控制器及存储介质,方法包括:获取车辆的历史预设时间段内不同时刻的发动机水温;将所述历史预设时间段内不同时刻的发动机水温输入预建立的冷却系统模型,以通过所述冷却系统模型输出未来预设时间段内不同时刻的发动机预测水温;根据所述发动机预测水温采用模型预测控制方法计算得到电控硅油风扇的目标设定转速;根据所述目标设定转速对所述电控硅油风扇的转速进行控制。本申请实现了电控硅油风扇的预测性控制,降低了发动机能耗。
Description
技术领域
本申请涉及汽车技术领域,尤其涉及一种电控硅油风扇控制方法、装置、控制器及存储介质。
背景技术
电控硅油风扇是发动机冷却系统中的基于温度控制的电子风扇,用于调整发动机工作时的温度。
现有技术中电控硅油风扇的控制方法,主要原理为基于水温传感器、进气温度传感器等测量的温度,通过预先标定的温度与电控硅油风扇设定转速一元函数输出电控硅油风扇的设定转速,进而对电控硅油风扇进行转速控制。
然而发明人发现,现有的控制方法基于标定人员的经验进行一元函数标定,部分工况下电控硅油风扇设定转速不合适,存在电控硅油风扇不受控问题,导致发动机油耗升高。
发明内容
本申请提供一种电控硅油风扇控制方法、装置、控制器及存储介质,用以解决现有技术中的电控硅油风扇不受控导致发动机油耗升高的问题。
第一方面,本申请提供一种电控硅油风扇控制方法,包括:
获取车辆的历史预设时间段内不同时刻的发动机水温;
将所述历史预设时间段内不同时刻的发动机水温输入预建立的冷却系统模型,以通过所述冷却系统模型输出未来预设时间段内不同时刻的发动机预测水温;
根据所述发动机预测水温采用模型预测控制方法计算得到电控硅油风扇的目标设定转速;
根据所述目标设定转速对所述电控硅油风扇的转速进行控制。
在一种可能的设计中,其中所述冷却系统模型的建立过程,包括:获取车辆的车联网原始数据,其中,所述车联网原始数据中包括车辆运行参数;对所述车联网原始数据进行预处理,得到训练数据集和测试数据集;根据所述训练数据集和测试数据集对长短期记忆网络模型进行训练,得到所述冷却系统模型。
在一种可能的设计中,所述对车联网原始数据进行预处理,得到训练数据集和测试数据集,包括:对所述车联网原始数据进行异常值清洗、重复值清洗和缺失值清洗,得到车联网数据;从所述车联网数据中抽取特征数据,形成训练数据集和测试数据集;其中,所述特征数据包括以下至少一种:车辆运行中的电控硅油风扇转速、车速、发动机负荷率、发动机水温和环境温度。
在一种可能的设计中,所述长短期记忆网络模型的输入层中,所述特征数据按照时刻不同进行输入。
在一种可能的设计中,所述根据所述发动机预测水温采用模型预测控制方法得到电控硅油风扇的目标设定转速,包括:将所述发动机预测水温输入优化目标函数公式和约束条件公式,计算得到当下时刻的电控硅油风扇的目标设定转速;
其中,所述优化目标函数公式为:
式中,cost function表示代价函数,min表示最小值,表示发动机预测水温,y表示发动机目标控制水温;
所述约束条件公式为:
式中,表示当下时刻的下一时刻的发动机预测水温,yt表示当下时刻的发动机目标控制水温,ut表示当下时刻的电控硅油风扇的目标设定转速。
在一种可能的设计中,所述根据所述目标设定转速对所述电控硅油风扇的转速进行控制,包括:基于所述目标设定转速,采用比例积分微分控制方法对电控硅油风扇的实际转速进行控制。
第二方面,本申请提供一种电控硅油风扇控制装置,包括:
获取模块,用于获取车辆的历史预设时间段内不同时刻的发动机水温;
输出模块,用于将所述历史预设时间段内不同时刻的发动机水温输入预建立的冷却系统模型,以通过所述冷却系统模型输出未来预设时间段内不同时刻的发动机预测水温;
计算模块,用于根据所述发动机预测水温采用模型预测控制方法计算得到电控硅油风扇的目标设定转速;
控制模块,用于根据所述目标设定转速对所述电控硅油风扇的转速进行控制。
第三方面,本申请提供一种车辆控制器,包括:至少一个处理器和存储器;所述存储器存储计算机执行指令;所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行第一方面及第一方面任一种可能的设计中的电控硅油风扇控制方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序/指令,当处理器执行所述计算机执行指令时,实现如第一方面及第一方面任一种可能的设计中的电控硅油风扇控制方法。
本申请提供的电控硅油风扇控制方法、装置、控制器及存储介质,通过获取车辆的历史预设时间段内不同时刻的发动机水温,并将其输入预建立的冷却系统模型,以通过冷却系统模型输出未来预设时间段内不同时刻的发动机预测水温;根据发动机预测水温计算得到电控硅油风扇的目标设定转速,从而可以控制电控硅油风扇按照目标设定转速进行工作,实现电控硅油风扇的预测性控制,降低发动机能耗。
附图说明
为了更清楚地说明本申请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一简单地介绍,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为本申请实施例提供的电控硅油风扇控制的系统架构示意图;
图2为本申请实施例提供的电控硅油风扇控制方法的流程图一;
图3为本申请实施例提供的电控硅油风扇控制方法的流程图二;
图4为本申请实施例提供的冷却系统模型的建立方法示意图;
图5为本申请实施例提供的电控硅油风扇控制装置的结构示意图;
图6为本申请实施例提供的车辆控制器的硬件结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请中的附图,对本申请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。
术语解释
电控硅油风扇:由电控硅油离合器与风扇构成,利用硅油作为介质,通过控制电磁阀调整硅油离合器中的硅油量实现风扇的啮合与脱离。能够实现风扇转速的精准控制。
车联网原始数据:车辆物联网设备采集的发动机转速、发动机扭矩、车速、发动机水温、环境温度等数据。
数据驱动方法:基于人工智能模型,使用大量数据建立被控对象的物理模型。
模型预测控制(MPC,model predictive control):利用现有模型针对系统未来状态进行预测,在某一未来时间段内的表现进行优化控制。
电控硅油风扇是发动机冷却系统中的基于温度控制的电子风扇,用于调整发动机工作时的温度。现有技术中电控硅油风扇的控制方法,主要原理为基于水温传感器、进气温度传感器等测量的温度,通过预先标定的温度与电控硅油风扇设定转速一元函数输出电控硅油风扇的设定转速,进而对电控硅油风扇进行转速控制。然而,现有的控制方法基于标定人员的经验进行一元函数标定,部分工况下电控硅油风扇设定转速不合适,存在电控硅油风扇不受控问题,导致风扇全啮合后无法快速脱开,以及发动机油耗升高。
针对上述问题,本申请提出了一种电控硅油风扇控制方法,通过冷却系统模型根据历史发动机水温预测未来预设时间段内的发动机预测水温,根据发动机预测水温得到电控硅油风扇的目标设定转速,从而可以控制电控硅油风扇按照目标设定转速进行工作,实现电控硅油风扇的预测性控制,降低发动机能耗。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本申请实施例提供的电控硅油风扇控制的系统架构示意图。如图1所示,本实施例提供的系统包括:车辆控制器101、发动机102和电控硅油风扇103。其中电控硅油风扇103为发动机102的冷却系统中的装置,可以调节发动机102的水温。车辆控制器101与发动机102和电控硅油风扇103建立通信连接,车辆控制器101可以对发动机102和电控硅油风扇103实现控制。
图2为本申请实施例提供的电控硅油风扇控制方法的流程图一,本实施例的执行主体可以为车辆控制器。如图2所示,本实施例的方法可以包括如下步骤:
S201、获取车辆的历史预设时间段内不同时刻的发动机水温。
本实施例中,历史预设时间段可以根据实际情况进行设定,例如历史预设时间段可以设定为300秒。300秒内不同时刻的发动机水温可以包括第1秒的发动机水温,第2秒的发动机水温,……,第300秒的发动机水温。即历史预设时间段内不同时刻的发动机水温是一个与时刻对应的发动机水温的序列。
S202、将历史预设时间段内不同时刻的发动机水温输入预建立的冷却系统模型,以通过冷却系统模型输出未来预设时间段内不同时刻的发动机预测水温。
本实施例中,冷却系统模型可以利用数据驱动方法进行建立,其中数据驱动方法可以包括统计分析法、机器学习法和自然语言处理法。具体地,本实施例中采用采用循环神经网络RNN或长短期记忆网络模型LSTM进行建模。
预建立的冷却系统模型能够利用历史预设时间段内不同时刻的发动机水温预测未来一段时间内不同时刻的发动机水温。
S203、根据发动机预测水温采用模型预测控制方法计算得到电控硅油风扇的目标设定转速。
本实施例中,计算电控硅油风扇的目标设定转速的方法为:
将发动机预测水温输入优化目标函数公式和约束条件公式,计算得到当下时刻的电控硅油风扇的目标设定转速;
其中,优化目标函数公式为:
式中,cost function表示代价函数,min表示最小值,表示发动机预测水温,y表示发动机目标控制水温;
约束条件公式为:
式中,表示当下时刻的下一时刻的发动机预测水温,yt表示当下时刻的发动机目标控制水温,ut表示当下时刻的电控硅油风扇的目标设定转速。
具体地,优化目标函数公式中发动机预测水温和发动机目标控制水温y都是已知量,约束条件公式中当下时刻的下一时刻的发动机预测水温/>和当下时刻的发动机目标控制水温yt都是已知量,将这些已知量代入以上公式即可计算得到当下时刻的电控硅油风扇的目标设定转速ut。
在本实施例中,模型预测控制(Model Predictive Control,MPC)方法是一类特殊的控制方法,可以利用现有模型针对系统未来状态进行预测,在某一未来时间段内的表现进行优化控制。
S204、根据目标设定转速对电控硅油风扇的转速进行控制。
本实施例中,根据目标设定转速对电控硅油风扇的转速进行控制的具体方法为:基于目标设定转速,采用比例积分微分控制方法对电控硅油风扇的实际转速进行控制。
具体地,比例积分微分控制方法(Proportion Integration Differentiation,PID)是一种常见的保持稳定控制算法。
综上,本实施例提供的电控硅油风扇控制方法,通过获取车辆的历史预设时间段内不同时刻的发动机水温,并将其输入预建立的冷却系统模型,以通过冷却系统模型输出未来预设时间段内不同时刻的发动机预测水温;根据发动机预测水温计算得到电控硅油风扇的目标设定转速,从而可以控制电控硅油风扇按照目标设定转速进行工作,实现电控硅油风扇的预测性控制,降低发动机能耗。
图3为本申请实施例提供的电控硅油风扇控制方法的流程图二。在图2示例实施例的基础上,图3对步骤S202中的冷却系统模型的建立过程进行了详细解释,如图3所示,本实施例的方法可以包括如下步骤:
S301、获取车辆的车联网原始数据,其中,车联网原始数据中包括车辆运行参数。
本实施例中,车辆物联网设备可以将采集的发动机转速、车速、发动机水温、环境温度等数据存储到远程终端。车辆的车联网原始数据可以是从远程终端获取到的。
具体地,车辆运行参数可以包括:电控硅油风扇转速、车速、发动机负荷率、发动机水温和环境温度等。
S302、对车联网原始数据进行预处理,得到训练数据集和测试数据集。
本实施例中,对车联网原始数据进行预处理包括以下步骤:
a1:对车联网原始数据进行异常值清洗、重复值清洗和缺失值清洗,得到车联网数据,以消除因数据失真、传输错误等问题导致的原始数据中存在的异常数据。
具体地,异常值清洗包括:(1)环境大气压力的异常值清洗:环境大气压力最小值400hPa,环境大气压力最大值1050hPa。(2)车速的异常值清洗:车速最小值0km/h,车速最大值150km/h。(3)发动机水温的异常值清洗:发动机水温最小值-50℃,最大值150℃。(4)电控硅油风扇转速的异常值清洗:风扇转速最小值0rpm,最大值3000rpm。
重复值清洗包括:基于原始数据时间戳,去除重复数据,即同一车辆同一时刻只有唯一一条数据记录。
缺失值清洗包括:若某时刻水温数据缺失,则利用前后时刻均值填补缺失值。
a2:从车联网数据中抽取特征数据,形成训练数据集和测试数据集;其中,特征数据包括以下至少一种:车辆运行中的电控硅油风扇转速、车速、发动机负荷率、发动机水温和环境温度。
S303、根据训练数据集和测试数据集对长短期记忆网络模型进行训练,得到冷却系统模型。
本实施例中采用长短期记忆网络模型LSTM进行建模,LSTM模型是一种时间递归神经网络,适用于处理时间序列的预测问题,适用于本申请中提出的利用历史发动机水温数据预测未来一段时间的水温。利用LSTM对冷却系统模型进行建模的过程如图4所示,图4为本申请实施例提供的冷却系统模型的建立方法示意图。
如图4所示,将LSTM当做黑盒模型使用,定义好LSTM模型的输入与输出,LSTM模型的输入层中,特征数据按照时刻不同进行输入。其中X(t)为t时刻模型输入特征向量,输入特征为当前时刻[电控硅油风扇转速、车速、发动机负荷率、发动机水温和环境温度],X(t-n)为t-n时刻模型输入特征向量,输入特征为t-n时刻[电控硅油风扇转速、车速、发动机负荷率、发动机水温和环境温度]。c(t-1)与h(t-1)为LSTM隐藏层内部输出,y(t)为模型预测的t时刻的下一时刻发动机水温。
其中,LSTM模型的损失函数定义以下公式所示:
式中,cost function表示损失函数,表示t时刻的发动机预测水温,yt表示t时刻的发动机目标控制水温;
利用该损失函数与训练数据集和测试数据集进行模型训练,训练目标为将损失函数进行最小化。
综上,本实施例提供的电控硅油风扇控制方法,通过获取车辆的车联网原始数据,对车联网原始数据进行预处理,得到训练数据集和测试数据集;根据训练数据集和测试数据集对长短期记忆网络模型进行训练,得到冷却系统模型,该冷却系统模型可以实现基于历史发动机水温数据预测未来时间段内的发动机水温,为得到电控硅油风扇的目标设定转速和降低发动机能耗提供了基础。
图5为本申请实施例提供的电控硅油风扇控制装置的结构示意图,如图5所示,本实施例的电控硅油风扇控制装置用于实现上述任一方法实施例中对应于车辆控制器的操作,本实施例的电控硅油风扇控制装置包括:获取模块501、输出模块502、计算模块503和控制模块504。
获取模块501,用于获取车辆的历史预设时间段内不同时刻的发动机水温。
输出模块502,用于将历史预设时间段内不同时刻的发动机水温输入预建立的冷却系统模型,以通过冷却系统模型输出未来预设时间段内不同时刻的发动机预测水温。
计算模块503,用于根据发动机预测水温采用模型预测控制方法计算得到电控硅油风扇的目标设定转速。
控制模块504,用于根据目标设定转速对电控硅油风扇的转速进行控制。
在一种可能的实现方式中,电控硅油风扇控制装置还包括建立模块505,用于获取车辆的车联网原始数据,其中,车联网原始数据中包括车辆运行参数;对车联网原始数据进行预处理,得到训练数据集和测试数据集;根据训练数据集和测试数据集对长短期记忆网络模型进行训练,得到冷却系统模型。
在一种可能的实现方式中,建立模块505还具体用于对车联网原始数据进行异常值清洗、重复值清洗和缺失值清洗,得到车联网数据;从车联网数据中抽取特征数据,形成训练数据集和测试数据集;其中,特征数据包括以下至少一种:车辆运行中的电控硅油风扇转速、车速、发动机负荷率、发动机水温和环境温度。
在一种可能的实现方式中,建立模块505中长短期记忆网络模型的输入层中,特征数据按照时刻不同进行输入。
在一种可能的实现方式中,计算模块503具体用于将发动机预测水温输入优化目标函数公式和约束条件公式,计算得到当下时刻的电控硅油风扇的目标设定转速;其中,优化目标函数公式为:
式中,cost function表示代价函数,min表示最小值,表示发动机预测水温,y表示发动机目标控制水温;
约束条件公式为:
式中,表示当下时刻的下一时刻的发动机预测水温,yt表示当下时刻的发动机目标控制水温,ut表示当下时刻的电控硅油风扇的目标设定转速。
在一种可能的实现方式中,控制模块504具体用于基于目标设定转速,采用比例积分微分控制方法对电控硅油风扇的实际转速进行控制。
本申请实施例提供的装置,可执行上述方法实施例,其具体实现原理和技术效果,可参见上述方法实施例,本实施例此处不再赘述。
图6为本申请实施例提供的车辆控制器的硬件结构示意图。如图6所示,车辆控制器包括:存储器601和至少一个处理器602。存储器601,用于存储计算机执行指令。该存储器601可能包含高速随机存取存储器(Random Access Memory,RAM),也可能还包括非易失性存储(Non-Volatile Memory,NVM),例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
至少一个处理器602,用于执行存储器存储的计算机执行指令,以实现上述实施例中的车辆坡道换挡控制方法。具体可以参见前述方法实施例中的相关描述。该处理器602可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
可选地,存储器601既可以是独立的,也可以跟处理器602集成在一起。
当存储器601是独立于处理器602之外的器件时,车辆控制器还可以包括总线603。该总线603用于连接存储器601和处理器602。该总线603可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本实施例提供的车辆控制器可用于执行上述的电控硅油风扇控制方法,其实现方式和技术效果类似,本实施例此处不再赘述。
本申请还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序/指令,当处理器执行计算机程序/指令时,实现上述的各种实施方式提供的电控硅油风扇控制方法。
其中,计算机可读存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,计算机可读存储介质耦合至处理器,从而使处理器能够从该计算机可读存储介质读取信息,且可向该计算机可读存储介质写入信息。当然,计算机可读存储介质也可以是处理器的组成部分。处理器和计算机可读存储介质可以位于专用集成电路(Application Specific Integrated Circuits,ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和计算机可读存储介质也可以作为分立组件存在于通信设备中。
具体地,该计算机可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random-Access Memory,SRAM),电可擦除可编程只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM),可编程只读存储器(Programmable read-only memory,PROM),只读存储器(Read-OnlyMemory,ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本申请还提供一种计算机程序产品,该计算机程序产品包括计算机程序/指令,该计算机程序/指令存储在计算机可读存储介质中。设备的至少一个处理器可以从计算机可读存储介质中读取该计算机程序/指令,至少一个处理器执行该计算机程序/指令使得设备实施上述的各种实施方式提供的方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
其中,各个模块可以是物理上分开的,例如安装于一个的设备的不同位置,或者安装于不同的设备上,或者分布到多个网络单元上,或者分布到多个处理器上。各个模块也可以是集成在一起的,例如,安装于同一个设备中,或者,集成在一套代码中。各个模块可以以硬件的形式存在,或者也可以以软件的形式存在,或者也可以采用软件加硬件的形式实现。本申请可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
当各个模块以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,车辆控制器,或者网络设备等)或处理器执行本申请各个实施例方法的部分步骤。
应该理解的是,虽然上述实施例中的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制。尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换。而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种电控硅油风扇控制方法,其特征在于,包括:
获取车辆的历史预设时间段内不同时刻的发动机水温;
将所述历史预设时间段内不同时刻的发动机水温输入预建立的冷却系统模型,以通过所述冷却系统模型输出未来预设时间段内不同时刻的发动机预测水温;
根据所述发动机预测水温采用模型预测控制方法计算得到电控硅油风扇的目标设定转速;
根据所述目标设定转速对所述电控硅油风扇的转速进行控制。
2.根据权利要求1所述的方法,其特征在于,其中所述冷却系统模型的建立过程,包括:
获取车辆的车联网原始数据,其中,所述车联网原始数据中包括车辆运行参数;
对所述车联网原始数据进行预处理,得到训练数据集和测试数据集;
根据所述训练数据集和测试数据集对长短期记忆网络模型进行训练,得到所述冷却系统模型。
3.根据权利要求2所述的方法,其特征在于,所述对所述车联网原始数据进行预处理,得到训练数据集和测试数据集,包括:
对所述车联网原始数据进行异常值清洗、重复值清洗和缺失值清洗,得到车联网数据;
从所述车联网数据中抽取特征数据,形成训练数据集和测试数据集;其中,所述特征数据包括以下至少一种:车辆运行中的电控硅油风扇转速、车速、发动机负荷率、发动机水温和环境温度。
4.根据权利要求3所述的方法,其特征在于,所述长短期记忆网络模型的输入层中,所述特征数据按照时刻不同进行输入。
5.根据权利要求1所述的方法,其特征在于,所述根据所述发动机预测水温采用模型预测控制方法计算得到电控硅油风扇的目标设定转速,包括:
将所述发动机预测水温输入优化目标函数公式和约束条件公式,计算得到当下时刻的电控硅油风扇的目标设定转速;
其中,所述优化目标函数公式为:
式中,cost function表示代价函数,min表示最小值,表示发动机预测水温,y表示发动机目标控制水温;
所述约束条件公式为:
式中,表示当下时刻的下一时刻的发动机预测水温,yt表示当下时刻的发动机目标控制水温,ut表示当下时刻的电控硅油风扇的目标设定转速。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述根据所述目标设定转速对所述电控硅油风扇的转速进行控制,包括:
基于所述目标设定转速,采用比例积分微分控制方法对电控硅油风扇的实际转速进行控制。
7.一种电控硅油风扇控制装置,其特征在于,包括:
获取模块,用于获取车辆的历史预设时间段内不同时刻的发动机水温;
输出模块,用于将所述历史预设时间段内不同时刻的发动机水温输入预建立的冷却系统模型,以通过所述冷却系统模型输出未来预设时间段内不同时刻的发动机预测水温;
计算模块,用于根据所述发动机预测水温采用模型预测控制方法计算得到电控硅油风扇的目标设定转速;
控制模块,用于根据所述目标设定转速对所述电控硅油风扇的转速进行控制。
8.根据权利要求7所述的装置,其特征在于,还包括建立模块,用于获取车辆的车联网原始数据,其中,所述车联网原始数据中包括车辆运行参数;
对所述车联网原始数据进行预处理,得到训练数据集和测试数据集;
根据所述训练数据集和测试数据集对长短期记忆网络模型进行训练,得到所述冷却系统模型。
9.一种车辆控制器,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至6任一项所述的电控硅油风扇控制方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序/指令,当处理器执行所述计算机执行指令时,实现如权利要求1至6任一项所述的电控硅油风扇控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310946823.2A CN116838464A (zh) | 2023-07-28 | 2023-07-28 | 电控硅油风扇控制方法、装置、控制器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310946823.2A CN116838464A (zh) | 2023-07-28 | 2023-07-28 | 电控硅油风扇控制方法、装置、控制器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116838464A true CN116838464A (zh) | 2023-10-03 |
Family
ID=88174366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310946823.2A Pending CN116838464A (zh) | 2023-07-28 | 2023-07-28 | 电控硅油风扇控制方法、装置、控制器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116838464A (zh) |
-
2023
- 2023-07-28 CN CN202310946823.2A patent/CN116838464A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6148316B2 (ja) | 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム | |
US11488035B2 (en) | Method and device for machine learning in a computing unit | |
CN111684160B (zh) | 用于优化风扇或风扇布置的效率和/或运行性能的方法 | |
US10983485B2 (en) | Method and control device for controlling a technical system | |
CN113272537B (zh) | 用于车辆马达的热控制 | |
CN111684369B (zh) | 用于风扇或风扇总成的优化操作的方法 | |
CN110447041B (zh) | 噪声神经网络层 | |
WO2020235194A1 (ja) | 製造条件出力装置、品質管理システム及びプログラム | |
Mosallam et al. | Component based data-driven prognostics for complex systems: Methodology and applications | |
CN115660226B (zh) | 电力负荷的预测模型构建方法和基于数字孪生的构建装置 | |
CN113783962B (zh) | 基于边缘计算的数据采集系统及方法 | |
CN116010900A (zh) | 基于自注意力机制的多尺度特征融合齿轮箱故障诊断方法 | |
CN114386563A (zh) | 神经过程的贝叶斯上下文聚合 | |
CN115291545A (zh) | 一种电力电子产品的多层控制系统及方法 | |
CN116795066B (zh) | 远程io模块的通信数据处理方法、系统、服务器及介质 | |
CN116838464A (zh) | 电控硅油风扇控制方法、装置、控制器及存储介质 | |
CN113759708A (zh) | 系统的优化控制方法、装置和电子设备 | |
EP4246375A1 (en) | Model processing method and related device | |
US11804034B2 (en) | Training a function to respond predictably to differences | |
TWI824198B (zh) | 預測無人機的耗電量的方法及使用所述方法的無人機 | |
CN114814707A (zh) | 一种智能电表应力误差分析方法、设备、终端及可读介质 | |
US20230306234A1 (en) | Method for assessing model uncertainties with the aid of a neural network and an architecture of the neural network | |
US20240020535A1 (en) | Method for estimating model uncertainties with the aid of a neural network and an architecture of the neural network | |
WO2022091399A1 (ja) | 保険料率算出装置および保険料率算出方法 | |
CN117011092B (zh) | 一种智能建筑设备管理监控系统及方法 |
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 |