CN116907880B - 一种用于测试车辆的供风设备及供风控制方法 - Google Patents
一种用于测试车辆的供风设备及供风控制方法 Download PDFInfo
- Publication number
- CN116907880B CN116907880B CN202311174358.1A CN202311174358A CN116907880B CN 116907880 B CN116907880 B CN 116907880B CN 202311174358 A CN202311174358 A CN 202311174358A CN 116907880 B CN116907880 B CN 116907880B
- Authority
- CN
- China
- Prior art keywords
- air supply
- time
- sample
- set quantity
- corrected
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012360 testing method Methods 0.000 title claims abstract description 40
- 238000012937 correction Methods 0.000 claims abstract description 91
- 238000004088 simulation Methods 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 21
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 14
- 230000001052 transient effect Effects 0.000 description 12
- 238000005265 energy consumption Methods 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000001816 cooling Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
- G01M9/08—Aerodynamic 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Feedback Control In General (AREA)
Abstract
本申请公开了一种用于测试车辆的供风设备及供风控制方法，涉及车辆测试技术领域，该供风设备包括：阵列风机包括多个子风机；阵列风机用于提供风流；风道用于将阵列风机提供的风流引导至需求供风区域；控制器用于获取t‑1时刻供风设定量和t时刻供风设定量，根据t‑1时刻供风设定量和t时刻供风设定量，确定t‑1时刻至t时刻供风量变化率，将t‑1时刻供风设定量和t‑1时刻至t时刻供风量变化率，输入给预先训练的供风控制模型，得到t时刻修正系数，根据t时刻修正系数，对t时刻供风设定量进行修正，得到t时刻修正后供风量，根据t时刻修正后供风量对子风机进行控制。该供风设备能够减少供风量与需求量之间的误差。
Description
技术领域
本申请涉及车辆测试技术领域，尤其涉及一种用于测试车辆的供风设备及供风控制方法。
背景技术
车辆研发过程中，需要在系统层级进行大量的测试，包括但不限于动力性、经济性、安全性以及舒适性等。其中，在对经济性进行测试过程中，需要考虑热管理系统所带来的能源消耗，热管理系统用于维持车辆各子系统部件以及驾驶舱在适宜温度。
热管理系统通过前端冷却模块与外界环境交换热量，机舱进风量的大小会影响换热性能，进而影响车辆能耗。为了获取车辆的真实能耗情况，需要为被测车辆（例如车辆的前端冷却模块）提供与运行工况一致的瞬态供风。
目前，能够为车辆模拟供风的设备主要是通过空气动力学风洞、环境风洞、环境舱等方式进行供风。无论是通过风洞的方式，还是通过环境舱的方式，所采用的风机尺寸均较大，导致供风设备具有较大的惯性，进而导致供风量调整速率较差，供风量与需求量存在较大误差。
发明内容
本申请提供一种用于测试车辆的供风设备及供风控制方法，能够减少供风量与需求量之间的误差。
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请提供了一种用于测试车辆的供风设备，包括：阵列风机、风道和控制器；
所述阵列风机包括多个子风机，所述子风机的转动惯量小于预设转动惯量阈值；
所述阵列风机，用于提供风流；
所述风道，用于将所述阵列风机提供的风流引导至需求供风区域；
所述控制器，用于获取t-1时刻供风设定量和t时刻供风设定量，根据所述t-1时刻供风设定量和所述t时刻供风设定量，确定t-1时刻至t时刻供风量变化率，将所述t-1时刻供风设定量和所述t-1时刻至t时刻供风量变化率，输入给预先训练的供风控制模型，得到t时刻修正系数，根据所述t时刻修正系数，对所述t时刻供风设定量进行修正，得到t时刻修正后供风量，根据所述t时刻修正后供风量对所述子风机进行控制，t为大于或等于1的整数。
在一些可能的实现方式中，所述供风控制模型通过以下方式训练得到：
获取样本数据，所述样本数据包括h-1时刻样本供风设定量、h时刻样本供风设定量和h时刻样本修正系数；
根据所述h-1时刻样本供风设定量和h时刻样本供风设定量，确定h-1时刻至h时刻样本供风量变化率；
以所述h-1时刻样本供风设定量和所述h-1时刻至h时刻样本供风量变化率为特征、所述h时刻样本修正系数为标签，对神经网络模型进行训练，得到供风控制模型。
在一些可能的实现方式中，所述控制器，具体用于通过以下公式对所述t时刻供风设定量进行修正：
其中，为t时刻修正后供风量，/>为t时刻供风设定量，/>为t时刻修正系数。
在一些可能的实现方式中，所述控制器，还用于获取所述阵列风机提供的风流的t时刻实际供风量，若所述t时刻实际供风量与所述t时刻修正后供风量的差值大于预设差值阈值，则生成提示信息，所述提示信息用于提示对所述供风控制模型进行更新。
在一些可能的实现方式中，所述h时刻样本修正系数通过以下方式得到：
将所述h-1时刻样本供风设定量和h时刻样本供风设定量输入给所述阵列风机对应的物理仿真模型，得到所述h-1时刻样本仿真供风量和h时刻样本仿真供风量；
如果所述h-1时刻样本供风设定量和所述h-1时刻样本仿真供风量之间的误差超出预设范围，或者，所述h时刻样本供风设定量和h时刻样本仿真供风量之间的误差超出预设范围，则对所述h-1时刻样本供风设定量和h时刻样本供风设定量进行修正，直到修正后的h-1时刻样本仿真供风量与所述h-1时刻样本供风设定量之间的误差在预设范围，以及修正后的h时刻样本仿真供风量与所述h时刻样本供风设定量之间的误差在预设范围，所述修正后的h-1时刻样本仿真供风量基于修正后的h-1时刻样本供风设定量得到，所述修正后的h时刻样本仿真供风量基于修正后的h时刻样本供风设定量得到；
基于h时刻样本供风设定量与修正后的h时刻样本供风设定量之间的比例关系，确定h时刻样本修正系数。
第二方面，本申请提供了一种用于测试车辆的供风控制方法，该方法应用于供风设备，所述供风设备包括：阵列风机、风道和控制器，所述阵列风机包括多个子风机，所述子风机的转动惯量小于预设转动惯量阈值；所述阵列风机，用于提供风流；所述风道，用于将所述阵列风机提供的风流引导至需求供风区域；所述方法包括：
所述控制器获取t-1时刻供风设定量和t时刻供风设定量；
所述控制器根据所述t-1时刻供风设定量和所述t时刻供风设定量，确定t-1时刻至t时刻供风量变化率；
所述控制器将所述t-1时刻供风设定量和所述t-1时刻至t时刻供风量变化率，输入给预先训练的供风控制模型，得到t时刻修正系数；
所述控制器根据所述t时刻修正系数，对所述t时刻供风设定量进行修正，得到t时刻修正后供风量；
所述控制器根据所述t时刻修正后供风量对所述子风机进行控制。
在一些可能的实现方式中，所述供风控制模型通过以下方式训练得到：
获取样本数据，所述样本数据包括h-1时刻样本供风设定量、h时刻样本供风设定量和h时刻样本修正系数；
根据所述h-1时刻样本供风设定量和h时刻样本供风设定量，确定h-1时刻至h时刻样本供风量变化率；
以所述h-1时刻样本供风设定量和所述h-1时刻至h时刻样本供风量变化率为特征、所述h时刻样本修正系数为标签，对神经网络模型进行训练，得到供风控制模型。
在一些可能的实现方式中，所述控制器根据所述t时刻修正系数，对所述t时刻供风设定量进行修正，得到t时刻修正后供风量，包括：
其中，为t时刻修正后供风量，/>为t时刻供风设定量，/>为t时刻修正系数。
在一些可能的实现方式中，所述方法还包括：
所述控制器获取所述阵列风机提供的风流的t时刻实际供风量；
若所述t时刻实际供风量与所述t时刻修正后供风量的差值大于预设差值阈值，则所述控制器生成提示信息，所述提示信息用于提示对所述供风控制模型进行更新。
在一些可能的实现方式中，所述h时刻样本修正系数通过以下方式得到：
将所述h-1时刻样本供风设定量和h时刻样本供风设定量输入给所述阵列风机对应的物理仿真模型，得到所述h-1时刻样本仿真供风量和h时刻样本仿真供风量；
如果所述h-1时刻样本供风设定量和所述h-1时刻样本仿真供风量之间的误差超出预设范围，或者，所述h时刻样本供风设定量和h时刻样本仿真供风量之间的误差超出预设范围，则对所述h-1时刻样本供风设定量和h时刻样本供风设定量进行修正，直到修正后的h-1时刻样本仿真供风量与所述h-1时刻样本供风设定量之间的误差在预设范围，以及修正后的h时刻样本仿真供风量与所述h时刻样本供风设定量之间的误差在预设范围，所述修正后的h-1时刻样本仿真供风量基于修正后的h-1时刻样本供风设定量得到，所述修正后的h时刻样本仿真供风量基于修正后的h时刻样本供风设定量得到；
基于所述h时刻样本供风设定量与所述修正后的h时刻样本供风设定量之间的比例关系，确定h时刻样本修正系数。
第三方面，本申请提供了一种控制设备，包括存储器和处理器；
其中，在所述存储器中存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令；当所述指令被所述处理器执行时，使得所述控制设备执行如第二方面中任一项所述的方法。
第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行如第二方面中任一项所述的方法。
由上述技术方案可知，本申请至少具有如下有益效果：
本申请提供了一种用于测试车辆的供风设备，该设备包括阵列风机、风道和控制器。其中，阵列风机包括多个子风机，每个子风机的转动惯量小于预设转动惯量阈值，即，供风设备的风流由离散的多个子风机提供，离散后的子风机的转动惯量较小，易于控制，进而能够提供较为准确的瞬态供风。风道用于将阵列风机提供的风流引导至需求供风区域，控制器用于获取t-1时刻供风设定量和t时刻供风设定量，根据t-1时刻供风设定量和t时刻供风设定量，确定t-1时刻至t时刻供风量变化率，然后将该t-1时刻供风设定量和t-1时刻至t时刻供风量变化率，输入给预先训练的供风控制模型，得到t时刻修正系数，再根据t时刻修正系数，对t时刻供风设定量进行修正，得到t时刻修正后供风量，根据t时刻修正后供风量对子风机进行控制。该方法不仅对传统方案中的大风机离散为多个小风机，而且还对供风设定量进行了修正，从而能够减少实际供风量与需求量之间存在的误差，提高实际供风量的准确度。
应当理解的是，本申请中对技术特征、技术方案、有益效果或类似语言的描述并不是暗示在任意的单个实施例中可以实现所有的特点和优点。相反，可以理解的是对于特征或有益效果的描述意味着在至少一个实施例中包括特定的技术特征、技术方案或有益效果。因此，本说明书中对于技术特征、技术方案或有益效果的描述并不一定是指相同的实施例。进而，还可以任何适当的方式组合本实施例中所描述的技术特征、技术方案和有益效果。本领域技术人员将会理解，无需特定实施例的一个或多个特定的技术特征、技术方案或有益效果即可实现实施例。在其他实施例中，还可在没有体现所有实施例的特定实施例中识别出额外的技术特征和有益效果。
附图说明
图1为本申请实施例提供的一种车速随时间变化的曲线示意图；
图2为本申请实施例提供的一种用于测试车辆的供风设备的示意图；
图3为本申请实施例提供的一种供风量对比图；
图4为本申请实施例提供的一种供风设定曲线的示意图；
图5为本申请实施例提供的一种供风控制模型的训练方法流程图；
图6A为本申请实施例提供的一种样本供风设定曲线修正前后的示意图；
图6B为本申请实施例提供的一种仿真供风曲线的对比图；
图7为本申请实施例提供的一种用于测试车辆的供风控制方法的流程图；
图8为本申请实施例提供的一种控制器的示意图；
图9为本申请实施例提供的一种控制设备的结构示意图。
具体实施方式
本申请说明书和附图说明中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于限定特定顺序。
在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
车辆测试一般包括动力性、经济性、安全性及舒适性。其中，为了体现用户驾驶车辆过程中的真实能耗情况，采用用户真实驾驶数据为基础构建测试工况，以进行经济性测试。如图1所示，该图为本申请实施例提供的一种车速随时间变化的曲线示意图。用户真实驾驶数据一般包括低速段、中速段以及高速段。
车辆在运行过程中，能耗主要来自于动力系统和热管理系统，其中动力系统用于提供车辆行驶的动力，热管理系统用于维持各个子系统部件以及驾驶舱在适宜温度。动力系统的能量消耗与运行工况直接相关，在测试过程中需要提供准确度的路谱载荷输入。热管理系统包括发动机冷却子系统、暖风子系统、空调子系统、座椅加热和通风子系统等。热管理系统可以通过前端冷却模块与外界环境进行交换热量。可见，机舱进风量的大小直接影响换热性能，进而影响车辆能耗。因此，为了获取车辆的真实能耗情况，需要为被测系统（如前端冷却模块）提供与运行工况一致的瞬态供风。
目前，能够为车辆模拟供风的设备主要是通过空气动力学风洞、环境风洞、环境舱、空调焓差室等方式进行供风。其中，空气动力学风洞和环境风洞主要用于在稳态工况下进行测试，例如模拟车辆以固定车速行驶时，车辆内外流场情况。空气动力学风洞和环境风洞提供的供风精准度较高，但风机尺寸极大，会受到极大的惯性制约，无法满足瞬态运行工况下的精准供风。环境舱虽然能够为车辆提供稳态运行工况和瞬态运行工况的测试，但是，在瞬态运行工况测试过程中，会存在两方面的问题。第一方面，环境舱内风机设置于车辆机舱正前方0.5m处，受风机尺寸和位置的影响，所模拟出的气流在车辆各部分的流量分布与车辆在真实道路行驶时的流量分布的偏差较大；另一方面，环境舱内风机尺寸极大、惯性极大，无法满足瞬态运行工况下的精准供风。空调焓差室用于测试空调系统性能，为空调系统提供稳定进风量，也无法实现精准瞬态供风控制。因此，目前的供风设备均存在较大惯性，进而导致供风量调整速率较差，供风量与需求量存在较大误差。
有鉴于此，本申请实施例提供了一种用于测试车辆的供风设备，包括阵列风机、风道和控制器。其中，阵列风机包括多个子风机，每个子风机的转动惯量小于预设转动惯量阈值，即，供风设备的风流由离散的多个子风机提供，离散后的子风机的转动惯量较小，易于控制，进而能够提供较为准确的瞬态供风。风道用于将阵列风机提供的风流引导至需求供风区域，控制器用于获取t-1时刻供风设定量和t时刻供风设定量，根据t-1时刻供风设定量和t时刻供风设定量，确定t-1时刻至t时刻供风量变化率，然后将该t-1时刻供风设定量和t-1时刻至t时刻供风量变化率，输入给预先训练的供风控制模型，得到t时刻修正系数，再根据t时刻修正系数，对t时刻供风设定量进行修正，得到t时刻修正后供风量，根据t时刻修正后供风量对子风机进行控制。
该方法不仅对传统方案中的大风机离散为多个小风机，而且还对供风设定量进行了修正，从而能够减少实际供风量与需求量之间存在的误差，提高实际供风量的准确度。
为了使得本申请的技术方案更加清楚、易于理解，下面结合附图，对本申请的技术方案进行介绍。
如图2所示，该图为本申请实施例提供的一种用于测试车辆的供风设备的示意图。该供风设备包括阵列风机110、风道120和控制器130。
其中，阵列风机110包括多个子风机111，每个子风机的转动惯量小于预设转动惯量阈值。在一些示例中，子风机111的个数可以是9个，当然，为了更精细化的控制，子风机111的个数还可以是更多个。
该方案中，将传统方案中的大型风机进行离散化处理，分解为多个子风机111，多个子风机111的尺寸之和接近于原大型风机，进而每个子风机111的尺寸均小于原大型风机，进而每个子风机111的转动惯量也小于原大型风机，从而使子风机111更容易被控制，进而更容易对供风量进行实时调整。
阵列风机110用于提供风流，风道120用于将阵列风机110提供的风流引导至需求供风区域。
由于阵列风机110离散为多个子风机111，子风机111的转动惯量较小，进而控制器130对子风机111进行控制过程中，能够更加精准地调整实时供风量，减少实际供风量与需求量存在的误差。
控制器130可以基于供风设定曲线，对子风机111进行控制。该供风设定曲线可以是基于车辆的测试需求确定，通常为一条瞬态曲线。由于受流场惯性影响，控制器130基于供风设定曲线控制子风机111进行供风，得到的供风实际曲线与供风设定曲线存在延迟现象，进而导致供风设备无法为车辆提供精准的瞬态供风。如图3所示，该图为本申请实施例提供的一种供风量对比图。图中横坐标为时间，单位为秒（s），纵坐标为供风量，单位为立方米每小时（m³/h）。从图中可以看出，供风设定量与供风实际量存在延迟现象。
为此，控制器130对供风设定曲线进行修正，即，对该供风设定曲线中的各个时刻对应的供风量进行修正，从而降低供风设备提供的实际风量与初始供风设定曲线之间的误差。
具体地，控制器130用于获取t-1时刻供风设定量和t时刻供风设定量，然后根据t-1时刻供风设定量和t时刻供风设定量，确定t-1时刻至t时刻供风量变化率，将该t-1时刻供风设定量和t-1时刻至t时刻供风量变化率，输入给预先训练的供风控制模型，得到t时刻修正系数，根据t时刻修正系数，对该t时刻供风设定量进行修正，得到t时刻修正后供风量，根据该t时刻正后供风量对子风机111进行控制，t为大于或等于1的整数。举例说明，t=1时，t时刻为第一时刻，t=2时，t时刻为第二时刻。其中，供风控制模型的训练过程后续进行介绍。
t-1时刻供风设定量是指设定在t-1时刻需要的供风量，类似的，t时刻供风设定量是指设定在t时刻需要的供风量。上述t-1时刻供风设定量和t时刻供风设定量可以基于供风设定曲线确定。
如图4所示，该图为本申请实施例提供的一种供风设定曲线的示意图。图中横坐标为时间，单位为秒（s），纵坐标为流量，单位为千克每秒（kg/s）。该供风设定曲线可以是基于车辆的测试需求确定，也可以是用户进行预配置，以便供风设备基于用户配置的供风设定曲线进行供风。从图中可以看出，车辆所需要的供风量是随时间随机变化的。在一些示例中，控制器130可以基于上述供风设定曲线，确定t-1时刻供风设定量和t时刻供风设定量。
接着，控制器130基于t-1时刻供风设定量和t时刻供风设定量，确定t-1时刻到t时刻供风量变化率。具体可以通过以下公式确定：
其中，为t-1时刻到t时刻供风量变化率，/>为t时刻供风设定量，/>为t-1时刻供风设定量，/>为t时刻对应的时间，/>为t-1时刻对应的时间。
在得到上述t-1时刻供风设定量和t-1时刻至t时刻供风量变化率后，可以将上述t-1时刻供风设定量和t-1时刻至t时刻供风量变化率，输入给预先训练的供风控制模型，得到t时刻修正系数。
该t时刻修正系数用于对t时刻供风设定量进行修正，从而减少t时刻供风设定量与t时刻供风实际量之间的误差。
控制器130可以利用该t时刻修正系数，对t时刻供风设定量进行修正。具体地，可以通过以下公式对t时刻供风设定量进行修正：
其中，为t时刻修正后供风量，/>为t时刻供风设定量，/>为t时刻修正系数。
控制器130在基于上述公式确定t时刻修正后供风量后，可以基于该t时刻供风量对子风机进行控制。在一些实施例中，为了便于控制器130对子风机111进行控制，可以将修正后供风量转换为风机转速，例如可以预先设定供风量与转速之间的映射关系，基于该映射关系，确定修正后供风量所对应的风机转速，基于该风机转速，对子风机111进行控制。
需要说明的是，以上实施例中仅仅是以控制器130确定t时刻修正后供风量为例，其中，t为大于或等于1的整数，基于此，控制器130可以确认各个时刻对应的修正后供风量，然后基于各个时刻对应的修正后供风量，生成供风修正曲线，控制器130可以基于该供风修正曲线对子风机111进行控制，即，基于各个时刻对应的修正后供风量对子风机111进行控制，从而能够减少实际供风量与需求量（原供风设定量）之间的误差。
需要说明的是，本申请实施例中仅仅是以t-1时刻与t时刻之间相差0.5秒为例，当然，在另一些实施例中，t-1时刻与t时刻之间也可以相差过长或更短的时长，例如1秒或0.3秒等。
在一些实施例中，控制器130还可以获取阵列风机提供的风流的t时刻实际供风量，如果该t时刻实际供风量与t时刻修正后供风量的差值大于预设差值阈值，则生成提示信息，该提示信息用于提示对供风控制模型进行更新。
在t时刻实际供风量与t时刻修正后供风量的差值大于预设差值阈值的情况下，表征供风控制模型所输出的t时刻修正系数存在较大的误差，因此，需要对该供风控制模型进行更新，从而确定该供风控制模型，更多的数据上有更精准的预测能力，从而进一步提高供风控制模型的预测结果的准确度，进而减少实际供风量与需求量之间的误差。
下面对供风控制模型的训练过程进行介绍。对供风控制模型的训练可以是控制器来执行，也可以是其他设备来执行，例如服务器或其他算力足够的设备。在完成对供风控制模型的训练后，可以将该供风控制模型部署在供风设备上。
如图5所示，该图为本申请实施例提供的一种供风控制模型的训练方法流程图，该方法包括：
S501、获取样本数据。
样本数据包括h-1时刻样本供风设定量、h时刻样本供风设定量和h时刻样本修正系数。h-1时刻样本供风设定量是设定在h-1时刻需要的样本供风量，类似地，h时刻样本供风设定量是设定在h时刻需要的样本供风量。h时刻样本修正系统用于对h时刻样本供风设定量进行修正。举例说明，h=10时，h时刻为第十时刻，h=20时，h时刻为第二十时刻。
在一些实施例中，可以通过构建多种样本供风设定曲线，从而基于多种样本供风设定曲线，获取样本数据。其中，样本供风设定曲线的流量分布可以覆盖第一预设区间，该第一预设区间可以基于测试需求设定。例如，需要测试车辆在供风量为0~1.2kg/s时的经济性，多种样本供风设定曲线的流量分布需要覆盖0~1.2kg/s的区间，例如，样本供风设定曲线1的流量分布为0~0.8kg/s，样本供风设定曲线2的流量分布为0.7kg/s~1.4kg/s。样本供风设定曲线对应的流量变化率可以覆盖第二预设区间，该第二预设区间可以是基于测试需求设定。例如，需要测试车辆在供风量变化率在-0.1~0.1kg/s2时的经济性，多种样本供风设定曲线的流量分布需要覆盖该-0.1~0.1kg/s2的区间，例如，样本供风设定曲线1的流量变化率分布为-0.2 kg/s2~0.1kg/s2，样本供风设定曲线2的流量变化率分布为-0.1kg/s2~0.3kg/s2。
需要说明的是，以上示例中仅仅是以2组样本供风设定曲线为例，在其他示例中，还可以构建更多的样本供风设定曲线，例如20条、30条等，从而提高更多的样本数据，进而提高训练后得到的模型的准确度。
接着，可以将h-1时刻样本供风设定量和h时刻样本供风设定量输入给阵列风机110对应的物理仿真模型，得到h-1时刻样本仿真供风量和h时刻样本仿真供风量。
如果h-1时刻样本供风设定量和h-1时候样本实际供风量之间的误差超出预设范围，或者，h时刻样本供风设定量和h时刻样本仿真供风量之间的误差超出预设范围，则对h-1时刻样本供风设定量和h时刻样本供风设定量进行修正，直到修正后的h-1时刻样本仿真供风量与h-1时刻样本供风设定量之间的误差在预设范围，以及修正后的h时刻样本仿真供风量与h时刻样本供风设定量之间的误差在预设范围，修正后的h-1时刻样本仿真供风量基于修正后的h-1时刻样本供风设定量得到，修正后的h时刻样本仿真供风量基于修正后的h时刻样本供风设定量得到。
然后基于h时刻样本供风设定量与修正后的h时刻样本供风设定量之间的比例关系，确定h时刻样本修正系数。
举例说明，h-1时刻样本供风设定量为0.1kg/s，h时刻样本供风设定量为0.11kg/s，h-1时刻样本仿真供风量为0.12kg/s，h时刻样本仿真供风量为0.13kg/s，预设范围为[-3%~3%]，基于此，可以计算h-1时刻样本供风设定量与h-1时刻样本仿真供风量之间的误差为20%，h时刻样本供风设定量与h时刻样本仿真供风量之间的误差为18.2%，可见，两个误差均超出预设范围，因此，需要对h-1时刻样本供风设定量和h时刻样本供风设定量进行修正。
例如，修正后的h-1时刻样本供风设定量为0.12kg/s，修正后的h时刻样本供风设定量为0.13kg/s，修正后的h-1时刻样本仿真供风量为0.101kg/s，修正后的h时刻样本仿真供风量为0.1102kg/s，基于此，可以计算修正后的h-1时刻样本供风设定量与h-1时刻样本仿真供风量之间的误差为1%，修正后的h时刻样本供风设定量与h时刻样本仿真供风量之间的误差为2%，可见，两个误差均在预设范围。
然后，基于h时刻样本供风设定量0.11kg/s和修正后的h时刻样本供风设定量0.13之间的比例关系，确定h时刻样本修正系数，例如该样本修正系数为1.18。通过上述方式，可以得到每个时刻对应的样本修正系数。
在另一些实施例中，将样本供风设定曲线对应的样本仿真供风曲线进行多轮频域修正，当修正后的样本仿真供风曲线与样本供风设定曲线之间的误差在预设范围（例如[-3%~3%]）内时，获取修正后的样本仿真供风曲线与样本供风设定曲线之间修正规律，该修正规律可以是上述样本修正系数，进而得到每个时刻对应的样本修正系数。
需要说明的是，对于周期较长的样本供风设定曲线，可以进行少次迭代修正，例如，进行2轮迭代修正，对于周期较短的样本供风设定曲线，可以进行多次迭代修正，例如，进行3轮迭代修正等。
如图6A所示，该图为本申请实施例提供的一种样本供风设定曲线修正前后的示意图。其中，横坐标为时间，单位为秒（s），纵坐标为流量，单位为千克每秒（kg/s）
S502、根据h-1时刻样本供风设定量和h时刻样本供风设定量，确定h-1时刻至h时刻样本供风量变化率。
根据h-1时刻样本供风设定量和h时刻样本供风设定量，确定h-1时刻至h时刻样本供风量变化率的过程，与上述实施例中确定t时刻供风量变化率的过程类似，此处不再赘述。
S503、以h-1时刻样本供风设定量和h-1时刻至h时刻样本供风量变化率为特征、h时刻样本修正系数为标签，对神经网络模型进行训练，得到供风控制模型。
在训练过程中，以h-1时刻样本供风设定量和h-1时刻至h时刻样本供风量变化率为特征、h时刻样本修正系数为标签，对神经网络模型进行训练。其中，神经网络模型可以采用前馈反向传播模型，采用MSE（均方误差）对模型的训练结果进行评价。可以将该神经网络模型设置为4层，包括输入层、2个隐藏层和1个输出层，并设置输入层和隐藏层的神经单元的数量，例如为10个。多次调整参数设置，使训练结果的MSE小于预设阈值，预设阈值可以是0.3，回归分析均在0.9以上，可以认为得到较好的训练效果，此时停止训练，得到供风控制模型。
如图6B所示，该图为本申请实施例提供的一种仿真供风曲线的对比图。从图中可以看出，控制器130通过供风控制模型得到的修正系数，对供风设定曲线进行修正后，再输入给物理仿真模型后，得到的修正后仿真供风曲线，与原供风设定曲线更加接近，进而实现了减少供风量与需求量之间的误差的目的。
基于上述内容描述，本申请提供了一种用于测试车辆的供风设备，该设备包括阵列风机、风道和控制器。其中，阵列风机包括多个子风机，每个子风机的转动惯量小于预设转动惯量阈值，即，供风设备的风流由离散的多个子风机提供，离散后的子风机的转动惯量较小，易于控制，进而能够提供较为准确的瞬态供风。风道用于将阵列风机提供的风流引导至需求供风区域，控制器用于获取t-1时刻供风设定量和t时刻供风设定量，根据t-1时刻供风设定量和t时刻供风设定量，确定t-1时刻至t时刻供风量变化率，然后将该t-1时刻供风设定量和t-1时刻至t时刻供风量变化率，输入给预先训练的供风控制模型，得到t时刻修正系数，再根据t时刻修正系数，对t时刻供风设定量进行修正，得到t时刻修正后供风量，根据t时刻修正后供风量对子风机进行控制。该方法不仅对传统方案中的大风机离散为多个小风机，而且还对供风设定量进行了修正，从而能够减少实际供风量与需求量之间存在的误差，提高实际供风量的准确度。
本申请实施例提供了一种用于测试车辆的供风控制方法，如图7所示，该图为本申请实施例提供的一种用于测试车辆的供风控制方法的流程图，该方法可以应用于供风设备，所述供风设备包括：阵列风机、风道和控制器，所述阵列风机包括多个子风机，所述子风机的转动惯量小于预设转动惯量阈值；所述阵列风机，用于提供风流；所述风道，用于将所述阵列风机提供的风流引导至需求供风区域。该方法包括：
S701、控制器获取t-1时刻供风设定量和t时刻供风设定量。
S702、控制器根据所述t-1时刻供风设定量和所述t时刻供风设定量，确定t-1时刻至t时刻供风量变化率。
S703、控制器将所述t-1时刻供风设定量和所述t-1时刻至t时刻供风量变化率，输入给预先训练的供风控制模型，得到t时刻修正系数。
S704、控制器根据所述t时刻修正系数，对所述t时刻供风设定量进行修正，得到t时刻修正后供风量。
S705、控制器根据所述t时刻修正后供风量对所述子风机进行控制。
在一些可能的实现方式中，所述供风控制模型通过以下方式训练得到：
获取样本数据，所述样本数据包括h-1时刻样本供风设定量、h时刻样本供风设定量和h时刻样本修正系数；
根据所述h-1时刻样本供风设定量和h时刻样本供风设定量，确定h-1时刻至h时刻样本供风量变化率；
以所述h-1时刻样本供风设定量和所述h-1时刻至h时刻样本供风量变化率为特征、所述h时刻样本修正系数为标签，对神经网络模型进行训练，得到供风控制模型。
在一些可能的实现方式中，所述控制器根据所述t时刻修正系数，对所述t时刻供风设定量进行修正，得到t时刻修正后供风量，包括：
其中，为t时刻修正后供风量，/>为t时刻供风设定量，/>为t时刻修正系数。
在一些可能的实现方式中，所述方法还包括：
所述控制器获取所述阵列风机提供的风流的t时刻实际供风量；
若所述t时刻实际供风量与所述t时刻修正后供风量的差值大于预设差值阈值，则所述控制器生成提示信息，所述提示信息用于提示对所述供风控制模型进行更新。
在一些可能的实现方式中，所述h时刻样本修正系数通过以下方式得到：
将所述h-1时刻样本供风设定量和h时刻样本供风设定量输入给所述阵列风机对应的物理仿真模型，得到所述h-1时刻样本仿真供风量和h时刻样本仿真供风量；
如果所述h-1时刻样本供风设定量和所述h-1时刻样本仿真供风量之间的误差超出预设范围，或者，所述h时刻样本供风设定量和h时刻样本仿真供风量之间的误差超出预设范围，则对所述h-1时刻样本供风设定量和h时刻样本供风设定量进行修正，直到修正后的h-1时刻样本仿真供风量与所述h-1时刻样本供风设定量之间的误差在预设范围，以及修正后的h时刻样本仿真供风量与所述h时刻样本供风设定量之间的误差在预设范围，所述修正后的h-1时刻样本仿真供风量基于修正后的h-1时刻样本供风设定量得到，所述修正后的h时刻样本仿真供风量基于修正后的h时刻样本供风设定量得到；
基于所述h时刻样本供风设定量与所述修正后的h时刻样本供风设定量之间的比例关系，确定h时刻样本修正系数。
上文结合图1至图7对本申请实施例提供的用于测试车辆的供风控制方法进行了详细介绍，下面将结合附图对本申请实施例提供的其他实施例进行介绍。
如图8所示，该图为本申请实施例提供的一种控制器的示意图，该控制器130可以应用于上述供风设备，该控制器包括：
获取模块131，用于获取t-1时刻供风设定量和t时刻供风设定量，根据所述t-1时刻供风设定量和所述t时刻供风设定量，确定t-1时刻至t时刻供风量变化率；
预测模块132，用于将所述t-1时刻供风设定量和所述t-1时刻至t时刻供风量变化率，输入给预先训练的供风控制模型，得到t时刻修正系数；
修正模块133，用于根据所述t时刻修正系数，对所述t时刻供风设定量进行修正，得到t时刻修正后供风量；
控制模块134，用于根据所述t时刻修正后供风量对所述子风机进行控制。
在一些可能的实现方式中，修正模块133，具体用于通过以下方式进行修正：
其中，为t时刻修正后供风量，/>为t时刻供风设定量，/>为t时刻修正系数。
在一些可能的实现方式中，所述控制器130还包括提示模块；
所述获取模块131，还用于获取所述阵列风机提供的风流的t时刻实际供风量；
所述提示模块，用于若所述t时刻实际供风量与所述t时刻修正后供风量的差值大于预设差值阈值，则所述控制器生成提示信息，所述提示信息用于提示对所述供风控制模型进行更新。
根据本申请实施例的控制器130可对应于执行本申请实施例中描述的方法，并且控制器130的各个模块/单元的上述和其它操作和/或功能分别为了实现图7所示实施例中的各个方法的相应流程，为了简洁，在此不再赘述。
本申请实施例还提供了一种控制设备。该控制设备具体用于实现如图8所示实施例中控制器130的功能。
如图9所示，该图为本申请实施例提供的一种控制设备的结构示意图，控制设备900包括总线901、处理器902、通信接口903和存储器904。处理器902、存储器904和通信接口903之间通过总线901通信。
总线901可以是外设部件互连标准（peripheral component interconnect，PCI）总线或扩展工业标准结构（extended industry standard architecture，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，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器902可以为中央处理器(central processing unit，CPU)、图形处理器（graphics processing unit，GPU）、微处理器（micro processor，MP）或者数字信号处理器（digital signal processor，DSP）等处理器中的任意一种或多种。
通信接口903用于和外部通信。例如，通信接口903可以用于获取t时刻供风设定量等
存储器904可以包括易失性存储器(volatile memory)，例如随机存取存储器(random access memory，RAM)。存储器904还可以包括非易失性存储器(non-volatilememory)，例如只读存储器(read-only memory，ROM)，快闪存储器，硬盘驱动器（hard diskdrive，HDD）或固态驱动器（solid state drive，SSD）。
存储器904中存储有可执行代码，处理器902执行该可执行代码以执行前述用于测试车辆的供风控制方法。
具体地，在实现图8所示实施例的情况下，且图8实施例中所描述的控制器130的各模块或单元为通过软件实现的情况下，执行图8中的各模块/单元功能所需的软件或程序代码可以部分或全部存储在存储器904中。处理器902执行存储器904中存储的各单元对应的程序代码，执行前述用于测试车辆的供风控制方法。
本申请实施例还提供了一种计算机可读存储介质。所述计算机可读存储介质可以是计算设备能够存储的任何可用介质或者是包含一个或多个可用介质的数据中心等数据存储设备。所述可用介质可以是磁性介质（例如软盘、硬盘、磁带）、光介质（例如DVD）、或者半导体介质（例如固态硬盘）等。该计算机可读存储介质包括指令，所述指令指示计算设备执行上述应用于控制器130的用于测试车辆的供风控制方法。
本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括一个或多个计算机指令。在计算设备上加载和执行所述计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。
所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机或数据中心进行传输。
所述计算机程序产品被计算机执行时，所述计算机执行前述用于测试车辆的供风控制方法的任一方法。该计算机程序产品可以为一个软件安装包，在需要使用前述用于测试车辆的供风控制方法的任一方法的情况下，可以下载该计算机程序产品并在计算机上执行该计算机程序产品。
上述各个附图对应的流程或结构的描述各有侧重，某个流程或结构中没有详述的部分，可以参见其他流程或结构的相关描述。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。
Claims (4)
1.一种用于测试车辆的供风设备，其特征在于，包括：阵列风机、风道和控制器；
所述阵列风机包括多个子风机，所述子风机的转动惯量小于预设转动惯量阈值；
所述阵列风机，用于提供风流；
所述风道，用于将所述阵列风机提供的风流引导至需求供风区域；
所述控制器，用于获取t-1时刻供风设定量和t时刻供风设定量，根据所述t-1时刻供风设定量和所述t时刻供风设定量，确定t-1时刻至t时刻供风量变化率，将所述t-1时刻供风设定量和所述t-1时刻至t时刻供风量变化率，输入给预先训练的供风控制模型，得到t时刻修正系数，根据所述t时刻修正系数，对所述t时刻供风设定量进行修正，得到t时刻修正后供风量，根据所述t时刻修正后供风量对所述子风机进行控制，t为大于或等于1的整数；
所述供风控制模型通过以下方式训练得到：
获取样本数据，所述样本数据包括h-1时刻样本供风设定量、h时刻样本供风设定量和h时刻样本修正系数；
根据所述h-1时刻样本供风设定量和h时刻样本供风设定量，确定h-1时刻至h时刻样本供风量变化率；
以所述h-1时刻样本供风设定量和所述h-1时刻至h时刻样本供风量变化率为特征、所述h时刻样本修正系数为标签，对神经网络模型进行训练，得到供风控制模型；
所述控制器，具体用于通过以下公式对所述t时刻供风设定量进行修正：
其中，为t时刻修正后供风量，/>为t时刻供风设定量，/>为t时刻修正系数；
所述h时刻样本修正系数通过以下方式得到：
将所述h-1时刻样本供风设定量和h时刻样本供风设定量输入给所述阵列风机对应的物理仿真模型，得到所述h-1时刻样本仿真供风量和h时刻样本仿真供风量；
如果所述h-1时刻样本供风设定量和所述h-1时刻样本仿真供风量之间的误差超出预设范围，或者，所述h时刻样本供风设定量和h时刻样本仿真供风量之间的误差超出预设范围，则对所述h-1时刻样本供风设定量和h时刻样本供风设定量进行修正，直到修正后的h-1时刻样本仿真供风量与所述h-1时刻样本供风设定量之间的误差在预设范围，以及修正后的h时刻样本仿真供风量与所述h时刻样本供风设定量之间的误差在预设范围，所述修正后的h-1时刻样本仿真供风量基于修正后的h-1时刻样本供风设定量得到，所述修正后的h时刻样本仿真供风量基于修正后的h时刻样本供风设定量得到；
基于所述h时刻样本供风设定量与所述修正后的h时刻样本供风设定量之间的比例关系，确定h时刻样本修正系数。
2.根据权利要求1所述的供风设备，其特征在于，所述控制器，还用于获取所述阵列风机提供的风流的t时刻实际供风量，若所述t时刻实际供风量与所述t时刻修正后供风量的差值大于预设差值阈值，则生成提示信息，所述提示信息用于提示对所述供风控制模型进行更新。
3.一种用于测试车辆的供风控制方法，其特征在于，应用于供风设备，所述供风设备包括：阵列风机、风道和控制器，所述阵列风机包括多个子风机，所述子风机的转动惯量小于预设转动惯量阈值；所述阵列风机，用于提供风流；所述风道，用于将所述阵列风机提供的风流引导至需求供风区域；所述方法包括：
所述控制器获取t-1时刻供风设定量和t时刻供风设定量；
所述控制器根据所述t-1时刻供风设定量和所述t时刻供风设定量，确定t-1时刻至t时刻供风量变化率；
所述控制器将所述t-1时刻供风设定量和所述t-1时刻至t时刻供风量变化率，输入给预先训练的供风控制模型，得到t时刻修正系数；
所述控制器根据所述t时刻修正系数，对所述t时刻供风设定量进行修正，得到t时刻修正后供风量；
所述控制器根据所述t时刻修正后供风量对所述子风机进行控制；
所述供风控制模型通过以下方式训练得到：
获取样本数据，所述样本数据包括h-1时刻样本供风设定量、h时刻样本供风设定量和h时刻样本修正系数；
根据所述h-1时刻样本供风设定量和h时刻样本供风设定量，确定h-1时刻至h时刻样本供风量变化率；
以所述h-1时刻样本供风设定量和所述h-1时刻至h时刻样本供风量变化率为特征、所述h时刻样本修正系数为标签，对神经网络模型进行训练，得到供风控制模型；
所述控制器根据所述t时刻修正系数，对所述t时刻供风设定量进行修正，得到t时刻修正后供风量，包括：
其中，为t时刻修正后供风量，/>为t时刻供风设定量，/>为t时刻修正系数；
所述h时刻样本修正系数通过以下方式得到：
将所述h-1时刻样本供风设定量和h时刻样本供风设定量输入给所述阵列风机对应的物理仿真模型，得到所述h-1时刻样本仿真供风量和h时刻样本仿真供风量；
如果所述h-1时刻样本供风设定量和所述h-1时刻样本仿真供风量之间的误差超出预设范围，或者，所述h时刻样本供风设定量和h时刻样本仿真供风量之间的误差超出预设范围，则对所述h-1时刻样本供风设定量和h时刻样本供风设定量进行修正，直到修正后的h-1时刻样本仿真供风量与所述h-1时刻样本供风设定量之间的误差在预设范围，以及修正后的h时刻样本仿真供风量与所述h时刻样本供风设定量之间的误差在预设范围，所述修正后的h-1时刻样本仿真供风量基于修正后的h-1时刻样本供风设定量得到，所述修正后的h时刻样本仿真供风量基于修正后的h时刻样本供风设定量得到；
基于所述h时刻样本供风设定量与所述修正后的h时刻样本供风设定量之间的比例关系，确定h时刻样本修正系数。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
所述控制器获取所述阵列风机提供的风流的t时刻实际供风量；
若所述t时刻实际供风量与所述t时刻修正后供风量的差值大于预设差值阈值，则所述控制器生成提示信息，所述提示信息用于提示对所述供风控制模型进行更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311174358.1A CN116907880B (zh) | 2023-09-13 | 2023-09-13 | 一种用于测试车辆的供风设备及供风控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311174358.1A CN116907880B (zh) | 2023-09-13 | 2023-09-13 | 一种用于测试车辆的供风设备及供风控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116907880A CN116907880A (zh) | 2023-10-20 |
| CN116907880B true CN116907880B (zh) | 2023-11-17 |
Family
ID=88355028
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311174358.1A Active CN116907880B (zh) | 2023-09-13 | 2023-09-13 | 一种用于测试车辆的供风设备及供风控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116907880B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10123010A (ja) * | 1996-10-24 | 1998-05-15 | Mitsubishi Heavy Ind Ltd | 風洞の風速制御装置 |
| CN103485977A (zh) * | 2013-09-06 | 2014-01-01 | 河海大学 | 风力发电系统实时功率预测的修正方法 |
| CN103904382A (zh) * | 2013-12-20 | 2014-07-02 | 浙江吉利控股集团有限公司 | 混合动力汽车车载动力电池冷却控制方法 |
| CN104154635A (zh) * | 2014-08-14 | 2014-11-19 | 河海大学常州校区 | 基于模糊pid与预测控制算法的变风量室温控制方法 |
| CN109100112A (zh) * | 2018-09-29 | 2018-12-28 | 浙江大学 | 一种基于计算机视觉的气弹模型风洞试验平面风振响应测试方法 |
| CN109631191A (zh) * | 2018-12-17 | 2019-04-16 | 重庆七泉科技有限公司 | 一种基于人工智能控制的物联网空气净化器 |
| CN111397839A (zh) * | 2020-04-08 | 2020-07-10 | 中国空气动力研究与发展中心超高速空气动力研究所 | 针对风洞气动力测量的光纤天平温度修正方法及装置 |
| CN113131472A (zh) * | 2021-04-16 | 2021-07-16 | 东北大学 | 考虑风电不确定性的含储能电-热互联系统协调调度方法 |
| CN113371206A (zh) * | 2021-07-01 | 2021-09-10 | 深圳威阿科技有限公司 | 一种伞降模拟训练风向控制方法及系统 |
| CN116399541A (zh) * | 2023-04-04 | 2023-07-07 | 西北工业大学 | 基于深度神经网络的叶栅风洞实验工况参数修正方法 |
-
2023
- 2023-09-13 CN CN202311174358.1A patent/CN116907880B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10123010A (ja) * | 1996-10-24 | 1998-05-15 | Mitsubishi Heavy Ind Ltd | 風洞の風速制御装置 |
| CN103485977A (zh) * | 2013-09-06 | 2014-01-01 | 河海大学 | 风力发电系统实时功率预测的修正方法 |
| CN103904382A (zh) * | 2013-12-20 | 2014-07-02 | 浙江吉利控股集团有限公司 | 混合动力汽车车载动力电池冷却控制方法 |
| CN104154635A (zh) * | 2014-08-14 | 2014-11-19 | 河海大学常州校区 | 基于模糊pid与预测控制算法的变风量室温控制方法 |
| CN109100112A (zh) * | 2018-09-29 | 2018-12-28 | 浙江大学 | 一种基于计算机视觉的气弹模型风洞试验平面风振响应测试方法 |
| CN109631191A (zh) * | 2018-12-17 | 2019-04-16 | 重庆七泉科技有限公司 | 一种基于人工智能控制的物联网空气净化器 |
| CN111397839A (zh) * | 2020-04-08 | 2020-07-10 | 中国空气动力研究与发展中心超高速空气动力研究所 | 针对风洞气动力测量的光纤天平温度修正方法及装置 |
| CN113131472A (zh) * | 2021-04-16 | 2021-07-16 | 东北大学 | 考虑风电不确定性的含储能电-热互联系统协调调度方法 |
| CN113371206A (zh) * | 2021-07-01 | 2021-09-10 | 深圳威阿科技有限公司 | 一种伞降模拟训练风向控制方法及系统 |
| CN116399541A (zh) * | 2023-04-04 | 2023-07-07 | 西北工业大学 | 基于深度神经网络的叶栅风洞实验工况参数修正方法 |
Non-Patent Citations (4)
| Title |
|---|
| Inclusion of the physical wind tunnel in vehicle CFD simulations for improved prediction quality;Emil Ljungskog， Simone Sebben，Alexander Broniewicz;Journal of Wind Engineering and Industrial Aerodynamics;第197卷;104055 * |
| Unsteady Flow Simulations in a Three-lobe Positive Displacement Blower;Liu, XM ， Lu, J;CHINESE JOURNAL OF MECHANICAL ENGINEERING;第27卷(第3期);575-583 * |
| 圆台形空冷单元供风方式优化数值模拟研究;华北电力大学学报;第44卷(第6期);75-81 * |
| 解坤,罗云,常宏.基于故障注入的BMS功能安全测试方法研究.2021中国汽车工程学会年会论文集（4）.2021,1778-1783. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116907880A (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106647253B (zh) | 航空发动机分布式控制系统多性能鲁棒跟踪控制方法 | |
| JP5511698B2 (ja) | 空調機連係制御システム、空調機連係制御方法および空調機連係制御プログラム | |
| CN111125909B (zh) | 一种一维汽车热管理模型的自动化标定方法 | |
| CN111814261A (zh) | 整车冷却特性数据确定方法、装置、设备及可存储介质 | |
| JP2016530585A (ja) | 技術的な系の出力量のモデルを算出する方法 | |
| CN111679685B (zh) | 基于无人机总能量飞行控制方法和装置 | |
| CN116738891B (zh) | 一种增强飞行器流场模拟稳定性的lu-sgs改进方法 | |
| CN112288139B (zh) | 基于混沌时间序列的空调能耗预测方法、系统及存储介质 | |
| JP2017062676A (ja) | 軸流ファンの通風解析方法，通風解析装置及び通風解析プログラム | |
| CN116520909A (zh) | 哈里斯鹰算法优化模糊pid参数的高值耗材柜温度控制方法 | |
| CN116907880B (zh) | 一种用于测试车辆的供风设备及供风控制方法 | |
| CN110991073A (zh) | 一种液体火箭发动机仿真方法、装置及设备 | |
| US20220083903A1 (en) | Load forecasting | |
| Yu et al. | A Knowledge-based reinforcement learning control approach using deep Q network for cooling tower in HVAC systems | |
| CN112782974B (zh) | 一种控制参数标定方法 | |
| CN115859474A (zh) | 用于化学非平衡喷流流场的温度迭代计算方法及装置 | |
| EP4279830A1 (en) | Air conditioner control apparatus | |
| CN114117778A (zh) | 控制参数确定方法、装置、电子设备和存储介质 | |
| CN113374713A (zh) | 电动鼓风机的电机控制器 | |
| CN112149323A (zh) | 一种卫星噪声预示的方法及装置 | |
| CN116735140A (zh) | 一种面向火星环境的风场模拟装置及方法 | |
| US12030657B1 (en) | System and methods for power split algorithm design for aircraft hybrid electric propulsion based on combined actor-critic RL agent and control barrier function filter | |
| Fischels | Development of methods to improve the accuracy and efficiency of unsteady incompressible flow simulation | |
| CN118051072B (zh) | 一种飞行器进气道出口流量控制方法 | |
| CN114266188A (zh) | 加热器水位运行优化的方法及相关设备 |
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 |