车载空调自适应控制方法与流程

1.本发明涉及车辆控制领域，尤其涉及一种车载空调自适应控制方法。


背景技术：

2.当今社会，汽车已经成为人们出行的主要交通工具。随着汽车行业的不断发展以及人们对汽车舒适度要求的提高，车载空调系统的性能越来越受到广大用户的重视。例如夏天天气燥热，且车外环境温度会有波动(气候、不同时间段等原因)，人们对车辆空调系统的期待及需求更为凸显增高，并且与较为凉爽的天气相比，用户对于空调制冷的需求更为多样。
3.现有的车载空调系统大多是在用户上车后依靠手动调节或者通过手机端调节，且调节档位对应目标温度是一定的，当用户感觉过冷时，只能再次手动调节空调温度。
4.目前多数车企的车载空调都是在车辆外部如前保险杠、车身底盘等部位设置车外温度传感器来感知车外环境温度，其工作原理是通过热敏电阻阻值得出车外的温度高低，并将其传输给车载空调控制系统，同时内部温度传感器反馈车内温度，也将其传输给车载空调控制系统，车载空调控制系统再根据收集到的温度差值来决定控制方式，如当车辆内部温度大于外部一定阈值时，控制单元将发出指令关闭空调压缩机的电源，使空调制冷系统停止工作。
5.由于车外环境温度传感器安装在车身外部，在长时间的风吹日晒雨淋以及诸如磨损、撞击等其他外界因素造成变形等，都容易导致线路的接触不良或者热敏电阻的失效，使得车载空调系统接收到错误的温度数据，甚至没有反馈温度电信号给车载空调控制系统。此时，车载空调控制系统无法进行正常的温度控制，可能会导致车内温度达不到预期温度，或者车内温度无法保持稳定，出现温度忽高忽低的状况，难以保证用户的正常使用。


技术实现要素：

6.鉴于上述，本发明旨在提供一种车载空调自适应控制方法，以解决现有空调方案的上述问题。
7.本发明采用的技术方案如下：
8.一种车载空调自适应控制方法，其中包括：
9.实时获取车辆所在区域的环境温度信息以及当前车内温度；
10.统计用户在预设历史周期内的空调温度设置偏好；
11.将所述环境温度信息、所述当前车内温度以及所述空调温度设置偏好作为输入，利用预先基于径向基函数神经网络构建的空调温度预测模型，输出目标温度值；
12.根据所述目标温度值设定车载空调温度。
13.在其中至少一种可能的实现方式中，所述实时获取车辆所在区域的环境温度信息包括：利用车载无线通信模块，实时获取车辆位置信息，并通过预设天气组件实时反馈车辆所在区域各时间段的温度信息。
14.在其中至少一种可能的实现方式中，所述统计用户在预设历史周期内的空调温度设置偏好包括：通过车辆终端模块上报的历史空调温度设定值、历史使用时长以及历史使用时间段，统计得出既定时间周期且具有预设使用时长的时间段内，空调温度设置偏好。
15.在其中至少一种可能的实现方式中，所述控制方法还包括：利用无线通信模块获取到预设天气组件对于当前时段车辆所在区域的推荐温度值，且将所述推荐温度值作为所述空调温度预测模型的输入参数之一。
16.在其中至少一种可能的实现方式中，所述空调温度预测模型在车载空调使用过程中结合持续获得的输入数据进行自学习并持续更新模型参数。
17.在其中至少一种可能的实现方式中，所述根据所述目标温度值设定车载空调温度包括：
18.车载空调启动后，直接按照所述目标温度值设定车载空调的温度。
19.在其中至少一种可能的实现方式中，所述根据所述目标温度值设定车载空调温度包括：
20.结合车辆记录的历史数据，获取用户使用车载空调的活跃时间；
21.在到达所述活跃时间之前，向用户发送空调个性化温度设定选项；
22.车载空调启动后，结合用户的选择，将车载空调的温度设定为所述目标温度值。
23.在其中至少一种可能的实现方式中，所述空调个性化温度设定选项包括：匀速降温或升温至目标温度值；或者，急速降温或升温至目标温度值。
24.本发明的主要设计构思在于，摒弃了由车外温度传感器检测环境温度的方式，并且在不增加任何硬件装置基础上，利用用户的空调设定偏好、车辆当前区域的环境温度以及车内的实时温度，并结合预先训练的rbf神经网络模型，输出相对最适宜的当前目标温度，然后据此目标值调控空调温度。本发明能够自适应地将车内温度设定为符合用户习惯的舒适度范围，相比于现有技术更具可靠性和准确性，从而可以有效保障用户在驾驶过程中的舒适度和体验感。
附图说明
25.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步描述，其中：
26.图1为本发明实施例提供的车载空调自适应控制方法的流程图。
具体实施方式
27.下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
28.本发明提出了一种车载空调自适应控制方法的实施例，具体来说，如图1所示，其中包括：
29.步骤s1、实时获取车辆所在区域的环境温度信息以及当前车内温度。
30.具体地，可以利用车载无线通信模块，实时获取车辆位置信息，并通过相关天气组件(如其他天气app等)实时反馈车辆所在区域各时间段的温度信息。以及，可以利用置于方
向盘下方、副驾和后座等处的温度传感器综合得出当前时刻的车内温度。
31.步骤s2、统计用户在预设历史周期内的空调温度设置偏好。
32.具体地，可以通过车辆终端模块上报(如t
‑
box上报至tsp平台)的相关空调温度、使用时长和使用时间段等报文信息，统计得出最近一周且具有一定使用时长的时间段内用户设置的温度偏好值。
33.进一步地，还可以利用无线通信模块获取到天气组件对于当前时段车辆所在区域的人体感官最适宜的推荐温度值，作为后续空调温度调控策略的补充参数依据。
34.步骤s3、将所述环境温度信息、所述当前车内温度以及所述空调温度设置偏好作为输入，利用预先基于径向基函数神经网络构建的空调温度预测模型，输出目标温度值。
35.具体地，径向基函数(rbf)神经网络由输入层、隐藏层和输出层组成，在一些实施例中可以采用前述四个空调控制系统相关的温度参数，即车外温度t
outer
、车内温度t
inter
、用户近一周各时段设置温度t
user
和当前区域温度推荐值t
rec
作为输入层参数；而隐藏层的节点数量则与非线性映射能力相关，其节点个数越多，网络的非线性映射能力就越强，反之网络的非线性映射能力就越弱，隐藏层的节点数量可由网络自动调节。在训练阶段，可将大量实际检测到的温度参数χ1，χ2，
…
χ
n
送入rbf神经网络中，并通过阈值参数ω1，ω2…
ω
n
的不断自我修正，使网络具有自学习的功能，再将其应用到实际环境中去，输出层参数t
best
即为最终得出的目标温度值。
36.步骤s4、根据所述目标温度值设定车载空调温度。
37.在车载终端模块检测到用户启动车辆的点火信号时，空调控制系统即可自动启动车载空调，并将温度设定为由上述步骤得到的当前时段最适宜的温度值。
38.由此还可以补充的是，结合车辆记录的历史数据，可以获得用户使用车载空调的活跃时间，例如上午8:30驾车上班以及下午17:30驾车下班等时间段。这样，可以在即将到达活跃时间段的前5
‑
10分钟内，向用户发送空调个性化温度设定通知，如可以使用户选择匀速降温或升温至目标温度值，或者急速降温或升温至目标温度值等，如此，相比于用户自行设定温度，使得车载空调的使用体验更具人性化。
39.综上所述，本发明的主要设计构思在于，摒弃了由车外温度传感器检测环境温度的方式，并且在不增加任何硬件装置基础上，利用用户的空调设定偏好、车辆当前区域的环境温度以及车内的实时温度，并结合预先训练的rbf神经网络模型，输出相对最适宜的当前目标温度，然后据此目标值调控空调温度。本发明能够自适应地将车内温度设定为符合用户习惯的舒适度范围，相比于现有技术更具可靠性和准确性，从而可以有效保障用户在驾驶过程中的舒适度和体验感。
40.本发明实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示单独存在a、同时存在a和b、单独存在b的情况。其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a，b，c，a和b，a和c，b和c或a和b和c，其中a，b，c可以是单个，也可以是多个。
41.以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，但以上仅为本发明的较佳实施例，需要言明的是，上述实施例及其优选方式所涉及的技术特征，本
领域技术人员可以在不脱离、不改变本发明的设计思路以及技术效果的前提下，合理地组合搭配成多种等效方案；因此，本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。