人工智能在汽車空調(diào)系統(tǒng)中的模擬應(yīng)用

李翔

摘 要：人工智能被應(yīng)用與汽車空調(diào)系統(tǒng)（AACS）仿真模擬中，基于系統(tǒng)特征參數(shù)和神經(jīng)網(wǎng)絡(luò)，建立了AACS模型。在該模型的基礎(chǔ)上，討論了AACS模型的不同控制方法。結(jié)果顯示，與開關(guān)控制法（通斷控制，雙位調(diào)節(jié)）和常規(guī)模糊控制法相比，神經(jīng)模糊控制法最優(yōu)。可以使汽車艙室內(nèi)溫度快速下降到設(shè)計溫度，而且波動很小。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；汽車空調(diào)系統(tǒng)（AACS）；仿真；建立模型

中圖分類號：TB 文獻(xiàn)標(biāo)識碼：A doi：10.19311/j.cnki.1672-3198.2018.36.101

0 前言

隨著汽車空調(diào)系統(tǒng)的發(fā)展，提高冷卻性能、降低耗油量，并保持一個舒適的環(huán)境，是人們一直追求的目標(biāo)。人們通常采用傳統(tǒng)開發(fā)方式來達(dá)到目標(biāo)，即“理論+實(shí)驗(yàn)+經(jīng)驗(yàn)”。由于成本高、周期長和不穩(wěn)定性，技術(shù)具有一定的局限性，極大的影響其發(fā)展，隨著計算機(jī)仿真技術(shù)的發(fā)展，通過建立數(shù)據(jù)模型，對產(chǎn)品和汽車的控制越來越容易，越來越高效。但是對于AACS系統(tǒng)，計算機(jī)仿真存在一些困難，不能通過傳統(tǒng)的模擬方法解決。這是因?yàn)橐粋€簡單而準(zhǔn)確的模型，很難通過傳統(tǒng)方法建立。AACS性能受到很多外界因素的影響，比如汽車空調(diào)壓縮機(jī)速率、太陽輻射、周圍環(huán)境溫度、熱負(fù)荷的變化、開關(guān)門窗和風(fēng)速等影響因素。這些因素都決定了AACS是復(fù)雜的、多變的、線性的或非線性的系統(tǒng)。因此，很難通過常規(guī)方法去開發(fā)一款A(yù)ACS控制系統(tǒng)的動態(tài)模型。

基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的人工智能技術(shù)是一種創(chuàng)新性方法。因?yàn)閷W(xué)習(xí)和想象技能、模糊的想法，都可以很好的解決非線性問題。學(xué)術(shù)研究表明，可以解決制冷領(lǐng)域的很多非線性問題，本文，通過反向傳播神經(jīng)網(wǎng)絡(luò)建立AACS模型，也通過建模對一種新型的人工智能方法進(jìn)行了研究。

1 建模

通過對AACS的理論分析，發(fā)現(xiàn)有很多因素會影響系統(tǒng)性能：壓縮機(jī)速度、冷凝器的速度和蒸發(fā)器的風(fēng)速、冷凝器和蒸發(fā)器的溫度、車廂內(nèi)溫度、室外溫度等因素。所有這些因素都會影響到車廂內(nèi)的舒適度，主要通過車廂內(nèi)溫度的冷卻速度，以及在設(shè)計溫度的波動幅度來反映。更重要的是，這些因素之間相互聯(lián)系，很難通過AACS的物理理論來建立完整的模型。

黑匣子理論被用于建立模型，考慮到主要因素影響系統(tǒng)運(yùn)行性能，在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上建立標(biāo)準(zhǔn)模型，這個已經(jīng)吸取了神經(jīng)網(wǎng)絡(luò)在非線性系統(tǒng)中學(xué)習(xí)技能較高的優(yōu)勢。

正如上文所說，壓縮器速度和蒸發(fā)器風(fēng)扇的速度和環(huán)境溫度都是影響系統(tǒng)性能的主要因素。冷凝器風(fēng)扇的風(fēng)速及其溫度綜合影響壓縮機(jī)的速率和環(huán)境溫度。本次模型是在熱負(fù)荷和5人座的前提下建立的。

第一層被稱為輸入層，有5個節(jié)點(diǎn)：壓縮機(jī)速率、蒸發(fā)器風(fēng)扇的速度、環(huán)境溫度和車廂內(nèi)的開始溫度和結(jié)束溫度。隱藏層有兩個節(jié)點(diǎn)，輸出層只有一個節(jié)點(diǎn)，即在某一時刻車廂的平均溫度。在輸入層取兩個車廂溫度的節(jié)點(diǎn)是因?yàn)檐圀w會適當(dāng)?shù)膬Υ婧头懦鰺崃?，這些熱量會影響車廂溫度的分布和變化。

為了得到訓(xùn)練樣本，做了如下實(shí)驗(yàn)：壓縮機(jī)速率、蒸發(fā)器風(fēng)速和環(huán)境溫度的多種組合，在這些運(yùn)行參數(shù)的條件下，測量車廂內(nèi)平均溫度。為了保證模型的準(zhǔn)確性，這些變量參數(shù)都應(yīng)該在AACS正常運(yùn)行的參數(shù)范圍內(nèi)。這些實(shí)驗(yàn)數(shù)據(jù)都是在一輛安裝有AACS系統(tǒng)的實(shí)驗(yàn)車中進(jìn)行，這輛車的壓縮器是SD-507，一家日本的轎車公司制造?？梢酝ㄟ^電動機(jī)驅(qū)動壓縮機(jī)，壓縮機(jī)的速度在300～6000r/min，在汽車的運(yùn)行速度范圍內(nèi)，與風(fēng)煙道相連接，風(fēng)煙道中安裝了3組3kW的加熱器和加熱電阻，通過AC發(fā)動機(jī)驅(qū)動了一臺冷凝器風(fēng)扇，安裝在風(fēng)煙道的另一端，從而可以模擬運(yùn)行中車頭的風(fēng)速。5盞100W的燈放置在車廂內(nèi)，模擬5個人的熱負(fù)荷，在車的周圍放置6個1000W的鎢絲燈，模擬太陽輻射。根據(jù)汽車空調(diào)系統(tǒng)的使用手冊，將溫度敏感器放在車廂內(nèi)。通過A/D轉(zhuǎn)換，溫度的模擬信號被轉(zhuǎn)變成數(shù)字信號，輸入到測試盒控制裝置，一個MCS51的單芯片。這個單芯片也可以與電腦連接，通過這個實(shí)驗(yàn)臺，汽車的溫度分布數(shù)據(jù)可以測得。

測得的數(shù)據(jù)可以用于建立AACS模型，系統(tǒng)模型可以通過Matlab仿真完成，Matlab是一種常用的數(shù)據(jù)處理軟件，可以解決很多復(fù)雜的數(shù)據(jù)問題，詳情如下：

（1）實(shí)驗(yàn)所得數(shù)據(jù)形成訓(xùn)練樣本。

（2）用改進(jìn)后的BP公式來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，獲得各節(jié)點(diǎn)的權(quán)值和閥值，反應(yīng)AACS的特性。

（3）根據(jù)AACS仿真架構(gòu)模擬AACS系統(tǒng)，加載數(shù)據(jù)是原始模型。

2 控制方法的比較

運(yùn)用上述模型，對AACS三種方法進(jìn)行了比較，開關(guān)法、傳統(tǒng)模糊法和神經(jīng)模糊法；總的來說，AACS控制制冷劑的流速，來控制車廂溫度。開關(guān)控制是通過開關(guān)壓縮機(jī)來改變制冷劑的流速，但是在模糊控制中，多組函數(shù)被用于分解幾檔壓縮機(jī)的功率和蒸發(fā)器風(fēng)速，并形成一個完整的控制，模糊邏輯被用來確定選用哪一檔控制級別，就像是選擇什么人來駕駛，這種控制方法明顯優(yōu)于開關(guān)控制法，然而，理論分析證明，傳統(tǒng)模糊方法不能選擇優(yōu)化函數(shù)和控制閥；神經(jīng)模糊方法可以通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練來解決這個問題，因此該方法可以達(dá)到最佳控制效果。根據(jù)AACS的性質(zhì)，建立了一個5層的神經(jīng)網(wǎng)絡(luò)的神經(jīng)模糊控制模型。

在這個模型中，節(jié)點(diǎn)的權(quán)值和閥值都由網(wǎng)絡(luò)訓(xùn)練決定。輸入層由兩個節(jié)點(diǎn)：室溫差和溫度變化值。第一個隱藏層是14個節(jié)點(diǎn)，每一個都是隸屬函數(shù)，表示輸入層節(jié)點(diǎn)的模糊程序，第二個隱藏層由30個節(jié)點(diǎn)，是模糊控制求和，用30條語言表達(dá)30種角色，比如：if…and…then…，第三個隱藏層具有與第一隱藏層一樣的函數(shù)，由7各隸屬函數(shù)組成。輸出層是控制變量，決定執(zhí)行的級別。這個三個隱藏層的結(jié)構(gòu)都是通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練?？刂凭W(wǎng)絡(luò)也是由改進(jìn)的BP算法訓(xùn)練而成。

運(yùn)用Matlab軟件，可以與另外兩種控制方法（開關(guān)控制法和傳統(tǒng)模糊法）進(jìn)行比較，并發(fā)現(xiàn)神經(jīng)模糊算法的優(yōu)勢，系統(tǒng)的配置如下：壓縮機(jī)的速度是2300r/min，環(huán)境溫度是37攝氏度，車廂設(shè)計溫度是26攝氏度。

通過對結(jié)果進(jìn)行分析，開關(guān)控制法會不可避免的引起車廂內(nèi)溫度的變化，模糊法較好，但是最優(yōu)模糊控制參數(shù)不容易找到，導(dǎo)致溫度不能及時的、準(zhǔn)確的達(dá)到設(shè)計要求，神經(jīng)網(wǎng)絡(luò)模糊法可以有效的解決這個問題，與開關(guān)控制法和模糊控制法相比，神經(jīng)網(wǎng)絡(luò)模糊控制法，無論是在溫度下降速度范圍內(nèi)，還是在溫度波動的范圍內(nèi)，都更具有優(yōu)越性。

3 結(jié)論

建立了基于神經(jīng)網(wǎng)絡(luò)的AACSA仿真模型，實(shí)驗(yàn)數(shù)據(jù)表明該模型具有廣泛的適用性，同時也提出了一種新的人工智能控制方法。與開關(guān)控制法和模糊控制法相比，新方法可以達(dá)到最佳效果，實(shí)驗(yàn)結(jié)果顯示，人工智能在解決非線性系統(tǒng)-AACS系統(tǒng)方面的問題，具有較大的優(yōu)勢。

參考文獻(xiàn)

[1]Ding Y.，Wong K. V.，Control of a simulated dual-temperature hydraulic system using a neural network approach[C].1990 Annual Meeting of the American Society of Heating，Refrigerating and Air-Conditioning Engineers，Technical and Symposium Papers，USA，1990：727-732.

[2]Takemori T.，Miyasaka N.，Hirose S.，Neural network air conditioning system for individual comfort[C].Proceedings of SPIE-The International Society for Optical Engineering，Applications of Artificial Neural Networds，Japan，1991：157-165.

[3]Joseph C.Giarratano.Expert Systems： Principles and Programming，F(xiàn)ourth Edition [M]. Course Technology，2006.