一种基于BP的车载空调制氧控制方法、系统、介质和产品。控制方法，包括：根据影响汽车座舱内温度变化和氧气浓度变化的多种因素，构建神经网络模型；获取汽车座舱内的温度传感数据和氧浓度传感数据，并依此作为训练样本对神经网络模型进行训练；采集影响汽车座舱内温度变化和氧气浓度变化的多种因素的对应数据，将对应数据输入训练好的神经网络模型，计算得出汽车座舱内的当前温度数据和当前氧浓度数据；根据当前温度数据和当前氧浓度数据，控制车载空调和制氧工作。本发明专利技术不仅能够使制氧过程与空调过程协同进行，相互配合，还能将车载空调与车载制氧机一体化设计，占用空间更少，更加能够进一步基于神经网络节省座舱能耗，提升车辆在高低温环境下的续驶里程，保障乘坐人员的驾驶体验。
1、公知的，车载空调一般用于车内温度调节，主要具有制冷和制热两种模式。随着人们对汽车要求越来越高，且对于一些空气环境或空气成分含量有特殊要求的环境中，还需要增设车载制氧机，以提高座舱内环境中氧气含量。这样均作为汽车空气调节设备的车载制氧机和车载空调，不仅占据大量的车内占用面积，影响驾驶和乘坐的体验感，还因为多套设备都是单独安装，单独使用，不能相互配和，存在资源浪费和成本高的问题。
4、在低温环境下，电池的能量密度会下降，导致电池性能降低，从而直接影响车辆的续航里程。相反，在高温环境下，电池内部可能会因为过热而受到影响，同样导致性能下降，进而影响续航。
6、在冬季，为了保持车内温度，需要开启暖风系统，这会增加车辆的能耗。而在夏季，为了保持车内凉爽，需要开启车载空调，这同样会增加能耗。这些能耗管理均会导致车辆的实际续航里程的大幅缩短。
>1、本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术提出一种基于bp的车载空调制氧控制方法、系统、介质和产品，不仅能够使制氧过程与空调过程协同进行，相互配合，还能将车载空调与车载制氧机一体化设计，占用空间更少，更加能够进一步基于神经网络节省座舱能耗，提升车辆在高低温环境下的续驶里程，保障乘坐人员的驾驶体验。2、根据本专利技术一个方面提供的一种基于bp的车载空调制氧控制方法，包括：
3、根据影响汽车座舱内温度变化和氧气浓度变化的多种因素，构建神经网络模型；
4、获取汽车座舱内的温度传感数据和氧浓度传感数据，并依此作为训练样本对神经网络模型进行训练；
5、采集影响汽车座舱内温度变化和氧气浓度变化的多种因素的对应数据，将对应数据输入训练好的神经网络模型，计算得出汽车座舱内的当前温度数据和当前氧浓度数据；
6、根据当前温度数据和当前氧浓度数据，控制车载空调和制氧工作。
7、根据本专利技术的一些实施例，其中，根据影响汽车座舱内温度变化和氧气浓度变化的多种因素，构建神经网络模型，具体包括：
8、获取汽车座舱内的传感信息、车载空调信息及车载制氧信息；
9、根据传感信息确定输入数据；
10、根据车载空调信息及车载制氧信息确定输出数据；
11、基于输入数据及输出数据构建神经网络模型。
12、根据本专利技术的一些实施例，其中，依据温度传感数据和氧浓度传感数据作为训练样本，对神经网络模型进行训练，具体包括：
13、前向传播训练，前向传播训练又包括输入层向隐藏层计算及隐藏层向输出层计算；
14、反向传播训练，反向传播训练又包括：
15、定义模型的均方误差δ，其公式为式中δ为神经网络输出层样本与输出层输出的差方，yt为给出的训练样本中汽车座舱内的温度值和氧浓度值，yk为输出层的输出；
16、定义模型训练完成后允许的模型最小误差γ；
17、判断δ≥γ是否成立，若是，则定义模型的反向学习效率β，其公式为β＝β0×e-kt，式中β0为初始学习率，k为衰减率，t为训练的迭代次数，利用β调整初始权重值，并重新开始向前传播训练；若否，则认为该均方误差δ满足要求，更新权重值，停止训练学习，即模型训练完成。
18、根据本专利技术的一些实施例，其中，输入层向隐藏层计算包括：
19、隐藏层第j个节点来自输入层的总输入计算公式为：
20、式中：i为输入层的节点编号，xi为输入层的18个输入参数的具体数值，wij为输入层第i个节点与隐藏层第j个节点之间的权重值，bij为输入层第i个节点与隐藏层第j个节点之间的偏置；
21、隐藏层第j个节点的输出计算公式为：mj＝g(hj)，
22、式中：函数为sigmoid函数。
23、根据本专利技术的一些实施例，其中，隐藏层向输出层计算包括：
24、输出层来自隐藏层的输入计算公式为：
25、将mj代入上式可得：其中wjk为隐藏层和输出层之间的权重值，k为输出层节点数；
26、输出层的输出计算公式为：
27、根据本专利技术的一些实施例，其中，采用梯度下降法调整初始权重值wjk和wij，公式如下：
28、
29、
30、其中，运用以下公式更新权重值：
31、
32、式中表示本次计算的隐藏层和输出层之间的权重值，表示上一次计算的隐藏层和输出层之间的权重值；
33、
34、式中表示本次计算的输入层和隐藏层之间的权重值，表示上一次计算的输入层和隐藏层之间的权重值。
35、根据本专利技术的一些实施例，其中，根据当前温度数据和当前氧浓度数据，控制车载空调制氧，包括：
36、当汽车座舱内温度处于常温时，停止车载空调和制氧工作；
37、当汽车座舱内温度处于低温时，若座舱内氧气浓度低于预设值，则开启车载空调的外循环制热工作，同时车载制氧工作启动，否则开启车载空调的内循环制热工作，同时停止车载制氧工作；
38、当汽车座舱内温度处于高温时，若座舱内氧气浓度低于预设值，则开启车载空调的外循环制冷工作，同时车载制氧工作启动，否则开启车载空调的内循环制冷工作，同时停止车载制氧工作；
39、其中，低温定义为15℃以下，常温定义为15℃到25℃之间，高温定义为25℃以上。
40、根据本专利技术另一方面提供的一种基于bp的车载空调制氧控制系统，包括：
41、一车载空调模块，车载空调模块设置在汽车车体内，用于对汽车座舱内部进行循环制冷或制热，并可切换内外循环模式；
42、一车载制氧模块，车载制氧模块集成于车载空调模块的进气箱5111内，并可切换与进气箱5111内外进风回路的导通状态；
43、一传感监测模块，传感监测模块被配置为用于实时获取汽车座舱中温度和氧浓度数据的多个传感器；
44、一控制模块，控制模块包括设于汽车车体的控制器及电磁阀组件，电磁阀组件在控制器的控制下接通或关闭，进而调控车载空调模块和车载制氧模块的运行状态；
45、一服务器，服务器包括相耦接的存储器及处理器，处理器被配置为基于存储在存储器的指令执行如上述的控制方法。
46、根据本专利技术再一方面提供的一本文档来自技高网...
【技术保护点】
1.一种基于BP的车载空调制氧控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于BP的车载空调制氧控制方法，其特征在于，其中，根据影响汽车座舱内温度变化和氧气浓度变化的多种因素，构建神经网络模型，具体包括：
3.根据权利要求1或2所述的一种基于BP的车载空调制氧控制方法，其特征在于，其中，依据温度传感数据和氧浓度传感数据作为训练样本，对所述神经网络模型进行训练，具体包括：
4.根据权利要求3所述的一种基于BP的车载空调制氧控制方法，其特征在于，其中，输入层向隐藏层计算包括：
5.根据权利要求4所述的一种基于BP的车载空调制氧控制方法，其特征在于，其中，隐藏层向输出层计算包括：
6.根据权利要求5所述的一种基于BP的车载空调制氧控制方法，其特征在于，其中，采用梯度下降法调整初始权重值wjk和Wij，公式如下：
7.根据权利要求6所述的一种基于BP的车载空调制氧控制方法，其特征在于，其中，根据所述当前温度数据和所述当前氧浓度数据，控制所述车载空调制氧，包括：
8.一种基于BP的车载空调制氧控制系统，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至7任一所述的控制方法。
10.一种计算机程序产品，包括计算机程序或指令，所述计算机程序或指令被处理器执行时实现权利要求1至7任一所述的控制方法。
...
【技术特征摘要】
1.一种基于bp的车载空调制氧控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于bp的车载空调制氧控制方法，其特征在于，其中，根据影响汽车座舱内温度变化和氧气浓度变化的多种因素，构建神经网络模型，具体包括：
3.根据权利要求1或2所述的一种基于bp的车载空调制氧控制方法，其特征在于，其中，依据温度传感数据和氧浓度传感数据作为训练样本，对所述神经网络模型进行训练，具体包括：
4.根据权利要求3所述的一种基于bp的车载空调制氧控制方法，其特征在于，其中，输入层向隐藏层计算包括：
5.根据权利要求4所述的一种基于bp的车载空调制氧控制方法，其特征在于，其中，隐藏层向输出层计算包括：...
【专利技术属性】
技术研发人员：朱波，潘禹宏，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。