车辆空调系统的自适应智能控制外文翻译资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

附录A 外文译文

车辆空调系统的自适应智能控制

摘要：车辆的高效性能空调（AC）可能会受到不确定因素的影响，例如道路条件，环境条件和驾驶员行为。最近的研究表明，预测AC系统的道路功率需求（超前）可以提供最佳的舒适温度和空气质量，并减少能耗。新的能源管理系统功能包括对自适应AC控制器的自适应性研究，以确保在不同的道路负载条件下正常运行。为了制作自适应模糊控制器，必须考虑以下重要问题：模糊集的隶属函数的大小，隶属函数的位置，规则权重或链接值。自适应智能空调系统能够控制空调，鼓风机，新鲜空气和再循环风门的运行，以在各种环境条件下提供所需的舒适温度和室内空气质量。自适应智能空调系统的仿真结果表明，与采用前瞻性系统增强的模糊空调相比，节能量提高了约1％。

关键词：能源管理 自适应空调系统超前算法 智能控制自适应模糊控制

1. 介绍

车辆空调（AC）系统的机械压缩机使用的大量动力导致燃料消耗增加。兰伯特和琼斯[1] 报告称，对于中小型汽车而言，机械压缩机可将燃油消耗增加多达12-17％。因此，优化车辆空调系统的能耗将有助于提高车辆的整体能效。迄今为止，已经开发了许多控制器以提高与操作车辆空调系统相关的能量效率。这些控制器包括：PID控制器[2,3]，基于规则[4] 和模糊控制器[5-10]。经典的PID控制器仍然使用最广泛的，因为它们具有简单的结构，所以设计简单，以可接受的成本提供良好的控制系统性能。但是，为非线性和复杂系统设计非常困难。对于非线性和复杂系统，模糊逻辑控制器具有解决交流组件固有的非线性问题的能力，并允许以与乘员描述舒适度时所用的启发式相同的方式来表达控制。[11]。如文献报道[5-10]模糊逻辑已经成为控制交流电运行的一种流行方法。 Farzaneh和Tootoonchi[9] 专注于热舒适温度和能量。选择蒸发器冷却能力作为能耗标准。设计了两个模糊控制器，一个具有温度反馈，另一个具有预测的平均值指数反馈。他们使用遗传算法优化了模糊控制器，并报告了热舒适度的提高和能耗的降低， Khayyam等。[12] 证明了智能系统可以使用有关车辆前方道路（前瞻性）的几何规格和风力特性的信息来减少车辆的燃油消耗。

关于前瞻系统，Khayyam等人。[10] 提出了一种能源管理系统，该系统能够通过使用Look-Ahead系统减少车辆的能耗，并提高其效率。该方法考虑了一些功能：预测道路动力需求，智能控制策略以管理AC，鼓风机和闸门的运行，以在考虑机舱内空气质量的同时提供最佳舒适温度，同时最大程度地减少能源消耗。他们采用了采用前瞻（FAC-LA）系统增强的模糊空调控制器，该系统使用28条冷却规则。温度，湿度，CO₂浓度，道路坡度条件传感器提供输入，控制输出馈送到交流电，风扇电机，新鲜和再循环闸门。与以前的设计（模糊的普通控制器）相比，采用前瞻性系统控制器增强的模糊空调控制器可对其进行冷却，但可将功耗降低4％。但是，必须考虑使用模糊控制器的重要问题：（i）隶属函数的大小，（ii）隶属函数的位置，以及（iii）规则权重和/或，（iv）链接值[13,14]。自适应监控模块需要了解控制器的过程，并访问所有输入以及所有输出信号。本文提出了一种自适应智能能源管理系统，该系统能够启动交流，鼓风机，新鲜空气和再循环门的操作，以在各种环境，车辆条件下提供理想的舒适温度和室内空气质量，以及路况。新的能源管理系统考虑了FAC-LA方法[10] 并将其应用于整个混合多层自适应神经模糊推理系统（ANFIS）。对于自适应学习，将在不同的道路负载条件下创建许多数据集，并基于最小二乘误差估计和梯度下降来创建混合学习算法。为了获得隶属函数，采用减法聚类方法找到最优解作为初始值。

本文的结构如下：部分2 讨论车辆空调模型；部分3 提出了一种考虑环境条件，驾驶员行为以及超前系统的构造道路信息的方法。部分4 提出了拟议的智能控制系统和ANFIS系统;部分5 提供实验模型和相关结果；部分6 提供结束语。

1. 车辆空调型号

空调（AC）系统调节：机舱温度，湿度，空气质量和空气流量。基本的交流系统包括由电动离合器驱动的发动机驱动的压缩机。该设备压缩并加热制冷剂。冷凝器热交换器将热量排至外部空气。制冷剂以液相形式离开冷凝器。然后，制冷剂通过一系列控制阀/开关和储液罐被引导至膨胀阀。膨胀阀将制冷剂喷入蒸发器盘管。制冷剂在较低温度下沸腾，从而冷却车辆内部。 R744或R1234yf是目前在某些欧洲国家/地区使用的新型汽车制冷剂。确定咨询委员会绩效的最常见方法是使用第一定律效率或如下定义的绩效系数（COP）。COP=Q/W （1）。机舱温度是通过机舱表面加上现有能量流入机舱的能量表示。

图1显示了已在此研究中建模的空调系统。该空调系统通过使用通风，闸门操作和蒸发器冷却来提供舒适的温度，湿度和空气质量。通风是指通过使用鼓风机和风门控制装置从外部将空气移动到车辆中，以产生所需的机舱室内空气质量。基于ASHRAE标准55[15]，则目标舒适温度为机舱的温度假定为22-24oC以内，假设相对湿度为40-60％。机舱内的二氧化碳含量必须低于2500（ppm）[16]。蒸发器冷却是由压缩机产生的，该压缩机由发动机皮带驱动，因此以可变的旋转速度运行。可以在模型中计算位置Z1至Z11处的温度。 Z9是座舱温度，Z6-Z11和Z9的温度在大多数时候都相似。一旦确定了所有这些加热负荷，就可以根据等式将T_房间作为时间的函数进行求解(2)。控制系统能够通过优化/协调鼓风机，闸门和蒸发器的操作，将T_房间维持在所需范围内。

图1 空调系统建模

1. 环境模型和驾驶周期

在车辆系统涉及的因素中，环境条件如道路几何规格、风的行为和环境温度在驾驶过程中通常是未知和不确定的。智能系统可以使用车辆前方道路的几何规格和风特性信息来降低燃油消耗车辆[17，18]。环境信息可以分为两组:当前的和未来的。

3.1前瞻系统

作者[12] 证明了能源管理系统可以利用前瞻性环境信息来减少燃料消耗。在这项研究中，采用了“前瞻系统”，该系统是一种估计未来道路坡度的算法。前瞻采用了车辆前方300-500 m之内的道路坡度。 Khayyam等人的最新研究。[10] 研究表明，通过使用通过车辆系统的前瞻性控制得到增强的车辆空调来预测道路动力需求，可以在考虑到车内空气质量的同时，提供最佳的舒适温度，同时将能耗降至最低。他们使用了几何平均数（GM）[19] 计算预测的倾斜角度。

在开发的车辆模型的实现中使用的参数的一部分是风阻速度，风阻方向和坡度。该数据是通过道路几何形状和风况的随机模型（SMRW）构建的，用于Khayyam的车辆能量管理和控制[17] 和[20]。天气条件也是环境建模和东京典型晴天（8月5日）的每小时天气数据中要考虑的重要因素。[21] 用来。使用此数据集中白天的气温，相对湿度和太阳辐射的日变化。使用此数据的主要原因包括：（1）气温高，（2）全天低风速，（3）白天太阳辐射强度高（晴朗的天空），以及（4）晚上多云的天空（减少了夜间辐射的冷却）。在我们的研究中，使用了一个小时的数据，其中包括11点12点钟期间气温，相对湿度和太阳辐射的变化。该数据包括动态环境条件。

3.2驱动周期

为了模拟机舱内不同负载下废气和发动机的热量，联邦公路驾驶已使用时间表（FHDS）驾驶周期[22]。它代表了高速公路上典型的日常驾驶条件，在美国被汽车工程师广泛使用。

4.智能控制和自适应神经模糊推理系统

为了构建闭环控制系统。使用传感器测量以下参数:机舱室温、湿度和CO2 浓度水平。此外，前瞻系统用于道路电力需求预测。开发的智能控制系统包括一个带前瞻的模糊空调控制器(FACLA)[10]系统,用于在设定点下控制空调、鼓风机和闸门。根据前视坡度角信息,前视控制系统控制空调系统部件的操作。增强型FAC-LA有四个输入和输出,它们是实验开发的，在参考文献中有进一步的措述。[10].使用每个个体先行变量的最优隶属函数数。还采用了三角隶属函数和中心平均去模糊方法。类似于隶属函数,规则库已经基于前瞻倾斜角进行了实验扩展。

4.1控制策略算法

智能控制系统采用智能控制策略[10]构建。该算法首先初始化几个变量。包括舒适区条件。来自传感器的数据每1.0s刷新一次。这些数据包括车厢温度、湿度、CO2浓度和道路电力需求。该算法包括瞬态和稳态两个部分。这些组件在参考文献中有进一步的播述。[10]在本工作中，车俩带有压缩机和鼓风机，其规格在参考文件中给出。[10]已被考虑。舒适客能规格基于ASHRAE引言部分所述,通过使用自适应模糊神经模糊推理神经模糊推理控制器具有自适应性。

4.2自适应神经模糊推理系统

ANFIS是一个基于多层自适应网络的模糊推理系统[23]。自适应模糊推理系统由五层组成，实现不同的节点函数，以混合学习模式学习和调整模糊推理中的参数。在前向传递中，在固定前提参数的情况下.使用最小平方误差估计来更新后续参数，并将误差传递给后向传递。在反向过程中，后续参数是固定的，并应用梯度下降法来更新前提参数。通过重复向前和向后传递，为隶属函数和模糊推理识别前提和结果参数。ANFIS 已广泛应用于控制[24]和建模[25-27]。如图2所示。带TakagieSugeno模糊推理的自适应模糊推理系统由以下几层组成：

第l层:该层中的每个节点I都与一个节点函数相适应。

第2层：该层中的每个节点都是一个固定节点，用于计算规则的触发强度w_i。每个节点的输出是所有输入信号的乘积。

第3层：该层中的每个节点都是固定节点。每个第i个节点都会计算第i个规则的触发强度与所有规则的触发强度之和的比率。第i个节点的输出是归一化的发射强度。

第4层;该层中的每个节点都是具有节点的自适应节点给出的功能。

第5层：该层仅包括一个固定节点，该节点将总输出计算为所有传入信号的总和。

图2 使用TakagieSugeno推断的ANFIS

图3

（a）与已构建的示例道路相关的五个坡度的数据

（b）使用风力创建算法的已构建道路的五个风速

（c）使用风力创建算法的已构建道路的五个风向

5.模拟

模拟1：在此模拟中，在阳光充足的条件下对车辆进行了测试（第3）在2400 s（迭代）中。鼓风机，空调和风门均由具有前瞻性的模糊空调控制器（FAC-LA）控制。上述条件也已在参考文献中使用。[10].

模拟2：在此仿真中，使用开发的自适应FAC-LA在与仿真1类似的条件下对车辆进行了测试。在设计适当的自适应模糊控制时，需要考虑影响车辆性能的自适应隶属函数和模糊规则。通过使用不同的驾驶环境，从提出的系统中产生了几个数据集。图3显示了由道路坡度构成的五个道路坡度角，五个风速和五个风向。

道路几何形状和风况的随机模型[17] （请参见第2）。这些数据集用于模糊推理系统（FIS）。为了形成合适的FIS，使用混合学习算法进行训练，并进行数据集分析，构造减法聚类（SU）。在ANFISeSU中，应指定数据空间中每个维度的影响半径。另外，需要找到以下参数的适当值[30]：（i）影响聚类结果的影响半径（Rc），（ii）壁球因子（Sf），用于将给定的半径值倍增以消除被视为该聚类一部分的外围点的潜力

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[606384]，资料为PDF文档或Word文档，PDF文档可免费转换为Word