李翔

摘 要：人工智能被應用與汽車空調系統(tǒng)（AACS）仿真模擬中，基于系統(tǒng)特征參數和神經網絡，建立了AACS模型。在該模型的基礎上，討論了AACS模型的不同控制方法。結果顯示，與開關控制法（通斷控制，雙位調節(jié)）和常規(guī)模糊控制法相比，神經模糊控制法最優(yōu)?？梢允蛊嚺撌覂葴囟瓤焖傧陆档皆O計溫度，而且波動很小。

關鍵詞：神經網絡；汽車空調系統(tǒng)（AACS）；仿真；建立模型

中圖分類號：TB 文獻標識碼：A doi：10.19311/j.cnki.1672-3198.2018.36.101

0 前言

隨著汽車空調系統(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。人們通常采用傳統(tǒng)開發(fā)方式來達到目標，即“理論+實驗+經驗”。由于成本高、周期長和不穩(wěn)定性，技術具有一定的局限性，極大的影響其發(fā)展，隨著計算機仿真技術的發(fā)展，通過建立數據模型，對產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。這是因為一個簡單而準確的模型，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，比如汽車空調壓縮機速率、太陽輻射、周圍環(huán)境溫度、熱負荷的變化、開關門窗和風速等影響因素。這些因素都決定了AACS是復雜的、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AACS控制系統(tǒng)的動態(tài)模型。

基于神經網絡和模糊邏輯的人工智能技術是一種創(chuàng)新性方法。因為學習和想象技能、模糊的想法，都可以很好的解決非線性問題。學術研究表明，可以解決制冷領域的很多非線性問題，本文，通過反向傳播神經網絡建立AACS模型，也通過建模對一種新型的人工智能方法進行了研究。

1 建模

通過對AACS的理論分析，發(fā)現有很多因素會影響系統(tǒng)性能：壓縮機速度、冷凝器的速度和蒸發(fā)器的風速、冷凝器和蒸發(fā)器的溫度、車廂內溫度、室外溫度等因素。所有這些因素都會影響到車廂內的舒適度，主要通過車廂內溫度的冷卻速度，以及在設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)運行性能，在神經網絡的基礎上建立標準模型，這個已經吸取了神經網絡在非線性系統(tǒng)中學習技能較高的優(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。冷凝器風扇的風速及其溫度綜合影響壓縮機的速率和環(huán)境溫度。本次模型是在熱負荷和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：壓縮機速率、蒸發(fā)器風扇的速度、環(huán)境溫度和車廂內的開始溫度和結束溫度。隱藏層有兩個節(jié)點，輸出層只有一個節(jié)點，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)點是因為車體會適當的儲存和放出熱量，這些熱量會影響車廂溫度的分布和變化。

為了得到訓練樣本，做了如下實驗：壓縮機速率、蒸發(fā)器風速和環(huán)境溫度的多種組合，在這些運行參數的條件下，測量車廂內平均溫度。為了保證模型的準確性，這些變量參數都應該在AACS正常運行的參數范圍內。這些實驗數據都是在一輛安裝有AACS系統(tǒng)的實驗車中進行，這輛車的壓縮器是SD-507，一家日本的轎車公司制造?？梢酝ㄟ^電動機驅動壓縮機，壓縮機的速度在300～6000r/min，在汽車的運行速度范圍內，與風煙道相連接，風煙道中安裝了3組3kW的加熱器和加熱電阻，通過AC發(fā)動機驅動了一臺冷凝器風扇，安裝在風煙道的另一端，從而可以模擬運行中車頭的風速。5盞100W的燈放置在車廂內，模擬5個人的熱負荷，在車的周圍放置6個1000W的鎢絲燈，模擬太陽輻射。根據汽車空調系統(tǒng)的使用手冊，將溫度敏感器放在車廂內。通過A/D轉換，溫度的模擬信號被轉變成數字信號，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，通過這個實驗臺，汽車的溫度分布數據可以測得。

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

（1）實驗所得數據形成訓練樣本。

（2）用改進后的BP公式來訓練神經網絡，獲得各節(jié)點的權值和閥值，反應AACS的特性。

（3）根據AACS仿真架構模擬AACS系統(tǒng)，加載數據是原始模型。

2 控制方法的比較

運用上述模型，對AACS三種方法進行了比較，開關法、傳統(tǒng)模糊法和神經模糊法；總的來說，AACS控制制冷劑的流速，來控制車廂溫度。開關控制是通過開關壓縮機來改變制冷劑的流速，但是在模糊控制中，多組函數被用于分解幾檔壓縮機的功率和蒸發(fā)器風速，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)化函數和控制閥；神經模糊方法可以通過神經網絡訓練來解決這個問題，因此該方法可以達到最佳控制效果。根據AACS的性質，建立了一個5層的神經網絡的神經模糊控制模型。

在這個模型中，節(jié)點的權值和閥值都由網絡訓練決定。輸入層由兩個節(jié)點：室溫差和溫度變化值。第一個隱藏層是14個節(jié)點，每一個都是隸屬函數，表示輸入層節(jié)點的模糊程序，第二個隱藏層由30個節(jié)點，是模糊控制求和，用30條語言表達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，由7各隸屬函數組成。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構都是通過神經網絡訓練。控制網絡也是由改進的BP算法訓練而成。

運用Matlab軟件，可以與另外兩種控制方法（開關控制法和傳統(tǒng)模糊法）進行比較，并發(fā)現神經模糊算法的優(yōu)勢，系統(tǒng)的配置如下：壓縮機的速度是2300r/min，環(huán)境溫度是37攝氏度，車廂設計溫度是26攝氏度。

通過對結果進行分析，開關控制法會不可避免的引起車廂內溫度的變化，模糊法較好，但是最優(yōu)模糊控制參數不容易找到，導致溫度不能及時的、準確的達到設計要求，神經網絡模糊法可以有效的解決這個問題，與開關控制法和模糊控制法相比，神經網絡模糊控制法，無論是在溫度下降速度范圍內，還是在溫度波動的范圍內，都更具有優(yōu)越性。

3 結論

建立了基于神經網絡的AACSA仿真模型，實驗數據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。與開關控制法和模糊控制法相比，新方法可以達到最佳效果，實驗結果顯示，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

[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，Fourth Edition [M]. Course Technology，2006.