CN112810395B - 基于模糊指令和用户喜好的车载空调智能控制***及方法 - Google Patents
基于模糊指令和用户喜好的车载空调智能控制***及方法 Download PDFInfo
- Publication number
- CN112810395B CN112810395B CN202011229326.3A CN202011229326A CN112810395B CN 112810395 B CN112810395 B CN 112810395B CN 202011229326 A CN202011229326 A CN 202011229326A CN 112810395 B CN112810395 B CN 112810395B
- Authority
- CN
- China
- Prior art keywords
- time
- instruction
- user
- fuzzy
- air conditioner
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000009191 jumping Effects 0.000 claims abstract description 16
- 238000013500 data storage Methods 0.000 claims abstract description 15
- 230000001105 regulatory effect Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 37
- 230000007423 decrease Effects 0.000 claims description 7
- 230000001276 controlling effect Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000005484 gravity Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000004044 response Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 235000008694 Humulus lupulus Nutrition 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
- B60H1/0073—Control systems or circuits characterised by particular algorithms or computational models, e.g. fuzzy logic or dynamic models
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/88—Optimized components or subsystems, e.g. lighting, actively controlled glasses
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Air-Conditioning For Vehicles (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,包括:根据模糊指令查询当前属性值,定位到数据存储库对应行位置,记为主行,得出跳转到其它属性值或区间的权重;根据相邻行的跳转属性权重乘以调节因子vm得出用户喜好,其中vm在[0,1]范围内,m表示与所述主行相距的行数;根据所述跳转到其他属性值或区间的权重,计算出到每个所述属性值或区间的概率,从而通过随机数进行落点判定,转化为精确指令;根据所述精确指令改变温度或风量。本发明无需在线计算,不依赖于网络连通性以及质量,因此时延短,能够大大提升模糊指令的响应速度。
Description
技术领域
本发明属于车载空调控制技术领域,特别涉及一种基于模糊指令和用户喜好的车载空调智能控制***及方法。
背景技术
现阶段,智能座舱和车联网平台发展势头正猛,车载语音成为必备,一方面凸显智能科技,另一方面让使用者解放双手,通过语音而不是触控,在行车过程中更加安全。与此同时,手势识别等智能技术也移植到车机中,使得车辆控制更加多元化。综上所述,智能化是一重大趋势。
但是,现有的语音识别、手势控制等,并不能完全替代触控控制。语音识别、手势控制等下达的命令并不足以给车机转达精准的指令。在车载空调控制方面,现有技术在处理非触控指令时,经常会面对用户期望调整空调温度、风速等指令,但指令很有可能是模糊的。现有的技术在处理模糊指令时,往往用一个或多个默认值将模糊转为明确,比如调高温度,在没有指明调高多少的情形下,现有技术往往替使用者做主,但与用户期望是很可能相距甚远的,用户会下达多个模糊指令逼近自己所需,这无疑并不能体现智能。
与此同时,现有的智能控制技术采用的绝大多数是在线云计算技术,依托云计算技术可以实现智能化指令处理,但存在以下问题。1、网络连接要求良好:云计算技术需要在线联网,用户下达指令后,需要上报给云端,云端反馈精确控制指令,难免有时延,所以需要良好的网络连接;2、数据流量使用频繁:云计算的深度学习需要大量的训练集,记录用户的数据,如果是实时传输,需要频繁进行数据交互,又或者是记录,定时或定量传输,这容易受到车辆下电影响而损失数据;3、整体使用划算程度低,使用该技术,最后只是确认准确指令,这在车载空调控制领域整体上是不划算的,车载空调控制范围极为有限,仅仅为此使用该技术是不划算的。
发明内容
针对上述问题,本发明提供了一种模糊指令和用户喜好的车载空调智能控制***及方法,针对在线化云计算方式的缺点,而采用离线化方式处理,不受网络连通性的限制,大大提升模糊指令的响应速度。
本发明的目的及解决其技术问题是采用以下技术方案来实现的。
本发明的一个实施例提供了一种基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,包括:
根据模糊指令查询当前属性值,定位到数据存储库对应行位置,记为主行,得出跳转到其它属性值或区间的权重;
根据相邻行的跳转属性权重乘以调节因子vm得出用户喜好,其中vm在[0, 1]范围内,m表示与所述主行相距的行数;
根据所述跳转到其他属性值或区间的权重,计算出到每个所述属性值或区间的概率,从而通过随机数进行落点判定,转化为精确指令;
根据所述精确指令改变温度或风量。
根据本发明的上述一个实施方式提供的一种基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,在根据模糊指令查询当前属性值之前还包括建立数据存储库的步骤,所述数据存储库是基于温度和风量为变量,所述温度和风度均以矩阵M形式表示,其中,所述矩阵M为7×7矩阵表,其第i行第j列元素记为mij。
根据本发明的上述一个实施方式提供的一种基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,所述当前属性值包括温度Mtemp和风度Mlevel。
根据本发明的上述一个实施方式提供的一种基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,所述转化为精确指令后还需要判断用户是否进行二次调整:若判断为“是”,则对所述调节因子v进行修正,其中v的增大表示用户更侧重于温度差的调整, v的减小则表示用户更侧重于具体温度的设置;若判断为“否”,则结束此步骤。
根据本发明的上述一个实施方式提供的一种基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,在建立所述数据存储库后还包括权值行值迭代的步骤,包括:
以分钟级为单位,记录用户在当前属性值累计使用时间a,更新时间间隔记为b,以当到更新时间点时,该行所有数据乘以(a+b)/a,以更新累计时间。
根据本发明的上述一个实施方式提供的一种基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,在所述矩阵表更新后若出现中断情况,还需要判断所述中断情况是否可恢复:若判断为“是”,则该行所有数据乘以(a+c)/a,并更新累计时间,其中,c表示出现在设置后或者更新点后的时间,且c≤b;若判断为“否”,则不予处理。
根据本发明的上述一个实施方式提供的一种基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,所述中断情况包括换温度、风量或者关闭空调。
根据本发明的上述一个实施方式提供的一种基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,所述得出跳转到其它属性值或区间的权重的过程包括:所述主行记为i,需要跳转到第j个属性值或区间mij,其相邻行为i+k,对应的是跳转到第j+k个属性值或区间,以m(i+k)(j+k)表示。
根据本发明的上述一个实施方式提供的一种基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,根据所述精确指令改变温度或风量后还包括降值步骤,包括:
以上电时间为基准,上电期间对空调的操作时间视为上电的时间,上电后,根据上一次上电的时间,计算时间差t,所述时间差t是每次上电时记录当前时间,减去上一次(如果有)上电时间,得到时间差t,并以这次上电时间覆盖掉上一次上电时间;
对所述温度和风度矩阵Mtemp和Mlevel中的全部值乘以exp(-ut),其中,exp(a)表示以自然数e为底数,a为指数,u为调节参数且大于0,用于调节过去的信息所占比重,“-”表示衰减。
本发明的目的及解决其技术问题还可采用以下技术方案进一步实现。
本发明的另一个实施方式还提供了一种基于模糊指令和用户喜好的车载空调智能控制***,其特征在于,包括:
数据存储模块,用于控制温度和风量,基于温度和风量为变量建立数据库,以矩阵的形式记录从当前状态到下一状态的权值;
权值行值迭代模块,以分钟级为单位,记录当前温度区间或风量使用时间,对矩阵表进行定时更新;
模糊控制模块,通过随机数进行落点判定,用于将用户的模糊指令转换为精确指令;以及
验证反馈模块,用于当使用模糊指令进行控制时,如果短时间出现用户二次调节,则对调节因子v进行修正;如果v增大,表示用户更侧重于温度差的调整,如果v减小,表示用户更侧重于具体温度的设置。
借由上述技术方案,本发明至少具有下列优点:
(1)本发明的技术方案基于模糊指令入手,与语音控制、手势识别等指令来源无关,将具体操作抽象成模糊指令再入手。基于深度学习的理论,本方案以用户操作习惯为训练集,操作习惯来源于以下但不限于此:触控控制空调参数;语音下达准确的空调参数。这样,在训练集下不断迭代更新用户操作习惯特征,直到训练集足够多时,将新进的模糊指令为验证集,以模糊指令后,用户补充修改内容细微调整模型参数,确保收敛。最终,在使用了一段时间后,用户下达模糊指令时,大概率做到一步到位,即短时间内不会进行二次调整,以达到模糊指令符合用户基本需求,实现智能化效果。针对在线化云计算方式的缺点,本方案采用离线化处理,首先不受网络连通性限制,针对车载空调控制指令有限这个特点,本方案可以预先计算好对应的状态转移,实现“秒控”;其次,不存在频繁使用数据流量和数据丢失,每次的用户精准控制,都可以及时成为训练集,使得数据得到利用;相比于在线化方案,本方案尽管受到存储等方面限制,但对于车载空调智能控制是足够使用的。
(2)离线智能化方案:本发明无需在线计算,不依赖于网络连通性以及质量,因此时延短,能够大大提升模糊指令的响应速度。
(3)就近原则:对早期的使用习惯进行权重的衰减,用户近期的使用习惯所占权重较大,更加贴合用户近期的使用习惯。
(4)验证反馈:自适应调节因子,满足不同用户的基本需求。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本发明的基于模糊指令和用户喜好的车载空调智能控制方法流程图;
图2为本发明的基于模糊指令和用户喜好的车载空调智能控制方法中的权值行值迭 代流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面将结合本发明实施例及附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1和2所示,本发明的较佳实施例公开了一种基于模糊指令和用户喜好的车载空调智能控制方法,具体包括以下步骤:
根据模糊指令查询当前属性值,定位到数据存储库对应行位置,记为主行,得出跳转到其它属性值或区间的权重;
根据相邻行的跳转属性权重乘以调节因子vm得出用户喜好,其中vm在[0, 1]范围内,m表示与所述主行相距的行数;
根据所述跳转到其他属性值或区间的权重,计算出到每个所述属性值或区间的概率,从而通过随机数进行落点判定,转化为精确指令;
根据所述精确指令改变温度或风量。
在一个实施例中,在根据模糊指令查询当前属性值之前还包括建立数据存储库的步骤,所述数据存储库是基于温度和风量为变量,所述温度和风度均以矩阵M形式表示,其中,所述矩阵M为7×7矩阵表,其第i行第j列元素记为mij。
就目前而言,常见的车载空调模糊指令一般用于控制温度和风量,所以根据温度和风量建立数据库,以矩阵的形式记录从当前状态到下一状态的权值。考虑到温度量化比较细,可以根据具体情况适当扩大量化精度,即把若干相邻温度捆绑在一起,这样减少矩阵维度,使得矩阵更快被填满,更快进入验证阶段,与此同时降低计算成本。以某一具体项目为例,温度调节范围是18到32度,精度为0.5度,风量调节为1到7级,精度为1级。由于风量枚举数比较小,因此不用扩大精度,建立7×7的矩阵表Mlevel;而温度枚举数总共有29个,建立29×29的矩阵并不适合,一般用户下发相关模糊指令是调高温度和调低温度,通常是对当前温度不满意,因此会有一定的跨度,很少会增加、降低0.5度。因此可以考虑扩大精度,以4个温度一组为目标,组成7组,其中1组有5个温度。这样,18到32度可分为:[18, 19.5],[20,21.5],[22, 23.5],[24, 26],[26.5, 28],[28.5,30],[30.5, 32],其中,[x, y]表示从下限x到上限y的所有取值集合,这样,除去[24,26]有5个温度数据,其它6个组均有4个温度数据。因此,温度分为7组,建立7×7的矩阵Mtemp。由于每组内部有至少2个数据,因此该矩阵需要记录组内跳转的权值。其中矩阵M的第i行第j列元素记为mij。
在一个实施例中,所述当前属性值包括温度Mtemp和风度Mlevel。
在一个实施例中,所述转化为精确指令后还需要判断用户是否进行二次调整:若判断为“是”,则对所述调节因子v进行修正,其中v的增大表示用户更侧重于温度差的调整,v的减小则表示用户更侧重于具体温度的设置;若判断为“否”,则结束此步骤。
二次调整是基于当有了足够多的训练集后,模糊指令进行控制时出现的情况。如果短时间出现用户二次调节,对调节因子v进行修正。v的增大,表示用户更侧重于温度差的调整,与此同时,v的减小,表示用户更侧重于具体温度的设置。所以,对v的调节是有必要的。具体流程见图1。
在一个实施例中,在建立所述数据存储库后还包括权值行值迭代的步骤,包括:
以分钟级为单位,记录用户在当前属性值累计使用时间a,更新时间间隔记为b,以当到更新时间点时,该行所有数据乘以(a+b)/a,以更新累计时间。
具体而言,权值行值迭代是指用户每次如触控等精确操作,均视为训练操作,控制的是温度则训练Mtemp,控制的是风量则训练Mlevel。权值行值迭代包括迭代A和B。迭代A是指矩阵记录数据后,用户的每一次精确指令,都会作为训练集,并给矩阵内对应的权值+1。考虑到用户多次操作的情形,不能仅仅以跳转次数作为权值。所以除此之外,需要记录用户在对应温度区间以及风量的使用时间。因此,矩阵需要定时更新,并记录每个温度区间或风量的使用时间,需要给对应行的数据乘以比例,这里以分钟为单位,记录当前温度区间或风量使用时间,使用时间越长,矩阵中对应行的总和越大。
迭代B是指该行数据对应属性已累计使用a分钟,现切换到该属性,每b分钟更新一次。这样,每次b分钟到时,该行所有数据乘以(a+b)/a,更新累计时间,以此类推。如果出现中断情形如换温度或风量,空调关闭等,比如出现在设置后或者更新点后c分钟,c一定是小于等于b,该行所有数据乘以(a+c)/a,并更新累计时间。如果中断不可恢复,如下电,则不予处理。这样,矩阵除了记录跳转权值,每行的总数也反映着该温度区间或风量的使用情况,体现用户的使用喜好。
迭代A和迭代B是并行执行的,共同起到作用。具体流程见图2。
在一个实施例中,在所述矩阵表更新后若出现中断情况,还需要判断所述中断情况是否可恢复:若判断为“是”,则该行所有数据乘以(a+c)/a,并更新累计时间,其中,c表示出现在设置后或者更新点后的时间,且c≤b;若判断为“否”,则不予处理。
在一个实施例中,所述中断情况包括换温度、风量或者关闭空调。
在一个实施例中,所述得出跳转到其它属性值或区间的权重的过程包括:所述主行记为i,需要跳转到第j个属性值或区间mij,其相邻行为i+k,对应的是跳转到第j+k个属性值或区间,以m(i+k)(j+k)表示。
在一个实施例中,根据所述精确指令改变温度或风量后还包括降值步骤,包括:以上电时间为基准,上电期间对空调的操作时间视为上电的时间,上电后,根据上一次上电的时间,计算时间差t,所述时间差t是每次上电时记录当前时间,减去上一次(如果有)上电时间,得到时间差t,并以这次上电时间覆盖掉上一次上电时间;对所述温度和风度矩阵Mtemp和Mlevel中的全部值乘以exp(-ut),其中,exp(a)表示以自然数e为底数,a为指数,u为调节参数且大于0,用于调节过去的信息所占比重,“-”表示衰减。一般而言,用户所希望的操作一定更接近于最近的使用。如果按照树立权值的计算方法,则每个时间段下都是等效的,不符合就近原则,所以,需要降低旧数据的权值。最好的办法是记录每次的调整时间,但记录量较大,不符合离线方案。本申请以上电时间为基准,上电期间对空调的操作时间视为上电的时间,简化存储。这样,上电后,根据上一次上电的时间,计算时间差,对矩阵Mtemp和Mlevel里所有权值进行降值处理。由于指数函数的特殊性,即同底数函数相乘,为指数相加,可以以时间差t为指数参考,上电后,对矩阵全部值乘以exp(-ut),其中exp(a)表示以自然数e为底数,a为指数。这里u为调节参数,且大于0,用于调节过去的信息所占比重,可以赋一个经验值,t为时间差,负号表示衰减,用于降值处理。这样,削弱了旧信息,体现了就近原则。
本发明还提供了一种基于模糊指令和用户喜好的车载空调智能控制***,其特征在于,包括:
数据存储模块,用于控制温度和风量,基于温度和风量为变量建立数据库,以矩阵的形式记录从当前状态到下一状态的权值;
权值行值迭代模块,以分钟级为单位,记录当前温度区间或风量使用时间,对矩阵表进行定时更新;
模糊控制模块,通过随机数进行落点判定,用于将用户的模糊指令转换为精确指令;以及
验证反馈模块,用于当使用模糊指令进行控制时,如果短时间出现用户二次调节,则对调节因子v进行修正;如果v增大,表示用户更侧重于温度差的调整,如果v减小,表示用户更侧重于具体温度的设置。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的方法及技术内容作出些许的更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (10)
1.一种基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,包括:
根据模糊指令查询当前属性值,定位到数据存储库对应行位置,记为主行,得出跳转到其它属性值或区间的权重;
根据相邻行的跳转属性权重乘以调节因子vm得出用户喜好,其中vm在[0, 1]范围内,m表示与所述主行相距的行数;
根据所述跳转到其他属性值或区间的权重,计算出到每个所述属性值或区间的概率,从而通过随机数进行落点判定,转化为精确指令;
根据所述精确指令改变温度或风量。
2.根据权利要求1所述的基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,在根据模糊指令查询当前属性值之前还包括建立数据存储库的步骤,所述数据存储库是基于温度和风量为变量,所述温度和风度均以矩阵M形式表示,其中,所述矩阵M为7×7矩阵表,其第i行第j列元素记为mij。
3.根据权利要求1所述的基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,所述当前属性值包括温度Mtemp和风度Mlevel。
4.根据权利要求1所述的基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,所述转化为精确指令后还需要判断用户是否进行二次调整:若判断为“是”,则对所述调节因子v进行修正,其中v的增大表示用户更侧重于温度差的调整, v的减小则表示用户更侧重于具体温度的设置;若判断为“否”,则结束此步骤。
5.根据权利要求2所述的基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,在建立所述数据存储库后还包括权值行值迭代的步骤,包括:
以分钟级为单位,记录用户在当前属性值累计使用时间a,更新时间间隔记为b,以当到更新时间点时,所述主行所有数据乘以(a+b)/a,以更新累计时间。
6.根据权利要求5所述的基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,在所述矩阵表更新后若出现中断情况,还需要判断所述中断情况是否可恢复:若判断为“是”,则所述主行所有数据乘以(a+c)/a,并更新累计时间,其中,c表示出现在设置后或者更新点后的时间,且c≤b;若判断为“否”,则不予处理。
7.根据权利要求6所述的基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,所述中断情况包括换温度、风量或者关闭空调。
8.根据权利要求1所述的基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,所述得出跳转到其它属性值或区间的权重的过程包括:所述主行记为i,需要跳转到第j个属性值或区间mij,所述主行i的相邻行为i+k,对应的是跳转到第j+k个属性值或区间,以m(i+k)(j+k)表示。
9.根据权利要求1所述的基于模糊指令和用户喜好的车载空调智能控制方法,其特征在于,根据所述精确指令改变温度或风量后还包括降值步骤,包括:
以上电时间为基准,上电期间对空调的操作时间视为上电的时间,上电后,根据上一次上电的时间,计算时间差t,所述时间差t是每次上电时记录当前时间,减去上一次上电时间,得到时间差t,并以这次上电时间覆盖掉上一次上电时间;
对所述温度和风度矩阵Mtemp和Mlevel中的全部值乘以exp(-ut),其中,exp(a)表示以自然数e为底数,a为指数,u为调节参数且大于0,用于调节过去的信息所占比重,“-”表示衰减。
10.一种基于模糊指令和用户喜好的车载空调智能控制***,其特征在于,包括:
数据存储模块,用于控制温度和风量,基于温度和风量为变量建立数据库,以矩阵的形式记录从当前状态到下一状态的权值;
权值行值迭代模块,以分钟级为单位,记录当前温度区间或风量使用时间,对矩阵表进行定时更新;
模糊控制模块,通过随机数进行落点判定,用于将用户的模糊指令转换为精确指令;以及
验证反馈模块,用于当使用模糊指令进行控制时,如果短时间出现用户二次调节,则对调节因子v进行修正;如果v增大,表示用户更侧重于温度差的调整,如果v减小,表示用户更侧重于具体温度的设置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011229326.3A CN112810395B (zh) | 2020-11-06 | 2020-11-06 | 基于模糊指令和用户喜好的车载空调智能控制***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011229326.3A CN112810395B (zh) | 2020-11-06 | 2020-11-06 | 基于模糊指令和用户喜好的车载空调智能控制***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112810395A CN112810395A (zh) | 2021-05-18 |
CN112810395B true CN112810395B (zh) | 2023-12-12 |
Family
ID=75854336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011229326.3A Active CN112810395B (zh) | 2020-11-06 | 2020-11-06 | 基于模糊指令和用户喜好的车载空调智能控制***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112810395B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05246233A (ja) * | 1991-05-31 | 1993-09-24 | Suzuki Motor Corp | 自動車用空調制御装置 |
KR19990047378A (ko) * | 1997-12-04 | 1999-07-05 | 박상록 | 퍼지 제어를 이용한 차량용 공조 제어장치 |
EP1335255A2 (en) * | 2002-02-08 | 2003-08-13 | Delphi Technologies, Inc. | Method for calibrating a control system |
CN103542493A (zh) * | 2013-09-25 | 2014-01-29 | 浙江吉利控股集团有限公司 | 一种基于模糊控制的车载空调的智能控制***及方法 |
CN106642525A (zh) * | 2016-09-30 | 2017-05-10 | 广东美的制冷设备有限公司 | 一种模糊控制方法、模糊控制装置和空调 |
CN110641250A (zh) * | 2019-11-05 | 2020-01-03 | 重庆大学 | 基于人体热舒适理论和模糊pid控制的电动汽车空调***智能控制方法 |
GB202002282D0 (en) * | 2020-02-19 | 2020-04-01 | Daimler Ag | Method of controlling air conditioner (AC) setting in a vehicle, and system thereof |
-
2020
- 2020-11-06 CN CN202011229326.3A patent/CN112810395B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05246233A (ja) * | 1991-05-31 | 1993-09-24 | Suzuki Motor Corp | 自動車用空調制御装置 |
KR19990047378A (ko) * | 1997-12-04 | 1999-07-05 | 박상록 | 퍼지 제어를 이용한 차량용 공조 제어장치 |
EP1335255A2 (en) * | 2002-02-08 | 2003-08-13 | Delphi Technologies, Inc. | Method for calibrating a control system |
CN103542493A (zh) * | 2013-09-25 | 2014-01-29 | 浙江吉利控股集团有限公司 | 一种基于模糊控制的车载空调的智能控制***及方法 |
CN106642525A (zh) * | 2016-09-30 | 2017-05-10 | 广东美的制冷设备有限公司 | 一种模糊控制方法、模糊控制装置和空调 |
CN110641250A (zh) * | 2019-11-05 | 2020-01-03 | 重庆大学 | 基于人体热舒适理论和模糊pid控制的电动汽车空调***智能控制方法 |
GB202002282D0 (en) * | 2020-02-19 | 2020-04-01 | Daimler Ag | Method of controlling air conditioner (AC) setting in a vehicle, and system thereof |
Also Published As
Publication number | Publication date |
---|---|
CN112810395A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110688920A (zh) | 一种无人驾驶控制方法、装置及服务器 | |
CN112622895B (zh) | 一种应用于自动驾驶的轨迹控制的预估控制方法 | |
CN101339404A (zh) | 飞行器姿态动力学简化模型增益切换比例-微分控制的设计方法 | |
CN106708044A (zh) | 基于灰色预测混合遗传算法‑pid全垫升气垫船航向控制方法 | |
CN115520188A (zh) | 节能型车辆速度规划方法、***、电子设备、存储介质 | |
CN112810395B (zh) | 基于模糊指令和用户喜好的车载空调智能控制***及方法 | |
CN114527795A (zh) | 一种基于增量在线学习的飞行器智能控制方法 | |
CN113238486B (zh) | 一种自适应的多机水电站调速器参数调控方法 | |
CN111680720B (zh) | 基于改进cs-svr模型的高炉铁水硅含量预测方法 | |
CN114355976A (zh) | 一种基于学习的控制无人机在风扰下完成轨迹跟踪的方法 | |
CN115103562A (zh) | 数据中心空调的分布式智能控制方法 | |
CN114537391A (zh) | 一种基于预报观测器的车辆跟驰伺服控制方法及*** | |
CN110244752B (zh) | 一种高超声速飞行器专家智能控制方法及飞行器 | |
CN114384931A (zh) | 一种基于策略梯度的无人机多目标最优控制方法和设备 | |
JPH06102908A (ja) | 需要予測装置 | |
CN111314231A (zh) | 一种基于事件驱动的复杂网络平衡点控制的方法 | |
JP2738334B2 (ja) | 生産計画平準調整システム | |
CN114756025B (zh) | 一种自主小车巡航控制方法及装置 | |
CN118199182A (zh) | 基于分布式能源适应性的虚拟电厂分层控制方法及*** | |
CN114114929B (zh) | 一种基于lssvm的无人驾驶车辆路径跟踪方法 | |
CN115837899B (zh) | 动车组制动***的多模型自适应故障补偿控制方法及*** | |
CN113570066B (zh) | 数据处理方法、***、电子设备及存储介质 | |
EP3739525A1 (en) | Informed imperceptible exploration based on control-policies | |
CN111694595B (zh) | 基于误差容忍的软件行为调节方法 | |
JP2005267039A (ja) | 制御システム、生成モジュール、および制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |