汽车空调的控制方法、系统及计算机可读存储介质与流程

本发明涉及汽车空调技术领域，更具体地，涉及一种汽车空调的控制方法、系统及计算机可读存储介质。

背景技术：

汽车空气调节装置，简称汽车空调。用于把汽车车厢内的温度、湿度、空气清洁度及空气流动调整和控制在最佳状态，为乘员提供舒适的乘坐环境，减少旅途疲劳；为驾驶员创造良好的工作条件，对确保安全行车起到重要作用的通风装置。

汽车空调运行的过程中，压缩机工作会产生较大的振动，当振动传递到空调压缩机的安装座上，易于空调的压缩机产生共振，再通过车身支架传递到整车车身上。

问题主要是体现在：

因受空调导热性以及耐腐蚀等特性原因，里面的管路多为铜管，而铜管存在易断管等问题，传统空调的控制方法为：通过实验来找出共振点之后规避它。但由于驻车空调使用环境复杂等不确定等因素，导致实验可能模拟不到真实环境，即使跟车模拟也存在样品单一操作难等问题，这些都增加了断管的几率，降低了整机的可靠性。

技术实现要素：

为解决上述至少一个问题，本发明提供一种汽车空调的控制方法，所述汽车空调的控制方法利用神经网络模型，可以学习汽车空调在不同环境下的最优运行频率，提高了汽车空调整机的可靠性。

第一方面，本发明提供一种汽车空调的控制方法，包括：

获取汽车空调运行时用户设定的第一温度、车内的第二温度和车外的第三温度；

将所述第一、第二和第三温度输入预先建立的神经网路模型，输出空调压缩机的运行频率；

根据所述运行频率控制所述压缩机的运行。

具体地，所述根据所述运行频率控制所述压缩机的运行之前，还包括：

获取空调管路的应力值；

根据所述应力值判断压缩机当前的所述运行频率是否为共振点。

具体地，还包括：

若所述运行频率非共振点，则根据所述运行频率控制所述压缩机的运行。

具体地，还包括：

若所述运行频率为共振点；

则比较第一温度和第二温度；

若所述第一温度小于所述第二温度时，则调高所述压缩机的运行频率；

若所述第一温度大于所述第二温度时，则调低所述压缩机的运行频率；

且在调高或调低所述运行频率时，重复步骤“获取空调管路的应力值；根据所述应力值判断压缩机当前的所述运行频率是否为共振点”。

具体地，所述汽车空调的控制方法还包括：

将所述应力值通过预设的电路结构输出用于识别的数字信号，以识别所述数字信号判断当前压缩机运行的频率是否为共振点。

进一步地，还包括：

将所述第一温度、第二温度及所述第一温度和第二温度对应的非共振点的压缩机运行频率反馈至所述神经网络模型，以使得所述神经网络网络在下一次接收所述第一温度、第二温度的输入时，能直接输出非共振点的压缩机运行频率。

进一步地，所述调高所述压缩机的运行频率的步骤中，具体包括：

预先设置调高频率的赫兹为n赫兹，其中n为大于0的正整数；

以每次n赫兹调高所述压缩机的运行频率。

进一步地，所述调低所述压缩机的运行频率的步骤中，具体包括：

预先设置调低频率的赫兹为n赫兹，其中n为大于0的正整数；

以每次n赫兹调低所述压缩机的运行频率。

第二方面，本发明还公开了一种汽车空调的控制系统，其包括：

获取模块，用于获取汽车空调运行时用户设定的第一温度、车内的第二温度和车外的第三温度；

输出模块，用于将所述第一、第二和第三温度输入预先建立的神经网路模型，输出空调压缩机的运行频率；

控制模块，用于根据所述运行频率控制所述压缩机的运行。

第三方面，本发明还公开一种计算机可读存储介质，其包括：

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述计算机可读存储介质中并被配置为由一个或多个处理器执行；

所述一个或多个应用程序被配置为用于执行上述任意一项的汽车空调的控制方法。

相比于现有技术，本发明的方案具有以下优点：

本发明中，利用神经网络模型的学习功能，直接输出运行频率，以根据所述运行频率控制压缩机的运行。在经过一段时间神经网络模型学习完成后，就不需要经过复杂判断就可以直接输出最优的运行频率，最终实现汽车空调在不同环境下高效迅速输出最优的频率，提高了汽车空调整机的可靠性。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明中一种汽车空调的控制方法的一种实施例的流程示意图；

图2示出了本发明中一种汽车空调的控制方法的另一种实施例的流程示意图的流程示意图；

图3示出了本发明中一种汽车空调的控制系统的一种实施例的结构示意图；

图4示出了本发明中一种汽车空调的控制系统的另一种实施例的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

下面将结合本发明实施例中的附图，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，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1，示出了本发明中一种汽车空调的控制方法的一种实施例的流程示意图。

所述汽车空调的控制方法，包括步骤s101-s103。

其中，所述步骤s101.获取汽车空调运行时用户设定的第一温度、车内的第二温度和车外的第三温度；

步骤s102.将所述第一、第二和第三温度输入预先建立的神经网路模型，输出空调压缩机的运行频率；

步骤s103.根据所述运行频率控制所述压缩机的运行。

本发明中，在汽车空调运行时，获取用户在运行过程中设定的或先前预设的第一温度，获取汽车内部的第二温度，以及汽车外部的第三温度。所述第一温度为汽车空调的运行温度。通常，不同的第一温度、第二温度和第三温度所对应的压缩机的运行频率是不同的。将所述第一、第二和第三温度输入具有学习功能的神经网络模型，神经网络模型可以将接收到的数据转化为压缩机的运行频率。在经过一段时间神经网络模型学习完成后，就不需要经过复杂判断就可以输出最优运行频率，最终实现汽车空调在不同环境下高效迅速输出最优运行频率，提高了汽车空调整机的可靠性。

参见图2，示出了本发明中的一种汽车空调的控制方法的另一种实施例的流程示意图。

本实施例中，所述步骤s103前，还包括步骤s104：

获取空调管路的应力值；

根据所述应力值判断压缩机当前的所述运行频率是否为共振点。

具体地，步骤s104还包括：

若所述运行频率非共振点，则根据所述运行频率控制所述压缩机的运行。

本实施例中，选择空调管路的应力值作为判断汽车空调在运行的过程中，压缩机当前的所述运行频率是否为共振点的因素。在通过应力值判断来确定是否为共振点，将判断的值返回神经网络模型学习记录下来，下次神经网络模型会优先在判断当前的运行频率是否为学习过的共振点，进而判断直接输出最优的运行频率还是跳出判断学习。

例如，汽车空调在第一温度为25°，第二温度为27°，第三温度为30°时，输出的压缩机的运行频率为a。这时，获取汽车空调的空调管道的应力值f，根据所述应力值f，判断当前的压缩机运行频率a是否为共振点。若是，则需要按照预设的规则改变压缩机的运行频率，使得压缩机在“第一温度为25°，第二温度为27°，第三温度为30°”的条件下的运行频率不为a，以使得当前条件下的压缩机的运行频率不为共振点。若否，则直接学习记录这些数据，以便下次在第一温度为25°，第二温度为27°，第三温度为30°时，可以直接输出运行频率控制压缩机的运行。

具体地，步骤s104还包括：

若所述运行频率为共振点；

则比较第一温度和第二温度；

若所述第一温度小于所述第二温度时，则调高所述压缩机的运行频率；

若所述第一温度大于所述第二温度时，则调低所述压缩机的运行频率；

且在调高或调低所述运行频率时，重复步骤“获取空调管路的应力值；根据所述应力值判断压缩机当前的所述运行频率是否为共振点”。

本发明实施例中，在根据空调管道的应力值判断当前压缩机的运行频率为共振点时，则根据第一温度和第二温度调整当前压缩机的运行频率，使得压缩机的运行频率不为共振点，实现汽车空调在不同环境下高效迅速输出的较优的运行频率，提高了汽车空调整机的可靠性。每改变一次压缩机的运行频率会返回检测改变后的运行频率是否为汽车空调的共振点，如果是，则继续通过获取到的第一温度和第二温度的温度值来改变运行频率直到输出的压缩机的运行频率不为共振点。

本实施例中，在用户设定的温度—第一温度小于室内的所述第二温度时，则调高所述压缩机的运行频率，在所述第一温度大于所述第二温度时，则调低所述压缩机的运行频率。

可以理解的是，在忽略一些综合性能的前提下，也可以在用户设定的温度—第一温度小于室内的所述第二温度时，根据实际的需求调低所述压缩机的运行频率；在所述第一温度大于所述第二温度时；调高所述压缩机的运行频率。

在本发明的另一种实施例中，也可以在根据空调管道的应力值判断当前压缩机的运行频率为共振点时，则综合第一温度、第二温度和第三温度，根据第一、第二和第三温度调整当前压缩机的运行频率，使得压缩机的运行频率不为共振点。

具体地，所述汽车空调的控制方法还包括：

将所述应力值通过预设的电路结构输出用于识别的数字信号，以识别所述数字信号判断当前压缩机运行的频率是否为共振点。

在本发明中，预先设置好相关的获取应力值的电路结构，在汽车空调运行时，实时获取所述空调管道上的应力值，并同时将所述应力值实时输出为可识别的数字信号，以便相关的处理器判断当前压缩机运行的频率是否为共振点。

进一步地，还包括：

将所述第一温度、第二温度及所述第一温度和第二温度对应的非共振点的压缩机运行频率反馈至所述神经网络模型，以使得所述神经网络网络在下一次接收所述第一温度、第二温度的输入时，能直接输出非共振点的压缩机运行频率。

每次判断完是否为共振点的频率值都会返回给神经网络网络进行学习记录下来，当下次开启输入条件即开机运行并设定温度，结合室内外环境温度供神经网络模型计算出压缩机的运行频率的数值，如此数值为学习过的非共振点频率，则直接输出为最优的运行频率，直接根据该最优的运行频率控制压缩机的运行，不需要再进行复杂的计算。如果该数值是学习过的共振点则直接跳过此数值，并根据室内温度检测来判断在此数值基础上增加或者减小一定的数值，例如增加或减少1hz(如果此时室内检测温度大于用户设定温度则升高频率1hz，如检测室内环境温度小于用户设定温度则频率减小1hz)，得到改变后的运行频率，改变后的频率重复刚才的判断，是学习过的共振点继续增加或减少运行频率的数值，是学习过的非共振点直接输出最优的运行频率，如此运行频率的数值没有学习过，则继续跳出神经网络模型继续判断并学习。

进一步地，所述调高所述压缩机的运行频率的步骤中，具体包括：

预先设置调高频率的赫兹为n赫兹，其中n为大于0的正整数；

以每次n赫兹调高所述压缩机的运行频率。

在本发明实施例中，若要调高所述压缩机的运行频率，则在当前的运行频率的数值上增加n数值，得到改变后的运行频率。所述n为大于0的正整数。例如，每次运行频率的数值改变增加3赫兹，并进一步判断增加了3赫兹的当前运行频率是否为共振点。

进一步地，所述调低所述压缩机的运行频率的步骤中，具体包括：

预先设置调低频率的赫兹为n赫兹，其中n为大于0的正整数；

以每次n赫兹调低所述压缩机的运行频率。

在本发明实施例中，若要调低所述压缩机的运行频率，则在当前的运行频率的数值上增加n数值，得到改变后的运行频率。所述n为大于0的正整数。例如，每次运行频率的数值改变减少5赫兹，并进一步判断减少了5赫兹的当前运行频率是否为共振点。

第二方面，本发明还公开了一种汽车空调的控制系统，

如图3，示出了本发明中一种汽车空调的控制系统的一种实施例的结构示意图。

所述汽车空调的控制系统包括获取模块101、输出模块102和控制模块103。其中：

获取模块101，用于获取汽车空调运行时用户设定的第一温度、车内的第二温度和车外的第三温度；

输出模块102，用于将所述第一、第二和第三温度输入预先建立的神经网路模型，输出空调压缩机的运行频率；

控制模块103，用于根据所述运行频率控制所述压缩机的运行。

本发明中，在汽车空调运行时，获取用户在运行过程中设定的或先前预设的第一温度，获取汽车内部的第二温度，以及汽车外部的第三温度。所述第一温度为汽车空调的运行温度。通常，不同的第一温度、第二温度和第三温度所对应的压缩机的运行频率是不同的。将所述第一、第二和第三温度输入具有学习功能的神经网络模型，神经网络模型可以将接收到的数据转化为压缩机的运行频率。在经过一段时间神经网络模型学习完成后，就不需要经过复杂判断就可以输出最优运行频率，最终实现汽车空调在不同环境下高效迅速输出最优运行频率，提高了汽车空调整机的可靠性。

参见图4，示出了本发明的一种汽车空调的控制系统的另一种实施例的结构示意图。

在本实施例中，还包括：

判断模块104，用于获取空调管路的应力值；

根据所述应力值判断压缩机当前的所述运行频率是否为共振点。

具体地，判断模块104还包括：

第一控制单元，用于若所述运行频率非共振点，则根据所述运行频率控制所述压缩机的运行。

本实施例中，选择空调管路的应力值作为判断汽车空调在运行的过程中，压缩机当前的所述运行频率是否为共振点的因素。在通过应力值判断来确定是否为共振点，将判断的值返回神经网络模型学习记录下来，下次神经网络模型会优先在判断当前的运行频率是否为学习过的共振点，进而判断是直接输出最优的运行频率还是跳出判断学习。

例如，汽车空调在第一温度为25°，第二温度为27°，第三温度为30°时，输出的压缩机的运行频率为a。这时，获取汽车空调的空调管道的应力值为f，根据所述应力值f，判断当前的压缩机运行频率a是否为共振点。若是，则需要按照预设的规则改变压缩机的运行频率，使得压缩机在“第一温度为25°，第二温度为27°，第三温度为30°”的条件下的运行频率不为a，以使得当前条件下的压缩机的运行频率不为共振点。若否，则直接学习记录这些数据，以便下次在第一温度为25°，第二温度为27°，第三温度为30°时，可以直接输出运行频率控制压缩机的运行。

具体地，判断模块104还包括：

比较单元，用于若所述运行频率为共振点；

则比较第一温度和第二温度；

若所述第一温度小于所述第二温度时，则调高所述压缩机的运行频率；

若所述第一温度大于所述第二温度时，则调低所述压缩机的运行频率；

且在调高或调低所述运行频率时，重复步骤“获取空调管路的应力值；根据所述应力值判断压缩机当前的所述运行频率是否为共振点”。

本发明实施例中，在根据空调管道的应力值判断当前压缩机的运行频率为共振点时，则根据第一温度和第二温度调整当前压缩机的运行频率，使得压缩机的运行频率不为共振点，实现汽车空调在不同环境下高效迅速输出的较优的运行频率，提高了汽车空调整机的可靠性。每改变一次压缩机的运行频率会返回检测改变后的运行频率是否为汽车空调的共振点，如果是，则继续通过获取到的第一温度和第二温度的温度值来改变运行频率直到输出的压缩机的运行频率不为共振点。

本实施例中，在用户设定的温度—第一温度小于室内的所述第二温度时，则调高所述压缩机的运行频率，在所述第一温度大于所述第二温度时，则调低所述压缩机的运行频率。

可以理解的是，在忽略一些综合性能的前提下，也可以在用户设定的温度—第一温度小于室内的所述第二温度时，根据实际的需求调低所述压缩机的运行频率；在所述第一温度大于所述第二温度时；调高所述压缩机的运行频率。

在本发明的另一种实施例中，也可以在根据空调管道的应力值判断当前压缩机的运行频率为共振点时，则综合第一温度、第二温度和第三温度，根据第一、第二和第三温度调整当前压缩机的运行频率，使得压缩机的运行频率不为共振点。

具体地，所述汽车空调的控制系统还包括：

识别模块，用于将所述应力值通过预设的电路结构输出用于识别的数字信号，以识别所述数字信号判断当前压缩机运行的频率是否为共振点。

在本发明中，预先设置好相关的获取应力值的电路结构，在汽车空调运行时，实时获取所述空调管道上的应力值，并同时将所述应力值实时输出为可识别的数字信号，以便相关的处理器判断当前压缩机运行的频率是否为共振点。

进一步地，还包括：

反馈模块，用于将所述第一温度、第二温度及所述第一温度和第二温度对应的非共振点的压缩机运行频率反馈至所述神经网络模型，以使得所述神经网络网络在下一次接收所述第一温度、第二温度的输入时，能直接输出非共振点的压缩机运行频率。

每次判断完是否为共振点的频率值都会返回给神经网络网络进行学习记录下来，当下次开启输入条件即开机运行并设定温度，结合室内外环境温度供神经网络模型计算出压缩机的运行频率的数值，如此数值为学习过的非共振点频率，则直接输出为最优的运行频率，直接根据该最优的运行频率控制压缩机的运行，不需要再进行复杂的计算。如果该数值是学习过的共振点则直接跳过此数值，并根据室内温度检测来判断在此数值基础上增加或者减小一定的数值，例如增加或减少1hz(如果此时室内检测温度大于用户设定温度则升高频率1hz，如检测室内环境温度小于用户设定温度则频率减小1hz)，得到改变后的运行频率，改变后的频率重复刚才的判断，是学习过的共振点继续增加或减少运行频率的数值，是学习过的非共振点直接输出最优的运行频率，如此运行频率的数值没有学习过，则继续跳出神经网络模型继续判断并学习。

进一步地，所述比较单元被配置为：

预先设置调高频率的赫兹为n赫兹，其中n为大于0的正整数；

以每次n赫兹调高所述压缩机的运行频率。

在本发明实施例中，若要调高所述压缩机的运行频率，则在当前的运行频率的数值上增加n数值，得到改变后的运行频率。所述n为大于0的正整数。例如，每次运行频率的数值改变增加3赫兹，并进一步判断增加了3赫兹的当前运行频率是否为共振点。

进一步地，所述比较单元被配置为：

预先设置调低频率的赫兹为n赫兹，其中n为大于0的正整数；

以每次n赫兹调低所述压缩机的运行频率。

在本发明实施例中，若要调低所述压缩机的运行频率，则在当前的运行频率的数值上增加n数值，得到改变后的运行频率。所述n为大于0的正整数。例如，每次运行频率的数值改变减少5赫兹，并进一步判断减少了5赫兹的当前运行频率是否为共振点。

第三方面，本发明还公开一种计算机可读存储介质，其包括：

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述计算机可读存储介质中并被配置为由一个或多个处理器执行；

所述一个或多个应用程序被配置为用于执行上述任意一项的汽车空调的控制方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上对本发明所提供的技术方案进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。