鐘啟興，羅作煌

（惠州市德賽西威汽車電子有限公司，廣東惠州 516006）

基于BP神經(jīng)網(wǎng)絡(luò)的汽車車內(nèi)溫度計算方法

鐘啟興*，羅作煌

（惠州市德賽西威汽車電子有限公司，廣東惠州 516006）

本文提出了一種汽車空調(diào)車內(nèi)溫度計算方法，采用BP神經(jīng)網(wǎng)絡(luò)建立左右雙區(qū)乘員呼吸點(diǎn)位置的溫度值預(yù)測模型，用于校準(zhǔn)車內(nèi)溫度傳感器。本方法在考慮車內(nèi)溫度傳感器的各種影響因素的基礎(chǔ)上，提高了溫度校準(zhǔn)的準(zhǔn)確性和抗干擾能力，為車內(nèi)溫度控制系統(tǒng)提供了準(zhǔn)確地反饋，有效提高汽車空調(diào)控制系統(tǒng)對溫度控制的穩(wěn)定性和準(zhǔn)確性。

BP神經(jīng)網(wǎng)絡(luò)；車內(nèi)溫度計算；汽車空調(diào)

0 引言

汽車空調(diào)控制系統(tǒng)的車內(nèi)溫度是自動空調(diào)控制算法最重要的反饋之一，其信號一般采用車內(nèi)的內(nèi)溫傳感器裝置。車內(nèi)溫度傳感器一般位于汽車中控臺或直接集成在汽車空調(diào)控制面板上[1]。但是，自動空調(diào)控制器所需要的真正的車內(nèi)溫度反饋信號并不是位于車內(nèi)溫度傳感器所采集的溫度值，而是乘員呼吸點(diǎn)溫度。只有得到有效的乘員呼吸點(diǎn)溫度反饋，才能夠進(jìn)行有效的車內(nèi)溫度控制。

然而，汽車空調(diào)控制器所運(yùn)行的環(huán)境十分復(fù)雜。車內(nèi)溫度傳感器由于受到車外溫度、車內(nèi)溫度、出風(fēng)溫度、中控臺輻射、陽光強(qiáng)度、空調(diào)循環(huán)模式和吹風(fēng)模式等眾多因素的影響，難以準(zhǔn)確反映控制器真正所需要的乘員呼吸點(diǎn)溫度以進(jìn)行車內(nèi)溫度的控制。

基于以上原因，本文設(shè)計了一種基于BP神經(jīng)網(wǎng)絡(luò)[2]的車內(nèi)溫度計算方法，用于對車內(nèi)溫度傳感器進(jìn)行校準(zhǔn)，使其準(zhǔn)確反饋車內(nèi)人體感官位置的溫度，從而用于車內(nèi)溫度控制。

1 BP神經(jīng)網(wǎng)絡(luò)模型設(shè)計

為了準(zhǔn)確計算車內(nèi)乘員呼吸點(diǎn)溫度，神經(jīng)網(wǎng)絡(luò)的模型輸入必須盡可能地囊括所有可能對模型輸出產(chǎn)生影響的因素。根據(jù)汽車空調(diào)系統(tǒng)的實際情況，本文將模型的輸入信號確定為：車外溫度、鼓風(fēng)機(jī)風(fēng)速、左右雙區(qū)分別的出風(fēng)口空氣溫度（包括臉部出風(fēng)口的出風(fēng)空氣溫度以及腳部出風(fēng)口的出風(fēng)空氣溫度）、左右雙區(qū)陽光傳感器讀數(shù)、汽車行駛速度、內(nèi)外循環(huán)空氣比例、出風(fēng)模式以及車內(nèi)溫度傳感器溫度值。

考慮到需要在 16位單片機(jī)實現(xiàn)神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)必須盡可能的簡單，但又需要足夠有效地對車內(nèi)溫度進(jìn)行計算。經(jīng)過反復(fù)驗證以及結(jié)合實際單片機(jī)資源的要求，本文采用了三層BP網(wǎng)絡(luò)結(jié)構(gòu)，其中隱含層節(jié)點(diǎn)數(shù)確定為7。

2 實驗數(shù)據(jù)

為了對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行有效的訓(xùn)練，需要進(jìn)行相應(yīng)的數(shù)據(jù)采集實驗。訓(xùn)練數(shù)據(jù)必須涵蓋表現(xiàn)輸入變化的工況，經(jīng)過車內(nèi)熱學(xué)分析后，本文所采用的訓(xùn)練數(shù)據(jù)包括車外溫掃描數(shù)據(jù)、左右雙區(qū)設(shè)定溫度掃描數(shù)據(jù)、風(fēng)速掃描數(shù)據(jù)、出風(fēng)模式掃描數(shù)據(jù)、內(nèi)外循環(huán)風(fēng)門比例掃描數(shù)據(jù)和陽光強(qiáng)度掃描數(shù)據(jù)。

本文采用了 IPETronik及熱電偶專業(yè)采集設(shè)備，在汽車環(huán)境模擬實驗室進(jìn)行相應(yīng)的數(shù)據(jù)采集。車內(nèi)熱電偶布點(diǎn)如圖1所示。數(shù)據(jù)采集界面如圖2所示。

圖1 車內(nèi)熱電偶分布圖

圖2 數(shù)據(jù)采集界面

3 歸一化及反歸一化處理

在訓(xùn)練神經(jīng)網(wǎng)絡(luò)前一般需要對數(shù)據(jù)進(jìn)行預(yù)處理，一種重要的預(yù)處理手段是歸一化及反歸一化處理[3]。本文所述 BP神經(jīng)網(wǎng)絡(luò)模型輸入輸出信號的范圍如表1所示。

表1 模型輸入輸出信號范圍

確定最大值最小值后再根據(jù)公式(1)進(jìn)行歸一化處理。

式中：

Pn——?dú)w一化處理后的輸入或輸出；

P——?dú)w一化處理前的輸入或輸出；

PMin——P的最小值；

PMax——P的最大值。

根據(jù)公式(2)進(jìn)行輸出的反歸一化處理。

式中：

T—— 反歸一化后的輸出；

TNET——神經(jīng)網(wǎng)絡(luò)模型的直接輸出；

TMax——輸出的最大值；

TMin——輸出的最小值。

其中隱含層節(jié)點(diǎn)數(shù)確定為7。

4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練及單片機(jī)代碼生成

利用Matlab工具箱對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化和訓(xùn)練，網(wǎng)絡(luò)訓(xùn)練方法采用了L-M優(yōu)化算法。

BP神經(jīng)網(wǎng)絡(luò)在單片機(jī)上實現(xiàn)的關(guān)鍵在于如何將神經(jīng)網(wǎng)絡(luò)中浮點(diǎn)數(shù)定點(diǎn)轉(zhuǎn)換成整型數(shù)，特別是激勵函數(shù) tansig的定點(diǎn)。本文采用的定點(diǎn)方法是對tansig函數(shù)進(jìn)行取點(diǎn)離散化，再對其定點(diǎn)擬合成由整型數(shù)組成的表。效果如圖3所示。

通過以下步驟進(jìn)行基于 Matlab的神經(jīng)網(wǎng)絡(luò)代碼生成：

1）利用命令“gensim(net)”可將訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)net轉(zhuǎn)換成siumlink；

2）利用Matlab的“Fixed-point Tool”將所有的浮點(diǎn)數(shù)定點(diǎn)轉(zhuǎn)換成整型數(shù)；

3）利用Matlab的“Code Generation”進(jìn)行代碼生成。

5 模型驗證

在完成基于BP神經(jīng)網(wǎng)絡(luò)的汽車空調(diào)內(nèi)溫算法的模型建立、訓(xùn)練并生成 16位單片機(jī)能夠運(yùn)行的代碼后，在實際路試環(huán)境下進(jìn)行實驗驗證。圖4為利用神經(jīng)網(wǎng)絡(luò)校準(zhǔn)后的溫度與乘員呼吸點(diǎn)位置的熱電偶讀數(shù)的比較圖。

由圖4可知，本文所描述的方法可以實現(xiàn)車內(nèi)溫度的準(zhǔn)確預(yù)測，其標(biāo)準(zhǔn)差為 0.643 ℃，滿足了自動控制器的要求。

6 結(jié)語

本文提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的車內(nèi)溫度計算方法，確定了影響車內(nèi)溫度的輸入因素，并設(shè)計了符合16位單片機(jī)及實際應(yīng)用需求的網(wǎng)絡(luò)結(jié)構(gòu)，運(yùn)用所設(shè)計的實驗得到的數(shù)據(jù)對神經(jīng)網(wǎng)進(jìn)行訓(xùn)練，完成了對車內(nèi)溫度計算的建模。本文還通過一種離散化實現(xiàn)tansig函數(shù)的方法，使得BP神經(jīng)網(wǎng)絡(luò)得以在單片機(jī)中運(yùn)行。最后，本文通過實際的道路實驗，驗證了本文所設(shè)計方法具有較高的預(yù)測精確度，符合汽車自動空調(diào)控制的要求，有效提升了汽車自動空調(diào)車內(nèi)舒適性。

[1]方貿(mào)銀,李輝.汽車空調(diào)技術(shù)[M].北京: 機(jī)械工業(yè)出版社,2002.

[2]潘昊，王曉勇，陳瓊，等.基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用[J].計算機(jī)應(yīng)用,2005,25(12): 2777-2779.

[3]ODOM M D,SHARDA R A.Neural network for bankruptcy prediction[C]// International Joint Conference on Neural Network,San Diego,1990: 17-70.

Calculation Method for Vehicle In-car Temperature Based on BP Neural Network

ZHONG Qi-xing*,LUO Zuo-huang
(Huizhou Desay SV Automotive Co.,Ltd.,Huizhou,Guangdong 516006,China)

A method to calculate vehicle in-car temperature was proposed and the prediction model for the breath point temperature of the passenger in left/right zones was developed based on BP neural network,which is used to correct the in-car temperature sensor.The accuracy and the antijamming capability are improved by taking multi influence factors into consideration;the accurate temperature feedback for in-car temperature controlling system is provided,and the stability and accuracy of the temperature control for the vehicle air conditioner controller system are improved effectively.

BP neural network;Vehicle in-car temperature calculation;Automobile air conditioning

10.3969/j.issn.2095-4468.2014.06.207

*鐘啟興（1978-），男，工程師，學(xué)士。研究方向：汽車空調(diào)控制。聯(lián)系地址：惠州仲愷高新區(qū)和暢五路西103號，郵編：516006。聯(lián)系電話：0752-2655940。E-mail：qixing.zhong@desay-svautomotive.com。