🎊🎊乘员舱舒适性控制算法主要基于自动控制原理(反馈控制理念),在热力学及流体力学理论指导下,利用传感器参数及人机交互输入信息自动控制空调的出风温度、出风模式,气流速度、循环模式以及空气品质,以确保乘员的舒适体验。🎊🎊。 目前主流自动空调控制算法按原理划分主要分为三大类,能量平衡算法、热负荷表征值/经验公式型(海拉的ERL、奉天Valavg、华为的TD值、电装TAO值...)、反馈PID控制算法,它们各自的算法框图如下: 能量平衡算法 热负荷表征值/经验公式型 反馈PID控制算法
说了这么多,终于要进入今天的主题,能量平衡算法的原理介绍,虽然上面提到了三大类自动空调算法,但限于篇幅、精力以及普法芬主控舒适性算法的选择,所以我们今天不对其它的两种算法展开,如果对TAO值算法、TD值算法感兴趣,可以参考公众号“林南橘”,此处不再过多赘述。 能量平衡算法-理论基础无论哪种热舒适性控制算法,最终的目的都是维持舱内空气热状态平衡(表征为车内温度不变),即ΔQair=0,根据热力学第一定律可知,此时作用于舱内空气的所有输入输出能量和=0
因此在上述的热平衡状态下,我们只要持续保证Qhvac=Q的输出,就能维持车内温度不变,我们定义这种状态为稳态调控阶段,即车内温度等于设定温度下的调控阶段,但是在空调开启初期的一定时间段内,车内温度要么大于或者小于需求设定温度,如果我们从一开始就按Qhvac=Q的能量输出,虽然最终也会使得车内温度达到设定温度(思考一下为什么),但这个时间过程会比较漫长,而这在乘员舱舒适性调控过程中是我们不希望的。 因此我们期望,在升温降温阶段,我们在稳态Qhvac=Q的基础上,叠加一个能量Q1,Q1应该基于车内实际温度与期望温度的差值动态变化,此时Qhvac=Q+Q1,这样的调控过程会在升降温阶段加快调控速度,减缓乘客对不舒适环境的忍受时间。 Q1的变化:初始值的大小,曲线曲率都会导致整个升降温曲线的变化,而Q1和Q最终其实是通过出风温度和出风风量对外表征的,因此为了标定及计算的方便性,我们直接将Q及Q1拆解为风温和风量的变化,将它们分别独立控制,耦合输出:
能量平衡算法-思路介绍基于上述理论基础我们知道,Qhvac=Q1+Q,其中Q1是一条从瞬态初始点到瞬态终点不断下降的曲线(下图红色虚线,理论上,该曲线的曲率,凹凸性均可依据实际调整),我们又提到从标定和计算的角度来考虑,Q和Q1最终是以风温和风量进行表征的,因此,热舒适性控制算法最终变成整个温控过程对目标风温和目标风量的求解过程。如下图所示,我们以冬季采暖为例,考虑到初始阶段,实际内温与设定温差较大,我们期望在最初阶段,空调系统可以维持一个恒定的大风温和大风量一段时间(相对于红色曲线不至于输出风温风量过高造成极度不舒适,甚至是超过空调系统能力边界),待温差小于某个阈值或者瞬态调控量占比过程完成,输出的风温风量再逐渐缩小直至稳态逼近0.因此,Q1的曲线优化为下图黑色实线。 至此,我们明确了热舒适调控过程曲线为(上图黑色实线(瞬态)+黄色虚线(稳态)),因此,后续我们关于热舒适控制算法的设计就是对热舒适调控曲线建模求解的过程。 能量平衡算法-求解过程-稳态计算由上述能量平衡算法思路介绍可知,热舒适系统最终输出的目标风温风量由瞬态计算结果叠加稳态计算结果得到,那么接下来我们就分别针对稳态和瞬态的计算过程进行介绍: 根据前文能量平衡的理论公式可知: QHVAC+Qambient+QSolar+Qother+Qhuman+Q互换=ΔQair=0 定义输入给车内空气的能量为+,车内空气输出的能量为-,得出: QHVAC+QSolar= Qambient +Q左右互换+Qother+Qhuman; 则QHVAC= Qambient +Q左右互换+other-QSolar; 因此我们只需计算出Qambient、Q左右互换、Qsolar即可得到QHVAC,然后通过公式Q=CMΔT,相互求解出风温和风量。 Q左右互换Q左出右:(TsetFl-TsetFr)→Lookup table; Q右出左:-Q左出右 QsolarQambientQVspeed考虑到车速大小对对流换热的影响,我们还应该在上述计算的基础上加上车速对交换能量的影响,又因为车速对交互能量的影响与外界环温强相关,所以Qvspeed是基于环温车速的二维查表,环温越低,车速越高,Qvspeed修正补偿越大(当然,车速对舒适性的影响也可以直接补偿到目标风温和风量上)。 基于上述对Q左右互换、Qsolar、Qambient、 Qvspeed的计算,可最终得出
思考一下为什么不是直接用有阳光QHVAC直接计算DAF,而是考虑和无阳光QHVAC_NS取大呢?
我们思考一下Qambient +Q左右互换+ Qvspeed -Qsolar本质作用主体是车内空气,因此QHVAC同理,那么QHVAC对车内空气能量的传递可以表征为 QHVAC=V_车内*(T_head2-T_head1)=DAF*(T_head-DAT) 求解 DAT=T_head-QHVAC/DAF-----方案1 或QHVAC=V_车内*(T_head2-T_head1)=DAF*(DAT-Tambient) 求解 DAT=QHVAC/DAF+Tambient-----方案2 其实因为方案1和方案2都通过一个公式Q=V*ΔT把风量,风温进行了关联,所以,无论用哪个公式都可以,只是两组公式最后标定出来的QHVAC是两组数据而已,方案1相对于方案2的好处是,方案1里面的QHVAC在任何情况下都代表了空调系统作用在舱内空气的能量,而方案2里面的QHVAC在纯外循环时代表了空调系统提供出来的能量,其它情况则不具备明确的意义。 此外对Qambient的理解也不是仅包括环境空气与车内空气的能量交换,同时也囊括了新风负荷,Qhuman、Qother,是一个简化处理的杂糅能量
能量平衡算法-求解过程-瞬态计算接下来就是瞬态过程的求解计算,就是计算黑色曲线①和②组成的瞬态调控曲线任一时刻纵轴值。 其中Dwell、 θ、 α、 β都是百分比*100,但是为了便于理解和简化公式,我们依然按百分比来理解(0-100%):
θ=瞬态未完成阶段占整个瞬态调控阶段的百分比; α=瞬态未完成阶段占瞬态变化调节阶段的百分比; β_AF、β_AT指代瞬态任一时刻,输出风温风量占瞬态最大输出量Δ的百分比,与θ和α有函数关系; 基于上述百分比的定义可知,最终瞬态阶段任一时刻输出风温风量计算如下: Trans_DAF(瞬态风量)=Δ_AF* β_AF; Trans_DAT(瞬态风量)=Δ_AT* β_AT; 能量平衡算法-求解过程-耦合输出我们前边关于自动空调瞬态和稳态过程目标风温和风量的计算是一种通用方法,无论是主驾、副驾还是后排都是基于该方法计算出各自区域位置的目标风温和风量,进而维持各自区域热舒适性: 但是我们HVAC只有一个,因此最终对HVAC整体目标风温风量的需求如下: DAF=(DAF_Basic+DAF_Trans)_主驾+ (DAF_Basic+DAF_Trans)_副驾+……; DAT_主驾= =(DAT_Basic+DAT_Trans)_主驾; DAT_副驾= =(DAT_Basic+DAT_Trans)_副驾; 以上最终输出的DAF和DAT都是基于自动空调算法计算的,最终算法输出的目标值还会受到到其它场景模式和空调工作模式的限制,以及包括后续关于出风模式、循环模式、温度风门开度的计算就留待后续的章节分享,此外关于TAO值算法,TD值算法以及ERL值算法等其它自动空调算法方案的介绍可参考公众号“林南橘”之前的分享,另外需要说明的是,普法芬的能量平衡算法从标定友好性、建模复杂度、技术人员理解方面都基于真实的物理能量值做了简化处理(ρ*c),但如果从整车层面考虑,需要计算或者预测空调系统需求能量值的话,依然可以很容易计算得到。 ERL: 乘员舱舒适性算法对比能量平衡算法是基于能量平衡的物理模型实现,并引入了控制理论中的过度过程和稳定过程的概念。主要理论公式如下: Qℎvac+Qambient+QSolar+QHuman+Qotℎer=0 TAO值算法是基于对整车热负荷影响比较大的输入量(内外温差产生的热传导,新风热,太阳辐射热等结合传感器采集对象和能量平衡等因素综合考虑,通过大量的输入输出的查表关系)直接输出目标出风温度,计算公式如下: TAO值算法是基于对整车热负荷影响比较大的输入量(内外温差产生的热传导,新风热,太阳辐射热等结合传感器采集对象和能量平衡等因素综合考虑,通过大量的输入输出的查表关系)直接输出目标出风温度,计算公式如下: TAO值算法的核心思想是目标出风温度=设置温度需求-车内温度-车外温度-考虑湿度而降低的温度-日照辐射温度。 其中设置温度、内温、外温、日照开头的系数就是对应的权重系数,是经过热模型计算和反复试验验证后的经验值。 未来展望根据开篇以思维导图的形式介绍汽车空调的发展历史可知,未来乘员舱热舒适性控制会朝着智能化、千人千面个性化、多功能域融合控制的方向发展,无论是基于AI、大数据、自学习、还是除PID以外的更优控制算法的引入,目的都是让座舱热舒适控制变得更节能、更智能、更健康,因此接下来我们很有必要花一些时间畅想一下可能的实现方案和路径。 自适应控制算法- 结合大数据、根据驾乘人员的温度调节习惯,自适应地调整温度设置。 - 使用PMV(预测平均选票)算法量化个体的热喜好偏值,并记录这些偏值。 - 实时根据数据分析,适应PMV算法得出个体的最舒适温度,并用于实时控制。 模型预测控制(MPC)- 适合多输入多输出系统,内置状态估计器,进行在线状态估计与预测。 - 实现在线滚动优化,以实时达到最优控制效果。 - 结合车速预测,MPC控制器能够更准确地控制乘员舱温度,提升控制精确性和实时性。 健康座舱控制策略- 考虑健康性,通过HVAC系统进行冷热、通风及空气质量的的协同控制。 - 建立智能控制策略,进行实时最优控制,以保证舱内温度舒适性,同时降低病毒感染风险并提升舱内空气质量。 自适应模糊PID控制- 利用历史数据学习乘客的热习惯,并应用于未来的自动调节控制。 - SLPTC(自学习的乘客热舒适性)控制策略框架可以在不需要驾驶员设置目标温度的情况下,根据历史热喜好数据自动调控最舒适温度。 仿真技术在热管理中的应用- 使用CFD(计算流体动力学)技术进行乘员舱内流场和温度场的模拟。 - 通过仿真技术优化送风模式和空调系统设计,以提高乘员舱的热舒适性。 - 结合CFD数值模拟和智能算法,优化空调风道设计,提高空调出风口速度的均匀性,从而提升乘员热舒适性。 人体热舒适性评价模型- 模拟人体在不同温度环境下的热生理调节机理,包括被动和主动热调节。 一旦抛开话题,其实就很难停下来,除了上述的内容外,像基于AI算法的智慧空调(自学习、预测推送,功能自动找人、自适应一人千面的下一代空调系统)、基于光斑检测(物理数学模型/图像识别检测光斑面积、位置、蓄能量)的智慧风口或智慧调色玻璃、虚拟感知技术实现舒适性传感器减配、预测能量管理实现舒适性满足需求的前提下降低供给能耗等等,这些我们在后续的技术专栏都会一一分享,此次就不再展开赘述。 结尾最后考虑到技术的可公开分享程度,分享的内容并不能面面俱到或展示太多的细节,很多描述也为了便于理解,可能措辞不甚恰当,如果各位感兴趣的小伙伴有什么疑问点,可后台留言,在不泄密的前提下,我们会认真解答您的问题。 🎊🎊汽车研发的侧重点已经由原来的机械设计转换到软件开发,对于许多一直投身于OEM的开发人员来说,因为资源、能力储备及分工的问题,可能很难有机会可以接触到软件算法的逻辑细节,因此在向软件算法开发工作内容靠拢上会感到心有余而力不足,我一直以来的观点是,无论是做系统、产品还是软件算法,对整个专业体系知识储备的需求是很有必要的,所以不要把自己局限在一个产品工程师、系统属性工程师或者单纯的软件算法、测试、标定工程师,在做好“专精特新”的基础上把知识的广度拉上去,这个过程持续且漫长,但一定会助力你站在更高的维度去思考和处理问题。🎊🎊。 最后特别希望各位老板、行业同仁、客户多和我们交流,沟通合作,我们期望在合作项目完整高效完成的同时,各位参与项目的小伙伴都能从中获得很大技术能力提升,在这一点上,我们普法芬是非常有诚意,站在更高的格局上,整个行业从业者整体能力的提升才能助力中国汽车产业做大且强。 全球汽车热管理系统创新技术大会(WVTMS)是由中欧汽车、科闻中国主办,相关协会,机构与企业支持的全球最具行业影响力的汽车热管理系统盛会之一,WVTMS致力于通过分享全球范围内最前沿的汽车热管理技术案例及最具创新价值的汽车热管理理念与技术,帮助行业决策者洞察未来趋势并推动整个汽车热管理科技的发展。WVTMS始于2016年,目前已成功举办八届,WVTMS累积参会规模接近8000人,吸引了来自全球汽车热管理百强企业的参与,参会级别多为企业中高层,已成为全球汽车热管理系统产业交流与合作的标杆平台。 上海普法芬电子科技有限公司受邀出席2024(第九届)全球汽车热管理系统创新技术大会发表《整车热管理系统低成本设计方案》主题演讲 演讲题目:整车热管理系统低成本设计方案 演讲嘉宾:上海普法芬电子科技有限公司 林建 热管理软件开发工程师 演讲时间:2024年5月18日 11:45-12:15 地 点:上海富悦大酒店富悦厅3
🎊🎊 |
|
来自: xingqingzl > 《空调》