分布式新能源汽车空调控制系统*

丁 鹏, 王 忠, 王 莹, 冯 渊, 李庆莲

(1.无锡职业技术学院，江苏 无锡 214121；2.江苏大学 汽车与交通工程学院 ，江苏 镇江 212013；3.无锡市普欧电子有限公司，江苏 无锡214100)

0 引 言

汽车空调的使用降低了新能源汽车的续航里程和动力性。为了降低空调在纯电动汽车中的功耗，文献[1，2]采用微通道热交换器的方法提高了空调的效率。文献[3～5]通过对压缩机的改进和模拟降低了空调的能耗。文献[6～8]改进了汽车空调控制系统的软硬件，降低空调的能耗。文献[9～11]分别使用了热泵空调、太阳能辅助空调及二氧化碳汽车空调等新型空调，提高了能源利用率，但由于受安装体积、汽车工况等因素的制约，距离实车应用还存在一定差距。现行纯电动汽车空调制系统制冷方式存在如下缺点:当车厢内乘客很少人时，空调仍会满负荷工作，直到整个车厢温度达到指定温度为止，但大空间温降不会提高乘员舒适度，且与外界的换热面积较大，必然造成能源浪费。

本文设计了一种分布式纯电动汽车空调。采用多个小容量压缩机多级联和调节车厢温度，根据乘客所在车厢区域，对指定的位置按需供风和制冷，只需调节有乘客区域的温度即可，而不必对整个车厢进行调节。

1 分布式汽车空调系统

1.1 整车空调分布

为了实现客车按需供气和制冷，将客车空调分为3个区域(前部区域、中部区域、后部区域)，各区域分别安装一套空调设备，负责对应区域的温度调节。如图1所示，标号1，2，3分别代表各区域空调安装位置。空调电子控制单元(electronic control unit,ECU)根据环境单独控制每套制冷设备的压缩机及风门电机的转速。

图1 分布式纯电动客车空调布置

1.2 空调控制系统

空调系统主要包括:空调ECU、空调温度传感器(包括车厢内、车厢外温度传感器)、光敏传感器、控制面板、空调电源、电机驱动电路及驱动压缩机等部件，如图2中所示。压缩机1～压缩机3分别代表客车前部区域、中部区域及后部区域的压缩机。由摄像头采集车厢内各区域乘员的数量，并传送到ECU，由ECU根据设定的温度、接收温度传感器、阳光传感器、乘员集群数及控制器局域网络(controller area network,CAN)总线获取的整车运行参数依次驱动相应的压缩机及CAN总线获取的整车运行参数依次驱动相应的压缩机及风门电机工作，实现不同区域按需制冷与通风。

图2 空调控制系统硬件结构

2 控制系统

2.1 基于摄像头的乘员统计方法

乘客乘车为坐姿，车载摄像头不能获取全部乘客的完整肢体，只能获取头部区域，因此，使用人脸识别方法统计人数。

首先,获取包含M张人脸图像的集合S，每张图像可以转换成一个N维的向量

S={Γ1,Γ2,…，ΓM}

(1)

计算平均图像Ψ

(2)

计算每张图像和平均图像的差值Φ为

Φ=Γi-Ψ

(3)

用M个正交的单位向量Un描述Φ的分布。 计算正交单位向量的第k(k=1,2,3，...，M)个向量uk

(4)

当特征值λk取最小的值时，即确定uk数值。由于M个向量相互正交且为单位长度，所以,uk还要满足

(5)

根据式(5)可知uk为单位正交向量，uk可用协方差矩阵的特征向量表示

(6)

式中A={Φ1,Φ2,…,Φn}。

对于一个N×N维的图像，上述计算特征向量方法计算量过大，有必要对其进行简化计算。

设矩阵P=AAT，P的第m行n列的元素可表示为

(7)

求出P的M个特征向量vl，协方差矩阵的特征向量ul为

(8)

将特征向量还原成像素排列，称之为特征脸。考虑一张新的人脸，以用特征脸对其进行表示

(9)

对于第k个特征脸uk，式(9)可以计算其对应的权重，M个权重可以构成向量

ΩT=[ω1,ω2,…,ωM]

(10)

至此，求出特征脸对人脸的表示。需对人脸进行识别，设

ωk=‖Ω-Ωk‖2

(11)

式中Ω为要判断的人脸；Ωk为训练集中某人脸。式(11)对两者求欧氏距离，根据距离的大小，设置合适的阈值即可判定是否属于人脸。如系统判断某一图像属于人脸的范畴，则系统对判断属于人脸的位置进行标记，并识别该人脸所在区域，对该区域所有位置逐一判别，计算人脸的数量，根据该数量控制该区域的压缩机的运转速度。

2.2 压缩机控制函数

图3 控制系统方框图

根据图2所示的控制器结构可建立空调控制系统模型，如图3所示。其中，放大器的作用是将脉冲信号转换为电流信号驱动电动机运动。采用经典放大电路，故放大器传递函数GF(S)可表示为

(12)

式中s为拉普拉斯变换后空间变量符号。

电机采用电枢控制式直流电机，建立电机的传递函数G2(s)[12]为

(13)

式中θ为电机旋转角度；b为电机内部摩擦系数；Ra为电枢电阻值；La为电枢磁感；Kb为感应电压系数；Km为电机常数；U为输入电压；J为转子转动惯量。忽略Ra/La的影响，设τ=RaJ/(Rab) +KbKm，为电机等效时间常数，取值为1；Km取值为2N·m/A，b=0.25(N·m·s)/rad，Ra=1.6 Ω，Kb=0.8(V·s)/rad。代入式(13)可求出电机的传递函数

(14)

根据文献[12]可知，零阶保持器传递函数为

(15)

式中τ为数字控制系统的采样周期。

将放大器、直流电机及零阶保持器的组合视为受控对象，求出受控对象的传递函数，根据图3可知

(16)

对式(16)进行z变换，并将τ=0.1 s代入可得

(17)

根据控制系统原理及图4可知，整个系统的闭环传递函数为

τ(z)=D(z)Gp(z)/1+D(z)Gp(z)

(18)

式中D(z)为数字控制器表达式。

2.3 压缩机控制方法

优化脉宽调制(pulse-width modulation,PWM)占空比的控制方法。 根据区域人数与空调使用功率关系，确定最优PWM。为了便于控制，使用车厢区域实际人数与该区域总座位数的比值表达车厢内热负荷的变化率，转换成相对人数比[13]

μ=实际人数/总座位数×100 %

(19)

根据相对人数设定占空比数值，压缩机暂时停止运转不会对人体热舒适性造成影响，因此，可以根据车厢区域人数，设定压缩机停转的时间长短。当μ>90 %时，设置占空比为75 %；当μ<20 %时，设置占空比为25 %；当20 %≤μ≤75 %时，压缩机电机占空比按照图4的函数关系进行控制。

在确定基本的PWM控制电压之后，应根据汽车车内温度、环境温度、温度变化率、整车电量荷电状态(state of charge,SOC)、日照强度、环境温度、车速、设定温度等参数对PWM进行调节。在调节过程中以人体动态热感知舒适度指标(thermal comfort index，TCI)[10]作为纯电动客车的控制目标参数。建立基于人体舒适度的模糊控制系统[14，15]，并确定其模糊控制规则。建立表征TCI的方程

图4 压缩机PWM控制曲线

TCI=f(x1,x2,…,xn)=N

(20)

式中x1,x2,…,xn为影响TCI的变量;N为描述TCI状态的参数，N=-2,-1,0,1,2,分别表示过热、中热、舒适、偏冷、过冷。以式(20)为基础，建立人体动态热感觉预测神经网络[16]。创建三层神经网络中，不同层的神经元之间通过权系数相联系，输入变量分别对应客车空调室内温度、设定温度、整车电量SOC、日照强度、环境温度、车速、PWM占空比。隐含层设置10个神经单元，输出参数为TCI，然后运用BP法进行网络各连接权值的调节。

图5 压缩机电机控制

由图5可以看出：该控制曲面平滑有规律，说明起到了良好的控制效果。空调控制器中对风机的模糊控制方法与上述基本相同，限于篇幅，不再赘述。

3 分布式新能源空调试验

样车为苏州某公司6829电动改装车型，将空调应用于该车型。在襄樊国家试验中心进行。

1)试验条件:将车置于环境温度30 ℃阳光充足的天气，以50 km/h 的速度匀速行驶，空调出风口调至最大，空调调至最大风速。分别测量空调系统气流速度，驾驶员、乘客头部温度，以及压缩机开启时间。

2)测量方法:汽车第2排位置坐1人，4～7排座椅不坐人，8～10排座椅满员，分别测量第2排左1座椅、第5排右2座椅及第9排座椅左1处乘客头部的温度和气流速度。

试验结果如图6和表1。试验开始时，车厢内的平均温度为30 ℃，由于车厢中部没有乘客，所以，中部压缩机一直处于停机状态，前部区域与后部区域均有乘客，故此两处压缩机工作，由试验表格压缩机工作时间可以看出:开始快速制冷时，两处压缩机均满负荷工作，制冷较快。但从第6 min开始，由于车厢内温度达到人体舒适性指标，此时前部乘客数量较少区域处压缩机开始间断性工作，以减少耗能。由图6可知，车厢温度稍有上升，后部区域由于满员乘坐，压缩机工作时间相对较长，满足乘客对制冷量的需求。

图6 车中各位置温度变化

表1 各压缩机工作时间

试验表明:客车制冷空调在额定的时间内可以达到人体舒适性温度范围，具有良好的制冷效果，同时由于压缩机工作时间降低又大幅度降低了空调的耗能量，增加了汽车的续航里程和动力性，满足了纯电动客车的需求。

4 结 论

采用客车进行分区域管理多个小容量压缩机多级联和调节车厢温度，根据乘员所在车厢区域，对指定的位置按需供风和制冷。试验表明:在30℃时，快速制冷开始，压缩机满负荷工作，此时温降显著。第6 min后空调达到人体舒适性指标温度23 ℃，此后按照既定的PWM控制方法进行间歇性停机，减少电池能量。乘客数量不同，空调指定时间内停机时间也不同，在没有乘客的区域压缩机完全停转，达到了分段控制效果，该方法能够有效降低空调功耗，降低整车的耗电量。

[1] 巫江虹，薛志强，金 鹏，等.电动汽车热泵空调微通道换热器温度分布特性[J].浙江大学学报:工学版，2016，50(8):1537-1544.

[2] Sar S B,Clement P，Fourmiuue J F,at al.Single phase pressure drop and two-phase distribution in an offset strip fin compact heat exchanger[J].Applied Thermal Engineering,2012，49(1):99-105.

[3] Qiang Jianguo.Study on basic parameters of scroll fluid machine based on general profile [J].Mechanism and Machine Theory,2010，45(2):212- 223.

[4] 宋明毅，吴伟烽，李 直.汽车空调压缩机气阀运动规律模拟[J].西安交通大学学报，2015，49(12):144-150.

[5] 王立存,董光辉,王旭东,等.通用型线电动涡旋压缩机的结构设计及动态仿真[J].中国机械工程,2017,28(6):728-733.

[6] Shang liandong，Hu Dongfeng，Wang Libo.Fuzzy-PID control for control system of airborne optoelectronic pod[C]∥IEEE International Conference on Intelligent Computation Technology and Automation,2011:199-201.

[7] 魏海峰，张 爵，杨 康，等.电动汽车空调电机无位置传感器控制的实验研究[J].汽车工程,2016,38(1):116-121.

[8] 丁 鹏，葛如海.基于模糊控制算法的纯电动汽车空调控制器的研发[J].计算机测量与控制，2015，23(12):4079-4083.

[9] 彭庆丰，赵 韩，陈祥吉，等.电动汽车新型热泵空调系统的设计与试验研究[J].汽车工程，2015,37(12):1467-1470.

[10] 瞿晓华.电动汽车热系统性能及控制优化研究[D].上海:上海交通大学，2012:62-75.

[11] 杨 涛，陈江平，陈芝久.跨临界二氧化碳汽车空调系统的动态仿真与实验研究[J].上海交通大学学报,2006,40(8):1365-1368.

[12] Dorf R C,Bishop R H.Modern control systems[M].11th ed.UpperSaddle River:Prentice Hall,2015:752-753.

[13] 汤一平，李 雯，俞 立.基于动态图像理解的节能空调控制器设计[J].计算机测量与控制，2008，16(4):506-509.

[14] 赵国柱，黄 相，孙琼琼，等.模糊控制的电动车复合电源能量管理研究[J].传感器与微系统，2017，36(1):48-51.

[15] 杨小菊，张 伟，高宏伟，等.基于模糊控制的移动机器人避障研究[J].传感器与微系统，2017，36(3):51-54.

[16] 刘 萍，简家文，陈志芸，等.伪逆BP神经网络在汽车尾气检测中的应用[J].传感器与微系统，2016，35(3):157-160.