一种车载冰箱的箱体温度控制方法、装置和车载冰箱.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113885609A(43)申请公布日2022.01.04(21)申请号202111239207.0(22)申请日2021.10.25(71)申请人四川虹美智能科技有限公司地址621050四川省绵阳市涪城区九州大道303号(72)发明人黄荣楚耀国程如顺(74)专利代理机构济南信达专利事务所有限公司37100代理人李世喆(51)Int.Cl.G05D23/20(2006.01)权利要求书6页说明书13页附图5页(54)发明名称一种车载冰箱的箱体温度控制方法、装置和车载冰箱(57)摘要本申请提供了一种车载冰箱的箱体温度控制方法、装置和车载冰箱，该方法包括：利用为智能PID控制器构建的模糊神经网络，以离线方式基于为车载冰箱设置的目标温度值和箱体的实际温度值作为输入，确定所述模糊神经网络的第一参数集；将确定的所述第一参数集作为反向传播算法的初值，以在线方式对所述模糊神经网络进行模糊推理，确定所述智能PID控制器的最优第二参数集，所述最优第二参数集包括用于反映所述智能PID控制器的比例、积分、微分控制参数；使用基于离线算法和在线算法结合确定的所述最优第二参数集，触发所述智能PID控制器控制当前所在车载冰箱的箱体温度。本申请的方案能够精准迅速的恒定控制车载冰箱的箱体温度。CN113885609ACN113885609A权利要求书1/6页1.一种车载冰箱的箱体温度控制方法，其特征在于，包括：利用为智能PID控制器构建的模糊神经网络，以离线方式基于为车载冰箱设置的目标温度值和箱体的实际温度值作为输入，确定所述模糊神经网络的第一参数集；将确定的所述第一参数集作为反向传播算法的初值，以在线方式对所述模糊神经网络进行模糊推理，确定所述智能PID控制器的最优第二参数集，所述最优第二参数集包括用于反映所述智能PID控制器的比例、积分、微分控制参数；使用基于离线算法和在线算法结合确定的所述最优第二参数集，触发所述智能PID控制器控制当前所在车载冰箱的箱体温度。2.如权利要求1所述的车载冰箱的箱体温度控制方法，其特征在于，利用为智能PID控制器构建的模糊神经网络，以离线方式基于为车载冰箱设置的目标温度值和箱体的实际温度值作为输入，确定所述模糊神经网络的第一参数集，具体包括：为智能PID控制器构建模糊神经网络；初始化模糊神经网络的第一参数集，其中，所述第一参数集包括：网络权值、隶属函数基宽、隶属函数中心值；使用遗传算法对所述第一参数集中的每个参数进行初始值编码，计算种群的个体适应度值；采用轮盘赌法式进行选择，挑选优质个体遗传至下一代；采用自适应单点交叉算子式对选择操作后得到的新种群个体两两交叉，得到新一代种群；采用速度算子式对交叉操作后得到的新一代种群进行个体更新，再次生成新的种群，计算新生成的种群的个体适应度值；对种群进行混沌搜索优化，判断是否达到终止进化代数G，若判断结果为否，返回重新执行：计算种群的个体适应度值；若判断结果为是，则获取最优所述第一参数集。3.如权利要求2所述的车载冰箱的箱体温度控制方法，其特征在于，为智能PID控制器构建模糊神经网络，具体包括：以系统的目标温度值和实际箱体温度值作为模糊神经网络的输入向量，并将输入向量的量化等级定义为7，即模糊分割数mi＝7(i＝1,2)，将其描述成模糊语言为：{NB，NM，NS，Z0，PS，PM，PB}；以温度偏差e(n)和温度变化率ec(n)作为PID控制器输入变量；其中，t为时刻；n为制冷/制热控制周期次数，Tinterval为算法参数调节制冷片输出时间间隔；rin(n)为系统的期望输出，即第n次制冷/制热控制周期的目标温度值，yout(n)为系统的实际输出，即第n次制冷/制热控制周期的箱体温度值；采用增量式PID控制器控制量为：2CN113885609A权利要求书2/6页基于Mamdani模型的模糊神经网络是一个5层前馈网络，分别为输入层、模糊化层、推理层、归一化层以及输出层，其拓扑结构为：A→2B→B2→B2→C；其中，T输入层：该层的各个节点直接与输入向量X＝[x1,x2,…,xg]的各分量连接；f1(i,j)＝xij＝xi(10)其中，i为输入变量个数序号；j为模糊分割数序号；模糊化层：该层的每个神经元节点代表一个模糊语言，如NB，NM，NS，且利用高斯函数作为评价标准，公式表达如下；其中，ij、σij分别为第i个输入变量第j个模糊集合的隶属函数的中心、宽度，xi为第i个输入变量，i＝1,2,…,g；j＝1,2,…mi；模糊推理层：该层的每个神经元节点对应着模糊规则库的每一条模糊规则，将每个模糊规则进行配对，计算出各自节点的适应度；其中，归一化层：该层进行网络结构总体归一化运算；其中，l＝1,2,…,m；输出层：该