基于模糊控制的汽车空调自动化控制系统的设计与研究

何志静

(贵州交通职业技术学院汽车系，贵州 贵阳 550008)

随着国内经济的飞速发展，人们生活水平快速提高，现在汽车空调系统已经成为汽车类产品中的必备装置。汽车空调系统是实现对车厢内空气进行制冷、加热、换气和空气净化的装置[1-2]。它可以为乘车人员提供舒适的乘车环境，降低驾驶员的疲劳程度，提高行车安全。空调装置已成为衡量汽车功能是否齐全的标志之一[3]。传统的汽车空调的控制系统大多是采用原始的控制方法。随着人们对生活舒适度要求的逐渐提高，对空调控制系统理论的研究受到国内外专家学者的青睐[4-5]，并取得了一定的成果。本文基于模糊控制理论，采用两输入、两输出的变量控制方式提高汽车空调的控制水平。

1 模糊控制原理

时至今日，模糊控制已经成为汽车制造业、航空航天制造业及机械制造业中应用较为广泛的控制理论。基于模糊控制理论，国内外专家学者设计了模糊控制器。模糊控制主要实现对控制变量的控制，由此可知，控制变量的变化对模糊控制有着重要的影响。与此同时，控制变量的正确选择就成为模糊控制过程中的关键问题之一[6]。其中，常见的模糊控制变量基本分为两类：一类是输入变量；另一类是输出变量。其中，输入变量一般选择输入误差和输入误差的变化率作为控制对象；输出变量则将输出误差及输出误差的变化率设为被控对象。

本文基于模糊控制理论对汽车中央空调的控制系统进行设计与仿真分析。首先设置两输入、两输出的控制系统，其中，输入变量为系统设定温度值与实测室内温度值之间的温度误差和温度误差的变化率[7]；输出变量为温度变化引起的汽车散热器(风机)的转速和混合风机风门的开度。具体的模糊控制原理图如图1所示。

图1 模糊控制原理图

汽车空调工作性能的好坏与汽车散热风机转速的快慢及正常程度有着密切的关系，风机转速越快，汽车室内温度降温效果越好，达到控制系统设定值所需的时间越短，相反则时间越长。汽车风机高速转动时，汽车会呈现一定程度的抖动，增大驾乘人员的疲劳感，因此如欲缩短汽车高速运转的时间，就应该设定准确的温度误差。

2 控制变量模糊化

2.1 输入变量模糊化

无论是输入变量或者输出变量都不能直接用来执行模糊控制，模糊控制的基本要求是控制变量必须是经过模糊化的变量。因此，在进行模糊控制之前，应该首先对控制变量模糊化。由前文描述可知，温度误差及温度误差变化率是模糊控制变量，所以应首先对二者进行模糊化。

1)温度误差的模糊化。

本文定义温度误差为E，从人体学的角度分析，人对体外温度的感知范围为-5℃～5℃，那么，认为-5℃～5℃为温度误差的控制范围。将控制范围模糊化时选择[-5,5]为温度误差的模糊论域，用模糊数学方法可表示为：

E={-5，-4，-3，-2，-1，0，1，2，3，4，5 }

对于任何一个经过模糊化的控制变量，都需要选择相应的隶属度函数来反映控制变量的客观模糊现象。本文中，输入控制变量温度误差的隶属度函数(选择三角形和梯形的隶属度函数)， 并根据模糊化的模糊论域建立隶属度函数的表达式，如式(1)～(5)所示。

(1)

(2)

(3)

(4)

(5)

式中：μNB(E)为进风量隶属度函数；μNS(E)为出风量隶属度函数；μZ(E)为风机转速隶属度函数；μPS(E)为风机压力隶属度函数；μPB(E)为汽车空调温度隶属度函数。

根据所建立的隶属度函数表达式(1)～(5)，绘制温度误差E的隶属度函数曲线(如图2所示)。

图2 温度误差隶属度函数曲线

2)温度误差变化率的模糊化。

温度误差变化率是反映温度误差变化快慢的物理量，其属于标量。基于对汽车空调控制系统的温度误差数据的分析经验可知：定义[-3，3]为温度误差变化率的模糊论域。可记为：EC={-3，-2，-1，0，1，2，3}。

本文中，由于温度误差变化率是基于温度误差变化而变化的，因此，温度误差变化率的隶属度函数同样选择三角形和梯形函数并建立数学表达式，如式(6)～(10)所示。

μNB(EC)=

(6)

(7)

(8)

(9)

(10)

式中：μNB(EC)为进风口误差隶属度函数；μNS(EC)为出风口误差隶属度函数；μZ(EC)为风机转速误差隶属度函数；μPS(EC)为风机内部温度误差隶属度函数；μPB(EC)为汽车空调温度误差隶属度函数。

根据前面建立的隶属度函数表达式(6)～(10)，绘制温度误差变化率EC的隶属度函数曲线，如图3所示。

图3 温度误差变化率隶属度函数曲线

2.2 输出变量模糊化

与输入变量一样，输出变量在进行模糊控制之前，应该首先对控制变量模糊化。由前文所述可知，空调控制系统风机转速及混合风机的风门开度是输出模糊控制变量，因此应首先对风机转速及混合风机的风门开度进行模糊化。

风机转速的快慢主要用速度来表示，但是由于速度在风机运转过程中变化信号属于时变波动信号，不便于控制，因此将风机转速的控制体现为挡位变化。本文中将风机挡位分为6挡，其将[0，5]定义为风机转速的模糊论域，其中数字越大，挡位越高，风机的转速越快,其模糊论域的数学表示为U={0，1，2，3，4，5}。本文中，输出控制变量风机转速的隶属度函数选择三角形和梯形的隶属度函数，并根据模糊化的模糊论域建立隶属度函数的表达式，如式(11)～(15)所示。

(11)

(12)

(13)

(14)

(15)

根据所建立的隶属度函数表达式(11)～(15)，绘制风机转速误差率U的隶属度函数曲线，如图4所示。

图4 风机转速误差率隶属度函数曲线

在大多数情况下，任意输出变量的模糊控制以其输入变量的模糊控制为基础，混合风门这一输出变量的控制主要包括温度误差E及温度误差变化率，其模糊论域和隶属度函数与风机转速的模糊论域及隶属度函数相同。

3 基于模糊控制的空调控制系统建立及仿真

3.1 基于模糊控制的空调控制机制系统的设计

汽车空调控制系统可实现制冷和制热两种功能。由于空调的制冷或制热过程受到多种环境变量的影响，因此其热量分配模型比较复杂。本文基于现实环境建立的空调制冷模型如式(16)所示，制热模型如式(17)所示：

Qair=Qa-Qs=Qa-c(Q1+Qb+Qp)=

(16)

Qair=Qe-Qd=Qe-c(Qf+Qg+Qi)=

(17)

式中：Qair为气体总流量；Qa为冷风气体流量；Qs为冷风循环气体流量；c为冷风气体流量系数；Q1为冷风输入量；Qb为冷风转换流量；Qp为冷风输出量；Qe为热风气体流量；Qd为待转化气体流量；Qf为热交换流量；Qg为热风循环流量；Qi为制热腔气体；mair为气体质量系数；cp为热风气体流量系数；Tin为内部温度；t为时间。

图5 采样放大电路

图6 X25045与AT89C52的接口电路

3.2 基于模糊控制理论的空调制冷系统仿真

图7为模糊控制子程序算法流程图。模糊控制的实施主要依靠模糊算法，其中模糊算法主要包含两个部分：离线计算及实时控制。离线计算模块主要实现模糊控制表与模糊存储器的对接；实时控制过程主要根据温度设定值与温度测量值的偏差值进行控制。其次将温度误差和温度误差变化率经模糊化推理后直接与存储在单片机表中的数据比较。最后，实现混合风门的精确调节。

基于本文所述的两输入两输出的模糊控制理论，建立汽车空调智能控制的制冷制热数学模型。最后对制冷控制进行了仿真分析，具体的仿真结果如图8(a)所示；本文选择传统的PID控制系统进行仿真分析作为对比，传统的PID控制系统仿真分析结果如图8(b)所示。图中1，2及3分别表示传统模糊控制、PID控制及本文建立的模糊控制策略。

图7 模糊控制算法子程序流程

图8 仿真结果

通过图8可以看出：传统模糊控制方案系统响应快；PID控制响应慢；基于模糊控制理论建立的空调控制系统可以有效地消除稳态误差。

4 结束语

本文给出的汽车中央空调的控制系统实现方案通用性较强，为实现双输入和双输出的汽车中央空调的控制系统提供了一种新的控制策略，为多输入的中央空调的控制系统的设计提供了一定的技术支持。但是，目前的研究工作仅求得了中央空调的隶属度函数，并且通过仿真平台进行了简单的仿真来验证方案的可行性，要真正在实践中体现其价值，还需要进行后续实验平台的搭建，并进一步丰富控制的输入输出因素，以为更高精度的中央空调温度控制设计起到指导意义。

[1] 诸静.模糊控制原理与应用[M].北京：机械工业出版社,2001:194-196.

[2] 张恩勤，施颂椒，翁正新.一类基于PID控制的新型模糊控制方法[J].上海交通大学学报,2000,34(5):630-634.

[3] 贺剑锋，陈晖，黄石山. 模糊控制的新近发展控制理论与应用[J]. 控制理论与应用,1994(2): 129-136.

[4] CARVAJAL J，CHEN G，OGMEN H. Fuzzy PID controller：design performance evaluation，and stability analysis[J]. Inform. Sci,2000,123(3):249-270.

[5] HU B G,MANN G K I,COSINE R G.A systematic study of fuzzy PID controller-function-based evaluation approach[J].IEEE Transactions on Fuzzy Systems,2001,9(5):699-712.

[6] 张恩勤，施颂椒，高卫华，等.模糊控制系统近来的研究与发展[J].控制理论与应用，2001，18(1): 7-11.

[7] 王耀南.计算机智能信息处理技术及其应用[M].长沙：湖南大学出版社，1999: 20-40.