本發(fā)明涉及一種車內(nèi)熱舒適度的評(píng)價(jià)方法。

技術(shù)背景

車載信息服務(wù)的智能化、車輛的安全和節(jié)能是智能汽車當(dāng)前及未來發(fā)展的主要方向。而且隨著汽車已經(jīng)超越代步工具，成為一種特殊的生活方式，其舒適性越來越成為汽車制造廠商的重要研究方向。其中，熱舒適作為汽車舒適度的重要指標(biāo)，在評(píng)價(jià)汽車舒適性方面起著非常重要的作用，且在車內(nèi)能夠創(chuàng)造一個(gè)滿足人體需求的熱舒適環(huán)境也是汽車的一個(gè)最基本的功能。

從熱舒適的評(píng)價(jià)方式看，對(duì)車內(nèi)環(huán)境進(jìn)行熱舒適評(píng)價(jià)分類的方法主要有兩種：第一種是通過對(duì)汽車環(huán)境的所屬體，即汽車進(jìn)行整體建模，通過物理學(xué)、材料學(xué)、熱力學(xué)、空氣動(dòng)力學(xué)等多門學(xué)科的相關(guān)知識(shí)，對(duì)汽車整體進(jìn)行數(shù)學(xué)模型的建立，從而對(duì)該環(huán)境進(jìn)行熱舒適評(píng)價(jià)；第二種是通過測(cè)量汽車環(huán)境中的某一些環(huán)境參數(shù)，通過數(shù)學(xué)模型或者相關(guān)算法進(jìn)行計(jì)算的方式，獲得該環(huán)境的熱舒適評(píng)價(jià)和分類。

在上述評(píng)價(jià)方式中，第一種方式能夠根據(jù)不同汽車存在的差異，包括體積、形狀、材料、空調(diào)系統(tǒng)等多個(gè)方面的不同，建立差異化的數(shù)學(xué)模型，通過該模型建立的評(píng)價(jià)體系也比較準(zhǔn)確，但是由于該方法在使用時(shí)，需要對(duì)不同汽車建立不同的數(shù)學(xué)模型，因此該方法不具有可重復(fù)性，且存在建模過程復(fù)雜，實(shí)施難度大等多個(gè)缺點(diǎn)。而第二種方法在這方面則優(yōu)秀很多，該方法只需要測(cè)量當(dāng)前車內(nèi)環(huán)境的相關(guān)參數(shù)，通過數(shù)學(xué)模型或者算法即可完成熱舒適評(píng)價(jià)，因此該方法具有操作簡(jiǎn)單，可復(fù)制，計(jì)算快速等多個(gè)優(yōu)點(diǎn)，且該方法也能夠進(jìn)行相對(duì)準(zhǔn)確的分類。

在多種評(píng)價(jià)熱舒適的算法或者模型中，pmv模型是認(rèn)知度最高，應(yīng)用最為廣泛，且也是非常科學(xué)的一種模型，其通過環(huán)境中四個(gè)影響因素和人體自身的兩個(gè)影響因素即可完成人體在當(dāng)前環(huán)境中的熱舒適度評(píng)價(jià)，其四個(gè)環(huán)境影響因素包括：空氣溫度、相對(duì)濕度、空氣流速、平均輻射溫度，兩個(gè)人體自身影響因素包括：新陳代謝率和服裝熱阻。

上述的pmv模型在評(píng)價(jià)人體熱舒適度時(shí)，具有計(jì)算量小，計(jì)算復(fù)雜度低，計(jì)算速度快等多個(gè)優(yōu)點(diǎn)，但是由于其本身是基于統(tǒng)計(jì)學(xué)的模型算法，且主要應(yīng)用于建筑領(lǐng)域，因此在車內(nèi)環(huán)境中，直接應(yīng)用該模型也存在著分類冗余、計(jì)算結(jié)果越界等缺陷，且pmv模型的分類方法屬于硬性分類，在用于評(píng)價(jià)人體熱舒適時(shí)，會(huì)出現(xiàn)分類結(jié)果不準(zhǔn)確的情況。

模糊c-均值聚類(fcm)算法是目前較為成熟的一種聚類算法，其聚類過程完全依據(jù)聚類中心與數(shù)據(jù)之間的距離，因此通過fcm算法可以有效的解決在車內(nèi)環(huán)境中直接使用pmv算法所產(chǎn)生的缺陷。

技術(shù)實(shí)現(xiàn)要素：

為克服在車內(nèi)環(huán)境中直接使用pmv模型所產(chǎn)生的分類冗余、計(jì)算結(jié)果越界以及硬性分類產(chǎn)生的分類不準(zhǔn)確等缺陷，本發(fā)明提供了一種在車內(nèi)環(huán)境中能夠較為準(zhǔn)確的對(duì)其熱舒適進(jìn)行分類的方法。

本發(fā)明所述的一種車內(nèi)熱舒適度的評(píng)價(jià)方法包括以下步驟：

1)在多種工況下，通過傳感器設(shè)備，采集足夠多的車內(nèi)環(huán)境數(shù)據(jù)，包括溫度、相對(duì)濕度和空氣流速數(shù)據(jù)。

2)在步驟1)的基礎(chǔ)上，使用pmv模型，結(jié)合車內(nèi)環(huán)境的實(shí)際情況，對(duì)pmv模型中的相關(guān)參數(shù)進(jìn)行標(biāo)定，并將步驟1)采集到的數(shù)據(jù)帶入模型進(jìn)行計(jì)算，所述pmv模型的描述如式(1)所示：

式中，e為自然常數(shù)，m為人體能量代謝率，w為人體單位表面積所做的機(jī)械功；pa為環(huán)境空氣中水蒸氣分壓力；fcl為人體服裝覆蓋面積與裸露面積之比，即著衣面積系數(shù)；tr為平均輻射溫度；ta為人體周圍的空氣溫度；tcl和hc分別為服裝外表面溫度和為對(duì)流換熱系數(shù)。

3)在步驟2)基礎(chǔ)上，使用fcm模糊聚類算法，對(duì)該算法的相關(guān)參數(shù)進(jìn)行初始化，并將步驟2)中計(jì)算所得到的pmv值進(jìn)行模糊聚類，以獲得相應(yīng)的聚類中心。

4)在評(píng)價(jià)指定車內(nèi)工況時(shí)，通過步驟1)所述的傳感器設(shè)備，測(cè)得指定工況下的溫度、相對(duì)濕度和空氣流速數(shù)據(jù)，再通過步驟2)中完成標(biāo)定后的pmv模型計(jì)算出該工況下的pmv值。

5)分別計(jì)算出步驟4)中所得的pmv值與步驟3)中得到的聚類中心之間的歐幾里德距離。

6)比較步驟5)中得到的歐幾里德距離，獲取其最小值，則該距離對(duì)應(yīng)的聚類中心所對(duì)應(yīng)的類即為該工況的隸屬類。

在步驟1)中，所述的多種工況包括但不限于多個(gè)地區(qū)、多個(gè)季節(jié)、多種天氣以及一天中的多個(gè)時(shí)間段；所述的傳感器設(shè)備包括但不限于溫度計(jì)、濕度計(jì)、風(fēng)速儀以及此類的相關(guān)設(shè)備。

在步驟2)中所述的pmv模型相關(guān)參數(shù)標(biāo)定方法包括但不限于通過相關(guān)國(guó)內(nèi)、國(guó)際標(biāo)準(zhǔn)進(jìn)行標(biāo)定；通過期刊文獻(xiàn)相關(guān)資料進(jìn)行標(biāo)定；通過實(shí)驗(yàn)進(jìn)行標(biāo)定以及通過其他算法間接進(jìn)行標(biāo)定。

在步驟2)中所述的環(huán)境空氣中水蒸氣分壓力pa的計(jì)算方程為：其中，為相對(duì)濕度，ps為飽和水蒸氣分壓力，ps可采用泰登公式，其方程如式(2)所示。著衣面積系數(shù)fcl的計(jì)算方程如式(3)所示，式中，icl為服裝熱阻。服裝外表面溫度tcl和對(duì)流換熱系數(shù)hc之間的關(guān)系方程如式(4)和式(5)所示，式中，va為人體周圍的相對(duì)氣流速度。

ps＝610.6exp[(17.260ta)/(ta+273.3)](2)

步驟3)中，fcm聚類算法的聚類迭代過程包括以下步驟：

(3.1)初始化聚類數(shù)為3，根據(jù)實(shí)際情況初始化隸屬度矩陣u；

(3.2)通過式(6)計(jì)算獲得聚類中心矩陣v＝[v1，v2，v3]，式中，uik為隸屬度矩陣元素，xk為輸入的待聚類矩陣元素，m為模糊加權(quán)指數(shù)；

(3.3)通過式(7)計(jì)算價(jià)值函數(shù)，式中，dik＝||xk-vi||表示第i個(gè)聚類中心與第k個(gè)數(shù)據(jù)點(diǎn)的歐幾里德距離；

(3.4)根據(jù)步驟(3.3)中計(jì)算結(jié)果，判斷價(jià)值函數(shù)兩次迭代的變化值是否小于設(shè)定閥值，如果是，則算法停止，否則重新通過式(8)計(jì)算隸屬度矩陣并返回步驟(3.2)。

本發(fā)明的優(yōu)點(diǎn)是：用戶可根據(jù)溫濕度傳感器設(shè)備對(duì)車內(nèi)的環(huán)境進(jìn)行實(shí)時(shí)監(jiān)測(cè)，獲得車內(nèi)的熱舒適度情況，既可以指導(dǎo)用戶手動(dòng)開關(guān)空調(diào)以及加濕器等設(shè)備，更可以為智能車以及無人車對(duì)車內(nèi)環(huán)境進(jìn)行監(jiān)測(cè)并獲得反饋提供技術(shù)支持。本發(fā)明的突出貢獻(xiàn)在于，通過簡(jiǎn)單的設(shè)備和本發(fā)明的方法，為駕乘人員提供一種實(shí)時(shí)監(jiān)測(cè)車內(nèi)環(huán)境舒適度的工具，并以此形成反饋調(diào)節(jié)，提高駕乘人員的乘車體驗(yàn)。

附圖說明

圖1是本發(fā)明的步驟流程示意圖；

圖2是本發(fā)明實(shí)施案例中采集到的夏季工況溫度變化曲線圖；

圖3是本發(fā)明實(shí)施案例中采集到的夏季工況相對(duì)濕度變化曲線圖；

圖4是本發(fā)明實(shí)施案例中采集到的冬季工況溫度變化曲線圖；

圖5是本發(fā)明實(shí)施案例中采集到的冬季工況相對(duì)濕度變化曲線圖；

圖6是本發(fā)明實(shí)施案例中pmv模型在夏季工況下計(jì)算所得的pmv值變化曲線圖；

圖7是本發(fā)明實(shí)施案例中pmv模型在冬季工況下計(jì)算所得的pmv值變化曲線圖；

圖8是本發(fā)明實(shí)施案例中fcm聚類算法的計(jì)算流程圖；

圖9是本發(fā)明實(shí)施案例中夏季和冬季的某一次實(shí)驗(yàn)的隸屬類變化曲線圖。

具體實(shí)施方式

為說明本發(fā)明的技術(shù)特點(diǎn)，下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施步驟進(jìn)一步的描述。此處所描述的具體實(shí)施案例僅僅用于解釋本發(fā)明，而不是限定本發(fā)明。

對(duì)于本案例，其建立車內(nèi)環(huán)境熱舒適度的評(píng)價(jià)體系的方法包括以下步驟，如附圖1所示：

1)在多種工況下，通過傳感器設(shè)備，采集足夠多的車內(nèi)環(huán)境數(shù)據(jù)，包括空氣溫度、相對(duì)濕度和空氣流速數(shù)據(jù)。

2)在步驟1)的基礎(chǔ)上，使用pmv模型，結(jié)合車內(nèi)環(huán)境的實(shí)際情況，對(duì)pmv模型中的相關(guān)參數(shù)進(jìn)行標(biāo)定，并將步驟1)采集到的數(shù)據(jù)帶入模型進(jìn)行計(jì)算，所述pmv模型的描述如式(1)所示：

式中，e為自然常數(shù)，m為人體能量代謝率，w為人體單位表面積所做的機(jī)械功；pa為環(huán)境空氣中水蒸氣分壓力；fcl為人體服裝覆蓋面積與裸露面積之比，即著衣面積系數(shù)；tr為平均輻射溫度；ta為人體周圍的空氣溫度；tcl和hc分別為服裝外表面溫度和為對(duì)流換熱系數(shù)。

3)在步驟2)基礎(chǔ)上，使用fcm模糊聚類算法，對(duì)該算法的相關(guān)參數(shù)進(jìn)行初始化，并將步驟2)中計(jì)算所得到的pmv值進(jìn)行模糊聚類，以獲得相應(yīng)的聚類中心。

4)對(duì)于待評(píng)價(jià)的車內(nèi)工況，通過步驟1)所述的傳感器設(shè)備，測(cè)得指定工況下的空氣溫度、相對(duì)濕度和空氣流速數(shù)據(jù)，再通過步驟2)中完成標(biāo)定后的pmv模型計(jì)算出該工況下的pmv值。

5)分別計(jì)算出步驟4)中所得到的pmv值與步驟3)中得到的聚類中心之間的歐幾里德距離。

6)比較步驟5)中得到的歐幾里德距離，獲取其最小值，則該距離對(duì)應(yīng)的聚類中心所對(duì)應(yīng)的類即為該工況的隸屬類。

步驟1)中所述的多種工況，在該案例下包括冬季和夏季兩個(gè)季節(jié)，每個(gè)季節(jié)中某一天的上午、中午、下午和晚上四個(gè)時(shí)間段；所述的傳感器設(shè)備包括溫度計(jì)、濕度計(jì)和風(fēng)速儀。

步驟1)中所述的測(cè)量數(shù)據(jù)如下：在夏季工況下測(cè)得的溫度變化曲線圖如附圖2所示，在夏季工況下測(cè)得的相對(duì)濕度變化曲線圖如附圖3所示，在冬季工況下測(cè)得的溫度變化曲線圖如附圖4所示，在冬季工況下測(cè)得的相對(duì)濕度變化曲線圖如圖5所示，測(cè)得的空氣流速分別為冬季0.5m/s，夏季1.0m/s。

步驟2)中所述的pmv模型相關(guān)參數(shù)標(biāo)定如下：

參考相關(guān)國(guó)際標(biāo)準(zhǔn)，在放松坐姿情況下，人體新陳代謝率取為1met，在輕微活動(dòng)情況下，新陳代謝率取為1.2met；參考相關(guān)文獻(xiàn)，坐在車內(nèi)情況下，人體所做的功可視為0。

步驟2)中所述的環(huán)境空氣中水蒸氣分壓力pa的計(jì)算方程為：其中，為相對(duì)濕度，ps為飽和水蒸氣分壓力，ps可采用泰登公式，其方程如式(2)所示。著衣面積系數(shù)fcl的計(jì)算方程如式(3)所示，式中，icl為服裝熱阻，冬季情況下可取值為1.5clo，夏季情況下取為0.3clo。服裝外表面溫度tcl和對(duì)流換熱系數(shù)hc之間的關(guān)系方程如式(4)和式(5)所示，式中，va為人體周圍的相對(duì)氣流速度，空氣流速在冬季情況下可取為0.5m/s，夏季情況下可取為1.0m/s。

ps＝610.6exp[(17.260ta)/(ta+273.3)](2)

步驟2)中，所述pmv模型的計(jì)算結(jié)果如下：在夏季工況下所計(jì)算得到的pmv值變化曲線如附圖6所示，在冬季工況下所計(jì)算得到的pmv值變化曲線圖如附圖7所示。

步驟3)中，所述的fcm聚類算法的計(jì)算迭代過程包括以下步驟，如附圖8所示：

(3.1)初始化聚類數(shù)為3，根據(jù)pmv模型的分類標(biāo)準(zhǔn)，其熱舒適較為合適的區(qū)間為(-1,1)，故隸屬度矩陣可取為u＝[-1,0,1]；

(3.2)通過式(6)計(jì)算獲得聚類中心矩陣v＝[v1，v2，v3]，式中，uik為隸屬度矩陣元素，xk為輸入的待聚類矩陣元素，m為模糊加權(quán)指數(shù)；

(3.3)通過式(7)計(jì)算價(jià)值函數(shù)，式中，dik＝||xk-vi||表示第i個(gè)聚類中心與第k個(gè)數(shù)據(jù)點(diǎn)的歐幾里德距離；

(3.4)根據(jù)步驟(3.3)中計(jì)算結(jié)果，判斷價(jià)值函數(shù)兩次迭代的變化值是否小于10^-5，如果是，則算法停止，否則重新通過式(8)計(jì)算隸屬度矩陣并返回步驟(3.2)。

步驟3)中，所述的fcm聚類算法完成聚類后，在該案例情況下，計(jì)算所得到的聚類中心矩陣v＝[-0.0114,0.9879,-1.7319]。

對(duì)于本案例，在完成上述評(píng)價(jià)體系的建立之后，對(duì)指定的車內(nèi)環(huán)境工況進(jìn)行評(píng)價(jià)時(shí)包括以下步驟：

1)通過上述建立評(píng)價(jià)方法流程中步驟1)所述方法，采集當(dāng)前工況下的空氣溫度、相對(duì)濕度和空氣流速數(shù)據(jù)。

2)根據(jù)上述建立評(píng)價(jià)方法流程中步驟2)所述的pmv模型，計(jì)算出當(dāng)前工況下的pmv值。

3)分別計(jì)算步驟2)中所得到的pmv值與上述評(píng)價(jià)方法建立完成后所得到的三類的聚類中心之間的歐幾里德距離。

4)通過比較步驟3)中計(jì)算得到的歐幾里德距離，獲取其最小值，則該最短距離對(duì)應(yīng)的劇烈中心所對(duì)應(yīng)的類即為該工況的隸屬類。

根據(jù)上述所述的步驟，分別對(duì)夏季和冬季的某一次實(shí)驗(yàn)進(jìn)行分類，其隸屬類的變化曲線圖如附圖9所示。

本案例的實(shí)驗(yàn)結(jié)果表明，通過對(duì)pmv模型計(jì)算所得到的pmv值進(jìn)行fcm模糊聚類，從而得到“冷”類、“熱”類和“舒適”類這三類的聚類中心，不但改善了pmv模型應(yīng)用于車內(nèi)環(huán)境中存在的缺陷和問題，同時(shí)也給出了科學(xué)的、精確的評(píng)價(jià)標(biāo)準(zhǔn)。因此，本發(fā)明能夠準(zhǔn)確的對(duì)車內(nèi)熱舒適進(jìn)行評(píng)價(jià)和分類，給車載空調(diào)的控制提供參考。

本說明書實(shí)施例所述的內(nèi)容僅僅是對(duì)發(fā)明構(gòu)思的實(shí)現(xiàn)形式的列舉，本發(fā)明的保護(hù)范圍不應(yīng)當(dāng)被視為僅限于實(shí)施例所陳述的具體形式，本發(fā)明的保護(hù)范圍也及于本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明構(gòu)思所能夠想到的等同技術(shù)手段。