汽车空调用户调温习惯学习方法及系统技术方案

本发明专利技术公开了汽车空调用户调温习惯学习方法及系统，包括以下步骤：S1.建立历史温度数据表S2.每次用户在自动模式下改变设定温度后，对设定在该温度值下的所有历史的室内温度值平均值和室外温度值平均值进行记录，并且设定此温度计数值加1；S3.根据历史温度数据表数据构建损失函数J；S4.在用户下次开启空调自动模式时，对历史温度数据表中的设置温度点逐个计算出其J，选取J最小的设置温度点作为用户偏好温度点进行目标温度设定。本发明专利技术旨在提高自动空调系统智能化程度，本发明专利技术通过记忆自动模式下用户历史操作记录，使得用户下次开启空调自动模式时，自动设定温度到用户的偏好温度点上。上。上。

【技术实现步骤摘要】
汽车空调用户调温习惯学习方法及系统


[0001]本专利技术涉及汽车空调调温自动控制领域，尤其涉及汽车空调用户调温习惯学习方法及系 统。

技术介绍

[0002]汽车空调产品作为传统汽车标配产品，广泛应用于各种车型中。汽车空调的任务使车内 温度舒适、空气清新，这也是乘员对汽车内空气的高舒适性的要求。由于冬季和夏季温度的 不同，乘员上车之后的，希望车室内温度很快地达到舒适的温度。
[0003]在申请号为CN201310667545.3的中国专利技术专利中，提出了一种汽车空调自动控制方法， 其中，采用控制器对汽车的空调系统进行自动控制，在汽车易被阳光照射的地方设置阳光传 感器，在汽车的蒸发器出口处设置蒸发器温度传感器，在汽车外的前部设置车室外温度传感 器，在汽车室内设置车室内温度传感器，在汽车的暖风装置内安装水温传感器，而上述汽车 空调产品作为传统汽车标配件，只实现了基本的自动化控制，没有实现智能化。用户在按下 AUTO按键后还需要手动去将空调面板固化的设定温度调节为自己偏好的设定温度，在用户使 用体验方面做得较差。

技术实现思路

[0004]针对上述问题，本专利技术提供汽车空调用户调温习惯学习方法及系统，用于解决上述问题。
[0005]本专利技术通过以下技术方案实现：
[0006]汽车空调用户调温习惯学习方法，包括以下步骤：
[0007]S1.建立历史温度数据表，所述历史温度数据表通过a*b二维数据组成，其中，所述二维数 据的第一维度a表示a个设置温度点，所述二维数据的第二维度b分别代表室内温度均值、 室外温度均值和设定为此温度次数的计数值；
[0008]S2.每次用户在自动模式下改变设定温度后，对设定在该温度值下的所有历史的室内温度值 平均值和室外温度值平均值进行记录，并且设定此温度计数值加1；
[0009]S3.根据历史温度数据表数据构建损失函数J；
[0010]S4.在用户下次开启空调自动模式时，对历史温度数据表中的设置温度点逐个计算出其J，选 取J最小的设置温度点作为用户偏好温度点进行目标温度设定。
[0011]进一步的，所述步骤S3具体为：根据朴素贝叶斯机器学习方法，计算该设置温度点的 概率，其计算公式如下：
[0012][0013]其中，μ1表示该设置温度点的室内温度均值，σ1表示该设置温度点的室内温度方差，μ2表示 该设置温度点的室外温度均值，σ2表示该设置温度点的室外温度方差，表示该设置温度 点的先验概率。
[0014]进一步的，所述步骤S303具体为：根据朴素贝叶斯机器学习方法，计算该设置温度点的 概率，其计算公式如下：
[0015]J＝(T
in
‑
T
in_rec
)2+(T
out
‑
T
out_rec
)2‑
K
rec
N
rec
最小；
[0016]其中，T
in
表示当前室内温度，T
out
表示前室外温度，T
inrec
表示用户设置在该温度点时历史室 内温度的平均值，T
outrec
表示用户设置在该温度点时历史室外温度的平均值，N
rec
表示设置 为该温度点的次数，K
rec
表示记录次数的权重。
[0017]进一步的，所述步骤S303具体为：根据朴素贝叶斯机器学习方法，计算该设置温度点的 概率，其计算公式如下：
[0018]J＝(T
in
‑
T
in_rec
)2+(T
out
‑
Tout
_rec
)2‑
K
rec
N
rec
；
[0019]其中，T
in
表示当前室内温度，T
out
表示前室外温度，T
inrec
表示用户设置在该温度点时历史室 内温度的平均值，T
outrec
表示用户设置在该温度点时历史室外温度的平均值，N
rec
表示设置 为该温度点的次数，K
rec
表示记录次数的权重。
[0020]进一步的，所述步骤S4具体为：当用户关机后重新开启自动模式时将当前室内、室外温 度与历史记录中的室内、室外温度进行匹配，寻找到与历史记录中方差最小的，然后以最小 方差所对应的设定温度作为用户偏好温度，在方差值同样的情况下，选择设定次数最多的温 度点作为用户偏好温度。
[0021]汽车空调用户调温习惯学习系统，包括：
[0022]历史温度数据表模块，用于建立历史温度数据表，其中，所述历史温度数据表通过a*b二维 数据组成，所述二维数据的第一维度a表示a个设置温度点，所述二维数据的第二维度b分 别代表室内温度均值、室外温度均值和设定为此温度次数的计数值；
[0023]数据提取模块，用于每次用户在自动模式下改变设定温度后，对设定在该温度值下的所有历 史的室内温度值平均值和室外温度值平均值进行记录，并且设定此温度计数值加1；
[0024]函数构建模块，用于根据历史温度数据表数据构建损失函数J；
[0025]偏好温度点设定模块，用于在用户下次开启空调自动模式时，对历史温度数据表中的设置温 度点逐个计算出其J，选取J最小的设置温度点作为用户偏好温度点进行目标温度设定。
[0026]进一步的，所述函数构建模块具体为根据朴素贝叶斯机器学习方法，计算该设置温度点 的概率，其计算公式如下：
[0027][0028]其中，μ1表示该设置温度点的室内温度均值，σ1表示该设置温度点的室内温度方
差，μ2表示 该设置温度点的室外温度均值，σ2表示该设置温度点的室外温度方差，表示该设置温度 点的先验概率。
[0029]进一步的，所述函数构建模块具体为：根据朴素贝叶斯机器学习方法，计算该设置温度 点的概率，其计算公式如下：
[0030]J＝(T
in
‑
T
in_rec
)2+(T
out
‑
T
out_rec
)2‑
K
rec
N
rec
最小；
[0031]其中，T
in
表示当前室内温度，T
out
表示前室外温度，T
inrec
表示用户设置在该温度点时历史室 内温度的平均值，T
outrec
表示用户设置在该温度点时历史室外温度的平均值，N
rec
表示设置 为该温度点的次数，K
rec
表示记录次数的权重。
[0032]进一步的，所述函数构建模块具体为：根据朴素贝叶斯机器学习方法，计算该设置温度 点的概率，其计算公式如下：
[0033]J＝(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.汽车空调用户调温习惯学习方法，其特征在于，包括以下步骤：S1.建立历史温度数据表，所述历史温度数据表通过a*b二维数据组成，其中，所述二维数据的第一维度a表示a个设置温度点，所述二维数据的第二维度b分别代表室内温度均值、室外温度均值和设定为此温度次数的计数值；S2.每次用户在自动模式下改变设定温度后，对设定在该温度值下的所有历史的室内温度值平均值和室外温度值平均值进行记录，并且设定此温度计数值加1；S3.根据历史温度数据表数据构建损失函数J；S4.在用户下次开启空调自动模式时，对历史温度数据表中的设置温度点逐个计算出其J，选取J最小的设置温度点作为用户偏好温度点进行目标温度设定。2.根据权利要求1所述的汽车空调用户调温习惯学习方法，其特征在于，所述步骤S3具体为：根据朴素贝叶斯机器学习方法，计算该设置温度点的概率，其计算公式如下：其中，μ1表示该设置温度点的室内温度均值，σ1表示该设置温度点的室内温度方差，μ2表示该设置温度点的室外温度均值，σ2表示该设置温度点的室外温度方差，表示该设置温度点的先验概率。3.根据权利要求1所述的汽车空调用户调温习惯学习方法，其特征在于，所述步骤S303具体为：根据朴素贝叶斯机器学习方法，计算该设置温度点的概率，其计算公式如下：J＝(T
in
‑
T
in_rec
)2+(T
out
‑
T
out_rec
)2‑
K
rec
N
rec
最小；其中，T
in
表示当前室内温度，T
out
表示前室外温度，T
in_rec
表示用户设置在该温度点时历史室内温度的平均值，T
out_rec
表示用户设置在该温度点时历史室外温度的平均值，N
rec
表示设置为该温度点的次数，K
rec
表示记录次数的权重。4.根据权利要求1所述的汽车空调用户调温习惯学习方法，其特征在于，所述步骤S303具体为：根据朴素贝叶斯机器学习方法，计算该设置温度点的概率，其计算公式如下：J＝(T
in
‑
T
in_rec
)2+(T
out
‑
T
out_rec
)2‑
K
rec
N
rec
；其中，T
in
表示当前室内温度，T
out
表示前室外温度，T
in_rec
表示用户设置在该温度点时历史室内温度的平均值，T
out_rec
表示用户设置在该温度点时历史室外温度的平均值，N
rec
表示设置为该温度点的次数，K
rec
表示记录次数的权重。5.根据权利要求1所述的汽车空调用户调温习惯学习方法，其特征在于，所述步骤S4具体为：当用户关机后重新开启自动模式时将当前室内、室外温度与历史记录中的室内、室外温度进行匹配，寻找到与历史记录中方差最小的，然后以最小方差所对应的设定温度作为用户偏好温度，在方差值同样的情况下，选择设定次数最多的温度点作为用户偏好温度。6.汽车空调用户调温习惯学习系统，其特征在于，包...

【专利技术属性】
技术研发人员：古秋翔，徐飞飞，
申请(专利权)人：成都创科升电子科技有限责任公司，
类型：发明
国别省市：