一种基于多任务学习神经网络的汽车空调智能调控方法技术

本发明专利技术公开了一种基于多任务学习神经网络的汽车空调智能调控方法，首先根据空调热舒适性系统的多种需求构建三个任务的多任务学习模型，然后，根据三个任务与车联数据特征字段的相关性构造特征隔离层，将特征隔离层嵌入到多任务学习模型中，模型权重可以随着数据的积累而不断完善，然后实现空调热舒适性系统多个设备共用一个模型，预测空调热舒适性系统中空调开关、温度设置和内外循环模式的调节参数；最后，将云端训练、验证后的模型结构和模型权重打包成PB格式文件，并转换为ONNX格式文件，部署在车端，进行实时推理。本发明专利技术实现车端根据实时采集的车联数据为车主在不同场景下提供空调开关、温度调节、内外循环模式设置操作的过程。

【技术实现步骤摘要】

本专利技术涉及汽车空调，尤其涉及一种基于多任务学习神经网络的汽车空调智能调控方法。

技术介绍

1、汽车空调系统是保证汽车热舒适性的核心系统，在人们日益增长的美好生活需要的背景下，汽车空调系统也面临着新的挑战，需要实现更精细化、更个性化的热舒适性设置。同时，随着产业升级，汽车空调智能化成为汽车领域的研究重点之一。

2、当前汽车空调系统存在以下问题：1.依赖用户手动操作，不够智能，或者由plc对车辆采集到的数据进行处理和逻辑判断，并据此通过驱动控制机构实现空调空气循环模式的转换及车内空气质量的改善，严重依赖于产品人员经验，且控制粒度粗糙，与用户真实使用习惯有一定偏差；2.云端部署模型，车端采集数据后上传云端，进行模型推理，产生的预测结果下发车端，严重依赖网络环境，响应时效性差，影响用户体验；3.多种空调系统，比如内外循环、空调温度设置等操作，需要多个模型独立处理，模型数量的增多会加重车机的计算、存储负担，会造成车机运行卡顿。

技术实现思路

1、本专利技术实施例提供一种基于多任务学习神经网络的汽车空调智本文档来自技高网...

【技术保护点】

1.一种基于多任务学习神经网络的汽车空调智能调控方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多任务学习神经网络的汽车空调智能调控方法，其特征在于，所述获取模型输入数据的数据类型包括车联数据、车辆所处环境数据、车主属性及操作偏好数据。

3.根据权利要求1所述的一种基于多任务学习神经网络的汽车空调智能调控方法，其特征在于，所述模型输入数据的特征字段至少包括空调循环模式、空调开关状态、空调温度设置、空气质量、PM2.5、车内外温度、车内外湿度、车辆续航里程、车窗开关状态。

4.根据权利要求1所述的一种基于多任务学习神经网络的汽车空调智能...

【技术特征摘要】

1.一种基于多任务学习神经网络的汽车空调智能调控方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多任务学习神经网络的汽车空调智能调控方法，其特征在于，所述获取模型输入数据的数据类型包括车联数据、车辆所处环境数据、车主属性及操作偏好数据。

3.根据权利要求1所述的一种基于多任务学习神经网络的汽车空调智能调控方法，其特征在于，所述模型输入数据的特征字段至少包括空调循环模式、空调开关状态、空调温度设置、空气质量、pm2.5、车内外温度、车内外湿度、车辆续航里程、车窗开关状态。

4.根据权利要求1所述的一种基于多任务学习神经网络的汽车空调智能调控方法，其特征在于，所述三种任务包括开关二分类任务、温度调节多分类任务、内外循环模式二分类任务；其中：所述开关二分类任务预测空调开启或关闭；所述温度调节多分类任务调节温度值，粒度为1℃，范围为16℃-32℃；所述内外循环模式二分类任务预测空调开启内循环或外循环。

5.根据权利要求1所述的一种基于多任务学习神经网络的汽车空调智能调控方法，其特征在于，所述多任务学习神经网络模型为源数据与目标数据的映射，定义如下：

6.根据权利要求1所述的一种基于多任务学习神经网络的汽车空调智能调控方法，其特征在...

【专利技术属性】
技术研发人员：郭峰，陈桂武，张留红，石路东，傅利锋，
申请(专利权)人：深圳联友科技有限公司，
类型：发明
国别省市：