一种商务车的智能环境控制方法及系统与流程

本技术涉及智能网联汽车环境控制的，尤其涉及一种商务车的智能环境控制方法及系统。

背景技术：

1、随着商务车在高端出行和移动商务办公场景中的普及，用户对舱内环境舒适性的要求已从单纯的制冷制热功能，逐步升级为对多区域差异化温湿度、空气质量、光照氛围和声环境等多维参数的精细化、个性化控制需求。商务车舱内空间较大且座椅布局多样，乘员数量和各区域占用状态动态变化，不同座椅区域的乘员对环境参数的偏好往往存在显著差异，这对环境控制系统的感知能力、决策精度和响应速度提出了远高于普通乘用车的技术要求。

2、目前，商务车主流的环境控制方案主要采用两类技术路线。第一类是基于规则的控制方案，通过预设的固定阈值或简单pid反馈回路驱动空调、通风等执行器，当传感数据偏离设定值时触发补偿动作。第二类是基于场景识别的控制方案，通过采集舱内外多源传感数据，利用分类器识别当前乘车场景（如会议模式、休息模式等），然后调用与该场景绑定的固定参数集来配置各执行器。上述两类方案均已在部分高端商务车型中得到应用。

3、然而，上述现有技术方案存在以下缺陷。第一类方案中，固定阈值和线性反馈控制无法适应商务车舱内环境强耦合、大滞后的非线性热力学特性，多区域间的温湿度耦合效应往往导致各区域执行器相互对抗，造成不必要的能耗和震荡，且在乘员数量或姿态发生变化时响应迟缓。第二类方案中，场景识别结果为离散标签，切换时存在明显的模式突变感，且当多乘员偏好冲突时无法输出兼顾各方的控制策略；此外，场景识别仅利用当前时刻的传感数据进行推理，未能利用历史状态序列中的演化趋势信息，导致控制决策缺乏前瞻性，对于热惯性较大的商务车舱体而言，调节过程往往出现大幅过冲或长时滞后。更为关键的是，上述两类方案均将环境感知、场景理解、控制决策和反馈修正作为独立的串行模块处理，各模块之间的信息传递存在损耗，难以在系统层面形成协同优化的整体决策。

技术实现思路

1、本技术提供了一种商务车的智能环境控制方法及系统，其能够利用意图调制信号动态重塑模型预测控制的问题结构，实现舱内环境的多变量协同前瞻性控制，以提升环境调节的响应速度、舒适性和多区域差异化控制的协同性。

2、第一方面，本技术提供了一种商务车的智能环境控制方法。所述方法包括：获取商务车舱内的传感数据以及商务车舱外的环境数据和云端数据，所述传感数据包括各座椅区域独立检测的温度值、湿度值、空气质量参数值、光照强度值和声压值，以及由红外热成像矩阵解析得到的乘员占用状态和各乘员姿态；根据所述传感数据生成调制信号，所述调制信号包括偏好中心调制量、偏好不确定性调制量和舒适-能耗权衡调制量；根据所述传感数据和上一时刻的环境控制参数，对舱内环境状态进行双时间尺度估计，得到快时间尺度状态估计值和慢时间尺度状态估计值，所述快时间尺度状态估计值包括各座椅区域的当前环境参数，所述慢时间尺度状态估计值包括舱体的热力学特性参数；将所述调制信号作为模型预测控制的代价函数和约束条件的动态调节输入，将所述快时间尺度状态估计值作为所述模型预测控制的初始状态，将所述慢时间尺度状态估计值作为所述模型预测控制的预测模型参数，其中所述代价函数的权重矩阵随所述调制信号中的舒适-能耗权衡调制量单调变化，所述约束条件的边界随所述调制信号中的偏好不确定性调制量单调外扩，求解所述模型预测控制问题，得到当前时刻的环境控制参数；根据所述环境控制参数控制商务车的环境调节执行器动作。

3、通过采用上述技术方案，以意图调制信号中的三个分量分别从偏好目标、偏好置信度和节能倾向三个维度动态重塑mpc的代价函数权重矩阵和约束边界，使控制决策能够随乘员状态和场景变化连续平滑调整，避免了传统离散场景切换带来的模式突变感；同时，双时间尺度估计将快变的区域环境参数和慢变的舱体热力学参数分离辨识，慢状态估计结果为mpc预测模型提供准确的物理参数，快状态估计结果为mpc提供精确的初始状态，使得mpc的预测轨迹更贴近真实舱体热力学响应特性，从而在求解最优控制序列时能够前瞻性地规避过冲和滞后问题，提升多区域差异化控制的响应速度和协同性。

4、进一步地，所述根据所述传感数据生成调制信号包括：将当前时刻的传感数据输入全连接编码网络映射为当前嵌入向量，将历史传感数据序列输入由膨胀卷积层堆叠构成的时序编码网络映射为历史嵌入向量，将上一时刻的环境控制参数输入全连接编码网络映射为动作嵌入向量；将所述当前嵌入向量、所述历史嵌入向量和所述动作嵌入向量拼接后输入门控融合网络，所述门控融合网络包含门控权重生成器和加权求和层，所述门控权重生成器以所述当前嵌入向量为输入，输出三个门控权重分别作用于所述当前嵌入向量、所述历史嵌入向量和所述动作嵌入向量，经加权求和后得到调制向量；将所述调制向量分解为偏好中心调制量、偏好不确定性调制量和舒适-能耗权衡调制量。

5、通过采用上述技术方案，利用三类嵌入向量分别编码当前瞬时感知、历史演化趋势和上一时刻控制反馈，通过门控融合网络自适应调整三类信息对调制信号的贡献权重，使调制信号的生成既利用了历史序列中的意图演变趋势，又融合了执行反馈的闭环信息，相比于仅依赖当前传感数据的分类器方案，能够更准确地推断乘员的真实偏好和意图变化趋势。

6、进一步地，所述偏好中心调制量为多维向量，其各维度分别对应于温度、湿度、光照强度、空气质量和声压的目标偏好偏移量，所述偏好中心调制量由所述门控融合网络根据所述当前嵌入向量中的乘员占用状态和各乘员姿态推理得到；所述偏好不确定性调制量为标量值，由所述门控融合网络根据所述历史嵌入向量中乘员姿态变化的频率和幅度生成，用于表征当前时刻乘员偏好的置信度，所述偏好不确定性调制量的数值与乘员行为模式的混杂程度正相关；所述舒适-能耗权衡调制量为标量值，由所述门控融合网络根据所述当前嵌入向量中的车辆位置和时段信息推理得到，用于动态调节所述模型预测控制中舒适度目标与能耗目标的权重配比。

7、通过采用上述技术方案，将偏好不确定性作为连续调制量引入控制系统，当乘员姿态变化频繁或存在多乘员偏好冲突时，偏好不确定性调制量增大，系统主动放宽环境舒适度约束边界以避免在不可调和的矛盾中无效震荡；当乘员偏好明确时，偏好不确定性调制量减小，系统精确追踪偏好目标，实现了对多乘员场景的自适应包容。

8、进一步地，所述对舱内环境状态进行双时间尺度估计包括：以第一更新频率，根据所述传感数据、上一时刻的环境控制参数和当前的慢时间尺度状态估计值，通过无迹卡尔曼滤波对快时间尺度状态进行预测和校正，得到快时间尺度状态估计值及其协方差矩阵，所述无迹卡尔曼滤波的状态转移模型包含空调热交换项和自然散热项，所述空调热交换项的系数由所述上一时刻的环境控制参数和所述当前的慢时间尺度状态估计值共同确定；以第二更新频率，根据所述快时间尺度状态估计的预测残差序列，通过递推最小二乘估计对慢时间尺度状态进行更新，得到慢时间尺度状态估计值及其协方差矩阵，所述递推最小二乘估计的观测向量为所述预测残差序列在预设时间窗口内的累积值，所述第二更新频率低于所述第一更新频率；将所述慢时间尺度状态估计值作为所述无迹卡尔曼滤波的状态转移模型中的物理参数矩阵输入，将所述快时间尺度状态估计的预测残差序列作为所述递推最小二乘估计的观测向量输入，使快时间尺度状态估计与慢时间尺度状态估计在各自更新周期内相互递归修正。

9、通过采用上述技术方案，快状态ukf在高频更新中利用慢状态提供的热力学参数作为模型输入，使快状态跟踪更准确；慢状态rls在低频更新中利用快状态残差序列的累积信息反向修正热力学参数，使慢状态辨识随舱体老化或环境变化持续自适应；两尺度在各自时间尺度上互补修正，使得估计器既具备高频跟踪的灵敏性，又具备低频辨识的稳定性。

10、进一步地，所述快时间尺度状态估计值包括各座椅区域的温度值、湿度值、二氧化碳浓度值和光照强度值，所述各座椅区域的温度值和湿度值用于计算各区域的预测平均投票数以评价热舒适水平；所述慢时间尺度状态估计值包括舱体等效热容、等效热阻、各座椅区域间的热交换系数矩阵和乘员平均代谢产热率，所述等效热容和所述等效热阻为集总参数热力学模型的微分方程系数，所述各座椅区域间的热交换系数矩阵用于表征不同座椅区域之间的热传递效率。

11、通过采用上述技术方案，将快状态定义为各区域可直接观测或短时预测的环境参数，将慢状态定义为不可直接观测但决定系统本质热力学行为的物理参数，快慢状态的物理划分符合商务车舱体热力学系统的多时间尺度本质，使得后续mpc的预测模型能够基于准确的物理参数而非经验公式运行，提升了预测模型在不同环境条件下的泛化能力。

12、进一步地，所述模型预测控制的代价函数包含偏好追踪项、不确定性松弛项和能耗惩罚项：所述偏好追踪项为预测环境输出与所述偏好中心调制量之间偏差的加权平方和，所述偏好追踪项的权重矩阵随所述舒适-能耗权衡调制量的增大而单调递减；所述不确定性松弛项为所述偏好不确定性调制量与所述预测环境输出相对于所述偏好中心调制量的偏差平方的乘积，所述不确定性松弛项用于在偏好不确定性升高时增大偏差在代价函数中的等效权重以放宽等效约束边界；所述能耗惩罚项为环境控制参数的加权平方和，所述能耗惩罚项的权重矩阵随所述舒适-能耗权衡调制量的增大而单调递增；所述模型预测控制的预测时域长度与所述偏好不确定性调制量正相关，当所述偏好不确定性调制量增大时所述预测时域长度延长，当所述偏好不确定性调制量减小时所述预测时域长度缩短。

13、通过采用上述技术方案，代价函数的三项分别对应偏好追踪、不确定包容和能耗抑制三个控制目标，三项权重分别受调制信号的不同分量独立调节，使得控制策略能够在偏好目标、节能需求和抗干扰稳健性之间实现连续可调的最优权衡；同时预测时域随偏好不确定性动态调整，在乘员意图明确时采用短时域以降低计算负担，在场景切换过渡期采用长时域以提前规划预调节动作，实现了计算资源与控制前瞻性的自适应匹配。

14、进一步地，所述模型预测控制的约束条件包括基于预测平均投票数的环境舒适度约束，所述环境舒适度约束为软约束，所述软约束包含松弛变量，所述松弛变量使得各座椅区域的预测平均投票数允许在预设舒适区间之外浮动，所述松弛变量在所述代价函数中受所述偏好不确定性调制量的二次型惩罚，所述二次型惩罚的惩罚系数正比于所述偏好不确定性调制量，当所述偏好不确定性调制量增大时所述环境舒适度约束的边界被允许向外放宽。

15、通过采用上述技术方案，将pmv舒适度约束构造为受偏好不确定性调制的软约束，使得在多乘员偏好冲突或行为模式混杂时，mpc优化器不必强制所有区域的pmv均在理想区间内，从而避免了在不可兼得的约束条件下优化问题无解或频繁激活约束导致的执行器震荡，提升了系统的鲁棒性和乘员的整体满意度。

16、进一步地，所述模型预测控制的预测模型为基于集总参数热力学模型的物理驱动离散化模型，所述集总参数热力学模型以当前时刻的环境控制参数、外部环境温度、日照辐射强度和上一时刻的各座椅区域环境状态为输入，以预测的未来各时刻的各座椅区域温度和湿度为输出，所述慢时间尺度状态估计值中的等效热容和等效热阻作为所述集总参数热力学模型的微分方程系数，所述快时间尺度状态估计值作为所述预测模型在当前时刻的初始状态，所述预测模型按照采样间隔逐帧递推以生成未来预测时域内的环境状态轨迹。

17、通过采用上述技术方案，采用物理驱动模型而非纯数据驱动模型作为mpc预测器，使得预测轨迹具有明确的物理可解释性，不受训练数据分布偏移的影响；慢状态实时辨识的等效热容和等效热阻作为微分方程系数持续更新，使预测模型在不同舱体负载、不同车外环境条件下均能保持较高的预测精度，确保了mpc优化决策的可靠性。

18、进一步地，所述方法还包括闭环递归更新步骤：在每一控制周期执行完毕后，将当前时刻的传感数据存入历史传感数据序列以更新所述历史传感数据序列，同时将所述环境控制参数回传至下一控制周期的双时间尺度状态估计步骤中，作为所述上一时刻的环境控制参数参与所述无迹卡尔曼滤波的状态预测；当所述历史传感数据序列中累积的样本数量达到预设阈值时，触发对所述门控融合网络的增量微调，所述增量微调以所述历史传感数据序列中各样本对应的调制信号与后续时刻乘员实际模式标签之间的偏差为损失函数，采用梯度下降算法更新所述门控融合网络的权重参数。

19、通过采用上述技术方案，环境控制参数回传至状态估计步骤形成控制闭环，使状态估计器持续接收执行反馈以校正预测偏差；门控融合网络利用累积的历史样本进行增量微调，使调制信号的生成能够根据乘员的长期使用习惯持续演化，实现了控制系统随使用场景的自适应进化。

20、第二方面，本技术提供了一种商务车的智能环境控制系统。所述系统采用如第一方面所述的商务车的智能环境控制方法，包括：感知模块，用于获取所述商务车舱内的传感数据以及所述商务车舱外的环境数据和云端数据，所述传感数据包括各座椅区域独立检测的温度值、湿度值、空气质量参数值、光照强度值和声压值，以及由红外热成像矩阵解析得到的乘员占用状态和各乘员姿态；意图调制模块，用于根据所述传感数据生成所述调制信号，所述调制信号包括偏好中心调制量、偏好不确定性调制量和舒适-能耗权衡调制量，所述意图调制模块将所述调制信号输出至滚动时域控制模块的代价函数输入端和约束条件输入端；双时间尺度状态估计模块，用于根据所述传感数据和上一时刻的环境控制参数，对舱内环境状态进行双时间尺度估计，得到所述快时间尺度状态估计值和所述慢时间尺度状态估计值，所述双时间尺度状态估计模块将所述快时间尺度状态估计值输出至所述滚动时域控制模块的初始状态输入端，将所述慢时间尺度状态估计值输出至所述滚动时域控制模块的模型参数输入端；所述滚动时域控制模块，用于将所述调制信号作为模型预测控制的代价函数和约束条件的动态调节输入，将所述快时间尺度状态估计值作为所述模型预测控制的初始状态，将所述慢时间尺度状态估计值作为所述模型预测控制的预测模型参数，求解所述模型预测控制问题，得到当前时刻的环境控制参数，所述滚动时域控制模块将所述环境控制参数输出至执行模块，同时将所述环境控制参数反馈至所述双时间尺度状态估计模块的更新输入端和所述意图调制模块的反馈输入端；所述执行模块，用于根据所述环境控制参数控制所述商务车的环境调节执行器动作。

21、通过采用上述技术方案，意图调制模块、双时间尺度状态估计模块和滚动时域控制模块之间形成递归耦合架构——状态估计模块为控制模块提供初始状态和物理模型参数，意图调制模块为控制模块的代价函数和约束条件提供动态重塑信号，控制模块的执行结果通过反馈输入端同时回流至状态估计模块和意图调制模块，三个模块以统一的mpc求解为核心在同一优化框架内完成感知、理解和决策，避免了传统方案中串行模块间信息传递损耗的问题。

22、综上所述，本技术至少包含以下有益效果：

23、本技术提供了一种基于意图调制滚动时域控制架构的商务车智能环境控制方案，能够利用连续调制信号动态重塑mpc的优化问题结构，结合双时间尺度物理参数辨识实现舱内环境的多变量协同前瞻性控制，有效提升了环境调节的响应速度、多区域差异化控制的协同性和对多乘员偏好冲突的自适应包容能力；

24、本技术通过引入偏好不确定性调制量与mpc软约束边界的联动机制，使得在多乘员偏好冲突或行为模式混杂时系统能够主动放宽约束边界以避免无效震荡，在乘员偏好明确时精确追踪目标，显著提升了系统对复杂商务出行场景的鲁棒性；

25、本技术通过门控融合网络利用历史传感序列和动作反馈生成连续调制信号，并通过增量微调机制使调制器随乘员长期使用习惯持续演化，实现了控制系统从被动响应到主动适应的智能化跃升。

26、应当理解， 技术实现要素： 部分中所描述的内容并非旨在限定本技术的实施例的关键或重要特征，亦非用于限制本技术的范围。本技术的其它特征将通过以下的描述变得容易理解。