热泵系统的控制方法及计算设备与流程

本申请涉及汽车热管理系统智能控制领域，具体涉及一种热泵系统的控制方法。

背景技术：

1、随着新能源汽车智能化程度的不断提升，整车执行器均在电控单元的统一调度下完成精准响应。电气化驱动使得零部件控制精度和响应速度显著提高，能够更好地满足用户多场景需求，但同时也对控制逻辑的复杂性和适应性提出了更高挑战。当前，整车热管理系统控制算法主要依赖传统pid控制或基于物理模型的模型预测控制（mpc），通过预设软件模型完成不同工况下的执行器协同控制。

2、然而，随着热管理系统执行器数量持续增加，多模式切换与多动态场景的控制需求日益复杂，现有控制方案普遍存在以下问题：控制震荡导致温控精度不足、模式切换过程产生明显冲击、目标响应存在滞后、系统整体能耗偏高，且难以有效应对强非线性及多物理场耦合的动态工况。

3、因此，如何提供一种能够融合时序预测与滚动优化、实现多执行器协同控制且具备强鲁棒性的新能源汽车热管理系统控制方法，成为本领域亟待解决的技术问题。

技术实现思路

1、本申请的目的在于提供一种热泵系统的控制方法、计算设备及可读存储介质，能够将传统滞后反馈控制转变为前馈主动调节，显著抑制座舱温度超调与振荡，提升温控响应速度与稳定精度。

2、为达到上述目的：

3、第一方面，本申请实施例提供了一种热泵系统的控制方法，方法包括：

4、采集车辆的运行信号；

5、对运行信号进行数据预处理，得到时序输入数据；

6、基于预设的时序预测神经网络模型，根据时序输入数据，输出热泵系统未来预设时域内的时序预测结果；

7、根据时序预测结果，在预设约束条件下进行mpc多目标滚动优化求解，得到目标控制序列；

8、根据目标控制序列，控制对应的执行器执行相应协同动作指令。

9、在一实施方式中，对运行信号进行数据预处理，得到时序输入数据，包括：

10、对运行信号的原始数据进行时序对齐、滤波去噪处理、缺失值插补处理及归一化处理，以得到热泵系统的标准信号；

11、将标准信号及其对应的时间戳，以预设的窗口长度进行滑动组帧，得到时序输入数据；其中，时序输入数据包含当前时刻及过去多个时刻历史数据。

12、在一实施方式中，基于预设的时序预测神经网络模型，根据时序输入数据，输出热泵系统未来预设时域内的时序预测结果，包括：

13、将时序输入数据输入预设的时序预测神经网络模型，预测未来预设时域内热泵系统的状态变化趋势；

14、根据状态变化趋势，输出热泵系统未来预设时域内的时序预测结果。

15、在一实施方式中，根据时序预测结果，在预设约束条件下进行mpc多目标滚动优化求解，得到目标控制序列之前，还包括：

16、根据标准信号，判定热泵系统当前所处的工况模式；

17、根据目标工况模式设定mpc多目标滚动求解的预设初始值。

18、在一实施方式中，根据时序预测结果，在预设约束条件下进行mpc多目标滚动优化求解，得到目标控制序列，包括：

19、根据预设初始值和时序预测结果，在预设约束条件下通过mpc多目标滚动优化算法进行多目标求解，得出各执行器在控制时域内的目标控制序列。

20、在一实施方式中，将目标控制序列输出至对应的执行器执行相应协同动作指令，包括：

21、根据目标控制序列的预设数据排布规则，确定当前时刻控制量序列中每一位数值的位置索引号；

22、根据位置索引号与执行器类型之间的对应关系，得出每一位控制量所匹配的目标执行器类别及其控制参数；

23、根据目标执行器类别，调用对应的执行器驱动接口，将控制量转换为驱动信号并输出，得出热泵系统多执行器的协同动作指令。

24、在一实施方式中，方法还包括：

25、根据控制量输出至对应执行器后所采集的系统实际响应数据，得出当前时刻的实时状态实测值；

26、根据实时状态实测值及预设滑动窗口的“先进先出”更新规则，得出滑动窗口的更新结果；

27、根据更新结果，得出下一控制时域使用的历史数据序列。

28、在一实施方式中，方法还包括：对时序预测神经网络预测结果进行合理性诊断，若诊断结果为异常，则生成第一异常监控信号；

29、对mpc多目标优化求解的收敛状态进行监测，若监测到求解不收敛，则生成第二异常监控信号；

30、当上述任一监控信号被触发时，控制系统由当前的时序预测-mpc协同控制模式自动切换至预设的pid兜底控制模式。

31、第二方面，本申请实施例提供一种计算设备，包括：处理器和存储有计算机程序的存储器，在处理器运行计算机程序时，实现上述热泵系统的控制方法的步骤。

32、第三方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现上述热泵系统的控制方法的步骤。

33、本申请实施例提供的热泵系统的控制方法、计算设备及可读存储介质，所述方法包括：首先采集车辆的运行信号，并对运行信号进行数据预处理，得到时序输入数据，再基于预设的时序预测神经网络模型，根据时序输入数据，输出热泵系统未来预设时域内的时序预测结果，根据时序预测结果，在预设约束条件下进行mpc多目标滚动优化求解，得到目标控制序列，最后根据目标控制序列，控制对应的执行器执行相应协同动作指令。如此，通过采集车辆运行信号并构建时序输入，利用时序预测神经网络精准预测未来热负荷变化，将传统滞后反馈控制转变为前馈主动调节，显著抑制座舱温度超调与振荡，提升温控响应速度与稳定精度；基于mpc滚动优化框架，在多重约束下在线求解多目标全局最优，实现制热性能、能耗与舒适性的动态平衡，有效提高系统能效并降低低温续航衰减率。同时，每个控制周期依据最新预测信息滚动修正，赋予系统强抗扰能力，自适应应对车速及环境突变；多执行器解耦同步，消除动作冲突，保障可靠性与耐久性；且通过预判排气温度、过热度等极限边界，主动采取安全规避措施，增强极端工况运行冗余。最终实现舒适、经济与可靠的全生命周期协同优化，工程应用价值显著。

1.一种热泵系统的控制方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述对所述运行信号进行数据预处理，得到时序输入数据，包括：

3.如权利要求1所述的方法，其特征在于，所述基于预设的时序预测神经网络模型，根据所述时序输入数据，输出热泵系统未来预设时域内的时序预测结果，包括：

4.如权利要求1所述的方法，其特征在于，所述根据所述时序预测结果，在预设约束条件下进行mpc多目标滚动优化求解，得到目标控制序列之前，还包括：

5.如权利要求1所述的方法，所述根据所述时序预测结果，在预设约束条件下进行mpc多目标滚动优化求解，得到目标控制序列，包括：

6.如权利要求1所述的方法，其特征在于，所述将所述目标控制序列输出至对应的执行器执行相应协同动作指令，包括：

7.如权利要求1所述的方法，其特征在于，还包括：

8.如权利要求1所述的方法，其特征在于，还包括：

9.一种计算设备，其特征在于，包括：处理器和存储有计算机程序的存储器，在所述处理器运行所述计算机程序时，实现权利要求1至8任一项所述的热泵系统的控制方法的步骤。

10.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1至8任一项所述的热泵系统的控制方法的步骤。