阅读说明：本技术 汽车主驾驶车窗智能开闭的控制方法 (Control method for intelligent opening and closing of automobile main driving window ) 是由 唐竞 林长波 秦炎炎 蔡其瑾 吴斌 秦刚 刘冰莹 欧增开 于 2019-09-20 设计创作，主要内容包括：本发明公开了一种汽车主驾驶车窗智能开闭的控制方法。当数据集中的数组到达100时,随机选择其中90组作为训练组作为反向传播神经网络的训练集,剩余的10组作为预测组作为预测集,选择tansig(x)=2/(1+exp(-2*n))-1函数作为反向传播神经系统的输入层和隐藏层之间的传递函数,选择purelin(x)=x函数作为输出层函数,隐藏层的节点数为7；训练后收敛的环境和主驾驶车窗开闭度对应模型作为新的预测模型。本发明可以解决现有技术不能自适应的改变自己的开闭策略。反复的开闭车窗造成驾驶员注意力不集中,导致车内人员的人身安全存在安全隐患的问题。(The invention discloses a method for controlling intelligent opening and closing of a main driving window of an automobile. When the arrays in the data set reach 100, 90 of the arrays are randomly selected as training sets to serve as training sets of the back propagation neural network, the remaining 10 arrays serve as prediction sets, functions tan sig (x) =2/(1+ exp (-2 × n)) -1 are selected as transfer functions between an input layer and a hidden layer of the back propagation neural system, purelin (x) = x functions are selected as output layer functions, and the number of nodes of the hidden layer is 7; and taking the converged environment and the corresponding model of the opening and closing degree of the main driving window after training as a new prediction model. The invention can solve the problem that the prior art can not change the own switching strategy in a self-adaptive manner. The problem of potential safety hazard exists in personnel's personal safety in the car because driver's attention is not concentrated because of the relapse switching door window.)

汽车主驾驶车窗智能开闭的控制方法

技术领域

本发明涉及汽车制造技术领域，尤其是一种用于汽车主驾驶车窗智能开闭的控制方法。

背景技术

随着消费者的消费水平越来越高，家庭拥有汽车的数量越来越多，同时消费者对汽车的舒适性和智能化要求也越来越高。驾驶员在行驶过程中，通常通过开闭汽车主驾驶车窗从而改善车内环境和驾驶体验，即为了保证驾驶员良好的驾驶环境和驾驶体验，驾驶员通常会开闭主驾驶车窗，但目前的汽车车窗依然存在智能化程度不高的问题，驾驶员不能一次性的调整车窗的开闭度，往往通过调整多次主驾驶车窗的开闭度才能使驾驶员处在最为舒适的驾驶环境。存在一些智能度较低的车窗开闭系统，即在环境恶劣的情况下，自动关闭车窗，但在环境较为温和的条件下，驾驶员依旧需要手动调整主驾驶车窗的开闭度，同时，这些系统不能自适应的改变自己的开闭策略。反复的开闭车窗造成驾驶员注意力不集中，导致车内人员的人身安全存在安全隐患。

发明内容

本发明的目的是提供一种汽车主驾驶车窗智能开闭的控制方法，它可以解决现有技术不能自适应的改变自己的开闭策略。反复的开闭车窗造成驾驶员注意力不集中，导致车内人员的人身安全存在安全隐患的问题。

为了解决上述问题，本发明采用的技术方案是：这种汽车主驾驶车窗智能开闭的控制方法，采用汽车驾驶车窗智能开闭的控制系统来实现，该系统包括车窗控制器，所述车窗控制器接收温度传感器、空气质量传感器、声音传感器和光照度传感器的检测环境信息，并根据此环境信息去控制车窗的开闭度；其控制方法是：

（1）、驾驶员打开点火开关；

（2）、启动汽车主驾驶车窗智能开闭系统；

（3）、所述车窗控制器等待手动操作信号，各个传感器采集车内外环境信息；

（4）、所述车窗控制器接受传感器的所述信号车内外环境信息并保存；

（5）、所述车内外环境信息经与所述车窗控制器内嵌的模型比较后输出车窗的开闭度；

（6）、检测车窗是否为关闭状态，若不是则跳入步骤（8）；

（7）、天窗关闭，检测车窗手动控制信号，若存在所述手动控制信号，则跳入步骤（7-a），若不存在所述手动控制信号，则跳入步骤（7-b）；

（7-a）、手动控制主驾驶车窗的所述开闭度，并将最终的所述开闭度和所述环境信息保存至所述车窗控制器的ROM中进行数据集合，判断所述数据集合中的有效数据是否达到100组，若是达到则跳入步骤12；

（7-b）、所述车窗控制器直接控制主驾驶车窗的所述开闭度，而后跳入步骤（3）；

（8）、天窗未关闭，即所述开闭度不为0，则计算当前的所述开闭度和模型输出的开闭度的差值B；

（9）、比较所述差值B和预设的开闭度差值A，若A＜B，则跳入步骤（10），若A＞B，则跳入步骤（11）；

（10）、检测车窗是否有手动控制信号，若有所述手动控制信号，则跳入步骤（10-a），若不存在所述手动控制信号，则跳入步骤（10-b）；

（10-a）、手动控制所述主驾驶车窗的开闭度，并将最终的开闭度和环境信息的数据保存至所述车窗控制器的ROM中进行集中，判断数据组有效数据是否到达100组，达到则跳到步骤（12）；

（10-b）、所述车窗控制器直接控制所述主驾驶车窗的所述开闭度，而后跳入步骤（3）；

（11）、检测车窗手动控制信号，若存在所述手动控制信号则跳入步骤（11-a）,若不存在手动控制信号，则跳入步骤（11-b）；

（11-a）、手动控制所述主驾驶车窗的开闭度，并将最终的所述开闭度和所述环境信息的数据保存至所述车窗控制器的ROM中的进行集中；判断数组有效数据是否达到100组，达到则跳到步骤（12）；

（11-b）、保持当前的车窗开闭度，防止车窗马达持续运动，从而降低所述车窗马达寿命；

（12）、当所述数据集中的数组到达100时，随机选择其中90组作为训练组作为反向传播神经网络的训练集，剩余的10组作为预测组作为预测集，选择tansig(x)=2/(1+exp(-2*n))-1函数作为反向传播神经系统的输入层和隐藏层之间的传递函数，选择purelin(x)=x函数作为输出层函数，隐藏层的节点数为7；训练后收敛的环境和主驾驶车窗开闭度对应模型作为步骤5中新的预测模型。

上述技术方案中，更为具体的方案还可以是：所述温度传感器包括车内温度传感器和车外温度传感器。

更进一步：所述空气质量传感器包括车内空气质量传感器车外空气质量传感器。

进一步：所述声音传感器为车外声音传感器。

由于采用了上述技术方案，本发明与现有技术相比，具有的有益效果是：由于本发明在车窗控制器中建立了反向传播神经网络，在反向传播神经网络中建立了环境和车窗开闭度的对应模型，预测模型嵌入在车窗控制器中。传感器采集到的环境信息作为反向传播神经网络的输入层，输出层为主驾驶车窗的开闭度，使主驾驶车窗的开闭控制的知能化提高了，使驾驶员的注意力能集中在安全驾驶车辆上，从而避免了因驾驶员反复的开闭车窗造成的安全隐患。

附图说明

图1是本发明的结构方框示意图。

图2是本发明的反向传播神经网络模型结构图。

具体实施方式

下面结合附图和实施例对本发明作进一步详述：

图1和图2所示的汽车主驾驶车窗智能开闭的控制方法，采用汽车驾驶车窗智能开闭的控制系统来实现，该系统包括车窗控制器6，车窗控制器接收温度传感器、空气质量传感器、声音传感器和光照度传感器5的检测环境信息，并根据此环境信息去控制车窗的开闭度；其控制方法是：

（1）、驾驶员打开点火开关；

（2）、启动汽车主驾驶车窗智能开闭系统；

（3）、车窗控制器6等待手动操作信号，各个传感器采集车内外环境信息；

（4）、车窗控制器6接受所述的手动操作信号及传感器采集的车内外环境信息并保存；

（5）、车内外环境信息经与车窗控制器6内嵌的模型比较后输出车窗的开闭度；

（6）、检测车窗是否为关闭状态，若不是则跳入步骤（8）；

（7）、天窗关闭，检测车窗手动控制信号，若存在手动控制信号，则跳入步骤（7-a），若不存在手动控制信号，则跳入步骤（7-b）；

（7-a）、手动控制主驾驶车窗的开闭度，并将最终的开闭度和环境信息保存至车窗控制器6的ROM中进行数据集合，判断数据集合中的有效数据是否达到100组，若是达到则跳入步骤12；

（7-b）、车窗控制器6直接控制主驾驶车窗的开闭度，而后跳入步骤（3）；

（8）、天窗未关闭，即开闭度不为0，则计算当前的开闭度和模型输出的开闭度的差值B；

（9）、比较差值B和预设的开闭度差值A，若A＜B，则跳入步骤（10），若A＞B，则跳入步骤（11）；

（10）、检测车窗是否有手动控制信号，若有手动控制信号，则跳入步骤（10-a），若不存在手动控制信号，则跳入步骤（10-b）；

（10-a）、手动控制主驾驶车窗的开闭度，并将最终的开闭度和环境信息的数据保存至车窗控制器6的ROM中进行集中，判断数据组有效数据是否到达100组，达到则跳到步骤（12）；

（10-b）、车窗控制器6直接控制主驾驶车窗的开闭度，而后跳入步骤（3）；

（11）、检测车窗手动控制信号，若存在手动控制信号则跳入步骤（11-a）,若不存在手动控制信号，则跳入步骤（11-b）；

（11-a）、手动控制主驾驶车窗的开闭度，并将最终的开闭度和环境信息的数据保存至车窗控制器6的ROM中的进行集中；判断数组有效数据是否达到100组，达到则跳到步骤（12）；

（11-b）、保持当前的车窗开闭度，防止车窗马达7持续运动，从而降低车窗马达7寿命；

（12）、当数据集中的数组到达100组时，随机选择其中90组作为训练组作为反向传播神经网络的训练集，剩余的10组作为预测组作为预测集，在反向传播神经网络中建立了环境和车窗开闭度的对应模型，预测模型嵌入在车窗控制器中。传感器采集到的环境信息作为反向传播神经网络的输入层，输出层为主驾驶车窗的开闭度，选择tansig(x)=2/(1+exp(-2*n))-1函数作为反向传播神经系统的输入层和隐藏层之间的传递函数，选择purelin(x)=x函数作为输出层函数，隐藏层的节点数为7；训练后收敛的环境和主驾驶车窗开闭度对应模型作为步骤5中新的预测模型，如图2所示，图2中的输入层节点数为6个，隐藏层的节点数为7个，输出层节点数为1个，图2中bn为隐藏层第n个节点的阈值，W_mn是输入层第m个节点到隐藏层第n个节点之间的权值，b₀输出层节点的阈值，W_nj是隐藏层第n个节点到输出层第j个节点之间的权值，Y为输出值。

在本实施例中，温度传感器包括车内温度传感器1和车外温度传感器2；空气质量传感器包括车内空气质量传感器3和车外空气质量传感器4；声音传感器为车外声音传感器8。

本发明针对驾驶员手动反复开闭车窗改变车窗的开闭度，提出一种根据环境智能改变车窗开闭度的控制方法，自动改善车内环境，避免安全隐患。本发明选择机器学习中的反向传播神经网络建立模型，建立基于反向传播神经网络的环境和车窗开闭对应模型，可以自主学习驾驶员不同环境下，最舒适车窗开闭度不同并更新模型，系统智能程度高。在驾驶员改变的情况下，本发明可以自主学习驾驶员对于环境和开闭度喜好习惯，自主改善环境和主驾驶车窗开闭度对应的模型，系统智能程度高。