人工智能在汽车空调系统中的模拟应用人工智能被应用与汽车空调系统（AACS）仿真模拟中，基于系统特征参数和神经网络，建立了AACS模型。
在该模型的基础上，讨论了AACS模型的不同控制方法。
结果显示，与开关控制法（通断控制，双位调节）和常规模糊控制法相比，神经模糊控制法最优。
可以使汽车舱室内温度快速下降到设计温度，而且波动很小。
标签：神经网络；汽车空调系统（AACS）；仿真；建立模型0 前言随着汽车空调系统的发展，提高冷却性能、降低耗油量，并保持一个舒适的环境，是人们一直追求的目标。
人们通常采用传统开发方式来达到目标，即“理论+实验+经验”。
由于成本高、周期长和不稳定性，技术具有一定的局限性，极大的影响其发展，随着计算机仿真技术的发展，通过建立数据模型，对产品和汽车的控制越来越容易，越来越高效。
但是对于AACS系统，计算机仿真存在一些困难，不能通过传统的模拟方法解决。
这是因为一个简单而准确的模型，很难通过传统方法建立。
AACS性能受到很多外界因素的影响，比如汽车空调压缩机速率、太阳辐射、周围环境温度、热负荷的变化、开关门窗和风速等影响因素。
这些因素都决定了AACS是复杂的、多变的、线性的或非线性的系统。
因此，很难通过常规方法去开发一款AACS控制系统的动态模型。
基于神经网络和模糊逻辑的人工智能技术是一种创新性方法。
因为学习和想象技能、模糊的想法，都可以很好的解决非线性问题。
学术研究表明，可以解决制冷领域的很多非线性问题，本文，通过反向传播神经网络建立AACS模型，也通过建模对一种新型的人工智能方法进行了研究。
1 建模通过对AACS的理论分析，发现有很多因素会影响系统性能：压缩机速度、冷凝器的速度和蒸发器的风速、冷凝器和蒸发器的温度、车厢内温度、室外温度等因素。
所有这些因素都会影响到车厢内的舒适度，主要通过车厢内温度的冷却速度，以及在设计温度的波动幅度来反映。
更重要的是，这些因素之间相互联系，很难通过AACS的物理理论来建立完整的模型。
