【技術實現步驟摘要】
本專利技術涉及溫控管理，更具體地說，本專利技術涉及一種基于熱管理的座椅溫控系統。
技術介紹
1、熱管理是指根據具體對象的要求，利用加熱或冷卻手段對其溫度或溫差進行調節和控制的過程，熱管理通過消耗能量讓對象與外界產生溫差，并通過傳熱實現對象的溫度調節。隨著現代汽車工業的發展，車輛的舒適性成為消費者選購的重要因素之一，在車輛內座椅的熱管理中，座椅作為直接接觸人體的部件，其溫度控制直接影響用戶(駕駛員或乘客)的舒適體驗。傳統的座椅加熱系統通常是通過嵌入加熱元件來提高座椅溫度，而座椅通風系統則通過通風孔或風扇來降低座椅溫度。
2、但是，現有的座椅在進行溫度調控時，每次都需要用戶對座椅溫控參數進行調控，并且，很多時候用戶不能一次將座椅溫控參數調控到位，從而使得用戶的調控過程較為繁瑣且浪費時間。
3、鑒于此，本專利技術提出一種基于熱管理的座椅溫控系統以解決上述問題。
技術實現思路
1、為了克服現有技術的上述缺陷，為實現上述目的，本專利技術提供如下技術方案：一種基于熱管理的座椅溫控系統，包括：
2、數據庫模塊，用于采集并關聯用戶的體型特征數據、內外環境參數及座椅溫控參數，進而生成用戶數據集及其對應的用戶標簽；
3、識別模塊，用于采集當前用戶的體型特征數據并輸入預訓練完成的用戶識別模型并進行識別，得到當前用戶標簽；
4、控制模塊，用于采集當前內外環境參數，并將當前內外環境參數與當前用戶標簽輸入預訓練完成的座椅溫控參數預測模型，得到當前座椅
5、更新模塊，用于對用戶識別模型和座椅溫控參數預測模型進行更新，并將更新后的用戶識別模型和座椅溫控參數預測模型進行應用。
6、進一步地，所述采集并關聯用戶的體型特征數據、內外環境參數及座椅溫控參數，進而生成用戶數據集及其對應的用戶標簽的步驟，包括：
7、采集座椅上同一用戶在安全帶使用時間內的體型特征數據、內外環境參數和座椅溫控參數；
8、將采集到的同一用戶的體型特征數據與內外環境參數和座椅溫控參數進行關聯，進而得到用戶數據，f個同一用戶的用戶數據構成用戶數據集，對用戶數據集進行標注標簽，得到用戶標簽；
9、其中，所述體型特征數據包括k個體型骨架矩陣，所述內外環境參數包括車內溫度、車內濕度、車外溫度和車外濕度，所述溫控參數包括通風溫度和通風風速；
10、采集不同用戶的用戶數據集及對應的用戶標簽構成數據庫。
11、進一步地，所述k個體型骨架矩陣的獲取步驟，包括：
12、在座椅上安裝m×n的壓力傳感器陣列，獲取用戶在安全帶使用時間內的k個壓力分布矩陣，其中，壓力分布矩陣由m×n的壓力傳感器陣列的測量的壓力值組成；
13、對于每個壓力分布矩陣，采用非線性映射將壓力分布矩陣轉換為灰度圖像，使用雙邊濾波器對灰度圖像進行平滑，使用sobe?l算子計算灰度圖像中每個像素點的梯度強度和方向，生成梯度圖像，在梯度圖像中，對于每個像素點，根據其梯度方向，選擇與該梯度方向的兩個鄰居像素進行比較，如果當前像素點的梯度強度大于或等于在梯度方向上兩個鄰居像素的強度，則當前像素點被保留為邊緣點，否則，僅保留當前像素點沿梯度方向上的局部最大值，隨后，應用canny邊緣檢測算法，定義高閾值與低閾值，將高于高閾值的像素被認為是強邊緣，低于低閾值的像素被認為是非邊緣，最后將檢測到的邊緣像素進行連接，得到基本輪廓圖像；通過otsu算法將基本輪廓圖像轉換為二值化圖像，對二值化圖像進行形態學預處理并應用骨架提取算法，進而得到體型骨架矩陣。
14、進一步地，所述將壓力分布矩陣轉換為灰度圖像的轉換公式為：
15、pgamma(x,y)＝(p(x,y)+ε)γ，
16、式中，pgamma(x,y)表示灰度圖像中位于坐標(x,y)處的灰度值，p(x,y)表示壓力分布矩陣中位于坐標(x,y)處的壓力值，ε是一個小的平滑常數，γ是伽馬參數。
17、進一步地，所述對二值化圖像進行形態學預處理并應用骨架提取算法，進而得到體型骨架矩陣的步驟，包括：
18、創建j個圓形結構元素，j個圓形結構元素中每個圓形結構元素的半徑呈等規格增大，通過j個圓形結構元素對基本輪廓圖進行開運算和閉運算，得到j個形態學預處理后的基本輪廓圖；
19、將j個預處理后的基本輪廓圖按照其對應的圓形結構元素的半徑大小進行從大到小排列，得到排序序列，按照排序序列對每個預處理后的基本輪廓圖像應用改進guo-hal?l細化算法；
20、應用改進guo-hal?l細化算法的過程為：
21、初始化預處理后的基本輪廓圖像，將圖像邊界點標記為1，內部點標記為0，對基本輪廓圖像的每個圖像邊界點進行重復迭代直到沒有圖像邊界點被刪除，即得到j個骨架提取圖像；
22、隨后，將j個骨架提取圖像中序列第一位的骨架提取圖像作為基礎骨架，從序列第二位的骨架提取圖像開始，按照排序序列逐一將骨架提取圖像作為當前骨架，并依次與基礎骨架進行合并，合并的過程為：計算當前骨架與基礎骨架的相似度，若相似度大于預設的第一閾值，則將當前骨架與基礎骨架不同的部分合并到基礎骨架中，若相似度小于等于第一閾值，則將當前骨架與權重矩陣相乘，再與基礎骨架進行合并，其中，權重矩陣通過當前骨架中每個點到最近非零點的距離變換計算得到；
23、對合并后的基礎骨架中像素長度小于預設的第二閾值的分支進行去除，并通過均值濾波平滑合并后的基礎骨架，即輸出體型骨架矩陣。
24、進一步地，所述用戶識別模型的訓練過程為：
25、從數據庫中提取所有不同用戶標簽及其對應的體型特征數據作為第一樣本集，將每個用戶標簽對應的體型特征數據構建特征向量g1，使用keras定義輸入層和輸出層并搭建模型框架；將特征向量g1作為輸入數據，將用戶標簽作為輸出數據；
26、將第一樣本集按照70％和30％的比例劃分為訓練集和測試集，構建并訓練用戶識別模型，利用測試集對用戶識別模型進行測試，輸出滿足預設準確度的用戶識別模型。
27、進一步地，所述座椅溫控參數預測模型的訓練過程為：
28、將所有用戶標簽及其對應的內外環境參數和溫控參數作為第二樣本集，對溫控參數進行編號；
29、將用戶標簽及其對應的內外環境參數構建特征向量g2，使用tensorflow定義輸入層和輸出層并搭建模型框架；將特征向量g2作為輸入數據，將溫控參數編號作為輸出數據；
30、將第二樣本集按照70％和30％的比例劃分為訓練集和測試集，構建并訓練座椅溫控參數預測模型，利用測試集對座椅溫控參數預測模型進行測試，輸出滿足預設準確度的座椅溫控參數預測模型。
31、進一步地，所述對用戶識別模型和座椅溫控參數預測模型進行更新，并將更新后的用戶識別模型和座椅溫控參數預測模型進行應用的步驟，包括：
32、判斷當前用戶的體型特征數據是否被識別；
【技術保護點】
1.一種基于熱管理的座椅溫控系統，其特征在于，包括：
2.根據權利要求1所述的一種基于熱管理的座椅溫控系統，其特征在于，所述采集并關聯用戶的體型特征數據、內外環境參數及座椅溫控參數，進而生成用戶數據集及其對應的用戶標簽的步驟，包括：
3.根據權利要求2所述的一種基于熱管理的座椅溫控系統，其特征在于，所述k個體型骨架矩陣的獲取步驟，包括：
4.根據權利要求3所述的一種基于熱管理的座椅溫控系統，其特征在于，所述將壓力分布矩陣轉換為灰度圖像的轉換公式為：
5.根據權利要求3所述的一種基于熱管理的座椅溫控系統，其特征在于，所述對二值化圖像進行形態學預處理并應用骨架提取算法，進而得到體型骨架矩陣的步驟，包括：
6.根據權利要求2所述的一種基于熱管理的座椅溫控系統，其特征在于，所述用戶識別模型的訓練過程為：
7.根據權利要求1所述的一種基于熱管理的座椅溫控系統，其特征在于，所述座椅溫控參數預測模型的訓練過程為：
8.根據權利要求2所述的一種基于熱管理的座椅溫控系統，其特征在于，所述對用戶識別模型和座椅溫控參數
9.根據權利要求8所述的一種基于熱管理的座椅溫控系統，其特征在于，所述用戶識別模型和座椅溫控參數預測模型的更新還包括：
10.根據權利要求9所述的一種基于熱管理的座椅溫控系統，其特征在于，所述判斷當前用戶的體型特征數據是否被識別的方式為：
...【技術特征摘要】
1.一種基于熱管理的座椅溫控系統，其特征在于，包括：
2.根據權利要求1所述的一種基于熱管理的座椅溫控系統，其特征在于，所述采集并關聯用戶的體型特征數據、內外環境參數及座椅溫控參數，進而生成用戶數據集及其對應的用戶標簽的步驟，包括：
3.根據權利要求2所述的一種基于熱管理的座椅溫控系統，其特征在于，所述k個體型骨架矩陣的獲取步驟，包括：
4.根據權利要求3所述的一種基于熱管理的座椅溫控系統，其特征在于，所述將壓力分布矩陣轉換為灰度圖像的轉換公式為：
5.根據權利要求3所述的一種基于熱管理的座椅溫控系統，其特征在于，所述對二值化圖像進行形態學預處理并應用骨架提取算法，進而得到體型骨架矩陣的步驟，包括：
6....
【專利技術屬性】
技術研發人員：陳忠海，湯清田，唐秋林，楊宏明，翟數敬，賀勇杰，
申請(專利權)人：信征科技永州有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。