随着科学技术的蓬勃发展,人们对汽车空调的需求也从简单的温度控制,上升为温度控制效率问题。传统汽车空调控制技术中存在着易震荡、时延大、舒适性差等问题,还需要进一步研究。空调控制系统的一个重要的研究方向是基于模糊控制的方法。模糊控制虽然具有鲁棒性,算法简单等特点,但对于样本集要求较高,且在控制过程中无法实时更新规则库,制约了控制效果。本文以模糊控制原理为理论基础,参考二次指派问题,结合蚁群算法对模糊规则进行自学习,同时针对现有的理论计算模型存在的一些不足提出了改进方法并仿真实验验证改进模型的有效性。本文的主要工作有:1.对汽车空调控制的研究现状进行描述,阐述汽车控制理论,分析理论分析模型使用的算法,以及模糊控制技术在当前领域的结合情况。2.针对理论计算模型存在的公式繁琐、采集数据较多、部分数据难定义的问题,提出通过变更建模对象,建立新的热负荷平衡方程的方法进行修正。该模型取得较好的控制效果,缩短了温控时间,有效的提高了控制效率。针对理论计算模型并未设定车内气体的流体通率的指标,存在空气质量不佳的问题,参考我国汽车空调控制对空气质量的要求,引入换气新风模块,对理论计算模型外循环模式下的热值计算进行修正,弥补热值损失。实验表明,将换气新风模块与上文提到的新模型结合,不仅能够有效的缩短温控时间,提高温控效率,还能够大大提高车内空气的质量,具有更好的舒适度。3.最后,参考蚁群算法在二次指派问题中的应用,考虑模糊控制中规则无法实时更新的问题,提出一种基于模糊自适应的控制模型。利用蚁群算法对数据进行规则学习,并将学习到的规则实时更新到规则库中,实现模糊自适应控制。该模型取得了较好的控制效果,在样本集不全面的情况下,有效提高了控制效果的准确率。本文使用某公司提供的实车测试数据集进行仿真实验并对比算法在响应时间、阀门控制的效果。研究表明基于模糊自适应的控制算法在阀门控制准确性方面高于仅基于模糊控制的模型,同时,在温控效果和时间效率这两个指标上表现更佳。因此本课题的研究具有一定的研究意义与应用价值。