基于聚类算法的汽车行驶工况构建方法研究

构建符合地区经济和交通发展状况的汽车行驶工况具有重要意义。文章采用主成分分析和聚类算法构建适应地区实际情况的汽车行驶工况。首先,根据问题实际对原始数据进行清洗,降低采集误差对结果的影响,再进行运动学片段划分;其次,采用主成分分析法和K-means聚类算法对运动学片段进行分类;最后,采用最小偏差采样方法分别选取每类的代表性片段以合成最终工况。文章所构建的工况的各特征值与原始数据之间的相对误差均值在5%以内,能够有效反映汽车实际行驶状况。

基于K-均值聚类分析的城市道路汽车行驶工况构建方法研究

以实时采集的乘用车行驶数据为数据源,进行了城市道路汽车行驶工况构建方法的研究。分别运用运动学片段分析法、主成分分析法和K均值聚类分析法对实测数据进行降维和分类,提出以Silhouette函数实现对聚类结果的筛选,以减少人为选择的误差,并根据聚类中心的大小筛选所需运动学片段构建候选工况。在目标代表工况的遴选方面,提出了综合6个特征参数和最大SAFD差异值的评价标准。最后通过试验验证了该行驶工况构建方法的有效性和精确性。

城市道路汽车行驶工况及排放污染物的测试和分析研究

为了适应欧Ⅲ排放法规的需要,针对西安市区城市道路上正常行驶汽车的工况及排放情况进行研究,通过采用GPS测速系统和IPEXD便携式排放测量仪,快速、准确的获取汽车正常行驶过程中的即时速度及瞬间排放污染物等客观数据,进而具体分析汽车在城市道路上的行驶工况及排放情况,最终计算得出西安市城市道路上行驶汽车的相应工况、即时速度与瞬间排放之间的关系。其中,本文主要研究以汽油为燃料的车辆在城市道路条件下行驶时尾气排放中的HC、CO、NOX三种污染物,客观分析并确定日常城市道路条件下汽车行驶工况对其排放的相关影响。

基于神经网络的汽车行驶工况识别方法研究

混动车辆能量管理实现自适应控制策略的前提是对汽车行驶工况的正确识别。针对此问题提出了一种基于神经网络的车辆行驶工况识别方法。首先通过采集车辆实际行驶路谱,整理出3种典型工况。在此基础上,运用方差分析工具,筛选提取10项特征,用于路谱的辨别,并且整理成用于训练的数据。采用Matlab建立目标神经网络,经过训练和测试,模型识别率达到98.5%。经过综合工况的验证,模型识别率良好,达到预期效果。

基于聚类分析与0-1规划轻型汽车行驶工况构建方法

针对汽车行驶工况构建的问题,文中对福州市实际汽车行驶数据进行数据挖掘,提出一种结合聚类分析和“0-1”规划的汽车行驶工况的构建方法.其步骤为:对原始数据预处理,并将行驶数据划分为共1751条运动学片段;对所有片段主成分分析,以其中前两个主成分为特征作K均值聚类;选取具有代表性的片段为备选并作“0-1”规划,得到最优行驶工况构建方案.实验结果表明:该方案与实际数据相比,平均误差比约为4.5%;与国际五项典型工况相比,该方案误差仅为其他方案误差的约10%,证明了构建新型的、符合所在城市的车辆行驶工况的必要性.

基于降噪自编码器降维的汽车行驶工况分析

近年,随着环境治理要求的不断提升,汽车尾气作为污染的主要来源之一.汽车工业是我国如今重点关注的对象,而汽车行驶工况在是汽车工业界内被看做是反映汽车性能的主要标准,因此对于工况的研究就成了时下急需的研究项目之一.本文根据汽车行驶工况的各项行业参数,研究出一种通用的反映我国不同地区汽车行驶工况的方法.同时在对复杂数据降维时,利用了深度学习中的降噪自编码器降维方式,取得了较优且贴合实际意义的实验效果.本文数据来源于对上海市嘉定区汽车实验所得,在对数据处理后,经过本征模态分析、特征提取、动态时间规划、小波分解等不同手段和方式实现了对通用工况图的构建,为以后我国其余城市和总体大致的工况图构建提供参考.

基于聚类分析的汽车行驶工况构建研究

为了制定汽车的能耗规范标准,优化汽车驾驶性能,以城市道路上实际行驶的车辆为研究对象,对汽车行驶工况进行分析。将采集到的汽车实际道路行驶数据划分为运动学片段,并选取18个特征参数作进一步研究。首先基于主成分分析法对提取出的运动学片段特征参数进行降维处理;然后利用K均值聚类(K-means)方法对降维后的主成分参数进行聚类分析;最后基于总体特征参数偏差最小的片段选取方法构建汽车行驶工况曲线并建立汽车运动特征评估体系。将所构建的工况与实车采集数据进行对比,各项特征参数误差均小于8%,分析结果验证了将主成分分析法和K-means聚类算法应用于城市道路行驶工况研究中的可行性和有效性,以及基于聚类分析的汽车行驶工况构建的合理性。

基于主成分和聚类分析的汽车行驶工况构建

基于城市汽车实际道路行驶采集的数据,运用主成分和K-means聚类分析,对汽车行驶工况进行构建并分析误差.首先,对5种类型的原始数据,依次进行时间不连续数据、尖点数据、毛刺噪声数据以及怠速异常数据等预处理;其次基于预处理后的数据,对运动学片段进行划分,同时引入14个相关的运动特征指标,采用主成分分析进行降维处理并选取了具有代表性的5个主成分,基于K-means聚类分析算法将其运动学片段按照拥堵路况、一般拥堵路况和通畅路况分为3类,再根据聚类结果选取最优工况片段,从而得到最终的工况曲线.最后,对汽车行驶工况与所采集数据源的各运动特征值进行误差分析,验证了所构建的汽车行驶工况的合理性.

ADCSM:一种细粒度汽车行驶工况模型构建方法

汽车行驶工况体现了汽车道路行驶的运动学特征,现有的行驶工况构建方法往往存在着构建粒度不细、精度不高的问题。为了解决工况构建的粒度和精度问题,提出了一种细粒度汽车行驶工况模型构建方法(Construction method of Automobile Driving Cycles based on SOM and Markov model,ADCSM)。首先行驶数据进行Daubechies-4阶小波分析降噪,划分短行程,对短行程提取了10个特征,将短行程特征输入SOM神经网络,然后聚类到(1*3)神经网络中,得到聚类结果序列,并建立了马尔可夫模型,最终通过ADCSM算法完成工况构建。对所构建的工况进行了验证,并将所得工况与传统的K-means聚类构建方法的结果进行了比较分析。实验结果表明,ADCSM最终误差为4.07%,而传统的K-means误差为8.77%,ADCSM利用了SOM神经网络聚类的方法,比传统K-means方法聚类精度更高,并具备了工况自学习能力。ADCSM利用马尔可夫模型方法体现了城市行驶状况的转换关系,与传统K-means行驶工况构建方法相比粒度更细,故合成的行驶工况效果更好,更能反映城市特征。

汽车行驶工况传动轴转矩值测试装置

汽车行驶工况传动轴上的瞬时转矩值的测量,对汽车动力性、燃油经济性及其影响因素的研究有重要的意义。根据汽车传动轴高速旋转和信号传输受车身电器及机械装置干扰大的特点,研制了一套红外传输信号的汽车行驶工况传动轴转矩值测试装置。该装置在扭转试验机和底盘测功机上分别进行了动静态标定及在五菱牌LZW1010VH型汽车上进行了试用试验。结果表明该装置操作方便、测试精度高、制造费用低。由于传动轴上的转矩信号采用无接触的红外光传输方式,所以该测试装置也可应用到其他高速旋转轴的转矩值测试(监控)行业。

基于K-Means聚类分析的汽车行驶工况构建

为构建合理的汽车行驶工况,以给定的轻型汽车行驶数据为基础,分别运用运动学片段分析法、主成分分析法和K-均值聚类分析法对实测数据进行降维和分类,并结合相关系数法从各类运动学片段库中选取具有代表性的片段,构建反映汽车行驶特征的汽车行驶工况曲线。最后,为验证所构建的汽车行驶工况的有效性和精确性,计算作为评价体系的8个特征参数的相对误差和总体误差。结果表明,构建的汽车行驶工况曲线所反映的汽车运动特征在一定程度上可以代表数据源对应的特征,所构建的行驶工况具有有效性和精确性。

福州市区汽车行驶工况构建的研究

为客观反映我国道路交通状况的测试工况,本文基于福州市汽车行驶数据研究了福州市区汽车行驶工况的构建.利用GPS设备对福州市城区运行的汽车工况数据进行了采集;将采集到的车速数据应用运动学片段法划分为多个短行程片段.为更加精确地处理数据,把短行程片段细分为Low,Mid,High三类.通过对这三类数据使用BP神经网络反复训练、验证并测试,构建出完整的福州市汽车行驶工况曲线.

福州地区汽车行驶工况构建与研究

为了构建汽车行驶工况模型和汽车运动特征评估体系,连续采集了三周福州地区的行驶数据进行处理,将处理后的数据进行运动学片段的划分。采用K-均值聚类分析法对降维的主成分特征值进行聚类,根据距离最小原则挑选出运动学片段来合成反映不同交通状况的汽车行驶工况曲线。并对汽车行驶工况曲线进行分析评价,由此论证了该方法构建汽车行驶工况曲线的合理性。

基于等效能耗的汽车行驶工况重构算法研究

汽车行驶工况对汽车的动力性经济性参数的设计开发有重要的参考意义。不同工况对电动汽车的续驶里程有非常显著的影响。本文通过研究汽车实际道路行驶工况,依据等效能耗的原则,通过工况重构算法快速精确地生成等效工况。该技术可应用于智能网联汽车中的个性化动力系统设计与个性化续驶里程预测功能中。

基于主成分分析和两阶段聚类分析的汽车行驶工况评价模型

为了准确评价汽车行驶工况,促进汽车节能减排.本文在修正异常数据的基础上,提取了1743条运动学片段,并构建了一种包括平均速度、发动机转速比和扭矩百分比等18个特征参数的汽车运动特征评价体系.利用基于主成分分析和两阶段聚类分析的汽车行驶工况评价模型,将运动学片段的样本数据聚为低速工况、中速工况和高速工况3类.聚类结果的准确率为98.970%,说明本文所建的评价模型是合理有效的.

基于最小误差分析法的城市道路汽车行驶工况构建方法研究

为优化汽车行驶性能,构建反映真实道路情况的汽车行驶工况和汽车运动评估体系,本研究提出了一种基于最小误差分析的汽车行驶工况构建方法。首先利用删除或插值补充的方式对异常数据进行处理,消除数据采集时的误差,同时根据运动学片段的定义对处理后的数据进行运动学片段划分;其次为降低特征参数的数量,简化计算,采用主成分分析对所给9种特征参数降维,同时采用k-means聚类算法将运动学片段划分为低速、中速和高速三种;最后基于最小误差分析的方法构建出了汽车行驶工况曲线,并使用综合参数值(Comprehensive Parameter Value,CPV)对所构汽车工况曲线进行合理性评价。仿真结果表明:采用最小误差分析法构建的汽车工况曲线CPV仅为1.218 3,各个特征值的相对误差也在误差范围内,行驶工况拟合度较高,可以为构建汽车行驶工况曲线提供参考。

城市道路汽车行驶工况的构建

汽车行驶工况是汽车各项性能指标进行标定优化时的主要基准。文章根据某城市实时采集的乘用车数据,在对数据进行预处理的基础上,基于K均值聚类分析法对汽车运动学片段曲线的特征极值进行划分,利用运动学片段间的“亲疏程度”筛选出汽车行驶工况的候选片段,从而构建出一条最贴合该城市内车辆实际运行情况的行驶工况曲线。

基于PCA主成分分析和K-means算法的汽车行驶工况数据量化研究

随着我国经济的快速发展,从汽车大国到汽车强国的逐步转变,汽车数量也急剧增加。本文针对轻型汽车实际道路行驶采集的数据(采样频率1Hz),处理为各个运动学片段,采用PCA结合K-means++聚类方法,对处理后数据样本进行降维处理,分析其中主要特征成分,将各运动学片段依据综合特征指标归类,计算主要特征参数,使用相关系数筛选典型特征片段。构建典型汽车行驶工况曲线。使用K-means聚类处理数据段,计算处理结果并分析与总体样本特征偏差范围,判断工况曲线构建的合理性,是否符合世界WLTC工况标准。结合汽车标准行驶工况比较分析综合特征指标差异。

引入油门开度的汽车续航测试工况构建研究

现有的用于续航测试的车速-时间汽车行驶工况未能考虑油门开度对油耗测试的影响,导致测定油耗相较于实际油耗偏差较大。引入油门开度构建汽车行驶工况可以综合考虑负荷与车速变化对行车油耗的影响。通过划分车速-油门开度行驶片段,利用主成分分析、聚类分析和相关性分析等方法筛选行驶片段,拼接行驶片段构建车速-油门开度-时间三维工况曲线。研究发现,相较于二维工况曲线,基于三维工况曲线测定油耗与实测油耗的偏差减少了12.673%。

城市道路轻型汽车行驶工况的构建与评估

为了提升政府公信力,构建符合城市道路汽车行驶工况已是迫在眉睫.基于一辆汽车耗时20天道路实际行驶数据,首先提出约束条件下单目标数学0-1规划模型对数据进行预处理,根据时间连续性得到运动学片段数量;再者,应用随机组合方法对片段进行优化组合构建符合时间长度的待选工况,从中选择与总体数据平均误差最小为4.15%的作为代表工况;最后,从特征参数、环保节能和速度概率分布、加速度概率分布和速度加速度概率联合分布三方面对代表工况进行有效性检验.结果表明:所构建的代表工况特征参数平均误差、速度概率分布平均误差、加速度概率分布平均误差和速度加速度概率分布平均误差都小于0.1%,同时在评估环保节能方面也有显著作用,因此能够真实有效地反映该城市的实际道路行驶情况.