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...     

基于短行程特征聚类的移动源排放清单构建方法

文章基于主成分分析(principal component analysis, PCA)和K-means聚类的短行程法,构建福州市轻型车的行驶工况。首先对原始数据进行预处理、划分运动学片段并计算其特征参数,运用PCA对划分后片段进行参数降维,再对其进行K-means聚类分析,形成典型片段库;然后分别根据最小参数偏差法和最大相关系数法挑选片段组成行驶工况,对比后输出最终工况,并对最终行驶工况进行有效性验证;最后利用VT-Micro(Virginia Tech microscopic)模型并结合合成工况,计算单车排放因子,构建2020年福州市机动车排放清单。研究结果可为移动源排放清单构建研究提供参考。     

基于改进蚁群算法的行驶工况构建及精度分析

文章以合肥市典型道路为例,选取5条城市道路进行数据采集,采用主成分分析与遗传变异改进的蚁群算法(ant colony optimization,ACO)相结合的方法,构建了合肥市典型行驶工况。在划分了运动学片段的基础上,利用主成分分析法对13个运动学特征参数进行降维处理,以排名前3的主成分为聚类因子,用改进的蚁群算法对运动学片段样本进行分类,通过组合类内运动学片段,完成代表性工况的构建,并对代表性工况进行精度分析。研究结果表明,与K-means聚类法、系统聚类法相比,改进的ACO能够有效提高行驶工况的构建精度。     

基于聚类的半挂牵引车行驶工况构建改进方法

针对传统K-均值聚类算法易陷入局部最优以及最佳聚类数难以确定的问题,提出一种基于高斯混合模型聚类的改进方法。选定淄博市博山-沂源路段作为测试道路,以半挂牵引车为试验车辆,利用车载终端设备采集车辆行车数据。在对原始数据预处理的基础上,以速度为运动学片段划分标准,采用主成分分析和聚类分析对特征参数进行降维分类处理,依据距离聚类中心越近越能代表该类特征的原则选取运动学片段,构建丘陵山区半挂牵引车代表性行驶工况。与传统的K-均值聚类相比,采用高斯混合模型聚类构建的丘陵山区车辆行驶工况特征值误差仅为2.05%,精度更高,更能反映丘陵山区道路线形复杂的特点。与国内采用的半挂牵引车测试工况(CHTC-TT工况)相比,所构工况与之差异明显,表明了开发反映丘陵山区行驶特征的半挂牵引车代表性行驶工况的必要性。     

基于数据的K均值理论及其应用

首先使用主成分分析方法对车辆行驶工况的特征参数进行处理,然后利用K-均值聚类原理对所有具有代表性的运动学片段进行聚类分析,由此得出汽车行驶工况的数学原理.为汽车节能减排的发展和建立能够正确反映我国道路工况特征的行驶工况提供理论依据.     

基于改进K均值和马尔科夫链的公交车行驶工况构建

目的 为填补目前缺少符合重庆城区地形特点的公交车行驶工况空白。方法 提出一种改进的K均值聚类算法与马尔科夫链结合的行驶工况构建方法。通过滤波算法对采集到的重庆城区805路公交车有效行驶数据进行平滑处理,从平滑后的行驶数据中提取出1 721条运动学片段;采用核主成分分析法对各运动学片段的特征参数矩阵进行降维处理,以粒子群算法选择适合的K均值初始聚类中心,并通过改进后的K均值聚类算法对运动学片段进行分类标记;最后通过马尔科夫链筛选出合理的运动学片段,构建出时长为1 310 s的重庆城区公交车行驶工况。结果 将构建的行驶工况与实车采集数据及国内外部分典型工况进行对比,结果表明：所构建的工况与原始数据在速度-加速度的联合分布趋势一致,构建的行驶工况与实车采集数据各特征值误差均小于7%,所构建的工况与原始数据特征高度吻合且能较好地反映出重庆城区公交车怠速时间比例高、加减速频繁等符合区域特点的实际交通状况。结论 构建的工况能为重庆市公交车行驶路线规划、排放及油耗测试等方面提供基础标准,同时其涉及的研究方法能为新能源汽车能量管理、控制策略及其他城市工况构建和城市公交线路优化提供参考。     

基于LLEKM和马尔科夫链的城市轻型车行驶工况构建

为客观描述机动车在道路上的运行特征,针对传统城市道路标准行驶工况构建方法的弊端,提出一种基于局部线性嵌入与K均值聚类(LLEKM)和马尔科夫链的汽车工况构建方法,并对该方法的应用准确性进行研究。首先,结合道路交通条件对实测样本数据进行除噪平滑处理,根据运动学片段定义将其划分为1 754个运动学片段,并选取16个运动学参数构建特征参数矩阵。其次,利用局部线性嵌入算法降维约简特征参数矩阵,解决了由数据压缩重构导致的线性结构丢失的问题;通过K均值聚类分析,计算不同类型数据集中各行驶状态时间占比的差异性,得到相应类型下城市道路汽车的行驶特点。然后,以每类中各相邻行驶状态的统计量确定状态转移概率矩阵,采用马尔科夫链方法从每类中选取特征参数误差最小的运动学片段,按照时间比例合成代表工况。最后,以厦门市3个月内同一辆轻型汽车的行驶数据为例展开实证分析,验证所提方法的准确性。研究结果表明:与样本数据和传统方法构建的工况相比,所提方法构建的轻型车行驶工况主要特征参数与样本数据吻合度更好,平均相对误差从9.69%降低到4.47%;提出方法的速度-加速度联合概率分布误差明显降低,行驶工况构建精度得到了提高;对比分析现行方法构建的标准工况,该方法能更加真实地反映厦门市轻型车的实际运行状况。     

基于大样本的上海市乘用车行驶工况构建

进行了10辆车12个月连续道路行驶数据采集,获得7 137 017条有效行驶数据,从中提取13 789个实际道路行驶运动学片段,通过主成分分析和聚类分析将运动学片段特征值进行降维和分类处理,利用相关系数提取代表性行驶工况,构建了基于大样本、符合上海市交通特征、长度为1 163s的上海市乘用车行驶工况.结果表明:上海市乘用车行驶工况具有平均速度低、怠速比例高、匀速比例低等特点,与新欧洲测试循环(NEDC)存在较大差异,采用NEDC工况开展的污染物测试不能完全反映上海市的实际交通状况,应建立反映上海市交通特点的乘用车行驶工况.     

组合优化聚类与马尔科夫链的城市环卫车辆行驶工况构建方法

为客观描述城市环卫车的实际行驶特征,基于3辆市政环卫车连续一周实际道路行驶数据,提出一种组合优化聚类与马尔科夫链的城市环卫车辆行驶工况构建方法. 首先对特征参数矩阵做均值化处理,增强参数降维后每一个主成分中所包含的特征参数信息;其次利用k均值聚类将不同运行特征的运动学片段划分到不同类的样本集内,以马尔科夫链法在每一类样本集中做状态预测,按时间比例合成代表工况. 最后,基于运动学参数对所构建的代表工况进行有效性检验. 结果表明,所构建的福州市环卫车辆行驶工况相较于C-WTVC国家标准工况,能更客观地反映福州市环卫车辆的实际运行情况.     

极端环境下汽车运行工况的风洞试验对标分析

为比较环境风洞模拟极端环境下汽车运行工况的准确性,设计了实际路试与环境风洞的对标试验,采集了典型高温山区路段汽车的运行数据。通过运动学片段分割以及短行程分析法构造出车辆的行驶工况图。以运动学片段聚类结果所代表的汽车三种运行状态为基础,利用标准化均方误差方法和特征参数值的计算结果对两次试验中汽车行驶工况的关联性与差异性进行具体分析。结果表明：对标试验结果的关联性极强,其细微差异主要体现在第一类运动学片段上,并且频繁的加减速是汽车三种运行状态中对热管理系统升温影响最大的。可见,环境风洞的模拟结果基本上是准确有效的。     

基于GPRS的电动汽车道路行驶工况自学习

提出了一种基于GPRS的道路行驶工况数据的远程采集方法,并将其应用在电动汽车的实际运行中,获得电动汽车道路试验原始数据库.同时将自组织映射(SOM)神经网络引入到行驶工况的自学习中,通过SOM网络对原始数据进行运动学片段的聚类分析,构建出了电动汽车在实际运行中的3种典型工况,为电动汽车基于行驶工况的自适应优化控制策略提供了基础环节.所构建的行驶工况和其他行驶工况相比具有一般规律,表明应用SOM网络能够很好地实现道路行驶工况的自学习功能.     

改进模糊C均值聚类法的车辆实际行驶工况构建

针对模糊C均值(FCM)聚类法的性能依赖于初始聚类中心、迭代容易陷入局部极值、不能确保FCM收敛于一个最优解的问题,利用多岛遗传算法(MIGA)与序列二次规划法(SQP)组合优化,对FCM聚类的初始聚类中心进行优化,从而使聚类结果更加接近最优聚类。采用主成分分析和改进的FCM聚类分析,将运动学片段的特征值进行降维和分类处理,构建出基于大样本、符合郑州市交通特征的行驶工况。与试验数据对比表明:所构建的乘用车行驶工况与试验数据特征参数平均相对误差仅为2.097%,速度-加速度联合分布差异(SAFD_(diff))仅为1.74%,行驶工况拟合精度较高,更能综合反映郑州市交通真实状况。     

一种适合城市混合道路行驶工况的构建方法

针对城市规模和路网扩张带来的城市道路新特点,利用10辆城市乘用车按各自目的地跟随车流自主驾驶,实时采集车辆行驶数据,其路径覆盖城区、环城快速路、环线高速的城市混合道路。基于聚类法和马尔科夫模型,提出一种适合城市混合道路的工况构建方法。运用主成分分析实现特征参数的降维,以Silhouette值确定K值,利用K均值聚类法将2 869个运动学片段分为3类;再将每类行驶工况抽象为一个速度随时间变化的马尔科夫过程,划分成加速、减速、巡航及怠速4种工况并计算其转移概率;根据转移矩阵合成候选工况,以CPV值筛选出目标工况,得到目标工况的整体特征参数平均误差为4.44%。结果表明,所提构建方法能较好适应城市混合道路综合行驶工况的构建。     

改进主成分和K-均值聚类的行驶工况

为构建行驶工况,消除K-均值算法对初始聚类中心的敏感性及噪声点的干扰,提出一种改进主成分分析和基于密度的改进K-均值聚类组合方法.结合距离优化法和密度法,构建一种数据集密度度量方法.选取距离较大、密度较高的数据点作为初始聚类中心与候选集,优化聚类结果的同时剔除了孤立点,采用较大贡献因子的特征值进行工况合成,最后对行驶工况油耗进行分析.结果表明,所提方法构建行驶工况的速度-加速度联合分布差异值为1.17％,特征参数平均相对误差较小.可见,合成的行驶工况能够很好地反映某地实际交通道路特征,拟合度较高.     

基于遗传算法优化的城市标准循环工况构建

针对传统车辆标准循环工况构建中存在的问题,提出了一种基于遗传算法的城市标准循环工况构建方法。以某城市实测行驶工况数据为依据,基于微行程分析理论,对微行程特征参数进行主成分提取及聚类,建立能够反映城市车辆实际运行的行驶工况。利用方差分析确定最佳聚类数,解决了最佳聚类数不易确定的问题。采用遗传算法对代表工况段进行优化修正,以聚类结果中的欧氏距离最小为优化目标,减小其与聚类中心的欧式距离。误差分析表明:提出的工况合成方法所生成的某城市标准循环工况特征参数平均累计误差明显减少,工况精度和一致性得到较大提高。     

改进主成分和K-均值聚类算法的行驶工况

为构建行驶工况,消除K-均值算法对初始聚类中心的敏感性及噪声点的干扰,提出一种改进主成分分析和基于密度的改进K-均值聚类组合方法。结合距离优化法和密度法,构建一种数据集密度度量方法。选取距离较大、密度较高的数据点作为初始聚类中心与候选集,优化聚类结果的同时剔除了孤立点,采用较大贡献因子的特征值进行工况合成,最后对行驶工况油耗进行分析。结果表明,所提方法构建行驶工况的速度-加速度联合分布差异值为1.17%,特征参数平均相对误差较小。可见,合成的行驶工况能够很好地反映某地实际交通道路特征,拟合度较高。     

基于电池荷电状态和行驶工况辨识的电动汽车续驶里程估算*

为消除驾驶员因电动汽车续驶里程估计不准确,产生的"里程焦虑"。提出了一种基于电池荷电状态和行驶工况辨识的电动汽车续驶里程估算模型。以大连市某电动汽车运行数据为研究对象,首先分析了SOC与行驶里程的相关性,将工况数据划分为432个工况片段。然后利用主成分分析、模糊C聚类分析对工况片段进行分类、辨识,并建立了续驶里程的估算模型,进行续驶里程的估算。最后利用实车数据,在Matlab中进行仿真验证,结果表明此方法是可行的,所建立的模型具有较高的准确度。     

电动汽车城市行驶工况构建

通过采集电动汽车及传统汽车的实际行驶数据,使用K-均值聚类法和马尔可夫链理论构建电动汽车与传统汽车城市行驶工况。构建出的城市行驶工况与当下较为流行的传统汽车的行驶工况进行比较。结果表明,电动汽车行驶工况与传统汽车行驶工况的加速度有较大的不同;这是因为电动汽车的电机扭矩响应速度快,低速时可以输出大扭矩。构建出的电动汽车行驶工况还可以作为评价电动汽车的经济性与碳排放的依据。     

上海市公交车行驶工况的调查和研究

以上海市的道路及其车辆运行为研究对象，运用覆盖率、路段频度和等概率抽样等方法，规划能够代表上海市公交车典型运行线路，并进行了大量的试验和实际运行数据的采集．对大量的试验数据进行了处理，运用短行程、主成分分析、聚类分析等方法，构建了上海市公交车的实际行驶工况．     

基于主成分分析和K-means的便利贴显微共聚焦激光拉曼光谱分类

显微共聚焦激光拉曼光谱法与机器学习结合,建立便利贴物证识别分类模型,为基层民警开展侦查工作提供帮助。以36个不同产地、不同生产厂家的便利贴样品为研究对象,利用显微共聚焦激光拉曼光谱法获取便利贴样品拉曼光谱数据,并对拉曼光谱数据进行基线校正、曲线平滑、标准化预处理。利用主成分分析法对36个便利贴样品预处理后的拉曼光谱数据降维,提取了3个特征值大于等于1且累计贡献率85%以上的主成分,3个主成分解释了样品拉曼光谱数据大部分信息。利用K-means无监督聚类算法,指定K值范围,并计算对应聚类系数,确定36个便利贴样品最佳聚类数为6类。利用判别分析验证基于主成分分析和K-means的样品分类模型的适用性和准确性,经验证,样品分类模型原始分类正确率和交叉验证分类正确率分别为100%和97.22%。实验结果表明,显微共聚焦激光拉曼光谱法结合主成分分析和K-means可以实现便利贴分类模型构建,且分类结果可靠。