基于大数据和马尔科夫链的行驶工况构建

为提高代表行驶工况的准确性,对行驶工况构建算法进行了研究.在沈阳市选取10辆乘用车并采用自主驾驶方式收集行驶数据,组建了大样本数据库.首先根据傅里叶变换对原始数据进行了降噪滤波,然后采用改进的Kneser-Ney平滑方法计算状态转移概率矩阵,提出了基于马尔科夫链的行驶工况构建算法,最后开发了沈阳市乘用车代表行驶工况,并将其与数据库总体特征进行对比.结果表明,构建工况与数据库总体的平均偏差为2.46%,所有特征参数偏差均在10%以内,验证了算法的有效性.     

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.     

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。     

基于主成分分析和优化聚类算法的行驶工况研究

针对模糊C均值聚类算法容易陷入局部最优以及传统的主成分分析法没有完全体现出用数量较少的综合指标来代替多个指标的问题,提出了一种改进的主成分分析和利用遗传模拟退火算法优化后的模糊C均值聚类算法相结合的聚类算法(GSA-FCM),从而构建汽车行驶工况图:首先,利用改进的主成分分析法对特征参数矩阵进行处理;然后,采用GSA-...     

基于Leader的K均值改进算法

研究了K均值算法中初始聚类中心的选择对算法本身聚类精度及效率的影响,并提出了改进的算法(LK算法,Leader+K-means).LK算法中的初始聚类中心选择不是随机的,而是利用Leader算法得到若干个初始类中心,然后选择包含数据项最多的k个类中心,作为K均值算法的初始类中心.实验结果表明,LK算法在聚类结果的稳定性和正确率方面都是有效可行的.     

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.     

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.     

基于马尔科夫过程的行驶工况构建中数据处理与分析

在利用马尔科夫过程构建行驶工况的方法中,将车辆的行驶状况看做一个随机过程,只需求得实验数据的状态转移矩阵,便可得到随机过程的统计性质,通过对实验数据进行状态划分、模型事件分类、模型事件集确定,最终可得到实验数据的转移矩阵。文章简述了马尔科夫构建行驶工况的基本原理及实验数据的处理方法和转移矩阵的求法,并利用VBA语言设计了一种数据分析处理程序。     

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。     

一种改进的基于遗传算法的K均值聚类算法

结合遗传算法和K均值聚类算法的优点,提出一种改进的基于遗传算法的K均值聚类算法.将遗传算法的编码方法、初始化、适应度函数、选择、交叉和变异等较好地应用于聚类问题,不仅解决了K均值聚类算法中K值难以确定、对初始值敏感以及遗传算法存在收敛性差和容易早熟的缺点,而且实现了聚类中心的优化选择、K值的自动学习和基因的自适应变异等...     

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。     

基于改进群智能k-means优化算法的侵犯性驾驶行为异常点检测

如何有效地检测侵犯性驾驶行为异常数据,避免它们对后续建模分析产生不利影响是研究的焦点。在综述侵犯性驾驶行为研究现状基础上,借助驾驶模拟仿真实验系统和Ergo LAB人因系统进行侵犯性驾驶实验;并通过不同传感器获取了驾驶行为人车环境高维数据,最后采用优化的K-means聚类算法对该高维数据进行聚类和异常值检测。结果表明,最佳聚类数为2;并有效输出了异常点检测结果,为下一步的侵犯性驾驶行为定量分析提供了优质的数据保证。     

基于初始均值点离散化的改进K-means算法

聚类分析是一种重要的数据挖掘方法,K-means算法是其中最常用的基于划分的方法。本文提出了一种基于初始均值点离散化的改进K-means算法。改进的算法在选取初始均值点时,尽量使初始均值点的分布离散化,解决了传统算法中随机选取初始均值点所造成的一些问题。同时,为了得到更高质量的聚类结果,本文进行了数据集中的离群点检测和自动确定参数k的最佳取值两方面的前期处理工作。实验证明,改进后的算法明显优于传统算法。     

基于道路工况预测混合动力公交车SOC开环控制策略

混合动力车辆一般采用基于荷电状态（SOC）闭环的控制策略,对蓄电池组进行频繁充电,使SOC维持在较高水平,影响制动能量的回收,从而导致燃油经济性不理想.为此,利用BP神经网络并结合城市公交运行特点,提出SOC开环控制策略,对公交车未来站点间的运行工况进行预测,减少蓄电池组的充电次数,降低蓄电池组的荷电状态.试验表明,采用该控制策略可以显著降低电池组充电时间和次数,有利于制动能量的回收,百公里油耗降低了3%.     

柴油公交车行驶工况解析及排放特性研究

为评价ESC和ETC工况与公交车实际行驶工况的一致性,以及其排放限值与实际行驶排放水平的差异,对北京市公交车的行驶工况进行了调查.采用聚类的统计方法对工况数据进行解析和特征值计算,选择合适的公交车采用SEMTECH气态分析仪对气态污染物实时测量.结果表明:ESC稳态及ETC瞬态工况均与公交车的实际行驶工况有很大的差别,采用通过ESC和ETC标准的发动机在公交车上运转时,CO和NOx的排放量会经常大幅度超过限值,特别是NOx超过50%的时间点均处于限值以上,且偏离程度较大,不能有效地对公交车排放进行限定.对公交车可以在台架上采用特定的工况进行型式认证,或者采用车载测量的方法作为补充的监督手段.     

基于K均值算法的数据聚类和图像分割研究

K均值算法利用K个聚类的均值作为聚类中心,通过对比样本到各聚类中心的距离,将样本划分到距离最近的聚类中,从而实现样本的聚类.分析了K均值算法的基本原理和实现步骤,并将其应用于数据聚类和图像分割,取得了较好的聚类效果.最后,针对K均值算法的不足之处,提出了改进措施,提高了K均值算法的聚类性能.     

基于改进K-means的潜油电泵质量评估方法研究

针对潜油电泵使用寿命的问题,开展了基于潜油电泵井下振动测量的单节潜油电泵装配质量等级分类的研究,建立了单节潜油电泵的三维振动模型,提出了拐点法优化K-means聚类算法初始点的选取,采用三维合成方法求取电泵三个维度的合成振动加速度均方根值,利用改进K-means算法对239节潜油电泵的合成振动加速度均方根进行了聚类分析,建立了潜油电泵装配质量等级评价标准。对所测量的电泵进行质量跟踪,其结果验证了电泵装配质量等级分类的合理性。结果表明,潜油电泵合成振动加速度均方根小于1.30 m/s²的潜油电泵为优质电泵,使用寿命最长,宜用于高产井;处于1.30~1.72 m/s²的为质量良好电泵,使用寿命较长,可正常使用;处于1.72~2.35 m/s²的为质量合格电泵,使用寿命一般,应谨慎使用;大于2.35 m/s²为质量较差电泵,使用寿命较短,应维修后再使用。