基于聚类算法的汽车行驶工况研究Word格式文档下载.docx
《基于聚类算法的汽车行驶工况研究Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《基于聚类算法的汽车行驶工况研究Word格式文档下载.docx（81页珍藏版）》请在冰豆网上搜索。
SchoolofMechanicalEngineeringFacultyMentor:
Prof.ZhenpoWang Chair,ThesisCommittee:
Prof.YongChen DegreeApplied:
MasterofEngineering Major:
VehicleEngineering
Degreeby:
BeijingInstituteofTechnologyTheDateofDefence:
June,2016
研究成果声明
本人郑重声明：
所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。
尽我所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大学或其它教育机构的学位或证书所使用过的材料。
与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。
特此申明。
签名：
日期：
北京理工大学硕士学位论文
摘要
车辆行驶工况是用来描述车辆行驶规律的时间速度曲线。
车辆行驶工况的研究和开发，不仅为车辆燃油经济性和污染物排放水平的测试提供理论依据，还为未来新车型的设计和开发指导方向。
本文以北京市乘用车为研究对象，对国内外典型工况和工况构建方法进行了相关研究，对各种方法的优缺点进行综合对比并确定以短行程法和马尔科夫法来构建代表性工况。
本文工作由以下4个部分展开：
（1）根据北京市道路特点进行工况数据采集试验的总体规划，包括试验方法的选择以及数据采集设备选取和参数的确定等，引入运动学片段的概念对原始有效数据进行划分。
（2）对原始数据进行预处理，运用短行程法进行工况构建。
提出基于总体特征参数偏差最小的片段选取方法，有效解决传统随机方法的准确度低、计算量大等问题。
将改进后的方法与传统方法的构建结果进行对比分析，结果证明改进后的方法与整体试验数据的误差更小，更能反映整体试验数据的车辆行驶特征。
（3）基于马尔科夫过程的理论进行工况构建，以加速度大小为划分标准，在运动学片段的基础上划分模型事件。
提出基于总体特征参数偏差最小的起始片段选取方法和基于最小二乘法原理的结尾片段选取方法。
对构建工况进行有效性验证，结果表明该方法构建的循环工况误差较小。
（4）将两种方法构建的代表性工况进行对比和分析，将其中最能代表北京市乘用车运行特点的工况挑选出与欧美两大标准工况进行比对，分析我国车辆的实际行驶情况与欧美国家存在的差异，同时论证构建适用于我国实际情况的车辆行驶工况的必要性。
关键词：
车辆行驶工况；
短行程法；
主成分分析；
K-means聚类；
马尔科夫过程
1
Abstract
Adrivingcycleisexpressedasthespeed-timecurve,whichisappliedtoshowvehicledrivingcharacterswithcertainlimitedconditions.Theresearchofthedrivingcyclehasmadeagreatcontributiontotheautomobileindustry.
Inthispaper,Beijingpassengervehiclesaretheresearchobject.Throughtheresearchandcomparisonofdifferenttypicalmethodsforconstructingdrivingcycle,themicro-tripandmarkovmethodswereusedtoconstructtheBeijingdrivingcycle.Theresearchcontentsofthispaperareshownasfollowing:
Firstofall,inviewoftheroadcharacteristicsofBeijingcity,anoverallplanningofthedataacquisitionexperimentwasmadetoensurethattheresearchiscarriedoutinanorderlymanner,includingtheselectionofexperimentmethodanddataacquisitionequipment.Aftertheacquisitionofthedata,theoriginaldataweredividedintopiecesbyusingthetheoryofkinematicfragments.
Afterdataprocessing,themicro-tripmethodwastakentobuildthedrivingcycle.Inparticular,intheprocessofcandidatecycleselection,animprovedmethodbasedontheminimumcharacteristicparametersdeviationwasadoptedtochoosethefinalsegmentstoconstructthedrivingcycle.Theresultsindicatedthatthenewmethodcanfurtherimprovesthereliabilityofthedrivingcycle.
Simultaneously,adrivingcycleonthebasisofthetheoryofMarkovprocesswasdeveloped.Amethodbasedontheminimumcharacteristicparametersdeviationwasproposedtoselectthestartingsegmentandamethodbasedontheleastsquarewasadoptedforthelastsegment.Theresultshowedthatthenewmethodcanhighlyimprovetheaccuracyofthedrivingcycle.
Finally,thetwodrivingcyclesdevelopedabovewerecomparedandanalyzed,andthedrivingcyclewhichcanrepresentthedrivingcharacteristicofBeijingpassengervehicleswasselectedtocontrastwiththestandarddrivingcyclesofEuropeandAmerica.Theactualdrivingcharacteristicofthemwereanalyzedandthegiantdifferencebetweenthemshowedthenecessityofdevelopingourowndrivingcycle.
KeyWords:
vehicledrivingcycle;
micro-trips;
principalcomponentanalysis;
k-meansclusteringanalysis;
markovprocess
2
目录
第1章绪论 6
1.1研究背景和意义 6
1.2国内外汽车行驶工况的研究现状 7
1.2.1国外研究现状 7
1.2.2国内研究现状 11
1.2.3工况构建方法研究现状 13
1.3本文主要研究内容 16
第2章试验规划和数据采集整理 17
2.1试验总体规划 17
2.1.1试验方法的确定 17
2.1.2试验区域的选择 18
2.1.3试验车辆和驾驶员的选取 19
2.2数据采集试验 21
2.2.1数据采集参数 21
2.2.2数据采集设备和采样间隔 21
2.3本章小节 22
第3章原始数据处理和分析 23
3.1数据预处理 23
3.2运动学片段分析 23
3.2.1运动学片段划分和有效片段筛选 23
3.2.2运动学片段特征参数定义 24
3.2.3运动学片段特征参数计算 26
3.2.4运动学片段综合特征值计算 31
3.3本章小节 31
3
第4章基于主成分分析和K-MEANS聚类的工况构建方法 33
4.1构建思路 33
4.2主成分分析原理及步骤 34
4.3K-means聚类原理及步骤 37
4.4行驶工况构建过程 38
4.4.1主成分分析结果 38
4.4.2K-means聚类结果 39
4.4.3基于总体特征参数偏差最小的片段选取方法 41
4.4.4代表性工况的构建和结果分析 42
4.5本章小节 47
第5章基于马尔科夫过程理论的工况构建方法 48
5.1构建思路 48
5.2马尔科夫过程的基本理论 49
5.2.1马尔科夫过程和转移矩阵 50
5.3行驶工况的构建过程 51
5.3.1片段划分和状态归类 51
5.3.2计算转移概率矩阵 53
5.3.3工况起始片段的选取 53
5.3.4工况中间片段的选取 54
5.3.5工况结尾片段的选取 55
5.3.6代表性工况的构建和结果分析 56
5.4本章小节 61
第6章不同方法构建的行驶工况对比 63
6.1特征参数对比和误差分析 63
6.2国内外标准工况的对比 66
6.3
升级会员 