一种基于现有数据的汽车行驶工况构建方法

• 摘要：

  本发明公开了一种基于现有数据的汽车行驶工况构建方法,包括以下步骤:收集不同汽车在同一地区不同时间段内的现有行驶数据;对收集到的数据进行预处理;对数据集进行区间划分,提取运动学片段;计算数据集中各特征参数与最重要参数之间的关联度;对数据集中的进行聚类;构建汽车行驶工况曲线.本方法基于现有可获得的数据构建汽车行驶工况曲线,无需特意采集相关数据,减少了成本,易于构建,加快了我国各地区道路行驶工况的测试.

• 专利类型：

  发明专利

• 申请/专利号：

  CN202010080677.6

• 申请日期：

  2020.02.05

• 公开/公告号：

  CN111339638A

• 公开/公告日：

  2020-06-26

• 发明人：

  陈龙 杨艺 刘昌宁 沈钰杰 杨晓峰 刘雁玲

• 申请人：

  江苏大学

• 主分类号：

  G06F30/20(2020.01),G,G06,G06F,G06F30

• 分类号：

  G06F30/20(2020.01),G06Q50/30(2012.01),G06N3/00(2006.01),G06F111/10(2020.01),G,G06,G06F,G06Q,G06N,G06F30,G06Q50,G06N3,G06F111,G06F30/20,G06Q50/30,G06N3/00,G06F111/10

• 主权项：

  1.一种基于现有数据的汽车行驶工况构建方法,其特征在于,包括以下步骤: 步骤1:收集不同汽车在同一地区不同时间段内的现有行驶数据; 步骤2:对收集到的数据进行预处理; 步骤3:对数据集进行区间划分,提取运动学片段; 步骤4:计算数据集中各特征参数与最重要参数之间的关联度; 步骤5:对数据集中的进行聚类; 步骤6:构建汽车行驶工况曲线. 2.根据权利要求1所述的一种基于现有数据的汽车行驶工况构建方法,其特征在于,所述步骤1中的行驶数据包括m个特征参数,其中m为的正整数且m≥3,各特征参数的数值记作Mtxy,即Mtxy代表第y辆车在t时间上的第x个特征参数的值,其中,y为汽车数量参数,x为特征参数的数量参数,y、x均为正整数且y≥2,t为时间计量参数,采样频率为1s. 3.根据权利要求1所述的一种基于现有数据的汽车行驶工况构建方法,其特征在于,所述步骤2中的预处理包括数据校准,数值过滤,定义丢失数据含义,填补数据,剔除数据,获得可供分析的数据集. 4.根据权利要求2所述的一种基于现有数据的汽车行驶工况构建方法,其特征在于,所述步骤2中的数据校准采用最小二乘法,即选取一个数,使得其他数据与该数的平方差最小,对整体数值漂移的特征参数进行零点校准和方向校准. 5.根据权利要求2所述的一种基于现有数据的汽车行驶工况构建方法,其特征在于,所述步骤2中定义丢失数据含义为,判断汽车是否因为通过隧道或路过高层建筑附近而丢失部分特征参数. 6.根据权利要求2所述的一种基于现有数据的汽车行驶工况构建方法,其特征在于,所述步骤2中数值过滤包括过滤掉汽车加速度超出或低于正常轿车的上下限;汽车在怠速状态持续时间超过180s的数据,汽车速度超出120km/h的数据,以及汽车机转速低于700r/min的数据; 所述步骤2中剔除数据为,汽车在行驶过程中经过隧道等GPS信号丢失地区,和汽车异常熄火状态的数据. 7.根据权利要求1述的一种基于现有数据的汽车行驶工况构建方法,其特征在于,所述步骤3中数据集的划分包括: 判断汽车行驶工,即加速工况、减速工况和怠速工况,并对其进行编码,读取数据集的编码,将汽车从怠速状态开始至下一个怠速状态开始之间的车速区间提取为一个运动学片段. 8.根据权利要求1述的一种基于现有数据的汽车行驶工况构建方法,其特征在于,所述步骤4中的关联度计算步骤如下: Step1:将数据集中的数据无量纲化处理,无量纲化公式为: 其中,M'txy代表第y辆车在t时间上的第x个特征参数无量纲的值,Mxy为各特征参数的最优数值; Step2:选取参考序列,通过层次分析法选取出所有特征参数中最重要参数的最优数值,组成参考序列M′x; M′x＝{M′i},1≤i≤n,1≤n≤x,且i为正整数,M′i表示y辆车中第i个最重要参数的最优数值,n表示最终参数的数量; 设最重要参数在层次分析法中对应的参数为λi,则组成参考序列M′x的中心值F为:F＝∑λi·M′i; Step3:计算其他特征参数与中心值F间的绝对差Δmj: Δmj＝Mmj-F,m＝1,2,...,x-n;j＝1,2,...;其中Mmj表示第m个其他特征参数的第j个数值,j为大于1的正整数; 在此基础上,依公式:Δmax＝max(Δmj),Δmin＝min(Δmj),就可求得最大差Δmax和最小差Δmin; Step4:依据公式计算第k个其他特征参数的第j个数值与最重要参数之间的关联度ξmj,式中ρ为分辩系数,用来削弱Δmax过大而使关联系数失真的影响.人为引入这个系数是为了提高关联系数之间的差异显著性,0＜ρ＜1; Step5:计算第m个其他特征参数与最重要参数之间的关联度Em: 其中αj为第m个其他特征参数的第j个数值的加权系数,可通过改进自适应步长鱼群算法获得. 9.根据权利要求1述的一种基于现有数据的汽车行驶工况构建方法,其特征在于,所述步骤6中的汽车行驶工况曲线由步骤5中聚类所得的每一类中距离聚类中心距离较近且时间长度合适的运动学片段,拼接成1200-1300秒的汽车行驶工况曲线;在计算距离时,各特征参数与各聚类中心之间距离需乘以权重值,其中最重要参数的权重值为λi,其他特征参数的权重值为其与最重要参数之间的关联度Em.