电动汽车城市行驶工况构建方法研究

来源：核心期刊咨询网时间：2021-02-01 10:4212

摘要：摘 要：为描述西安市电动汽车行驶状况，选取三种方法构建工况：聚类法、V-A矩阵法、马尔科夫法。对试验获得的数据先进行降噪平滑处理，然后采用短行程法划分运动学片段，最后根据不同方法合成了C-SHT工况、C-VA工况、C-PKMMC工况。通过计算三种工况与原始数

　　摘 要：为描述西安市电动汽车行驶状况，选取三种方法构建工况：聚类法、V-A矩阵法、马尔科夫法。对试验获得的数据先进行降噪平滑处理，然后采用短行程法划分运动学片段，最后根据不同方法合成了C-SHT工况、C-VA工况、C-PKMMC工况。通过计算三种工况与原始数据的误差，发现C-PKMMC工况的误差最小，为4.94%，而其他俩个分别为7%和9.35%。可以得到马尔科夫法构建的工况既满足行驶工况合成的要求，同时也提高了行驶工况的精度。

　　关键词：聚类法;V-A矩阵法;马尔科夫方法;短行程法;相对误差

　　前言

　　汽车作为人们日常生活出行的主要工具，其能量消耗和排放是目前存在的最大问题。汽车行驶工况[1]它反映了某一区域汽车行驶过程的各项性能指标，其中包括了汽车的能耗和排放，可为汽车的动力性匹配、经济性分析、控制策略优化等提供理论依据。

　　吉林大学野晨晨等[2]由于实验室台架测量构建汽车行驶工况的方法存在诸多误差，从而提出车载测试法，即在实际车辆行驶过程中采集数据。该方法避免了实验室测量数据的误差同时保证了构建工况的合理性。姜平，石琴等[3]于2009年提出基于马尔科夫的行驶工况构建方法。将汽车行驶工况看作一个随时间变化的马尔科夫过程，提出了状态转移概率与相似性检验相结合的候选工况选择方法，建立了特征参数的评价准则，大大提高了行驶工况的精度。2012年石琴，仇多洋等[4]又提出了主成分分析法确定表征道路运行的特征參数，同时采用模糊C均值聚类法对运动学片段进行分类，进一步提高了构建工况的精度。本文将结合以上方法对行驶工况的构建进行研究，分析比较各方法精度。

　　1 试验规划与设计

　　以西安市为例，本文选择一款纯电动汽车为试验车辆;根据西安市不同类型道路的交通流量和占比以及里程数设计了试验路线[5]。试验采用平均车流法采集车辆行驶过程中的相关数据，试验时间设计为每天的早、中、晚三个时间段，连续进行一周的试验，共得到169999组数据。试验中数据的采样频率为1Hz。

　　行驶过程中的操作失误和突发状况等会使得采集到的数据存在异常，这会影响构建工况的精度。因此需要对试验数据进行预处理。本文主要采用了脉冲噪声和高频噪声去噪[6]。对于脉冲噪声，本文选择限幅滤波法。限幅滤波法是根据所得信号变化来判断是否处于合理范围，这种方法对脉冲噪声的去除效果显著。对于高频噪声，本文选择递推。这种方法可以实时处理高频噪声，对于高频噪声有很好的抑制效果。下式(1)为限幅滤波函数，式(2)为平均滤波算法。

　　2 工况构建

　　2.1 工况构建方法分析

　　结合近年来常用的工况构建方法，主要选择[8]聚类分析法，V-A矩阵分析法，马尔科夫分析法这三种方法来构建工况。

　　2.2 聚类分析法

　　聚类分析法是根据划分好的运动学片段，结合主成分分析与聚类分析法，对片段进行分类，最后筛选出每一类中最具代表性的片段，将这些片段合成时长为1200s的工况。

　　推荐阅读：《电动自行车》(月刊)创刊于2003年，由江苏省轻工科技情报总站、中国自行车协会助力自行车专业委员会主办。

转载请注明来自：http://www.qikan2017.com/lunwen/lig/18461.html