[发明专利]一种基于改进的短行程法的汽车行驶工况构建方法

说明书

本发明涉及汽车行驶性能测试技术领域，公开了一种基于改进的短行程法的汽车行驶工况构建方法，主要在于获取车速信号数据后将数据划分多个运动片段，并针对怠速部分数据进行多次数据优化处理，然后在优化完成后对运动片段进行特征提取并采用主成分分析法对运动片段特征进行特征降维，并采用K‑Means++聚类方法对降维后的运动片段进行无监督聚类分析，最终得到多个候选工况，并计算候选工况中不包含极值的特征参数，然后与总体数据计算相对误差值，选取平均误差最小的工况作为代表工况输出。本发明具有提升行驶工况数据质量和数据片段代表性，降低工况与总体数据的相对误差，提高行驶工况分析结果准确性的有益效果。

技术领域

本发明涉及汽车行驶性能测试技术领域，具体涉及一种基于改进的短行程法的汽车行驶工况构建方法。

背景技术

汽车运行工况是指汽车运输行驶过程中的工作状况，按汽车的运动形式主要有起步、加速、等速、减速、转弯、上下坡、停车等行驶工况。汽车行驶工况又称车辆测试循环，是描述汽车行驶的速度-时间曲线，在采集大量实测数据的基础上，构建实际道路循环工况是车辆优化测试和仿真的数据支撑，汽车行驶工况是汽车行业一项重要的基础标准，是汽车产品开发过程中的重要设计输入，是汽车各项性能指标标定优化时的主要基准，也是评价汽车排放、油耗、控制策略和参数匹配的重要依据，是汽车研究中共性的核心技术。

近年来，随着汽车技术的发展，汽车行驶工况也逐渐被汽车厂商重视起来，随着对汽车行驶工况的研究，虽然现在汽车行驶工况的构建方法也取得了一定的研究成果，但是仍然存在许多问题，例如目前汽车行驶工况的构建方法主要基于短行程法进行运动片段分解，简单的将行驶过程分解为怠速和运动两部分进行组合，缺少中间处理环节，怠速部分的数据未得到处理且零速较多，在候选工况合成时剔除率较高，也就导致合成候选工况的运动片段可选择片段过少，且怠速较高，因此现在汽车行驶工况分析结果的准确率较差。

发明内容

本发明意在提供一种基于改进的短行程法的汽车行驶工况构建方法，以提高对汽车行驶工况分析结果的准确性。

为达到上述目的，本发明采用如下技术方案：一种基于改进的短行程法的汽车行驶工况构建方法，包括以下步骤：

步骤S1，获取车速信号数据并对车速信号数据进行预处理后得到第一数据集合，将第一数据集合划分为多个运动片段；

步骤S2，对运动片段进行多次优化，并在优化完成后对运动片段进行数据特征提取；

步骤S3，采用主成分分析法对运动片段的数据特征进行特征降维，并采用K-Means++聚类方法对降维后的运动片段进行无监督聚类分析，根据聚类结果结合各类簇占总体数据时长比例，并设定工况总时长，从聚类中心附近筛选构建多个候选工况；

步骤S4，计算候选工况中不包含极值的特征参数，并与总体数据计算相对误差值，选取平均误差最小的工况作为代表工况输出。

本方案的原理及优点是：实际应用时，首先通过将目标车辆的原始报文数据解析出相应的车速信号数据，然后再对车速信号数据的怠速部分进行优化处理，剔除掉不合格的数据，以提高数据的有效性，同时采用主成分分析法对运动片段特征进行特征降维，并采用K-Means++聚类方法对降维后的运动片段进行无监督聚类分析，根据聚类结果结合各类簇占总体数据时长比例，并设定工况总时长，从聚类中心附近筛选构建多个候选工况，最后计算候选工况中不包含极值的特征参数，并与总体数据计算相对误差值，选取平均误差最小的工况作为代表工况输出。相比于现有技术，本发明的优点在于通过对怠速部分的优化处理，有效提升了行驶工况数据质量和数据片段代表性，明显降低了工况与总体数据的相对误差，大幅提高了行驶工况分析结果准确性。

优选的，作为一种改进，预处理为，对车速信号数据进行清洗，删除明显异常的数据，并采用线性插值填补缺失一秒的数据。