基于核主元约简与半监督核模糊聚类的车辆行驶工况判别.pdfVIP

第 51卷第 2期 机 械 工 程 学 报 Vo1．51 NO．2 2015年 1月 JOURNALOFMECHANICALENGINEERING Jan． 2015 DoI： 10．3901／JME．2015．02．096 基于核主元约简与半监督核模糊聚类的 车辆行驶工况判别冰 张袅娜 ，2 丁海涛2 于海芳 刘姝阳 (1．长春工业大学 电气与电子工程学院 长春 130012； 2．吉林大学汽车仿真与控制国家重点实验室 长春 130012) 摘要：为有效利用汽车行驶工况中与类别属性间的统计特征，提高汽车行驶工况判别的准确性与快速性，首先选择车速和踏 板信号的数据信息构建特征集，利用相关性分析和核主元分析对特征集中能敏感反映工况类别的特征数据信息进行二次特征 提取，按累计贡献率大于 90％的标准进行主要特征量的选择，实现输入变量的二次约简；利用小波核函数的非线性映射能力 构建半监督核模糊 C均值聚类方法进行车辆行驶工况的判别。通过长春某混合动力公交车试验结果表明，该方法更全面准 确地反映了工况特性，有效降低了输入特征参数的维数，更加准确有效地提取了不同工况条件下汽车行驶状态的数据特征， 通过半监督核模糊 C均值聚类算法中加入少量的训练样本来引导聚类过程，聚类精度可达到98．75％。 关键词：核主元：半监督；核模糊C均值聚类；行驶工况判别 中图分类号：U469 DrivingCycleDistinguishingBasedontheKernelPrincipalComponent andSemi—supervisedKernelFuzzyCM eansClusteringAlgorithm ZHANGNiaona， DINGHaitao YU Haifang LIU Shuyang (1．ElectronicandElectricalEngineeringInstitute，ChangchunUniversityofTechnology,Changchun130012； 2．StateKeyLaboratoryofAutomotiveSimulationandControl，JilinUniversity,Changchun130012) Abstract：InordertoutilizethestatisticcharacteristicsamongtheinofrmationthatassociatedWithcategoriesinvehicledrivingcycle effectively,thespeedandthepedalsignaldatainformationareselectedtoconstructfeaturesettoimprovetheaccuracyandrapidity ofdistinguishingthevehicledrivingcyclefirstly．Then，torealizethesecondreductionoftheinputvariables，secondfeaturewhich sensitivelyreflectscharacteristicdatainformationofdrivingcyclecategory isextractedthroughhtecorrelationanalysisandthe kemelprincipalcomponentanalysis．Accordingtohtestandradofaccumulationcontributionratethatgreaterthna 90％，themain featureischosentoachievesecondaryreductionofinputvraiables．Thenonlinearmappingabilityofthewaveletkemelfunctionis adoptedtoestablishsemi-supervisedkemelfuzzyCmeansclusteringalgorithm forhteworkingconditionjudgments．Th