基于K-均值聚类算法的西安市汽车行驶工况合成技术研究研究.pdfVIP

· · 试验测试 基于K-均值聚类算法的西安市 汽车行驶工况合成技术研究* 蔡锷 李阳阳 李春明 谭晓伟 刘东民 （长安大学） 【摘要】 为提供排放试验所需的车速曲线，基于划分的短行程数据，采用K-均值聚类算法构建了西安市汽车行驶合成 工况。首先对采集的原始数据进行短行程划分并进行特征提取，针对提取的高维特征向量之间的冗余性和非线性关系，采 用核主分量分析法进行降维。然后基于K-均值的聚类算法，对降维后特征向量进行划分，按照离聚类中心最近的原则选 择各聚类的短行程样本，将其合成为平均速度为21.51km/h、持续时间为1166s、距离为6.9km的西安市汽车行驶工况。对 比表明，西安市汽车行驶工况接近于日本J10-15标准，但加速度参数要高很多。 主题词:汽车 行驶工况合成 K-均值聚类算法 西安市 + 中图分类号:U467.11 文献标识码:A 文章编号:1000-3703（2015）08-0033-04 ResearchonSyntheticTechniqueofDrivingCycleinXi’anBasedon K-meansClustering CaiE,LiYangyang,LiChunming,TanXiaowei,LiuDongmin （Chang’anUniversity） 【Abstract】Inordertoprovidethevehiclespeedprofileforemissiontest,weusetheK-meansclusteringmethodto developacardrivingcycleforthecityofXi’anbasedontheshorttripdata.Firstly,theoriginaldataisdividedintomicro- trips,thenthefeatureextractionofmicro-tripsisperformed.Toeliminatetheredundancyandnonlinearrelationswhich existinthehighdimensionvector,theKernelPrincipalComponentAnalysismethodisusedtodimensionreductionofthe featurevector.Lastly,thereductionvectorsareclusteredinto 3 groupsusingtheK-meansclusteringmethod.Accordingto thenearestmicro-tripprinciple,samplestotheclustercentersareselectedasrepresentativesamples,basedonwhich,the drivingcycleisdeveloped,whichcontainsa 1166sspeedtimeseries,withanaveragespeedof 21.51 km/handadistance of 6.9 kminXi’ancity.Thecharacteristicsofthedevelopeddrivingcyclearecomparedwithsomeothervehicledriving cycles,thecomparisonresultsshowthatthedevelopeddrivingcycleissimilartoJ10-15modeofJapan,buttheformerhas muchhigheraccelerationparameters. Keywords:Automobile，Drivingcycle，K-meansclustering，Xi’ancity