PLS回归方法在汽车滑行试验中应用研究.docVIP

PLS回归方法在汽车滑行试验中应用研究 　　摘#8197;要#8197;：利用偏最小二乘法（PLS）对汽车滑行试验中的15个样本点数据进行建模分析，并将其与滑行阻力分析中常用的二次多项式拟合方法对比。结果表明，PLS回归模型能够较准确地预测汽车滑行阻力值，并有效地解决了样本点太少和变量间相关性严重的问题，#8197;PLS回归系数表明选取的自变量对汽车滑行阻力的影响趋势与实际情况是一致的。 　　关键词：滑行阻力；偏最小二乘法；滑行试验；回归系数 　　中图分类号：U461.1文献标文献标志码：A文献标DOI：10.3969/j.issn.2095-1469.2012.02.011#8197; 　　A Study on PLS in Coasting Test of Vehicles 　　#8197;Yao#8197;Bowei1，Peng#8197;Lei2，Qiao#8197;Weigao3，Zhu#8197;Xiaojie1，Li#8197;Rui1 　　（1.#8197;Technical#8197;Development#8197;Center，SAIC-GM-Wuling#8197;Automobile#8197;Co.,#8197;Ltd.#8197;Liuzhou，Guangxi#8197;545007，China； 　　2.#8197;#8197;China#8197;FAW#8197;Group#8197;Corporation#8197;RD#8197;Center，Changchun，Jilin#8197;130011，China； 　　3.#8197;#8197;School#8197;of#8197;Automotive#8197;Engineering，Wuhan#8197;University#8197;of#8197;Technology，Wuhan，Hubei#8197;#8197;430070，China） 　　 　　Abstract：Coasting test data of fifteen sample points were used to model and analyze coasting resistance by partial least-squares(PLS) regression method. Test results indicate that PLS model can make an accurate prediction, and solve some problems, such as very few test data are available and high correlations between variables exist. PLS regression coefficients show that the influencing trend acted on coasting resistance by the selected independent variables is similar to the actual situation. 　　Keywords：coasting resistance；PLS；coasting test；regression coefficient 　　汽车在道路上的行驶阻力对能耗排放等性能的研究具有重要意义[1-2]，对其测量还没有相应的国家标准，大多是通过道路滑行试验测得汽车的滑行阻力来表示。滑行试验数据的处理通常是采用二次多项式回归分析，这不仅需要大量的试验数据，而且仅能定量分析速度对行驶阻力的影响。由于影响汽车行驶阻力的因素很多，且各因素之间存在较大的相关性，因此如何在较少试验数据的情况下，确定各个因素对滑行阻力的影响趋势和影响程度是汽车行驶阻力的分析重点。 　　偏最小二乘法（PLS）是一种先进的多元分析方法，通过对数据的标准化处理和主成分的多次提取可以处理多个因变量在多个自变量上的回归建模，特别适用于解决变量间相关性严重和样本点容量较少等问题[3]。文中首先选取影响滑行阻力的6个变量，改变其数值进行滑行试验。利用PLS回归分析方法对试验数据进行处理，并与多项式回归方法进行了对比分析。 　　1#8197; #8197;PLS算法推导 　　假设有p个自变量{x1，x2，…，xp}和q个因变量{y1，y2，…，yq}。为研究变量之间的统计关系，观测了n个样本点，得到自变量与因变量的数据表X=（x1，x2，…，xp）n×p和Y=（y1，y2，…，yq）n×q。对数据进行PLS计算，步骤如下[4]。 　　（1）对X和Y进行标准化处理，得到标准化的变量E0和F0（均值为0，