CN109948244B - 一种用于构建汽车瞬态行驶工况长度的方法 - Google Patents
一种用于构建汽车瞬态行驶工况长度的方法 Download PDFInfo
- Publication number
- CN109948244B CN109948244B CN201910201831.8A CN201910201831A CN109948244B CN 109948244 B CN109948244 B CN 109948244B CN 201910201831 A CN201910201831 A CN 201910201831A CN 109948244 B CN109948244 B CN 109948244B
- Authority
- CN
- China
- Prior art keywords
- working condition
- total sample
- datsup
- matrix
- short
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Feedback Control In General (AREA)
- Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
Abstract
本发明提供的一种用于构建汽车瞬态行驶工况长度的方法，包括以下步骤：S1、将总样本数据划分为若干个短行程，并分别计算总样本数据和各个短行程的V‑A矩阵；S2、根据步骤S1得到的总样本数据和各个短行程的V‑A矩阵，计算各个短行程与总样本数据之间的相似度；S3、选取与总样本数据相似度最高的短行程，并把所选取的短行程依次拼接，其中，每拼接一个短行程，求出该拼接所得的工况片段的V‑A矩阵；S4、根据步骤S3中的得到的该工况片段的V‑A矩阵，计算该工况片段与总样本数据的欧式距离D；S5，重复S3、S4，直至欧式距离D的曲线趋于平缓，则该欧式距离D对应的工况片段为汽车瞬态行驶的工况长度；本发明构建合适长度的车辆行驶工况，既不会因为工况长度偏小导致导致所建工况无法反映实际行驶特征，也不会因为工况长度过长而无谓增加后期工况应用方面的工作量。
Description
技术领域
本发明属于汽车瞬态行驶工况技术领域，涉及一种用于构建汽车瞬态行驶工况长度的方法。
背景技术
汽车行驶工况对汽车的经济性分析，动力系统参数匹配，排放检测及控制策略优化都具有重要作用，是汽车行业的一项共性基础技术。国内对于工况的研究起步较晚，很多国家标准和行业标准采用或者参考的均是ECE工况。合理的工况长度对构建工况很重要。工况长度如果过短，则无法反应城市客车的实际运行状况，但如果长度过长，则会无谓增加工况构建及后期应用的工作量。对于所构建工况的长度，研究表明，10分钟左右行驶工况足以反映车辆的所有行驶特征，并便于实际操作，考虑到样本的随机性和不足量，一般都会延长行驶工况的持续时间为10-30分钟，这是一个时长范围，并没有提出确定车辆工况的长度的标准以及方法。
发明内容
本发明的目的在于提供一种用于构建汽车瞬态行驶工况长度的方法，解决了现有技术中存在的不足。
为了达到上述目的，本发明采用的技术方案是：
本发明提供的一种用于构建汽车瞬态行驶工况长度的方法，包括以下步骤：
S1、将总样本数据划分为若干个短行程，并分别计算总样本数据和各个短行程的V-A矩阵；
S2、根据步骤S1得到的总样本数据和各个短行程的V-A矩阵，计算各个短行程与总样本数据之间的相似度；
S3、选取与总样本数据相似度最高的短行程，并把所选取的短行程依次拼接，其中，每拼接一个短行程，求出该拼接所得的工况片段的V-A矩阵；
S4、根据步骤S3中的得到的该工况片段的V-A矩阵，计算该工况片段与总样本数据的欧式距离D；
S5，重复S3、S4，直至欧式距离D的曲线趋于平缓，则该欧式距离D对应的工况片段为汽车瞬态行驶的工况长度。
优选地，S1中，短行程是指车辆从一个怠速点开始到下一个怠速点开始。
优选地，S2中，算各个短行程与总样本数据之间的相似度的具体方法是：通过下面公式计算矩阵夹角θ的余弦值cosθ：
其中，A代表各短行程的V-A矩阵，B代表总样本数据的V-A矩阵；相似系数越高则表明短行程与总样本数据相似度越高。
优选地，S4中，欧氏距离D的计算公式：
其中，uij为总样本数据V-A矩阵元素，vij为拼接后工况片段的V-A矩阵元素；m、n为V-A矩阵行列数。
与现有技术相比，本发明的有益效果是：
传统方法构建工况，在拼接短行程的数量判断上，是以短行程拼接后所得的工况时长为标准，一般认为在10-30min即为合理，这是一个很宽泛的范围，此时构建的工况的时长也不一定合理。
本发明提供的一种用于构建汽车瞬态行驶工况长度的方法，经过欧式距离公式判断合适的拼接短行程的数量后，所建工况时长便不必以在10-30min内为标准，若经欧式距离公式判断得出此时的工况已经满足要求，所建工况时长即为拼接的短行程的时长之和。
附图说明
图1是第一次拼接所得工况片段；
图2是第二次拼接所得工况片段；
图3是第三次拼接所得工况片段；
图4是第四次拼接所得工况片段；
图5是短行程结构示意图；
图6是所建工况的拼接次数n与欧氏距离D的关系折线图。
具体实施方式
下面结合附图，对本发明进一步详细说明。
本发明提供的一种用于构建汽车瞬态行驶工况长度的方法，包括以下步骤：
S1、将总样本数据划分为若干个短行程，并分别计算总样本数据和各个短行程的V-A矩阵，V-A矩阵的计算方法，实为计算工况片段逐秒在各个速度-加速度区间出现的概率密度；
S2、根据步骤S1得到的总样本数据和各个短行程的V-A矩阵，计算各个短行程与总样本数据之间的相似度；
S3、选取与总样本数据相似度最高的短行程，并把所选取的短行程依次拼接，其中，每拼接一个短行程，求出该拼接所得的工况片段的V-A矩阵；
S4、根据步骤S3中的得到的该工况片段的V-A矩阵，计算该工况片段与总样本数据的欧式距离D；
S5，重复S3、S4，直至欧式距离D的曲线趋于平缓，则该欧式距离D对应的工况片段为汽车瞬态行驶的工况长度。
其中，S1中，短行程是指车辆从一个怠速点开始到下一个怠速点开始。
S2中，算各个短行程与总样本数据之间的相似度的具体方法是：通过下面公式计算矩阵夹角θ的余弦值cosθ：
其中，A代表各短行程的V-A矩阵，B代表总样本数据的V-A矩阵；相似系数越高则表明短行程与总样本数据相似度越高。
S4中，欧氏距离D的计算公式：
其中，uij为总样本数据V-A矩阵元素，vij为拼接后工况片段的V-A矩阵元素；m、n为V-A矩阵行列数。
实施例
图1为第一次拼接，图中短行程即为与样本数据相似度最高的短行程，也是此时的工况片段，求出此片段V-A矩阵，按照上述欧式距离公式判断此时的工况的长度是否已经满足要求。若未满足，则继续拼接，如图2所示，重复第一次拼接时的流程，即计算此时工况片段V-A矩阵，并根据欧式距离公式判断工况长度是否已经足够，若未满足要求，则继续拼接，如图3所示；直至所得工况长度满足要求。最终所得工况如图4所示。
以V-A矩阵法构建工况为例。
第一步：将总样本数据划分为若干个短行程，其中，短行程是指车辆从一个怠速点开始到下一个怠速点开始，即一个短行程包括怠速和行驶两个过程，如下图5所示；
第二步：计算总样本数据和各个短行程的V-A矩阵；
第三步：计算各个短行程与总样本数据间的相似度。相似度计算方法为求解各个短行程的V-A矩阵与总样本数据的V-A矩阵间的相似系数，即矩阵夹角θ的余弦值cosθ，其值域为[-1,1]，相似系数cosθ越高则表明短行程与总样本数据相似度越高。当θ＝90°，两个矩阵没有相关性；当θ＝0°，两个矩阵相似性最好。
cosθ计算公式：
其中，A代表各短行程的V-A矩阵，B代表总样本数据的V-A矩阵。
第四步：挑选出与总样本数据相似度最高的几个短行程片段。
第四步后即为本发明所涉及的判断拼接所得工况的合理长度的判定。若没有判定工况长度的方法，便只能以一个大致的时间长度为约束,拼接相似度高的几个短行程。这样并不科学。关于欧式距离公式，在数学中，欧几里得距离是欧几里得空间中两点间“普通”(即直线)距离。在汽车工况的构建中，它是作为判断两者相似度的一种度量，理论上说若是两者间欧式距离越小，则两者相似度越高。
图6为所建工况的拼接次数n与欧氏距离D的关系折线图。如图可知，随着拼接工况片段变大，欧式距离变小。当拼接次数到12次左右时，欧氏距离曲线趋于平缓，所建工况收敛。而传统工况片段拼接方法中，并没有类似的判断合适工况长度的标准，只能构建一个大概范围长度里的汽车工况，这样严格来说并不科学。
汽车工况多应用于汽车控制策略研究等，以动态规划算法为基础的控制策略为例，策略需已知完整汽车工况信息，来通过车速等信息规划发动机、电机的输出功率等，合理长度的工况可以充分体现道路交通和车辆特征，工况过长则是无谓增加控制策略研究的工作量，过短则不能完整体现汽车运行状况，所以，合理的工况长度对于工况后期的研究非常重要，判断合理工况长度的方法也至关重要。
Claims (4)
1.一种用于构建汽车瞬态行驶工况长度的方法，其特征在于，包括以下步骤：
S1、将总样本数据划分为若干个短行程，并分别计算总样本数据和各个短行程的V-A矩阵；
S2、根据步骤S1得到的总样本数据和各个短行程的V-A矩阵，计算各个短行程与总样本数据之间的相似度；
S3、选取与总样本数据相似度最高的短行程，并把所选取的短行程依次拼接，其中，每拼接一个短行程，求出该拼接所得的工况片段的V-A矩阵；
S4、根据步骤S3中的得到的该工况片段的V-A矩阵，计算该工况片段与总样本数据的欧式距离D；
S5，重复S3、S4，直至欧式距离D的曲线趋于平缓，则该欧式距离D对应的工况片段为汽车瞬态行驶的工况长度。
2.根据权利要求1所述的一种用于构建汽车瞬态行驶工况长度的方法，其特征在于，S1中，短行程是指车辆从一个怠速点开始到下一个怠速点开始。
3.根据权利要求1所述的一种用于构建汽车瞬态行驶工况长度的方法，其特征在于，S2中，算各个短行程与总样本数据之间的相似度的具体方法是：通过下面公式计算矩阵夹角θ的余弦值cosθ：
其中，A代表各短行程的V-A矩阵，B代表总样本数据的V-A矩阵；相似系数越高则表明短行程与总样本数据相似度越高。
4.根据权利要求1所述的一种用于构建汽车瞬态行驶工况长度的方法，其特征在于，S4中，欧氏距离D的计算公式：
其中，uij为总样本数据V-A矩阵元素，vij为拼接后工况片段的V-A矩阵元素；m、n为V-A矩阵行列数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910201831.8A CN109948244B (zh) | 2019-03-18 | 2019-03-18 | 一种用于构建汽车瞬态行驶工况长度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910201831.8A CN109948244B (zh) | 2019-03-18 | 2019-03-18 | 一种用于构建汽车瞬态行驶工况长度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109948244A CN109948244A (zh) | 2019-06-28 |
| CN109948244B true CN109948244B (zh) | 2023-06-30 |
Family
ID=67010010
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910201831.8A Active CN109948244B (zh) | 2019-03-18 | 2019-03-18 | 一种用于构建汽车瞬态行驶工况长度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109948244B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012208829A (ja) * | 2011-03-30 | 2012-10-25 | Mazda Motor Corp | 車両用走行計画生成システム |
| CN106203856A (zh) * | 2016-07-18 | 2016-12-07 | 交通运输部公路科学研究所 | 一种组合主成分分析和模糊c均值聚类的车辆行驶工况制定方法 |
| CN108198425A (zh) * | 2018-02-10 | 2018-06-22 | 长安大学 | 一种电动汽车行驶工况的构建方法 |
-
2019
- 2019-03-18 CN CN201910201831.8A patent/CN109948244B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012208829A (ja) * | 2011-03-30 | 2012-10-25 | Mazda Motor Corp | 車両用走行計画生成システム |
| CN106203856A (zh) * | 2016-07-18 | 2016-12-07 | 交通运输部公路科学研究所 | 一种组合主成分分析和模糊c均值聚类的车辆行驶工况制定方法 |
| CN108198425A (zh) * | 2018-02-10 | 2018-06-22 | 长安大学 | 一种电动汽车行驶工况的构建方法 |
Non-Patent Citations (2)
| Title |
|---|
| 《城市公交线路行驶工况构建方法比较研究》;苟琦智等;《第19届亚太汽车工程年会暨2017中国汽车工程学会年会论文集》;20171031;正文第1-5页 * |
| 城市特征驾驶工况建立及结果比较研究;陈琳等;《环境科学与技术》;20140115(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109948244A (zh) | 2019-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109035779B (zh) | 基于DenseNet的高速公路交通流预测方法 | |
| CN105844061B (zh) | 生成换挡map的方法和装置 | |
| CN100394393C (zh) | 信息系统数据一致性检测方法 | |
| CN112943914B (zh) | 车辆换挡线确定方法、装置、计算机设备和存储介质 | |
| CN109948244B (zh) | 一种用于构建汽车瞬态行驶工况长度的方法 | |
| CN111002975B (zh) | 车辆能量管理方法、系统、电子设备和存储介质 | |
| CN114169513B (zh) | 神经网络的量化方法、装置、存储介质及电子设备 | |
| CN115936177A (zh) | 一种基于神经网络的光伏输出功率预测方法及系统 | |
| CN115481813B (zh) | 基于机器学习的新能源公交车能耗预测方法 | |
| CN111539551A (zh) | 行车目的地地址预测方法、装置、计算机设备和存储介质 | |
| CN110469661B (zh) | 一种基于cvt效率的动力性速比优化方法及系统 | |
| CN1607397A (zh) | 在线辨识动力蓄电池模型中各参数的方法 | |
| CN114817375B (zh) | 工业互联网数据采集管理系统 | |
| CN113569948B (zh) | 电动汽车工况分类与评价方法及系统 | |
| CN115923763A (zh) | 降低增程型汽车油耗的控制方法、装置、设备及存储介质 | |
| CN110335478B (zh) | 基于深度学习的跨子区联动控制方法 | |
| CN116013077B (zh) | 一种混合网联环境下快速路专用道的动态控制方法 | |
| CN116565383B (zh) | 一种电池冷却方法、装置及车辆 | |
| CN117707743B (zh) | 一种智慧车站能源管控系统任务执行方法、装置及设备 | |
| CN110941877A (zh) | 一种针对纯电动汽车电机工作区域的分析方法 | |
| CN111241632A (zh) | 基于随机矩阵理论和欧式距离的悬浮系统故障预诊方法 | |
| CN104573197A (zh) | 一种水轮机模型参数的测试方法及系统 | |
| CN117331908B (zh) | 一种实时数据库在线扩容方法及系统装置 | |
| CN115534692B (zh) | 一种车辆电机驱动扭矩控制方法、装置、车辆、设备及介质 | |
| CN117922303A (zh) | 一种整车制动能量回收方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |