廣告
電動汽車行駛工況構(gòu)建研究
2019-11-29 21:51:42· 來源：汽車實(shí)用技術(shù)雜志社 作者：吳巖 長安大學(xué)汽車學(xué)院
為了合理評估電動汽車的能耗及零部件的循環(huán)壽命，對電動汽車行駛工況的構(gòu)建方法進(jìn)行了研究。以西安市為例，通過道路數(shù)據(jù)采集試驗(yàn)獲得了大量的行車數(shù)據(jù)，基于主成
為了合理評估電動汽車的能耗及零部件的循環(huán)壽命，對電動汽車行駛工況的構(gòu)建方法進(jìn)行了研究。以西安市為例，通過道路數(shù)據(jù)采集試驗(yàn)獲得了大量的行車數(shù)據(jù)，基于主成分分析和K-Means聚類算法構(gòu)建了西安市電動汽車行駛工況，并與典型行駛工況進(jìn)行了對比。結(jié)果表明：西安市電動汽車行駛工況具有平均車速低、加減速比例高、勻速和怠速比例低等特點(diǎn)，與國外典型行駛工況有著較大差異。采用本方法構(gòu)建的行駛工況真實(shí)地反映了西安市的道路交通特征，具有實(shí)用價值。
前言
行駛工況是車輛能耗和排放測試方法的基礎(chǔ)，是汽車各項(xiàng)性能指標(biāo)標(biāo)定優(yōu)化的主要基準(zhǔn)，是引導(dǎo)和制約汽車技術(shù)發(fā)展的重要因素之一。目前代表性工況包括美國FTP75工況，日本JC08工況，歐洲ECE+EUDC工況和我國典型城市行駛工況。行駛工況受道路交通特征，機(jī)動車保有量等眾多因素的影響，不同國家或地區(qū)的差異很大。國內(nèi)外眾多學(xué)者針對某一城市或者某些地區(qū)開發(fā)了相應(yīng)的行駛工況。Sanghpriya等人考慮時空分布的5個相關(guān)參數(shù)，利用從試驗(yàn)數(shù)據(jù)提取的微行程開發(fā)了印度浦那市的行駛工況；石琴等人將改進(jìn)的FCM聚類方法應(yīng)用于合肥市行駛工況的構(gòu)建；張銳基于馬爾科夫模型，構(gòu)建了合肥市典型行駛工況；以往行駛工況的研究主要以內(nèi)燃機(jī)車為主，關(guān)于電動汽車方面的研究相對較少。目前，電動汽車的產(chǎn)量和銷量逐年增加，在交通運(yùn)輸中占據(jù)的比重越來越大，因此研究電動汽車行駛工況對電動汽車能耗和零部件循環(huán)壽命的評估尤為重要。因此，本文以西安市為例，構(gòu)建了電動汽車代表性工況。
1 試驗(yàn)方案與數(shù)據(jù)預(yù)處理
1.1試驗(yàn)方案
通過交通流量調(diào)查在西安市篩選出有代表性的試驗(yàn)路線。為規(guī)避駕駛行為影響，選擇西安市有經(jīng)驗(yàn)的出租車司機(jī)在一周的早、午、晚不同時段在試驗(yàn)路線上循環(huán)駕駛采集數(shù)據(jù)。試驗(yàn)車輛為BYD e6，采樣設(shè)備為VBOX III，采樣頻率設(shè)為1Hz。
1.2數(shù)據(jù)預(yù)處理
由于試驗(yàn)數(shù)據(jù)來自衛(wèi)星定位，當(dāng)車輛經(jīng)過林蔭道或高大建筑群時，可能無法穩(wěn)定接收信號，導(dǎo)致采樣點(diǎn)丟失、曲線毛刺等問題。因此除了VBOX外，還配備了慣性測量單元同步采集數(shù)據(jù)。之后將兩者的數(shù)據(jù)組合，對數(shù)據(jù)進(jìn)行平滑處理，消除由于樹木、高樓造成的軌跡鋸齒和信號丟失。
2 行駛工況數(shù)據(jù)解析
2.1運(yùn)動學(xué)片段
運(yùn)動學(xué)片段是車輛從一個怠速開始到下一個怠速開始之間的運(yùn)動過程。本文將試驗(yàn)數(shù)據(jù)劃分為740個運(yùn)動學(xué)片段，提取了運(yùn)行時間、加速時間、減速時間、勻速時間、怠速時間、最大速度、平均速度、運(yùn)行速度、速度標(biāo)準(zhǔn)差、最大加速度、加速段平均加速度、最大減速度、減速段平均減速度、加速度標(biāo)準(zhǔn)差等15個特征參數(shù)。
2.2主成分分析
主成分分析是一種降維方法，可以將許多相關(guān)變量轉(zhuǎn)化為彼此相互獨(dú)立或不相關(guān)的幾個主成分。運(yùn)動學(xué)片段的特征參數(shù)矩陣如式（1）所示：
(1)
式中:xij (i=1，2，…，p；j=1，2，…，n)是第i個運(yùn)動學(xué)片段的第j個參數(shù)。p為運(yùn)動學(xué)片段數(shù)，n是特征參數(shù)的個數(shù)。由于特征參數(shù)的量綱不同，需要對矩陣X進(jìn)行標(biāo)準(zhǔn)化處理，并計算相關(guān)系數(shù)矩陣R=XXT。之后求其特征值和對應(yīng)的特征向量，由此得到特征向量矩陣，則原始特征參數(shù)經(jīng)正交變換后的主分量可表示為:
(2)
式中y1,y2,…,yp 彼此不相關(guān)，分別稱為第一、第二、…、第p個主成分。 主成分分析結(jié)果如表1所示。 可以看出，前4個主成分的方差均大于1，累計貢獻(xiàn)率大于85%，基本包含了全部指標(biāo)信息。
表1 主成分分析結(jié)果
2.3 K-Means聚類
聚類是按照距離遠(yuǎn)近將數(shù)據(jù)分為若干類別，使類內(nèi)差異盡可能小，類間差異盡可能大。由于試驗(yàn)數(shù)據(jù)量大，且都為連續(xù)的速度-時間變量，采用K-Means方法可以實(shí)現(xiàn)快速聚類。對運(yùn)動學(xué)片段的4個主成分進(jìn)行聚類后，740個運(yùn)動學(xué)片段被劃分為3類。
3 行駛工況的合成及分析
3.1典型行駛工況的合成
典型行駛工況是選取各類中的代表性片段構(gòu)建的。根據(jù)各類片段的平均特征，將3類運(yùn)動學(xué)片段分別定義為擁堵、較為暢通和暢通3種交通狀況。
擁堵工況的車速集中在10～20km/h，車輛行駛緩慢；較為暢通工況的速度集中在10～40km/h，怠速比例較少，加減速比例較高，車輛行駛速度較快；暢通工況的速度集中在30～60 km/h，怠速比例最低，勻速比例最高，車輛行駛速度快。分別從各類中提取代表性片段，如圖1、圖2和圖3所示。
圖 1 擁堵工況
圖 2 較為暢通工況
圖 3 暢通工況
3.2 綜合行駛工況構(gòu)建
綜合行駛工況是將上述3類典型行駛工況按照一定比例組合起來的，計算方法如式（3）所示：
(3)
式中：Tz為擬合成綜合行駛工況的總運(yùn)行時間，Ti為第i類工況在綜合行駛工況中時間，Tt為所有工況的總運(yùn)行時間，n為聚類數(shù)，最終構(gòu)建的西安市電動汽車綜合行駛工況如圖4所示。
圖4 西安市電動汽車綜合行駛工況
3.3行駛工況分析
將西安市電動汽車行駛工況（Xi'an）與其它典型行駛工況的特征進(jìn)行了對比，如表2所示?？梢钥闯?，Xi'an工況的平均車速僅高于Japan10-15；加減速比例最高；勻速和怠速比例最低。主要是由于Xi'an為市區(qū)工況，沒有市郊部分。另外，西安市機(jī)動車保有量大，道路交通環(huán)境復(fù)雜，紅綠燈多，車輛啟停頻繁。
表2 不同行駛工況特征參數(shù)對比
4 結(jié)論
通過實(shí)際道路數(shù)據(jù)采集試驗(yàn)獲得了大量的行車數(shù)據(jù)；基于主成分分析和K-Means聚類算法構(gòu)建了西安市電動汽車行駛工況，并與其它典型行駛工況進(jìn)行了對比。結(jié)果表明，西安市電動汽車行駛工況具有平均車速低、加減速比例高、勻速和怠速比例低等特點(diǎn)，與國外典型行駛工況有較大差異。本文構(gòu)建的行駛工況真實(shí)地反映了西安市的道路交通特征，具有實(shí)用價值。
作者信息：
姓名：吳巖
單位：長安大學(xué)汽車學(xué)院
廣告 編輯推薦
最新資訊
-
國內(nèi)首個“路空一體”國家質(zhì)檢中心落戶廣東
2026-03-04 09:06
-
全國156個！IAE智行眾維入選！工信部2025年
2026-03-04 09:05
-
瓦力大作戰(zhàn)｜輕科普——誤碼儀（BERT）架構(gòu)
2026-03-04 09:03
-
是德科技推出適用于AI數(shù)據(jù)中心的Scale-Up驗(yàn)
2026-03-04 09:03
-
“汽車爬坡試驗(yàn)方法”將有國家標(biāo)準(zhǔn)
2026-03-03 12:44
