燃料电池城市客车行驶工况构建方法研究.pdfVIP

摘要

随着新能源汽车技术的进步，城市客车正在从传统的燃油车向新能源汽车的方向快

速发展。汽车行驶工况作为一项基础技术，在改进节能减排技术以及建立新能源汽车的

整车性能评价体系等方面都具有重要作用。汽车行驶工况对于不同的交通环境和地域形

态具有强烈的差异。尤其是针对燃料电池城市客车这种具有固定行驶轨迹的车辆类型，

有必要依据本地特色构建其行驶工况，比较不同构建行驶工况的新方法，为后续在行驶

工况方面的实际应用提供基础，为新能源汽车技术研发提供数据支持。因此，本文开展

了如下工作。

首先，在成都市示范区内的道路环境下，确定了试验路线以及试验车辆，进行了为

期一年的数据采集，建立原始数据库。并对数据库中异常数据进行了预处理，对处理前

后的数据差异进行了原因分析。

其次，对处理后的样本数据进行运动学片段的划分，并制定筛选规则。对于滑动平

均滤波法与Savitzky-Golay滤波法，设置不同窗口值进行试验并对比，挑选

Savitzky-Golay滤波法对运动学片段进行光滑降噪处理。最终得到66721个运动学片段，

并对得到的运动学片段进行15个常规特征参数的求取。

再次，利用Silhouette指数确定聚类数目。针对传统K-means处理大批量数据收敛

较慢，对异常值和初始中心较为敏感、容易陷入局部最优的问题。采用PCA法对高维

数据进行降维，然后K-means++算法和RF-K-means组合算法对K-means进行优化。采

用IDEC-K-means组合聚类法，通过自编码器对高维数据提取网络特征参数，利用聚类

损失与自编码器中的重建损失共同反向迭代优化，当取得损失值最小时，输出聚类结果。

对聚类结果通过时间限制与平均相对偏差构成组合工况图，再通过聚类指标对以上三种

优化方法的聚类性能进行评价。

最后，对三种方法构建出的工况，比较分析其特征参数、速度分布、加速度分布以

及速度-加速度联合分布与总体数据的差异。并将本文最优方法构建的工况与其它标准

工况进行对比。结果表明：IDEC-K-means组合聚类的方法特征参数误差最小，为0.34%；

IDEC-K-means组合聚类法在速度方面的分布也优于其它工况。相较于国内外其它标准

工况，本文构建的工况更能反映出成都市示范区燃料电池城市客车的实际运行情况。

关键词：燃料电池城市客车；运动学片段；组合聚类算法；优化聚类；工况构建方

法

Abstract

Withnewenergyvehicletechnologyprogress,citybusesaredevelopingrapidlyfrom

traditionalfuelvehiclestonewenergyvehicles.Asafundamentaltechnology,thedriving

cycleisessentialinimprovingenergysavingandemissionreductiontechnologyand

establishingthewholevehicleperformanceevaluationsystemofnewenergyvehicles.

Vehicledrivingcycleshavesignificantdifferencesindifferenttrafficenvironmentsand

regionalforms.Especiallyforfuelcellcitybus,atypeofvehiclewithafixeddriving

trajectory,itisnecessarytoconstructitsdrivingcycleaccordingtolocalcharacteristicsand

comparedifferentne