汽车工程
汽車工程
기차공정
AUTOMOTIVE ENGINEERING
2012年
2期
164-169,158
,共7页
行驶工况%运动学片段%主成分分析%自组织特征映射%K均值聚类
行駛工況%運動學片段%主成分分析%自組織特徵映射%K均值聚類
행사공황%운동학편단%주성분분석%자조직특정영사%K균치취류
基于通过实车试验采集的城市典型道路行驶工况数据,首先用主成分分析法对选取的12个表征道路运行特性的特征参数进行减缩,接着利用SOFM神经网络算法和K均值聚类法相结合的组合聚类技术对所有运动学片段的前3个主成分得分进行分类,再根据各类别的时间比例从各类别中选取合适片段,最终拟合出代表性工况.通过对各工况加速度分布的K-S检验和采用ADVISOR软件进行的发动机载荷谱和燃油消耗量仿真分析,表明和K均值聚类法相比,组合聚类法的行驶工况拟合精度更高,更能综合反映城市交通真实状况.
基于通過實車試驗採集的城市典型道路行駛工況數據,首先用主成分分析法對選取的12箇錶徵道路運行特性的特徵參數進行減縮,接著利用SOFM神經網絡算法和K均值聚類法相結閤的組閤聚類技術對所有運動學片段的前3箇主成分得分進行分類,再根據各類彆的時間比例從各類彆中選取閤適片段,最終擬閤齣代錶性工況.通過對各工況加速度分佈的K-S檢驗和採用ADVISOR軟件進行的髮動機載荷譜和燃油消耗量倣真分析,錶明和K均值聚類法相比,組閤聚類法的行駛工況擬閤精度更高,更能綜閤反映城市交通真實狀況.
기우통과실차시험채집적성시전형도로행사공황수거,수선용주성분분석법대선취적12개표정도로운행특성적특정삼수진행감축,접착이용SOFM신경망락산법화K균치취류법상결합적조합취류기술대소유운동학편단적전3개주성분득분진행분류,재근거각유별적시간비례종각유별중선취합괄편단,최종의합출대표성공황.통과대각공황가속도분포적K-S검험화채용ADVISOR연건진행적발동궤재하보화연유소모량방진분석,표명화K균치취류법상비,조합취류법적행사공황의합정도경고,경능종합반영성시교통진실상황.
