重型半掛牽引車典型循環工況研究

辛乾，楊卓帆

（陜西重型汽車有限公司，陜西 西安 710200）

重型半掛牽引車典型循環工況研究

辛乾，楊卓帆

（陜西重型汽車有限公司，陜西 西安 710200）

隨著市場對車輛燃油經濟性及排放水平的要求不斷提升，設計符合客戶實際使用情況的行駛循環工況變得越發重要；本文通過對客戶車輛的跟蹤數據采集，在獲得大量行駛工況數據的基礎上，獲得速度，加速度等特征參數，利用多元統計理論構建了能夠廣泛應用于高速物流運輸模擬的典型循環工況。

循環工況；燃油經濟性；多元統計理論

CLC NO.: U461.8 Document Code: A Article ID: 1671-7988(2015)01-76-03

前言

隨著我國物流業的飛速發展，物流市場日趨繁榮，客戶對運輸車輛燃油經濟性的要求也日益提高。而在車輛研發過程中，選擇合理有效的行駛循環工況對于改進汽車各項性能，尤其是車輛燃油經濟性和排放有重要意義[1]。因此世界各國都對汽車行駛循環工況展開了深入研究，并提出了適合本國國情的循環路譜，如以美國FTP(Federal Test Procedure)為代表的瞬態工況和歐洲ECE(Economic Commission for Europe)為代表的模態工況。

1、數據采集與構建方法選取

1.1 數據采集

對于多種不同地域，不同載荷，不同駕駛習慣的客戶進行了大量的數據采集。主要獲取了車輛的車速、發動機轉速和扭矩、發動機負荷率、離合器、接合/分離信號、GPS坐標等一系列參數，從而對車輛的運行情況有一個全面的了解，便于行駛工況的合理構建。

在數據采集中，主要采用了一下兩種方法：一方面通過技術人員攜帶試驗設備對客戶運營過程進行實地跟蹤并采集相關參數，此方法數據精度較高，但時間上效率較低；此外我們也利用了客戶車輛上安裝的車載智能服務終端讀取車輛和發動機ECU的各項參數，可獲得大量相關數據，為典型工況的構建提供充分的基礎數據量。

1.2 構建方法

目前，針對行駛循環工況的合理構建問題，國內外眾多科研機構都進行過深入細致的研究，提出了多種理論方法，其中主要包括以下方法：

短行程分析、定步長分析法、速度-加速度分析法和馬爾可夫分析法[2]。

考慮到數據處理的可操作性以及高速物流運輸的工況特點，本文選取短行程法作為構建重型半掛牽引車典型循環工況的方法，該方法的構建步驟如下：

首先，對總的試驗數據進行統計分析，計算其判定準則數：最高速度、平均速度、速度標準差、平均加速度、平均減速度，怠速比例、勻速比例、加速比例、減速比例等14個特征參數；然后，將總試驗數據進行短行程的劃分，將每一個短行程視為一個候選工況；接著，用Matlab等分析軟件分別計算每一個候選工況的14個特征參數，接著計算每個候選工況特的特征參數與總體數據特征參數的相關性，將所有候選工況按照相關系數從大到小的順序依次排列；最后，在滿足所要建立行駛循環工況長度的條件下，依次將相關系數最大的若干個短行程進行合并，得到的工況即為反映車輛實際運行特征的行駛工況。其基本流程見圖 1。

2、數據處理

2.1 短行程的分割

車輛的運行特征除了取決于地理位置和道路的類型，也取決于交通狀況。相同路段因為時間、天氣、交通流等的變化，也可能會呈現不同的交通特征。所以本文首先要把試驗數據分割成短行程并計算各短行程的特征值，然后用主成分

分析法降維處理短行程特征，再用聚類分析法將短行程聚類，使得每一類內的短行程代表的交通特征相似，最終實現具有道路交通特征的車輛行駛工況。

短行程是指從一個怠速開始到下一個怠速開始的運動行程，根據以上原理用Matlab軟件編程[3]對原始數據進行短行程分割處理，獲得總體樣本A。

2.2 短行程特征值

車輛的實際行駛工況是由一定數量的短行程組成的，從眾多的短行程中挑選合適的行程來構建車輛的行駛工況以及對所構建的行駛工況進行評價等都需要一定的評價準則數。本文定義了運行時間，加速時間，減速時間，怠速時間，勻速時間，最大速度，平均速度，速度標準差，最大加速度，最大加速度，加速度標準偏差，加速度段平均加速度和減速度段平均減速度共14個參數，將其作為個反映短行程特征的評價準則數。用這些參數分析原始數據，最終夠建出牽引車典型循環工況。

2.3 特征值矩陣標準化

由于本文定義的各個參數之間單位并不完全統一，故而在量綱上存在差異，一方面會導致各參數的分散程度較大，另一方面也會出現方差較大的指標對總方差的影響會大于其他參數。故需要在進行下一步數據處理前對特征參數就矩陣進行標準化，使得每一列都成為均值是0．方差是1的標準化矩陣。

2.3 主成分分析方法

若采用少數的幾個特征值作為指標變量對短行程進分類，則會丟失大量信息，造成聚類結果不準確。由于這些特征值之間往往不是完全獨立的，而是存在一定程度的相關性，即這些指標所體現的信息存在某種程度的重疊。基于以上的原因，本文用多元分析中的主成分分析來解決這一問題。主成分分析是將原來眾多具有相關性的指標化為少數幾個相互獨立的綜合指標的一種統計方法，它主要起到降維和簡化數據結構的作用[3]。這可以幫助我們方便的將原始數據構成相互獨立的新變量，并在變量中選取4個主成分用于聚類分析。

2.4 主要特征參數選取

聚類分析是按照相似性將變量或者樣品進行分類。相似性的度量方式包括距離(樣品之間)和相似系數(變量之間)，聚類分析就是基于相似程度的大小，使得關系密切的變量(樣品)聚集到一個小的分類單元，然后逐步擴大，使得關系疏遠的聚合到一個大的分類單位，直到所有的樣品(或變量)都聚集完畢[4]。本節首先對上節主成分分析所獲得的新短行程總體樣本進行聚類分析，從而使得各組類內的短行程其交通特征相似性較高，對不同類型分別進行行駛工況構建，使得創建工況能真實反映不同工況。經過計算比較，發現可將工況分為兩類：高速工況和較擁堵工況，分別對應聚類出的一個組別。

3、行駛工況構建

3.1 構建思路

從相應短行程中隨機挑選n個短行程組成一個時間—速度序列，并進行有效性判定，若滿足判定條件則此時間—速度序列就是該類短行程所代表的道路類型的行駛工況，否則重新挑選、判定、直到滿足判定條件為止。一般要求所構建工況與總體工況相關系數的值達到0.98以上，相關系數可由如下公式計算：

Heavy tractor-typical driving cycle research

Xin Qian, Yang Zhuofan
（Shaanxi Heavy-Duty Truck Co., Ltd., Shaanxi Xi'an 710200）

As for fuel economy and emission levels upgrade requirements，to find a vehicle driving cycle that can fit the customers actual traffic condition become increasingly important；In this paper，based on the traffic condition data that get by the customers vehicle tracking，get the speed and acceleration and other characteristic parameters, Constructed the driving cycle，which can be widely used in the simulation of high-speed transport，by multivariate statistical theory.

driving cycle；fuel economy；multivariate statistical theory

U461.8

A

1671-7988(2015)01-76-03

辛乾，碩士研究生，就職于陜西重型汽車有限公司，主要研究方向為車輛燃油經濟性。