重型半挂牵引车典型循环工况研究

辛乾，杨卓帆

（陕西重型汽车有限公司，陕西 西安 710200）

重型半挂牵引车典型循环工况研究

辛乾，杨卓帆

（陕西重型汽车有限公司，陕西 西安 710200）

随着市场对车辆燃油经济性及排放水平的要求不断提升，设计符合客户实际使用情况的行驶循环工况变得越发重要；本文通过对客户车辆的跟踪数据采集，在获得大量行驶工况数据的基础上，获得速度，加速度等特征参数，利用多元统计理论构建了能够广泛应用于高速物流运输模拟的典型循环工况。

循环工况；燃油经济性；多元统计理论

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

前言

随着我国物流业的飞速发展，物流市场日趋繁荣，客户对运输车辆燃油经济性的要求也日益提高。而在车辆研发过程中，选择合理有效的行驶循环工况对于改进汽车各项性能，尤其是车辆燃油经济性和排放有重要意义[1]。因此世界各国都对汽车行驶循环工况展开了深入研究，并提出了适合本国国情的循环路谱，如以美国FTP(Federal Test Procedure)为代表的瞬态工况和欧洲ECE(Economic Commission for Europe)为代表的模态工况。

1、数据采集与构建方法选取

1.1 数据采集

对于多种不同地域，不同载荷，不同驾驶习惯的客户进行了大量的数据采集。主要获取了车辆的车速、发动机转速和扭矩、发动机负荷率、离合器、接合/分离信号、GPS坐标等一系列参数，从而对车辆的运行情况有一个全面的了解，便于行驶工况的合理构建。

在数据采集中，主要采用了一下两种方法：一方面通过技术人员携带试验设备对客户运营过程进行实地跟踪并采集相关参数，此方法数据精度较高，但时间上效率较低；此外我们也利用了客户车辆上安装的车载智能服务终端读取车辆和发动机ECU的各项参数，可获得大量相关数据，为典型工况的构建提供充分的基础数据量。

1.2 构建方法

目前，针对行驶循环工况的合理构建问题，国内外众多科研机构都进行过深入细致的研究，提出了多种理论方法，其中主要包括以下方法：

短行程分析、定步长分析法、速度-加速度分析法和马尔可夫分析法[2]。

考虑到数据处理的可操作性以及高速物流运输的工况特点，本文选取短行程法作为构建重型半挂牵引车典型循环工况的方法，该方法的构建步骤如下：

首先，对总的试验数据进行统计分析，计算其判定准则数：最高速度、平均速度、速度标准差、平均加速度、平均减速度，怠速比例、匀速比例、加速比例、减速比例等14个特征参数；然后，将总试验数据进行短行程的划分，将每一个短行程视为一个候选工况；接着，用Matlab等分析软件分别计算每一个候选工况的14个特征参数，接着计算每个候选工况特的特征参数与总体数据特征参数的相关性，将所有候选工况按照相关系数从大到小的顺序依次排列；最后，在满足所要建立行驶循环工况长度的条件下，依次将相关系数最大的若干个短行程进行合并，得到的工况即为反映车辆实际运行特征的行驶工况。其基本流程见图 1。

2、数据处理

2.1 短行程的分割

车辆的运行特征除了取决于地理位置和道路的类型，也取决于交通状况。相同路段因为时间、天气、交通流等的变化，也可能会呈现不同的交通特征。所以本文首先要把试验数据分割成短行程并计算各短行程的特征值，然后用主成分

分析法降维处理短行程特征，再用聚类分析法将短行程聚类，使得每一类内的短行程代表的交通特征相似，最终实现具有道路交通特征的车辆行驶工况。

短行程是指从一个怠速开始到下一个怠速开始的运动行程，根据以上原理用Matlab软件编程[3]对原始数据进行短行程分割处理，获得总体样本A。

2.2 短行程特征值

车辆的实际行驶工况是由一定数量的短行程组成的，从众多的短行程中挑选合适的行程来构建车辆的行驶工况以及对所构建的行驶工况进行评价等都需要一定的评价准则数。本文定义了运行时间，加速时间，减速时间，怠速时间，匀速时间，最大速度，平均速度，速度标准差，最大加速度，最大加速度，加速度标准偏差，加速度段平均加速度和减速度段平均减速度共14个参数，将其作为个反映短行程特征的评价准则数。用这些参数分析原始数据，最终够建出牵引车典型循环工况。

2.3 特征值矩阵标准化

由于本文定义的各个参数之间单位并不完全统一，故而在量纲上存在差异，一方面会导致各参数的分散程度较大，另一方面也会出现方差较大的指标对总方差的影响会大于其他参数。故需要在进行下一步数据处理前对特征参数就矩阵进行标准化，使得每一列都成为均值是0．方差是1的标准化矩阵。

2.3 主成分分析方法

若采用少数的几个特征值作为指标变量对短行程进分类，则会丢失大量信息，造成聚类结果不准确。由于这些特征值之间往往不是完全独立的，而是存在一定程度的相关性，即这些指标所体现的信息存在某种程度的重叠。基于以上的原因，本文用多元分析中的主成分分析来解决这一问题。主成分分析是将原来众多具有相关性的指标化为少数几个相互独立的综合指标的一种统计方法，它主要起到降维和简化数据结构的作用[3]。这可以帮助我们方便的将原始数据构成相互独立的新变量，并在变量中选取4个主成分用于聚类分析。

2.4 主要特征参数选取

聚类分析是按照相似性将变量或者样品进行分类。相似性的度量方式包括距离(样品之间)和相似系数(变量之间)，聚类分析就是基于相似程度的大小，使得关系密切的变量(样品)聚集到一个小的分类单元，然后逐步扩大，使得关系疏远的聚合到一个大的分类单位，直到所有的样品(或变量)都聚集完毕[4]。本节首先对上节主成分分析所获得的新短行程总体样本进行聚类分析，从而使得各组类内的短行程其交通特征相似性较高，对不同类型分别进行行驶工况构建，使得创建工况能真实反映不同工况。经过计算比较，发现可将工况分为两类：高速工况和较拥堵工况，分别对应聚类出的一个组别。

3、行驶工况构建

3.1 构建思路

从相应短行程中随机挑选n个短行程组成一个时间—速度序列，并进行有效性判定，若满足判定条件则此时间—速度序列就是该类短行程所代表的道路类型的行驶工况，否则重新挑选、判定、直到满足判定条件为止。一般要求所构建工况与总体工况相关系数的值达到0.98以上，相关系数可由如下公式计算：

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，硕士研究生，就职于陕西重型汽车有限公司，主要研究方向为车辆燃油经济性。