改进模糊C均值聚类法的车辆实际行驶工况构建

高建平，高小杰

(河南科技大学 车辆与交通工程学院，河南 洛阳 471003)

改进模糊C均值聚类法的车辆实际行驶工况构建

高建平，高小杰

(河南科技大学 车辆与交通工程学院，河南 洛阳 471003)

针对模糊C均值(FCM)聚类法的性能依赖于初始聚类中心、迭代容易陷入局部极值、不能确保FCM收敛于一个最优解的问题，利用多岛遗传算法(MIGA)与序列二次规划法(SQP)组合优化，对FCM聚类的初始聚类中心进行优化，从而使聚类结果更加接近最优聚类。采用主成分分析和改进的FCM聚类分析，将运动学片段的特征值进行降维和分类处理，构建出基于大样本、符合郑州市交通特征的行驶工况。与试验数据对比表明:所构建的乘用车行驶工况与试验数据特征参数平均相对误差仅为2.097%，速度-加速度联合分布差异(SAFDdiff)仅为1.74%，行驶工况拟合精度较高，更能综合反映郑州市交通真实状况。

FCM聚类；聚类中心；主成分分析；行驶工况

0 引言

能量消耗是衡量汽车产品质量性能的重要指标之一。汽车行驶工况是汽车能耗和排放测试方法的基础，是汽车各项性能指标标定优化时的主要基准。目前，被广泛使用的3大典型工况分别是：欧洲行驶工况(ECE15+EUDC)、美国行驶工况(FTP75)和日本行驶工况(JPAN10)[1]。

中国一些学者对行驶工况进行了深入研究，并取得了很多研究成果。文献[2]提出一种基于K-均值聚类算法的城市循环工况构建方法，拟合出某城市循环工况。文献[3]利用全球定位系统(global positioning system,GPS)设备对哈尔滨市主城区运行的乘用车工况数据进行了测试，构建了具有代表性的哈尔滨市主城区乘用车典型行驶工况。……