[发明专利]基于遗传算法优化的城市标准循环工况构建方法

摘要

本发明公开了一种基于遗传算法优化的城市标准循环工况构建方法，包括以下步骤：车辆工况试验、微行程划分、计算微行程特征参数、主成分分析、微行程K聚类、工况段遗传算法优化、将优化后的各类代表工况段合成一条标准循环工况。本发明以某城市实际行驶工况试验数据为基础，划分微行程并进行K聚类，利用方差分析来确定最佳聚类数，并运用遗传算法对各类工况段进行拟合修正，减小其与聚类中心的误差，提高所构建的城市标准循环工况精度。

主权项

1.一种基于遗传算法优化的城市标准循环工况构建方法，其特征在于，包括以下步骤：步骤一、车辆工况试验：选定车辆在目标城市中进行工况数据采集试验，然后进行交通强度符合性检验，采集获取的工况试验数据至少包括车辆所处位置、车辆行驶车速和车辆行驶时间；步骤二、微行程划分：将所述步骤一所得工况数据进行异点剔除，得到行驶时间—车速时间历程，然后对时间‑车速进行微行程划分；步骤三、计算微行程特征参数：对所述步骤二划分好的微行程进行特征参数计算；步骤四、主成分分析：首先所述步骤三计算的特征参数进行标准化处理，把原始数据均转化为无量纲化指标，然后计算各参变量之间的相关性矩阵及主成分矩阵，最后计算主成分特征值、相应的贡献率CR和累计贡献率ACR；通过主成分分析，用各主成分的贡献率，最终把多个变量维度减小到单一的综合主成分值F，作为聚类分析的变量对象；步骤五、微行程K聚类：根据所述步骤四得到的综合主成分值F进行微行程K‑means聚类，包括以下步骤：5.1)对所述步骤四得到的综合主成分值F进行K‑means聚类，聚类数K分别选为Kmin～Kmax，Kmin＝3，Kmax＝18；5.2)计算类间离差平方和SSbc：其中，为各类综合主成分值的均值；为综合主成分值的总均值；计算各类内离差平方和SSwc：其中，Fij为第i类第j个微行程的综合主成分值；k为聚类数；ni为各类中微行程个数；5.3)计算各类类间离差平方和SSbc误差值Errorbc_i：其中，max{SSbc}为SSbc的最大值；min{SSbc}为SSbc的最小值；SSbc_i为第i聚类数的SSbc值；计算各类类间离差平方和SSwc误差值Errorwc_i：其中，max{SSwc}为SSwc的最大值；min{SSwc}为SSwc的最小值；SSwc_i为第i聚类数的SSwc值；5.4)确定最佳聚类数kopt；最佳聚类数kopt的选取方法是：满足Errorbc_i≤10％且Errorwc_i≤10％的最小聚类数；按照最佳聚类数kopt进行K‑means聚类；步骤六、工况段遗传算法优化：在所述步骤五微行程聚类后，采用遗传算法对该类中距离聚类中心最近的工况段进行修正，使各代表工况段综合主成分值F与聚类中心的欧式距离小于0.005，使之满足代表微行程的选取条件；步骤七、将经过所述步骤六优化后的各类的代表工况段合成一条标准循环工况。