基于 Mean Shift 聚类的车辆行驶工况构建方法研究
信号处理
2020-08-13 v1 分布式、并行与集群计算
摘要
本研究提出一种基于 Mean Shift 聚类的行驶工况构建新方法,以解决传统微行程法存在的问题。首先,通过处理和划分真实路况下的行驶数据,获得 1701 个运动学片段。其次,计算每个片段的 12 个运动学参数,并通过主成分分析(PCA)对参数降维。选取三个主成分,利用 Mean Shift 算法将所有循环划分为三类。最后,根据最小偏差原则,从每类循环中选取代表性微行程,完成最终行驶工况的构建。进一步,将本文构建方法与基于 K-Means 聚类的微行程构建方法进行比较。结果表明,基于 Mean Shift 聚类的构建方法能更有效地反映真实行驶数据。本研究实现了微行程构建方法的创新,并为汽车工况标准制定、新能源汽车能量管理以及无人驾驶车辆动力学优化控制提供了初步理论基础。
引用
@article{arxiv.2008.05070,
title = {Research on the construction method of vehicle driving cycle based on Mean Shift clustering},
author = {Yongjiang He},
journal= {arXiv preprint arXiv:2008.05070},
year = {2020}
}