[1]崔志鹏,侯北平,翟智钰.基于卡尔曼滤波与均值聚类的汽车工况研究[J].浙江科技大学学报,2020,(06):549-556.
　Research on driving cycle based on Kalman filter and mean clustering[J].,2020,(06):549-556.
点击复制

基于卡尔曼滤波与均值聚类的汽车工况研究(/HTML)
分享到：

《浙江科技大学学报》[ISSN:2097-5236/CN:33-1431/Z]

卷:
期数:
2020年06期
页码:
549-556
栏目:
出版日期:
2021-01-20

文章信息/Info

Title:
Research on driving cycle based on Kalman filter and mean clustering
文章编号:
1671-8798(2020)06-0549-08
作者:
崔志鹏; 侯北平; 翟智钰
浙江科技学院 自动化与电气工程学院,杭州 310023
Author(s):
School of Automation and Electrical Engineering, Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China
关键词:
汽车行驶工况; 卡尔曼滤波; 特征提取; 均值聚类
分类号:
U467.11
文献标志码:
A
摘要:
针对现有汽车行驶工况不能满足城市交通情况实际需求的问题,提出一种基于卡尔曼滤波与均值聚类的汽车行驶工况构建方法。首先,对车辆行驶数据进行预处理,去除异常数据;然后,结合卡尔曼滤波从微行程中提取偏度、峰度等特征参数,再利用主成分分析法进行降维,采用均值聚类算法将微行程划分为堵塞、一般和畅通3类,并引入轮廓系数作为聚类评价;最后,根据与聚类中心距离最近的原则选取9个具有代表性的微行程,生成符合实际交通特征的综合行驶工况,从特征值和比功率两个方面对工况进行验证与对比分析。结果表明,所构建工况的特征参数平均相对误差与比功率分布误差较小,均远小于对比工况的误差值。因此,基于卡尔曼滤波与均值聚类构建汽车工况可以更准确地反映汽车实际行驶状况。

相似文献/References:

[1]许垚,孙勇智,马连伟.一种基于QR5:的轮式移动机器人自定位算法[J].浙江科技大学学报,2021,(01):39.

更新日期/Last Update: