基于灰色定權(quán)聚類的混合動(dòng)力汽車發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)評估

辛江慧，鄒政耀，任成龍

(南京工程學(xué)院車輛與軌道交通學(xué)院，南京 211167)

基于灰色定權(quán)聚類的混合動(dòng)力汽車發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)評估

辛江慧，鄒政耀，任成龍

(南京工程學(xué)院車輛與軌道交通學(xué)院，南京 211167)

采用灰色聚類理論，根據(jù)混合動(dòng)力汽車實(shí)際運(yùn)行狀態(tài)建立指標(biāo)體系，根據(jù)各聚類指標(biāo)的狀態(tài)劃分，利用白化函數(shù)將各聚類指標(biāo)白化、量化，并根據(jù)各聚類指標(biāo)的重要度給出其權(quán)重;用得到的各聚類指標(biāo)的量化值和權(quán)重進(jìn)行聚類，給出發(fā)動(dòng)機(jī)所屬的狀態(tài)。研究結(jié)果表明 :評估狀態(tài)與試驗(yàn)結(jié)論一致。該方法對發(fā)動(dòng)機(jī)的狀態(tài)評估是合理、有效的，對發(fā)動(dòng)機(jī)的維修計(jì)劃有一定的指導(dǎo)意義。

混合動(dòng)力汽車;發(fā)動(dòng)機(jī);灰色定權(quán)聚類;狀態(tài)評估

混合動(dòng)力電動(dòng)汽車含有內(nèi)燃機(jī)和蓄電池－電機(jī)兩種車載動(dòng)力源。兩動(dòng)力源間能量分配方式的不同產(chǎn)生純電動(dòng)驅(qū)動(dòng)模式［1］、發(fā)動(dòng)機(jī)參與的驅(qū)動(dòng)模式、再生制動(dòng)模式、混合制動(dòng)模式等多種運(yùn)行模式［2］。為了保證車輛的安全運(yùn)行，對車輛進(jìn)行適時(shí)維護(hù)，及時(shí)解決發(fā)生的故障，必須隨時(shí)了解車輛發(fā)動(dòng)機(jī)的運(yùn)行狀態(tài)。發(fā)動(dòng)機(jī)的運(yùn)行狀態(tài)復(fù)雜，受多種因素影響，而駕駛員一般不具備車輛專業(yè)知識和故障判斷能力，這就會(huì)導(dǎo)致故障無法及時(shí)解決。因此，必須對車輛進(jìn)行實(shí)時(shí)監(jiān)控。目前，我國在這方面的研究還處于起步階段，尚無一套有效的解決方案［3－4］。本文運(yùn)用灰色定權(quán)聚類方法對多指標(biāo)系統(tǒng)進(jìn)行科學(xué)分類，對混合動(dòng)力汽車發(fā)動(dòng)機(jī)的運(yùn)行狀態(tài)進(jìn)行有效評估，判斷混合動(dòng)力汽車發(fā)動(dòng)機(jī)處于何種狀態(tài)。

1 灰色聚類理論基本原理

灰色聚類是建立在灰數(shù)的白化函數(shù)生成基礎(chǔ)上的一種方法［5－7］，它將聚類對象(評價(jià)對象)對不同聚類指標(biāo)(評價(jià)指標(biāo))所擁有的白化值按若干灰類進(jìn)行歸納，從而判斷聚類對象屬于哪一類。設(shè)i=1，2，…，n，為聚類對象個(gè)數(shù);j=1，2，…，m，為聚類指標(biāo);k=1，2，…，s，為不同灰類。

按照灰色聚類理論得到灰色定權(quán)聚類分析的步驟。

步驟1 按照評估要求劃分評價(jià)灰類s。

步驟2 根據(jù)各指標(biāo)取值域給出各指標(biāo)相應(yīng)的白化權(quán)函數(shù)。j指標(biāo)k子類白化權(quán)函數(shù)(·) (j=1，2，…，m;k=1，2，…，s)一般有4種類型:

圖1 典型白化權(quán)函數(shù)

圖2 下限測度白化權(quán)函數(shù)

圖3 適中測度白化權(quán)函數(shù)

圖4 上限測度白化權(quán)函數(shù)

步驟3 確定各指標(biāo)的聚類權(quán)ηj(j=1，2，…，m)。

步驟4 根據(jù)步驟1和步驟2得出的白化權(quán)函數(shù)fkj(·)(j=1，2，…，m;k=1，2，…，s)，聚類權(quán)ηj(j=1，2，…，m)，以及對象i關(guān)于j指標(biāo)的觀測值xij(i=1，2，…，n，j=1，2，…，m)，計(jì)算出灰色定權(quán)聚類系數(shù)。

2 基于灰色聚類理論的混合動(dòng)力汽車發(fā)動(dòng)機(jī)狀態(tài)評估

基于灰色定權(quán)聚類理論，本文提出發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)灰色定權(quán)聚類分析思路，如圖5所示。根據(jù)發(fā)動(dòng)機(jī)實(shí)際使用時(shí)情況［8］，構(gòu)建了混合動(dòng)力汽車發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)評估指標(biāo)體系，如圖6所示。根據(jù)聚類步驟進(jìn)行了混合動(dòng)力汽車(豐田普銳斯)發(fā)動(dòng)機(jī)工作狀態(tài)的評估。表1給出了試驗(yàn)傳感器采集的8個(gè)測量參數(shù)(al為冷卻液溫度，a2為機(jī)油壓力，a3為進(jìn)氣溫度，a4為不噴油時(shí)間，a5為進(jìn)氣壓力，a6為點(diǎn)火提前角，a7為節(jié)氣門開度，a8為發(fā)動(dòng)機(jī)轉(zhuǎn)速)的120組樣本數(shù)據(jù)中的部分標(biāo)準(zhǔn)樣本。發(fā)動(dòng)機(jī)工況分為0(怠速正常工況)、1(怠速電機(jī)不工作)、2(進(jìn)氣系統(tǒng)漏氣)、3(某缸噴油嘴堵塞)等4個(gè)典型工況。

圖5 發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)灰色定權(quán)聚類分析

圖6 混合動(dòng)力汽車發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)評估指標(biāo)體系

表1 發(fā)動(dòng)機(jī)運(yùn)行數(shù)據(jù)

2.1 灰類劃分

根據(jù)所確定的指標(biāo)體系，擬將各指標(biāo)劃分為4個(gè)灰類:良好類、較好類、惡化類和差類。將差類取為下限測度白化權(quán)函數(shù)，較好類取為適中測度白化權(quán)函數(shù)，良好類取為上限測度白化權(quán)函數(shù)(如圖7所示)。根據(jù)數(shù)據(jù)的具體分布情況，確定各灰類具體白化權(quán)函數(shù)。

圖7 白化權(quán)函數(shù)取值示意圖

2.2 權(quán)重確定

灰色聚類中標(biāo)準(zhǔn)的聚類權(quán)重計(jì)算過程是先將各聚類指標(biāo)的數(shù)值進(jìn)行預(yù)處理，使之無量綱化并具有相同的量級，然后根據(jù)聚類指標(biāo)所屬灰類的轉(zhuǎn)折點(diǎn)計(jì)算出權(quán)重［9］，權(quán)重計(jì)算式為

其中cjk為j指標(biāo)對k灰類的轉(zhuǎn)折點(diǎn)值。但該確定權(quán)重的方法未考慮實(shí)際情況下各聚類指標(biāo)對發(fā)動(dòng)機(jī)狀態(tài)影響的重要程度。根據(jù)各專家評價(jià)，本例用德菲爾法［10］確定各指標(biāo)所占權(quán)重。

根據(jù)專家對各指標(biāo)權(quán)重的評價(jià)，得各指標(biāo)權(quán)重為

2.3 聚類系數(shù)確定

根據(jù)公式

3 結(jié)束語

對灰色聚類理論進(jìn)行研究，將其應(yīng)用于混合動(dòng)力汽車發(fā)動(dòng)機(jī)的技術(shù)狀態(tài)評估中。通過建立混合動(dòng)力汽車發(fā)動(dòng)機(jī)的狀態(tài)劃分，構(gòu)建了混合動(dòng)力汽車發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)評估指標(biāo)體系，并構(gòu)造了混合動(dòng)力汽車發(fā)動(dòng)機(jī)狀態(tài)的灰類和灰類白化函數(shù)。根據(jù)各指標(biāo)的重要度采用德菲爾法給出其權(quán)重，將樣本進(jìn)行聚類。實(shí)例分析結(jié)果表明:該方法客觀、合理，對于混合動(dòng)力汽車發(fā)動(dòng)機(jī)的技術(shù)狀態(tài)評估具有一定的應(yīng)用價(jià)值。

［1］ 江凱，楊美英.全球新能源發(fā)展模式及對我國的啟示［J］.水電能源科學(xué)，2010，28(1):157－160.

［2］ 黃良學(xué).新能源混合動(dòng)力發(fā)動(dòng)機(jī)試驗(yàn)中的常見問題分析［J］.裝備制造技術(shù)，2010(6):140－141.

［3］ 彭志遠(yuǎn)，秦大同，段志輝，等.新型混合動(dòng)力汽車工作模式分析與參數(shù)匹配設(shè)計(jì)［J］.中國機(jī)械工程，2012，23(9):118－124.

［4］ Prokhorov D.Toyota Prius HEV Neurocontrol［C］//Nueral Networks International Joint Conference.Orlando:［s.n.］，2007:2129－2134.

［5］ 劉思峰，謝乃明.灰色系統(tǒng)理論及其應(yīng)用［M］.北京:科學(xué)出版社，2008.

［6］ 曾波.基于改進(jìn)灰色預(yù)測模型的電力需求預(yù)測研究［J］.重慶師范大學(xué)學(xué)報(bào):自然科學(xué)版，2012(6):99－104.

［7］ 紀(jì)鋼，張曼，陳寧.材料腐蝕與環(huán)境因子灰色關(guān)聯(lián)度分析與實(shí)現(xiàn)［J］.重慶理工大學(xué)學(xué)報(bào):自然科學(xué)版，2012 (2):71－75.

［8］ 徐小東.某款混合動(dòng)力汽車關(guān)鍵技術(shù)研究［D］.合肥:合肥工業(yè)大學(xué)，2009.

［9］ Dang Yaoguo，Liu Sifeng.Study on grey synthetic clusters appraisals model［C］//Proceedings of the IEEE Systems，Man and Cybernetics，The Hague，The Netherlands.2004: 2398－2402.

［10］菅利榮，劉思峰，謝乃明.雜合灰色聚類與擴(kuò)展優(yōu)勢粗集的概率決策方法［J］.系統(tǒng)工程學(xué)報(bào)，2010，25(4): 553－560.

(責(zé)任編輯 劉 舸)

Engine Condition Assessment of Hybrid Vehicle by Grey Fixed Weight Clustering

XIN Jiang－h(huán)ui，ZOU Zheng－yao，REN Cheng－long
(Department of Vehicle Engineering，Nanjing University of Technology，Nanjing 211167，China)

The theory of gray clustering was adopted to construct the system of index.Each clustering index was whitened and quantified according to the partition of condition of each index and the weight was given in the light of the significance of each clustering index.The condition of engine was distinguished by the light of the significance of each clustering index.And the result is identical with the experiment.The research indicates that the method is objective，fitting for the condition assessment of the hybrid vehicle’s engine，which has certain guiding significance to the engine repair program.

the hybrid vehicle;engine;grey clustering;condition accessment

U464;TK407

A

1674－8425(2014)07－0026－04

10.3969/j.issn.1674－8425(z).2014.07.006

2013－11－14

人才引進(jìn)啟動(dòng)基金資助項(xiàng)目(YKJ201014)

辛江慧(1979—)，女，山東煙臺人，博士，講師，主要從事汽車智能檢測與控制研究。

辛江慧，鄒政耀，任成龍.基于灰色定權(quán)聚類的混合動(dòng)力汽車發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)評估［J］.重慶理工大學(xué)學(xué)報(bào):自然科學(xué)版，2014(7):26－29.

format:XIN Jiang－h(huán)ui，ZOU Zheng－yao，REN Cheng－long.Engine Condition Assessment of Hybrid Vehicle by Grey Fixed Weight Clustering［J］.Journal of Chongqing University of Technology:Natural Science，2014(7):26－29.