基于模糊判斷下汽車不同狀態(tài)的運行工況

黃夢圓

摘 要：對汽車不同狀態(tài)下的運行工況進行判斷，有助于對汽車狀態(tài)進行有效的評估，在文中主要就基于模糊判斷

的汽車不同狀態(tài)的運行工況進行分析。

關鍵詞：模糊判斷；汽車；運行工況

1 背景

1.1 概述

車輛運行工況也叫作汽車運行工況，主要為某個類型車輛制指定用來代表特定環(huán)境的車輛行駛速度—時間歷程。具體來說，主要是調查車輛行駛的實際狀況，同時分析試驗數(shù)據(jù)，采取統(tǒng)計學方法，是一種重要的汽車工業(yè)技術。通過建立與實際相符的車輛運行工況，并將基礎數(shù)據(jù)提供給交通控制風險測定、新車型技術開發(fā)與評估、燃油消耗量與污染物排放量的確定等工作。

1.2 國外研究現(xiàn)狀

對汽車運行工況標準而言，國際上主要有三種運行工況具備代表性，分別是歐洲運行工況、美國運行工況、日本運行工況。比如瞬態(tài)工況是美國 FTP工況的代表、模態(tài)工況是 ECE 工況的代表，這些汽車運行工況是聯(lián)系汽車油耗與交通系統(tǒng)行為的重要橋梁。交通系統(tǒng)是一種非線性系統(tǒng)，非常復雜，人、車、路是主要組成部分，并且有著自適應性、動態(tài)性、隨機性等特點。國內外很多學者對不同城市運行工況進行了深入分析，在研究歐洲 ECE工況、美國 FTP工況之后，從各地區(qū)實際特點出發(fā)，開發(fā)了愛丁堡運行工況、悉尼運行工況、法國運行工況、墨爾本運行工況等。

2 模糊判斷

車輛在運行情況下一般分為四種運行工況狀態(tài)的轉換。即：穩(wěn)態(tài)工況，加速工況，減速

工況和怠速工況。在設計汽車運行工況之初，對汽車運行工況的判斷是必要的。汽車運行工況的判斷是一種時變性和非線性的系統(tǒng)，容易受到很多因素的影響，建立起來的數(shù)學模型精確度不高，選擇常用汽車工況判斷方法，則很難保證判斷的準確性，同時也無法將運行工況變化情況確定下來。而模糊控制方法對研究對象數(shù)學模型依賴程度不大，不會受到模型參數(shù)不精確性質的影響，有著較強的可調節(jié)性與可操作性。所以，通過采取模糊控制方法，對汽車運行工況實行模糊判斷，在判斷的過程中，利用負荷與轉速兩個變量進行模糊判斷。在模糊邏輯工具箱中能夠實現(xiàn) Mamdani 型模糊推理系統(tǒng)、 Sugrno 型模糊推理系統(tǒng)這兩種類型的模糊推理系統(tǒng)。模糊推理主要分為五個重要部分，分別是輸入變量的模糊化、前提中模糊算子、從前提到結果的蘊涵關系、模糊規(guī)則結果的聚類和反模糊化。

最后得出：當汽車在良好的路況下運行，也就是每 10轉，轉速在 ± 1r/min范圍內變化，表示工況穩(wěn)定，反之則表示工況不穩(wěn)定。如果汽車運行的路面比較復雜，將（σμ） ≥ 88.0A，每 10轉，轉速在 ± 1r/min范圍內波動，則很難判斷工況處于穩(wěn)定狀態(tài)，若是通過多次的試驗，每 10轉，控制轉速在 ±1.5r/min范圍內變化，則表示合理，能夠有效控制汽車。并與穩(wěn)定域（σμ） ≥ 88.0A結合起來，得到 1K =0.005。所以， 1K的范圍是 0.005 ～ 0.01。

3 車輛不同狀態(tài)下運行工況設計

3.1 數(shù)據(jù)的采集

在汽車運行工況設計方法中，常使用的評價指標主要為 VA概率的分布，以微行程的方式劃分與組合時間序列，并選擇模糊邏輯、算法等方式來優(yōu)化。在針對不同狀態(tài)下行駛的汽車，我們在設計其汽車運行工況之初時，把設計工況與參考工況的 VA相關度，制定工況歷經時間、平均速度、急速時間比例以及穩(wěn)態(tài)時間比例，當成平均指標來進行比對。通過具體的對比來建造汽車工況數(shù)學模型。在設計運行工況組合時，采取了程序實現(xiàn)方法、算法相關理論知識及滿意準則模型。

3.1.1 滿意度準則模型

作為一種新的數(shù)學模型，滿意準則模式能夠將工程實際問題與需要反映出來。這種模型沒有采取尋找多目標問題最優(yōu)解的思維方式，準則是決策者滿意，尋找多目標問題的滿意解。

3.1.2 數(shù)據(jù)預處理

根據(jù)滿意準則模型，將模型里面設計變量 X確定下來，X為運行工況的速度—時間函數(shù)，通過在實際路面上的所觀察記錄的數(shù)據(jù)作出與之對應的曲線圖。國內外常采用速度與加速度（VA）的二維分布分析方法，以此分析和設計車輛運行工況。在對 VA二維分布圖進行分析以后，車輛行駛速度與加速度分布狀況能夠直觀清楚的呈現(xiàn)出來，讓組合與設計車輛運行工況時有了行之有效的方法，因此在具體的數(shù)據(jù)記錄過程中重點采集 VA相關度。設計與實驗具體運行工況時，在進行反復試驗以后，要將試驗數(shù)據(jù)準確記錄下來，如工況與參考工況的 VA相關度、工況歷經時間、平均速度、油耗、汽車行駛速度、加速度和經緯度等。在記錄數(shù)據(jù)時，由于會平滑掉較大的正加速度因此不能使采集頻率過低。在現(xiàn)實環(huán)境里行車時，由于內外部環(huán)境變化速度很快，會對信號的采集與傳輸帶來嚴重的影響，造成信號采集后出現(xiàn)失真的問題，對之后信號分析結果帶來不利影響，造成最終滿意度估計結構出現(xiàn)錯誤。內外部環(huán)境在變化過程中會出現(xiàn)干擾信號，叫做偽跡或噪音。所以對信號進行分析之前，必須要先做好信號的預處理，避免信號受到偽跡或噪音的影響。

3.1.3 原始數(shù)據(jù)庫

在數(shù)據(jù)記錄后，通過上文所述的模糊判斷對具體的運行工況進行狀態(tài)的判斷，同時對記錄下的具體的數(shù)據(jù)進行計算，如怠速時間比例和穩(wěn)態(tài)時間比例等。建立原始數(shù)據(jù)庫多次計算以減小汽車工況設計中的誤差值。建立原始數(shù)據(jù)庫方法：將擋位信息提取出來，選擇基于平面二維信息的擋位檢測儀，在試驗時對擋位信息進行采集，并將原始試驗數(shù)據(jù)庫生成出來。產生的所有試驗數(shù)據(jù)都要先轉換格式，將擋位信息加進去，消除異常點，并完成數(shù)據(jù)點平滑、怠速數(shù)據(jù)點速度置零等處理后，將試驗原始數(shù)據(jù)庫生成出來。

3.2 算法的設計

在設計運行工況時，為讓相鄰微行程有更加準確的速度，并確保函數(shù)曲線的完整性和清晰度，將以滿意準則模型為基礎，重新對算法適應度函數(shù)進行設計，同時分析處理推廣定義微行程原始數(shù)據(jù)庫中的相關信息為參考工況信息，把推廣定義微行程聚類數(shù)據(jù)庫當做搜索數(shù)據(jù)庫，選擇一種算法實現(xiàn)對模型的求解。可以選擇估計算法，也就是借助回歸模型，將滿意度相關參數(shù)和滿意值變化的映射關系建立起來，以此將主流算法估計出來，比如支持向量機回歸模型、線性回歸模型等。這里面前者對于警覺度的估計，精度通常很高，不過有很多的參數(shù)需要調整，并且模型訓練速度也不快，而后者雖然訓練過程簡單，可以得到穩(wěn)定的結果，不過估計精度卻一般。

3.3 數(shù)據(jù)仿真

建立的動態(tài)模型的仿真，主要采用兩種典型的信號，分別為正弦信號與隨機信號，其中前者屬于較為理想的轉速波動形式，在實際使用過程中，需要注意的參數(shù)是周期與幅值。周期表示信號變化的頻率，從正弦信號波形來看，周期在達到某個值以后，汽車轉速會根據(jù)這個波形發(fā)生變化。為確保判斷的準確性，要結合實際運行狀況，并且只能對加速工況、減速工況進行判斷。幅值表示兩次波動轉速差值的變化，并且這種變化對所有工況的閾值有著極大的影響。所以，正弦信號表示了實現(xiàn)道路路面陡度變化最理想的狀況，用作仿真信號可以得到最理想的試驗值。與實際道路陡度變化最接近的是隨機信號，用作仿真，可以保證更加精確的判斷。根據(jù)設計者滿意值的差異，借助估計算法工具箱求解了問題，將不同狀態(tài)下的汽車工況設計出來。將各狀態(tài)下兩個函數(shù)微行程平均距離、速度、時間等計算出來，將每種微行程的前兩個指標及三個指標分別繪圖，幾種微行程所顯示的特征較為相似，不能對其類別加以明顯區(qū)分。

3.4 數(shù)據(jù)的編碼、解碼

計算出基于滿意度狀態(tài)下的函數(shù)后，為將狀態(tài)間關系更好的說明出來，應制定序列號編碼規(guī)則，編碼所有的狀態(tài)。數(shù)據(jù)分離要由狀態(tài)編碼取代，以極大似然估計的方法，首先把速度一維信息分段，然后根據(jù)分段速度與加速度特征分成六類。分類有著一定的主觀性，各類運行工況的特征有著明顯差異。實行狀態(tài)編碼，根據(jù)速度、加速度二維信息做好二維編碼，同時把二維編碼以一維編碼的方式來壓縮，如此可以更加全面客觀的將汽車運行信息反映出來。將上文中的編碼進行估計，利用速度和加速度狀態(tài)表達汽車運行工況的狀態(tài)轉移關系，建立狀態(tài)轉移矩陣。利用狀態(tài)轉移速度 -時間規(guī)則，運行工況狀態(tài)時間序列里的狀態(tài)轉移概率，形成狀態(tài)轉移矩陣。之后將得到的狀態(tài)序列數(shù)據(jù)進行解碼。

4 總結

總之，在設計運行工況時，為讓相鄰微行程速度更好過渡與對接，以滿意準則模型為基礎，重新對算法適應度函數(shù)進行設計，同時分析處理推廣定義微行程原始數(shù)據(jù)庫中的相關信息為參考工況信息，把推廣定義微行程聚類數(shù)據(jù)庫當做搜索數(shù)據(jù)庫，根據(jù)設計者滿意值的差異，借助遺傳算法工具箱求解了問題，將與北京市交通特征相符的乘用車瞬態(tài)運行工況設計了出來。對車輛運行工況而言，先是調查了汽車行駛的實際狀況，分析試驗數(shù)據(jù)以后，以統(tǒng)計學方法為基礎建立而成，是一種重要的汽車工業(yè)技術。對于車輛運行工況的設計，世界范圍內很多高校、研究所都進行了深入研究，然而不足的地方依然存在。

參考文獻：

[1]許洪國 .汽車運用工程基礎 .北京：清華大學出版社，2004：12-16.

[2] 劉明輝 .混合動力客車整車控制策略及總成參數(shù)匹配研究 .[博士學位論文 ]，長春：吉林大學，2005.

[3] 韋淑穎 .乘用車瞬態(tài)運行工況設計方法的改進研究 .[碩士學位論文]，吉林大學 .2008

[4] 余志生 .汽車理論 .機械工業(yè)出版社，2009.

[5] 吳迪 .基于馬爾科夫鏈的交通網絡道路權重計算方法研究 . [碩士學位論文]，吉林大學 .2011

[6] 張巖 .面向混合動力汽車能量管理策略的汽車運行工況多尺度預測方法 . [碩士學位論文]，吉林大學 .2013

[7]劉麗 .乘用車城區(qū)瞬態(tài)運行工況的組合設計方法研究 .[碩士學位論文 ]，吉林大學， 2007.

[8] 施樹明 .乘員約束系統(tǒng)逆問題的滿意準則模型及其求解策略 .[博士學位論文 ]，吉林工業(yè)大學，1998.

[9]鄒歸林 .乘用車運行工況微行程的模糊聚類方法研究 .[碩士學位論文 ]，吉林大學， 2007.

[10]楊延相，蔡曉林，杜青等 .天津市道路汽車運行工況的研究 .汽車工程，2002.