基于PCA主成分分析和K-means算法的汽车行驶工况数据量化研究

发布时间：2021-05-06 22:11

　　随着我国经济的快速发展,从汽车大国到汽车强国的逐步转变,汽车数量也急剧增加。本文针对轻型汽车实际道路行驶采集的数据（采样频率1Hz）,处理为各个运动学片段,采用PCA结合K-means++聚类方法,对处理后数据样本进行降维处理,分析其中主要特征成分,将各运动学片段依据综合特征指标归类,计算主要特征参数,使用相关系数筛选典型特征片段。构建典型汽车行驶工况曲线。使用K-means聚类处理数据段,计算处理结果并分析与总体样本特征偏差范围,判断工况曲线构建的合理性,是否符合世界WLTC工况标准。结合汽车标准行驶工况比较分析综合特征指标差异。 

【文章来源】：软件工程. 2020,23(03)

【文章页数】：5 页

【参考文献】：
期刊论文
[1]基于M-K聚类法的果树上下冠层体积比测算[J]. 祁力钧,程一帆,程浈浈,杨知伦,吴亚垒,葛鲁振.  农业机械学报. 2018(05)
[2]基于参考点的改进k近邻分类算法[J]. 梁聪,夏书银,陈子忠.  计算机工程. 2019(02)
[3]MapReduce与Spark用于大数据分析之比较[J]. 吴信东,嵇圣硙.  软件学报. 2018(06)
[4]基于小波分析的城市道路行驶工况构建的研究[J]. 姜平,石琴,陈无畏,黄志鹏.  汽车工程. 2011(01)
[5]车辆燃料消耗量计算方法研究[J]. 石则强,纪常伟,王伟,靖苏铜.  车辆与动力技术. 2010(04)



本文编号：3172703