[发明专利]一种电动汽车行驶工况构建与评价方法

权利要求书

1.一种电动汽车行驶工况构建与评价方法，其特征在于，包括以下步骤：

步骤一、数据收集与处理：对汽车行驶路径数据进行收集及异常数据筛选与剔除，并对处理后的数据进行运动学特征参数提取；

步骤二、微行程与道路类型划分：基于不同车速与加速度区间，使用自组织特征映射神经网络将运动学片段进行微行程划分；通过电子地图与交通流对运动学片段特征进行识别划分，获取各个微行程片段所在的道路类型，并通过每种类型所占整组数据比例，分别赋予每种道路类型权值；

所述步骤二微行程与道路类型划分中，通过自组织特征映射神经网络将运动学片段进行微片段划分，自组织特征映射神经网络的竞争学习具体包括以下过程：

(1)初始化：长度为4s的加速度与加速度的一阶导数一起描述了加速度类型和加速度状态的演变方向提取特征；以4s步长片段的平均加速度与平均一阶加速度作为聚类特征，将输入模式设置为x_i＝[a_{i_ave},a′_{i_ave}],i＝1……N，对网络当前输入模式向量x和竞争层中各神经元对应的权重向量ω_ij归一化；

(2)设置竞争层神经元总数为5个，通过竞争规则寻找获胜神经元j^*＝I(x_i)；

(3)权值更新：设置学习率其中η₀为初始学习率，时间常数τ_η＝500，t为学习次数；邻域函数其中为获胜神经元与其邻域神经元的欧式距离，设置邻域的有效宽度初始值σ₀设置为邻域的边长，为时间常数；通过公式调整获胜神经元及其邻域内神经元权值；

(4)重复步骤(1)至步骤(3)，直到学习率衰减到阈值；

步骤三、工况合成：基于加速度状态的统计分析，为属于某种道路类型的微行程片段分别构建状态转移矩阵，根据其道路类型的权值，建立一个全类型状态转移矩阵，然后通过马尔科夫过程构建出多条备选工况；

步骤四、基于能耗的工况构建结果评价：对选取的运动学参数重要度排序，选取影响能耗的本质特征，建立基于能耗的工况构建结果评价指标，对步骤三构建的备选工况进行评价，选择表现最优的工况作为典型行驶工况。