基于主成分分析和优化聚类算法的行驶工况研究

• 作者: 张林平 李风军
• 来源期刊: 华南师范大学学报（自然科学版）
• 关键词: 行驶工况 主成分分析 运动学片段 模拟退火遗传算法 模糊C均值聚类算法
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算机科学与软件工程|Computer Science & Software Engineering
• 页码范围: 121-128
• 页数: 8页
• 分类号: U467|TP399
• 语种: 中文
• DOI: 10.6054/j.jscnun.2021035

摘要

针对模糊C均值聚类算法容易陷入局部最优以及传统的主成分分析法没有完全体现出用数量较少的综合指标来代替多个指标的问题,提出了一种改进的主成分分析和利用遗传模拟退火算法优化后的模糊C均值聚类算法相结合的聚类算法(GSA-FCM),从而构建汽车行驶工况图:首先,利用改进的主成分分析法对特征参数矩阵进行处理;然后,采用GSA-FCM聚类算法对运动学片段进行聚类;最后,选择合适的片段合成最终工况图.并且,对GSA-FCM聚类、传统的K均值聚类的合成工况与实际工况中的特征参数进行有效性验证,与NEDC标准测试工况进行比对.实验结果表明:GSA-FCM聚类合成工况与实际工况的特征参数的平均相对误差为6.46％,说明GSA-FCM聚类算法的聚类效果明显、误差小,所合成的行驶工况可以代表该城市的汽车行驶状况.