引入油門開度的汽車續航測試工況構建研究

付志成 郭振昕 賈松霖 李國興

摘要： ?現有的用于續航測試的車速-時間汽車行駛工況未能考慮油門開度對油耗測試的影響，導致測定油耗相較于實際油耗偏差較大。引入油門開度構建汽車行駛工況可以綜合考慮負荷與車速變化對行車油耗的影響。通過劃分車速-油門開度行駛片段，利用主成分分析、聚類分析和相關性分析等方法篩選行駛片段，拼接行駛片段構建車速-油門開度-時間三維工況曲線。研究發現，相較于二維工況曲線，基于三維工況曲線測定油耗與實測油耗的偏差減少了12.673%。

關鍵詞： ?汽車行駛工況；油門開度；車速；主成分分析；聚類分析；相關性分析；百公里燃油消耗量

DOI ?： ??10.3969/j.issn.1001-2222.2024.01.010

中圖分類號： U467.498 ??文獻標志碼： ?B ??文章編號： ??1001-２２２２（２０24）０1-００61-０6

世界主流的汽車續航測試工況標準是一段描述汽車行駛特征的速度-時間曲線。NEDC和WLTC標準試驗工況廣泛應用于車輛綜合油耗測試。然而，我國地域廣闊，道路交通狀況各有特點，汽車行駛時的負荷變化不定。研究表明，官方標定的百公里油耗往往存在“虛低”的情況［1］。因此，研究更加符合實際的汽車行駛工況并準確測出汽車的綜合油耗十分有必要。

目前，世界主流的汽車續航測試工況標準主要有NEDC工況和WLTC工況等。由歐盟委員會提出的NEDC（new european driving cycle）工況曾被廣泛應用于汽車續航測試工作［2］。測量NEDC油耗的常用方法是在底盤測功機上測試NEDC循環下的整車油耗［3］。郭濤［4］的研究表明，汽車實際油耗與 NEDC 法規認證結果存在較大偏差。全球輕型汽車測試循環WLTC （worldwide harmonized light vehicles test cycle）相比NEDC工況擁有更多的加速和減速狀態，更加全面地考慮了實際因素［5］。王霞等［6］通過WLTC循環工況測試，研究整車油耗和負荷加載的關系。黃國海等［7］通過運用AVL CRUISE軟件測定某一款SUV在WLTC工況下的燃油消耗率，為本研究的油耗測試試驗提供了參考。

我國地域廣闊，道路交通狀況各有特點，汽車行駛時的負荷變化不定，上述工況標準無法準確描述我國各個地域的真實路況特征。田宇等［8］通過統計學方法，分析太原市的汽車行駛數據，擬合出更能反映太原市輕型車的區域性工況曲線。徐權奎等［9］基于PSPICE電路仿真方法，發現汽車的綜合油耗不僅與車速有關，也與油門開度有密切聯系。王程玉等［10］等使用MATLAB和Cruise平臺進行同負載情況下驅動控制策略的仿真驗證。孫冬野等［11］通過研究AMT汽車啟動過程，發現當汽車經歷不同行駛場合，需要改變汽車油門開度以產生相應的發動機扭矩，這會直接影響汽車的綜合油耗。因此，基于傳統的汽車行駛工況速度-時間曲線標定的油耗與用戶反饋的實際油耗存在較大偏差。

將油門開度參數引入汽車行駛工況構建可以綜合考慮負荷與車速變化對行車油耗的影響。為此，提出“車速-油門開度-時間”三維汽車行駛工況曲線的構建方案，綜合描述車速和油門開度的變化規律，以提高汽車綜合油耗評估的準確性。

1 ??模型方案

傳統的汽車續航測試標準工況均為速度-時間曲線，而實際行車油耗受到車速、油門開度、輪胎半徑和傳動系統特性等因素影響。汽車實際燃油消耗量如式（1）所示［12］：

B= 3 600nrF（u，θ） 9 550ηi ?g ?H ?u ??。 ?（1）

式中： B為汽車實際燃油消耗量；n為發動機轉速；r為輪胎滾動半徑；F（u，θ）為汽車行駛阻力，是關于車速u和路面坡度θ的函數；i ?g 為各擋位對應的傳動比；H ?u 為燃料熱值;η 為總效率。

對于不同車速 u的變化需求，發動機轉速n與傳動比參數i ?g 的確定主要取決于車輛傳動系統特性。車輛行駛阻力F（u，θ） 的變化可由油門開度的動態變化來表征［12］。因此，將油門開度參數引入汽車行駛工況構建并選取合適的換擋策略可以綜合考慮負荷與車速變化對行車油耗的影響。為此，提出“車速-油門開度-時間”三維汽車行駛工況曲線的構建方案（以下簡稱三維工況），綜合描述車速和油門開度的變化規律，以提高汽車綜合油耗評估的準確性。

該方案以車速為主要依據，劃分出數個汽車行駛片段并記錄對應油門開度數據。通過主成分分析、聚類分析、相關性分析篩選出能夠真實反映汽車行駛特征的片段，并拼接成為工況曲線。模型框架如圖1所示。三維行駛工況與傳統的車速-時間二維行駛工況曲線的構建方法相類似，區別在于劃分汽車行駛片段時增加了油門開度數據。因此，本研究構建的三維工況曲線在車速-時間平面的投影與傳統的車速-時間二維行駛工況曲線等效。

基于仿真與實測可以實現油門開度與汽車的行駛阻力［12］信息的轉換，所建工況可以遷移拓展用于相近車型的續航測試評估。

1） 數據的采集與預處理

工況構建所需的數據為特定區域采集的汽車行駛速度、經緯度信息和油門開度等數據，采樣時長在100 h以上。對數據進行如下預處理。首先，剔除異常數據并進行時基校準；然后，對數據進行降噪處理，基于統計學規律，運用移動平均濾波器過濾試驗數據中存在錯誤或異常（偏離期望值）的數據，即數據噪聲；最后，進行怠速時間處理，采用領域判定法，將車速小于10 km/h的數據按怠速處理并去除各個怠速數據中超過180 s的數據部分［13］。

2） 劃分“車速-油門開度”運動學片段

以汽車的速度特征作為劃分運動學片段的參考標準。將汽車行駛過程中連續兩個怠速狀態之間（時間區間應該大于20 s）的運行片段定義為運動學片段，以便于對汽車行駛特征進行數據分析。本研究依據上述每條數據中的車速數據劃分運動學片段。同時保留每一條車速數據對應的實時油門開度數據。

選取怠速時間比、加速時間比、減速時間比、勻速時間比、平均速度、平均行駛速度、速度標準差、加速度標準差8個特征參數來描述運動學片段和整體。其中，怠速時間比為汽車停止行駛時間與工況曲線總時長之比；加速時間比為汽車加速度大于0.1 m/s2時間占比；減速時間比為汽車加速度小于-0.1 m/s2的時間占比；巡航/勻速時間比為汽車加速度的絕對值小于0.1 m/s2時間占總時間的比例。

3） 主成分分析

因為運動學片段中包含大量描述車速的特征參數，為了減少計算復雜度，優化算法，需要采取降維措施來處理這些數據。常用的方法有因子分析法、主成分分析法等。由于因子分析對數據要求較高，只有當變量通過KMO相關性檢驗時才能夠繼續，而主成分分析能夠在保留絕大部分信息的基礎上實現數據降維，因此，本研究選擇使用主成分分析法對運動學片段進行數據降維。

4） 聚類分析

為了更好地捕捉汽車的車速特性，本研究將經過降維處理的數據分成不同的類別，并采用聚類分析對運動學片段進行歸類。在數據量較大時，相較于其他聚類方法，K-means聚類適用范圍更廣，操作更簡單，并且能夠指定聚類的數目。因此，本研究選擇K-means聚類。通過建立 k個起始點，計算每個點與其他點之間的歐幾里德距離，將每個點分配到最近的點，最終將所有數據點歸類為k 類。根據汽車行駛的主要特征，“車速-油門開度”運動學片段被聚類成低速段、中速段和高速段［14］。

5） 拼接工況曲線

采用斯皮爾曼相關性分析，分別計算上述3組運動學片段的各特征參數與該組片段的整體特征參數的相關系數。在各分組中分別選取相關性較高的數個“車速-油門開度”運動學片段拼接成一條三維汽車工況曲線。參考行業標準工況將城市循環工況的時間取為1 200 s左右［15］。

2 ??試驗設計與工況構建

2.1 ??試驗與仿真

1） 為了分析不同道路與交通情況對行車油耗的影響，將福州市按地形、擁堵情況、道路狀況特點劃分為A區、B區、C區，如圖2所示。

2） 選用車況良好的3輛試驗轎車進行試驗，選用由中國汽車技術研究中心提供的車載設備采集數據。將設備安裝到試驗車輛的OBD插口，從CAN總線讀取ECU儲存的車速數據和油門開度數據；利用GPS采集儀采集車輛的實時經緯度參數?；谝陨蠑祿嫿ㄈS工況曲線，同時分別記錄試驗車輛在3個區域行駛時的平均百公里油耗數據。

3） 基于步驟2中構建的福州市A，B，C 3個區域的三維工況曲線，分別向車速-時間平面投影，得到車速-時間二維工況曲線。

4） 汽車換擋策略受到傳動系統特性、變速需求與行駛阻力等多種因素的影響，在基于優化駕駛質量和油耗性能的考慮下，特定車速與行駛阻力條件下車輛擋位選取策略將相對固定，擋位信息可由車速與油門開度計算獲?。?6］。

5） 在Cruise軟件中搭建整車模型，將構建的3個區域的車速-油門開度-時間三維汽車行駛工況曲線和車速-時間二維行駛工況曲線以及步驟4中的換擋信息導入Cruise/M軟件Profile創建整車性能仿真模型［17］，完成汽車行駛循環，記錄各工況的仿真油耗結果。

2.2 ??構建三維工況曲線

3個區域的道路交通特征如表1所示。由表1可知，A，B，C 3個區域的地形特性、擁堵程度、道路起伏有較大差異。因此，3個區域的汽車行駛特征具有鮮明差異。

對496 464條數據進行預處理，將處理后的470 824條數據劃分成2 781個“車速-油門開度”運動學片段，其中A區1 530個，B區835個，C區416個，并計算特征值（見表2）。

對8個特征值運動學片段進行主成分分析。圖3示出各個主成分特征值的碎石圖。由圖可看出，所選的4個主成分包含大部分特征參數信息，因此可以提取出4個主成分。

使用K-means聚類算法，可以將主成分數據進行有效的歸納和整理。最終的聚類中心如表3所示。

根據4個主要特征，3個區域的“車速-油門開度”運動學片段可以劃分為3類：低速、中速和高速，具體情況可參見表4。

采用斯皮爾曼相關性分析，在3個區域的低速段、中速段和高速段中分別選取相關性較高的數個“車速-油門開度”運動學片段拼接構成三維工況曲線，結果如圖4所示。

A區的工況曲線總長度為1 286 s，汽車的平均速度為36.43 km/h。A區在中、低速段的油門開度變化頻繁，表現出負荷變化較大的特征。B區的工況曲線總長度為1 235 s。相較于A區，B區在低速段車速和油門開度的變化頻率更高，表現出頻繁起停的特征；B區的速度變化范圍更廣，低、中、高速段的速度占比更均勻，汽車的平均速度更低。C區的工況曲線總長度為1 233 s。相較于A區，C區的中、高速段占比更高，油門開度的變化頻率更低，車速和油門開度近似呈正比關系，汽車的平均車速最高。

在3個三維工況曲線上每隔10 s取一個特征點，向油門開度-速度坐標軸投影可得到3個區域車速和油門開度的關系（見圖5）。

由圖5可以看出，福州市A，B，C 3個區域的速度-油門開度分布的范圍不同。其中A區主要集中在中低速段，且油門開度變化較大；B區的速度跨度較大，油門開度變化范圍較小；C區的車速和油門開度近似成正比。在相同的車速下，3個區域的油門開度差異較大，這說明汽車的油門開度與車速的關系受道路情況的影響較大。

2.3 ??構建二維工況曲線

將上述構建的三維工況曲線在車速-時間平面投影得到車速-時間二維工況曲線，如圖6所示。

2.4 ??油耗測試仿真試驗

試驗車輛在福州市3個區域行駛的實際油耗（平均百公里油耗數據）分別為A區油耗7.812 L/100 km，B區油耗8.053 L/100 km，C區油耗7.588 L/100 km。

仿真測試表明，汽車由A區的三維和二維行駛工況曲線測定的油耗分別為7.735 L/100 km，6.648 L/100 km，由B區的三維和二維行駛工況曲線測定的油耗分別為8.280 L/100 km和6.927 L/100 km，由C區的三維和二維行駛工況曲線測定的油耗分別為7.514 L/100 km和6.532 L/100 km。

3 ??結果分析

3.1 ??速度特征分析對比

為了檢驗三維工況曲線是否具有反映汽車行駛速度特征的優點，分析福州市A區、B區和C區的速度變化特征，如圖7所示。

從圖7可以看出：B區加減速的比例最大，平均速度最小，這與B區地處市區，車流量較大而道路擁擠的特征相契合；相對于B區，A區的平均速度較高，而低速時間的比重較低，這符合A區位于山區、道路曲折、車流量稀少的特點；C區的交通狀況十分優越，其勻速行駛的比例最大，平均速度最高，低速行駛的比例最小，這與C區位于平原且距離市中心較遠的特點吻合。行駛車速特征與工況確實存在相關性。

3.2 ??油門開度特征分析

為了檢驗三維工況曲線是否能夠反映汽車行駛時的油門開度特征，對福州市A區、B區和C區的工況曲線進行分析。為了便于定量分析油門開度變化特征，對油門開度相關特征進行量化定義：加油門時間比為油門開度變化率［18］大于0.01 s-1的時間占比；減油門時間比為油門開度變化率小于-0.01 s-1的時間占比；小油門時間比為油門開度小于5%的時間占比；勻油門時間比為油門開度變化率的絕對值小于0.01 s-1的時間占比。

對不同工況下的油門開度特征參數進行對比，如加油門時間比、減油門時間比、小油門時間比等，結果如圖8所示。

由圖8可見，福州市A區的加油門、減油門、小油門時間比最高，勻油門時間比最小，這符合A區位于山谷丘陵地帶、道路起伏，需要經常調整油門以提供不同的轉矩的特點；B區的加油門、減油門、小油門時間比高，勻油門時間比少，這符合B區位于市區，交通擁堵，需要高頻率地起動和減速，會經常調整油門開度的特點；C區的加油門、減油門、小油門時間比少，勻油門時間比最高，這符合C區地處平原且較為偏僻，車流量較少的特點。

圖8 油門開度特征對比

3.3 ??綜合油耗對比

將試驗車輛在三維工況曲線和二維工況曲線下的仿真測試油耗與試驗車輛在A，B，C 3個區域行駛的真實油耗進行對比，結果如圖9所示。

從圖9可以看出：對于A區，基于三維行駛工況和二維行駛工況標定的油耗相較于實際油耗的偏差分別為0.986%和14.900%；對于B區，基于三維行駛工況和二維行駛工況標定的油耗相較于實際油耗的偏差分別為2.819%和13.982%；對于C區，基于三維行駛工況和二維行駛工況標定的油耗相較于實際油耗的偏差分別為0.975%和13.917%。

在A，B，C 3個區域，三維工況相對于二維工況所測得的油耗的偏差平均減少了12.673%。

4 ??結束語

本研究提出通過劃分車速-油門開度行駛片段，利用主成分分析、聚類分析和相關性分析等方法篩選行駛片段，拼接行駛片段構建車速-油門開度-時間三維工況曲線的工況構建方案。通過試驗對比分析得出，該方案彌補了傳統的速度-時間二維工況曲線無法描述汽車行駛時油門開度變化特征的不足。分別測量了試驗車輛在目標區域行駛的實際油耗，以及以三維工況和二維工況曲線測定的油耗值。通過對比分析得出，三維工況相對于二維工況所測得的油耗的偏差分別減少了13.914%，11.163%，12.942%，平均減少了12.673%。

參考文獻：

［1］ ?胡鴻飛.南京市輕型車實際行駛工況與檢測標準工況比較研究［D］.南京：東南大學，2017.

［2］ 中華人民共和國環境保護部.輕型汽車污染物排放限值及測量方法（中國Ⅲ、Ⅳ階段）：GB 18352.3—2005［S］.北京：中國環境科學出版社，2005.

［3］ 曹甜馬.NEDC工況下的前驅車型整車能耗測試與研究［D］.武漢：武漢理工大學，2016.

［4］ 郭濤.動態工況下汽油機性能量化方程研究及在整車能量流測評中的應用［D］.長沙：湖南大學，2021.

［5］ 胡遠志，黃馳.采用余熱型熱泵的整車制熱系統設計與仿真［J］.重慶理工大學學報（自然科學），2022，36（11）：76-83.

［6］ 王霞，褚觀耀，于飛.阻力加載對乘用車WLTC循環排放及油耗影響［J］.交通節能與環保，2019，15（3）：5-7.

［7］ 黃國海，吳頌，黃真，等.淺談新雙積分法規下乘用車降油耗方案研究［J］.汽車實用技術，2021，46（8）：113-115.

［8］ 田宇，朱建軍，周博雅.太原市輕型車實際行駛工況構建［J］.汽車技術，2018（3）：51-55.

［9］ 徐權奎，祝軻卿，陳自強，等.基于仿真的電控柴油機ECU熱優化設計［J］.內燃機工程，2008，127（2）：31-36.

［10］ ?王程玉，林慕義，吳柯桐，等.負載變化對純電動貨車驅動控制策略的影響［J］.機械設計與制造，2022，372（2）：148-151.

［11］ 孫冬野，陳然，秦大同，等.AMT汽車起步過程節氣門目標控制量的確定［J］.汽車工程，2009，31（11）：1020-1024.

［12］ 余志生.汽車理論［M］.6版.北京：機械工業出版社，2018.

［13］ 陳巖，楊晉，裴永生，等.汽車怠速工況NVH性能預測模型研究［J］.重慶理工大學學報（自然科學），2022，36（11）：69-75.

［14］ 黃淼，李濤，文旭，等.融合圖像識別和聚類分析的感應電動機參數辨識［J］.重慶理工大學學報（自然科學），2022，36（9）：195-201.

［15］ 李孟良，朱西產，張建偉，等.典型城市車輛行駛工況構成的研究［J］.汽車工程，2005（5）：54-57.

［16］ 常朕，馬綺蔚.基于駕駛質量和油耗綜合性能的換擋策略設計［J］.傳動技術，2021，35（2）：16-20.

［17］ 尤國貴，盧劍偉，蘇俊收，等.重型半掛牽引車行駛工況研究及其動力傳動系統優化［J］.汽車工程，2022，44（11）：1735-1745.

［18］ 葛安林，吳錦秋，林明芳.汽車動力傳動系統參數的最佳匹配［J］.汽車工程，1991（1）：35-42.

Construction of Vehicle Endurance Test Condition by Introducing Throttle Opening

FU Zhicheng，GUO Zhenxin，JIA Songlin，LI Guoxing

（Taiyuan University of Technology，Taiyuan 030024，China）

Abstract： ?The existing velocity-time driving conditions used in endurance test fail to consider the impact of throttle opening on fuel consumption test， resulting in a large deviation between measured and actual fuel consumption. The driving condition constructed by introducing the throttle opening comprehensively considered the influence of load and velocity change on driving fuel consumption. By dividing the driving segments of velocity-throttle opening， the principal component analysis， cluster analysis and correlation analysis were used to screen the driving segments， and the driving segments were spliced to construct the velocity-throttle opening-time three-dimensional curve of working conditions. Compared with the two-dimensional curve of working conditions， the deviation between the measured and actual fuel consumption reduced by 12.673% based on the three-dimensional curve of working conditions.

Key words： ??vehicle driving conditions;throttle opening;vehicle velocity;principal component analysis;cluster analysis;correlation analysis;fuel consumption per 100 km

［編輯： 姜曉博］

收稿日期： ??2023-05-10； [HT6H]修回日期： ??2023-07-30

基金項目： ???國家自然科學基金青年基金項目“活塞-缸套彈流碰撞行為的動態流-固耦合建模及狀態監測研究”（51805353）；山西省回國留學人員科研資助項目“導師組模式在來華留學研究生培養中的教研實踐”（HGKY2019041）

作者簡介： ??付志成（2002—），男，本科，主要從事車輛工程相關研究；zhichengfu21@163.com。