基于灰色定权聚类的混合动力汽车发动机运行状态评估

辛江慧，邹政耀，任成龙

(南京工程学院车辆与轨道交通学院，南京 211167)

基于灰色定权聚类的混合动力汽车发动机运行状态评估

辛江慧，邹政耀，任成龙

(南京工程学院车辆与轨道交通学院，南京 211167)

采用灰色聚类理论，根据混合动力汽车实际运行状态建立指标体系，根据各聚类指标的状态划分，利用白化函数将各聚类指标白化、量化，并根据各聚类指标的重要度给出其权重;用得到的各聚类指标的量化值和权重进行聚类，给出发动机所属的状态。研究结果表明 :评估状态与试验结论一致。该方法对发动机的状态评估是合理、有效的，对发动机的维修计划有一定的指导意义。

混合动力汽车;发动机;灰色定权聚类;状态评估

混合动力电动汽车含有内燃机和蓄电池－电机两种车载动力源。两动力源间能量分配方式的不同产生纯电动驱动模式［1］、发动机参与的驱动模式、再生制动模式、混合制动模式等多种运行模式［2］。为了保证车辆的安全运行，对车辆进行适时维护，及时解决发生的故障，必须随时了解车辆发动机的运行状态。发动机的运行状态复杂，受多种因素影响，而驾驶员一般不具备车辆专业知识和故障判断能力，这就会导致故障无法及时解决。因此，必须对车辆进行实时监控。目前，我国在这方面的研究还处于起步阶段，尚无一套有效的解决方案［3－4］。本文运用灰色定权聚类方法对多指标系统进行科学分类，对混合动力汽车发动机的运行状态进行有效评估，判断混合动力汽车发动机处于何种状态。

1 灰色聚类理论基本原理

灰色聚类是建立在灰数的白化函数生成基础上的一种方法［5－7］，它将聚类对象(评价对象)对不同聚类指标(评价指标)所拥有的白化值按若干灰类进行归纳，从而判断聚类对象属于哪一类。设i=1，2，…，n，为聚类对象个数;j=1，2，…，m，为聚类指标;k=1，2，…，s，为不同灰类。

按照灰色聚类理论得到灰色定权聚类分析的步骤。

步骤1 按照评估要求划分评价灰类s。

步骤2 根据各指标取值域给出各指标相应的白化权函数。j指标k子类白化权函数(·) (j=1，2，…，m;k=1，2，…，s)一般有4种类型:

图1 典型白化权函数

图2 下限测度白化权函数

图3 适中测度白化权函数

图4 上限测度白化权函数

步骤3 确定各指标的聚类权ηj(j=1，2，…，m)。

步骤4 根据步骤1和步骤2得出的白化权函数fkj(·)(j=1，2，…，m;k=1，2，…，s)，聚类权ηj(j=1，2，…，m)，以及对象i关于j指标的观测值xij(i=1，2，…，n，j=1，2，…，m)，计算出灰色定权聚类系数。

2 基于灰色聚类理论的混合动力汽车发动机状态评估

基于灰色定权聚类理论，本文提出发动机运行状态灰色定权聚类分析思路，如图5所示。根据发动机实际使用时情况［8］，构建了混合动力汽车发动机运行状态评估指标体系，如图6所示。根据聚类步骤进行了混合动力汽车(丰田普锐斯)发动机工作状态的评估。表1给出了试验传感器采集的8个测量参数(al为冷却液温度，a2为机油压力，a3为进气温度，a4为不喷油时间，a5为进气压力，a6为点火提前角，a7为节气门开度，a8为发动机转速)的120组样本数据中的部分标准样本。发动机工况分为0(怠速正常工况)、1(怠速电机不工作)、2(进气系统漏气)、3(某缸喷油嘴堵塞)等4个典型工况。

图5 发动机运行状态灰色定权聚类分析

图6 混合动力汽车发动机运行状态评估指标体系

表1 发动机运行数据

2.1 灰类划分

根据所确定的指标体系，拟将各指标划分为4个灰类:良好类、较好类、恶化类和差类。将差类取为下限测度白化权函数，较好类取为适中测度白化权函数，良好类取为上限测度白化权函数(如图7所示)。根据数据的具体分布情况，确定各灰类具体白化权函数。

图7 白化权函数取值示意图

2.2 权重确定

灰色聚类中标准的聚类权重计算过程是先将各聚类指标的数值进行预处理，使之无量纲化并具有相同的量级，然后根据聚类指标所属灰类的转折点计算出权重［9］，权重计算式为

其中cjk为j指标对k灰类的转折点值。但该确定权重的方法未考虑实际情况下各聚类指标对发动机状态影响的重要程度。根据各专家评价，本例用德菲尔法［10］确定各指标所占权重。

根据专家对各指标权重的评价，得各指标权重为

2.3 聚类系数确定

根据公式

3 结束语

对灰色聚类理论进行研究，将其应用于混合动力汽车发动机的技术状态评估中。通过建立混合动力汽车发动机的状态划分，构建了混合动力汽车发动机运行状态评估指标体系，并构造了混合动力汽车发动机状态的灰类和灰类白化函数。根据各指标的重要度采用德菲尔法给出其权重，将样本进行聚类。实例分析结果表明:该方法客观、合理，对于混合动力汽车发动机的技术状态评估具有一定的应用价值。

［1］ 江凯，杨美英.全球新能源发展模式及对我国的启示［J］.水电能源科学，2010，28(1):157－160.

［2］ 黄良学.新能源混合动力发动机试验中的常见问题分析［J］.装备制造技术，2010(6):140－141.

［3］ 彭志远，秦大同，段志辉，等.新型混合动力汽车工作模式分析与参数匹配设计［J］.中国机械工程，2012，23(9):118－124.

［4］ Prokhorov D.Toyota Prius HEV Neurocontrol［C］//Nueral Networks International Joint Conference.Orlando:［s.n.］，2007:2129－2134.

［5］ 刘思峰，谢乃明.灰色系统理论及其应用［M］.北京:科学出版社，2008.

［6］ 曾波.基于改进灰色预测模型的电力需求预测研究［J］.重庆师范大学学报:自然科学版，2012(6):99－104.

［7］ 纪钢，张曼，陈宁.材料腐蚀与环境因子灰色关联度分析与实现［J］.重庆理工大学学报:自然科学版，2012 (2):71－75.

［8］ 徐小东.某款混合动力汽车关键技术研究［D］.合肥:合肥工业大学，2009.

［9］ Dang Yaoguo，Liu Sifeng.Study on grey synthetic clusters appraisals model［C］//Proceedings of the IEEE Systems，Man and Cybernetics，The Hague，The Netherlands.2004: 2398－2402.

［10］菅利荣，刘思峰，谢乃明.杂合灰色聚类与扩展优势粗集的概率决策方法［J］.系统工程学报，2010，25(4): 553－560.

(责任编辑 刘 舸)

Engine Condition Assessment of Hybrid Vehicle by Grey Fixed Weight Clustering

XIN Jiang－hui，ZOU Zheng－yao，REN Cheng－long
(Department of Vehicle Engineering，Nanjing University of Technology，Nanjing 211167，China)

The theory of gray clustering was adopted to construct the system of index.Each clustering index was whitened and quantified according to the partition of condition of each index and the weight was given in the light of the significance of each clustering index.The condition of engine was distinguished by the light of the significance of each clustering index.And the result is identical with the experiment.The research indicates that the method is objective，fitting for the condition assessment of the hybrid vehicle’s engine，which has certain guiding significance to the engine repair program.

the hybrid vehicle;engine;grey clustering;condition accessment

U464;TK407

A

1674－8425(2014)07－0026－04

10.3969/j.issn.1674－8425(z).2014.07.006

2013－11－14

人才引进启动基金资助项目(YKJ201014)

辛江慧(1979—)，女，山东烟台人，博士，讲师，主要从事汽车智能检测与控制研究。

辛江慧，邹政耀，任成龙.基于灰色定权聚类的混合动力汽车发动机运行状态评估［J］.重庆理工大学学报:自然科学版，2014(7):26－29.

format:XIN Jiang－hui，ZOU Zheng－yao，REN Cheng－long.Engine Condition Assessment of Hybrid Vehicle by Grey Fixed Weight Clustering［J］.Journal of Chongqing University of Technology:Natural Science，2014(7):26－29.