引入油门开度的汽车续航测试工况构建研究

付志成 郭振昕 贾松霖 李国兴

摘要：  现有的用于续航测试的车速-时间汽车行驶工况未能考虑油门开度对油耗测试的影响，导致测定油耗相较于实际油耗偏差较大。引入油门开度构建汽车行驶工况可以综合考虑负荷与车速变化对行车油耗的影响。通过划分车速-油门开度行驶片段，利用主成分分析、聚类分析和相关性分析等方法筛选行驶片段，拼接行驶片段构建车速-油门开度-时间三维工况曲线。研究发现，相较于二维工况曲线，基于三维工况曲线测定油耗与实测油耗的偏差减少了12.673%。

关键词：  汽车行驶工况；油门开度；车速；主成分分析；聚类分析；相关性分析；百公里燃油消耗量

DOI  ：   10.3969/j.issn.1001-2222.2024.01.010

中图分类号： U467.498   文献标志码：  B   文章编号：   1001-２２２２（２０24）０1-００61-０6

世界主流的汽车续航测试工况标准是一段描述汽车行驶特征的速度-时间曲线。NEDC和WLTC标准试验工况广泛应用于车辆综合油耗测试。然而，我国地域广阔，道路交通状况各有特点，汽车行驶时的负荷变化不定。研究表明，官方标定的百公里油耗往往存在“虚低”的情况［1］。因此，研究更加符合实际的汽车行驶工况并准确测出汽车的综合油耗十分有必要。

目前，世界主流的汽车续航测试工况标准主要有NEDC工况和WLTC工况等。由欧盟委员会提出的NEDC（new european driving cycle）工況曾被广泛应用于汽车续航测试工作［2］。测量NEDC油耗的常用方法是在底盘测功机上测试NEDC循环下的整车油耗［3］。郭涛［4］的研究表明，汽车实际油耗与 NEDC 法规认证结果存在较大偏差。全球轻型汽车测试循环WLTC （worldwide harmonized light vehicles test cycle）相比NEDC工况拥有更多的加速和减速状态，更加全面地考虑了实际因素［5］。王霞等［6］通过WLTC循环工况测试，研究整车油耗和负荷加载的关系。黄国海等［7］通过运用AVL CRUISE软件测定某一款SUV在WLTC工况下的燃油消耗率，为本研究的油耗测试试验提供了参考。

我国地域广阔，道路交通状况各有特点，汽车行驶时的负荷变化不定，上述工况标准无法准确描述我国各个地域的真实路况特征。田宇等［8］通过统计学方法，分析太原市的汽车行驶数据，拟合出更能反映太原市轻型车的区域性工况曲线。徐权奎等［9］基于PSPICE电路仿真方法，发现汽车的综合油耗不仅与车速有关，也与油门开度有密切联系。王程玉等［10］等使用MATLAB和Cruise平台进行同负载情况下驱动控制策略的仿真验证。孙冬野等［11］通过研究AMT汽车启动过程，发现当汽车经历不同行驶场合，需要改变汽车油门开度以产生相应的发动机扭矩，这会直接影响汽车的综合油耗。因此，基于传统的汽车行驶工况速度-时间曲线标定的油耗与用户反馈的实际油耗存在较大偏差。

将油门开度参数引入汽车行驶工况构建可以综合考虑负荷与车速变化对行车油耗的影响。为此，提出“车速-油门开度-时间”三维汽车行驶工况曲线的构建方案，综合描述车速和油门开度的变化规律，以提高汽车综合油耗评估的准确性。

1   模型方案

传统的汽车续航测试标准工况均为速度-时间曲线，而实际行车油耗受到车速、油门开度、轮胎半径和传动系统特性等因素影响。汽车实际燃油消耗量如式（1）所示［12］：

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

式中： B为汽车实际燃油消耗量；n为发动机转速；r为轮胎滚动半径；F（u，θ）为汽车行驶阻力，是关于车速u和路面坡度θ的函数；i  g 为各挡位对应的传动比；H  u 为燃料热值;η 为总效率。

对于不同车速 u的变化需求，发动机转速n与传动比参数i  g 的确定主要取决于车辆传动系统特性。车辆行驶阻力F（u，θ） 的变化可由油门开度的动态变化来表征［12］。因此，将油门开度参数引入汽车行驶工况构建并选取合适的换挡策略可以综合考虑负荷与车速变化对行车油耗的影响。为此，提出“车速-油门开度-时间”三维汽车行驶工况曲线的构建方案（以下简称三维工况），综合描述车速和油门开度的变化规律，以提高汽车综合油耗评估的准确性。

该方案以车速为主要依据，划分出数个汽车行驶片段并记录对应油门开度数据。通过主成分分析、聚类分析、相关性分析筛选出能够真实反映汽车行驶特征的片段，并拼接成为工况曲线。模型框架如图1所示。三维行驶工况与传统的车速-时间二维行驶工况曲线的构建方法相类似，区别在于划分汽车行驶片段时增加了油门开度数据。因此，本研究构建的三维工况曲线在车速-时间平面的投影与传统的车速-时间二维行驶工况曲线等效。

基于仿真与实测可以实现油门开度与汽车的行驶阻力［12］信息的转换，所建工况可以迁移拓展用于相近车型的续航测试评估。

1） 数据的采集与预处理

工况构建所需的数据为特定区域采集的汽车行驶速度、经纬度信息和油门开度等数据，采样时长在100 h以上。对数据进行如下预处理。首先，剔除异常数据并进行时基校准；然后，对数据进行降噪处理，基于统计学规律，运用移动平均滤波器过滤试验数据中存在错误或异常（偏离期望值）的数据，即数据噪声；最后，进行怠速时间处理，采用领域判定法，将车速小于10 km/h的数据按怠速处理并去除各个怠速数据中超过180 s的数据部分［13］。

2） 划分“车速-油门开度”运动学片段

以汽车的速度特征作为划分运动学片段的参考标准。将汽车行驶过程中连续两个怠速状态之间（时间区间应该大于20 s）的運行片段定义为运动学片段，以便于对汽车行驶特征进行数据分析。本研究依据上述每条数据中的车速数据划分运动学片段。同时保留每一条车速数据对应的实时油门开度数据。

选取怠速时间比、加速时间比、减速时间比、匀速时间比、平均速度、平均行驶速度、速度标准差、加速度标准差8个特征参数来描述运动学片段和整体。其中，怠速时间比为汽车停止行驶时间与工况曲线总时长之比；加速时间比为汽车加速度大于0.1 m/s2时间占比；减速时间比为汽车加速度小于-0.1 m/s2的时间占比；巡航/匀速时间比为汽车加速度的绝对值小于0.1 m/s2时间占总时间的比例。

3） 主成分分析

因为运动学片段中包含大量描述车速的特征参数，为了减少计算复杂度，优化算法，需要采取降维措施来处理这些数据。常用的方法有因子分析法、主成分分析法等。由于因子分析对数据要求较高，只有当变量通过KMO相关性检验时才能够继续，而主成分分析能够在保留绝大部分信息的基础上实现数据降维，因此，本研究选择使用主成分分析法对运动学片段进行数据降维。

4） 聚类分析

为了更好地捕捉汽车的车速特性，本研究将经过降维处理的数据分成不同的类别，并采用聚类分析对运动学片段进行归类。在数据量较大时，相较于其他聚类方法，K-means聚类适用范围更广，操作更简单，并且能够指定聚类的数目。因此，本研究选择K-means聚类。通过建立 k个起始点，计算每个点与其他点之间的欧几里德距离，将每个点分配到最近的点，最终将所有数据点归类为k 类。根据汽车行驶的主要特征，“车速-油门开度”运动学片段被聚类成低速段、中速段和高速段［14］。

5） 拼接工况曲线

采用斯皮尔曼相关性分析，分别计算上述3组运动学片段的各特征参数与该组片段的整体特征参数的相关系数。在各分组中分别选取相关性较高的数个“车速-油门开度”运动学片段拼接成一条三维汽车工况曲线。参考行业标准工况将城市循环工况的时间取为1 200 s左右［15］。

2   试验设计与工况构建

2.1   试验与仿真

1） 为了分析不同道路与交通情况对行车油耗的影响，将福州市按地形、拥堵情况、道路状况特点划分为A区、B区、C区，如图2所示。

2） 选用车况良好的3辆试验轿车进行试验，选用由中国汽车技术研究中心提供的车载设备采集数据。将设备安装到试验车辆的OBD插口，从CAN总线读取ECU储存的车速数据和油门开度数据；利用GPS采集仪采集车辆的实时经纬度参数。基于以上数据构建三维工况曲线，同时分别记录试验车辆在3个区域行驶时的平均百公里油耗数据。

3） 基于步骤2中构建的福州市A，B，C 3个区域的三维工况曲线，分别向车速-时间平面投影，得到车速-时间二维工况曲线。

4） 汽车换挡策略受到传动系统特性、变速需求与行驶阻力等多种因素的影响，在基于优化驾驶质量和油耗性能的考虑下，特定车速与行驶阻力条件下车辆挡位选取策略将相对固定，挡位信息可由车速与油门开度计算获取［16］。

5） 在Cruise软件中搭建整车模型，将构建的3个区域的车速-油门开度-时间三维汽车行驶工况曲线和车速-时间二维行驶工况曲线以及步骤4中的换挡信息导入Cruise/M软件Profile创建整车性能仿真模型［17］，完成汽车行驶循环，记录各工况的仿真油耗结果。

2.2   构建三维工况曲线

3个区域的道路交通特征如表1所示。由表1可知，A，B，C 3个区域的地形特性、拥堵程度、道路起伏有较大差异。因此，3个区域的汽车行驶特征具有鲜明差异。

对496 464条数据进行预处理，将处理后的470 824条数据划分成2 781个“车速-油门开度”运动学片段，其中A区1 530个，B区835个，C区416个，并计算特征值（见表2）。

对8个特征值运动学片段进行主成分分析。图3示出各个主成分特征值的碎石图。由图可看出，所选的4个主成分包含大部分特征参数信息，因此可以提取出4个主成分。

使用K-means聚类算法，可以将主成分数据进行有效的归纳和整理。最终的聚类中心如表3所示。

根据4个主要特征，3个区域的“车速-油门开度”运动学片段可以划分为3类：低速、中速和高速，具体情况可参见表4。

采用斯皮尔曼相关性分析，在3个区域的低速段、中速段和高速段中分别选取相关性较高的数个“车速-油门开度”运动学片段拼接构成三维工况曲线，结果如图4所示。

A区的工况曲线总长度为1 286 s，汽车的平均速度为36.43 km/h。A区在中、低速段的油门开度变化频繁，表现出负荷变化较大的特征。B区的工况曲线总长度为1 235 s。相较于A区，B区在低速段车速和油门开度的变化频率更高，表现出频繁起停的特征；B区的速度变化范围更广，低、中、高速段的速度占比更均匀，汽车的平均速度更低。C区的工况曲线总长度为1 233 s。相较于A区，C区的中、高速段占比更高，油门开度的变化频率更低，车速和油门开度近似呈正比关系，汽车的平均车速最高。

在3个三维工况曲线上每隔10 s取一个特征点，向油门开度-速度坐标轴投影可得到3个区域车速和油门开度的关系（见图5）。

由图5可以看出，福州市A，B，C 3个区域的速度-油门开度分布的范围不同。其中A区主要集中在中低速段，且油门开度变化较大；B区的速度跨度较大，油门开度变化范围较小；C区的车速和油门开度近似成正比。在相同的车速下，3个区域的油门开度差异较大，这说明汽车的油门开度与车速的关系受道路情况的影响较大。

2.3   构建二维工况曲线

将上述构建的三维工况曲线在车速-时间平面投影得到车速-时间二维工况曲线，如图6所示。

2.4   油耗测试仿真试验

试验车辆在福州市3个区域行驶的实际油耗（平均百公里油耗数据）分别为A区油耗7.812 L/100 km，B区油耗8.053 L/100 km，C区油耗7.588 L/100 km。

仿真测试表明，汽车由A区的三维和二维行驶工况曲线测定的油耗分别为7.735 L/100 km，6.648 L/100 km，由B区的三维和二维行驶工况曲线测定的油耗分别为8.280 L/100 km和6.927 L/100 km，由C区的三维和二维行驶工况曲线测定的油耗分别为7.514 L/100 km和6.532 L/100 km。

3   结果分析

3.1   速度特征分析对比

为了检验三维工况曲线是否具有反映汽车行驶速度特征的优点，分析福州市A区、B区和C区的速度变化特征，如图7所示。

从图7可以看出：B区加减速的比例最大，平均速度最小，这与B区地处市区，车流量较大而道路拥挤的特征相契合；相对于B区，A区的平均速度较高，而低速时间的比重较低，这符合A区位于山区、道路曲折、车流量稀少的特点；C区的交通状况十分优越，其匀速行驶的比例最大，平均速度最高，低速行驶的比例最小，这与C区位于平原且距离市中心较远的特点吻合。行驶车速特征与工况确实存在相关性。

3.2   油门开度特征分析

为了检验三维工况曲线是否能够反映汽车行驶时的油门开度特征，对福州市A区、B区和C区的工况曲线进行分析。为了便于定量分析油门开度变化特征，对油门开度相关特征进行量化定义：加油门时间比为油门开度变化率［18］大于0.01 s-1的时间占比；减油门时间比为油门开度变化率小于-0.01 s-1的时间占比；小油门时间比为油门开度小于5%的时间占比；匀油门时间比为油门开度变化率的绝对值小于0.01 s-1的时间占比。

对不同工况下的油门开度特征参数进行对比，如加油门时间比、减油门时间比、小油门时间比等，结果如图8所示。

由图8可见，福州市A区的加油门、减油门、小油门时间比最高，匀油门时间比最小，这符合A区位于山谷丘陵地带、道路起伏，需要经常调整油门以提供不同的转矩的特点；B区的加油门、减油门、小油门时间比高，匀油门时间比少，这符合B区位于市区，交通拥堵，需要高频率地起动和减速，会经常调整油门开度的特点；C区的加油门、减油门、小油门时间比少，匀油门时间比最高，这符合C区地处平原且较为偏僻，车流量较少的特点。

图8 油门开度特征对比

3.3   综合油耗对比

将试验车辆在三维工况曲线和二维工况曲线下的仿真测试油耗与试验车辆在A，B，C 3个区域行驶的真实油耗进行对比，结果如图9所示。

从图9可以看出：对于A区，基于三维行驶工况和二维行驶工况标定的油耗相较于实际油耗的偏差分别为0.986%和14.900%；对于B区，基于三维行驶工况和二维行驶工况标定的油耗相较于实际油耗的偏差分别为2.819%和13.982%；对于C区，基于三维行驶工况和二维行驶工况标定的油耗相較于实际油耗的偏差分别为0.975%和13.917%。

在A，B，C 3个区域，三维工况相对于二维工况所测得的油耗的偏差平均减少了12.673%。

4   结束语

本研究提出通过划分车速-油门开度行驶片段，利用主成分分析、聚类分析和相关性分析等方法筛选行驶片段，拼接行驶片段构建车速-油门开度-时间三维工况曲线的工况构建方案。通过试验对比分析得出，该方案弥补了传统的速度-时间二维工况曲线无法描述汽车行驶时油门开度变化特征的不足。分别测量了试验车辆在目标区域行驶的实际油耗，以及以三维工况和二维工况曲线测定的油耗值。通过对比分析得出，三维工况相对于二维工况所测得的油耗的偏差分别减少了13.914%，11.163%，12.942%，平均减少了12.673%。

参考文献：

［1］  胡鸿飞.南京市轻型车实际行驶工况与检测标准工况比较研究［D］.南京：东南大学，2017.

［2］ 中华人民共和国环境保护部.轻型汽车污染物排放限值及测量方法（中国Ⅲ、Ⅳ阶段）：GB 18352.3—2005［S］.北京：中国环境科学出版社，2005.

［3］ 曹甜马.NEDC工况下的前驱车型整车能耗测试与研究［D］.武汉：武汉理工大学，2016.

［4］ 郭涛.动态工况下汽油机性能量化方程研究及在整车能量流测评中的应用［D］.长沙：湖南大学，2021.

［5］ 胡远志，黄驰.采用余热型热泵的整车制热系统设计与仿真［J］.重庆理工大学学报（自然科学），2022，36（11）：76-83.

［6］ 王霞，褚观耀，于飞.阻力加载对乘用车WLTC循环排放及油耗影响［J］.交通节能与环保，2019，15（3）：5-7.

［7］ 黄国海，吴颂，黄真，等.浅谈新双积分法规下乘用车降油耗方案研究［J］.汽车实用技术，2021，46（8）：113-115.

［8］ 田宇，朱建军，周博雅.太原市轻型车实际行驶工况构建［J］.汽车技术，2018（3）：51-55.

［9］ 徐权奎，祝轲卿，陈自强，等.基于仿真的电控柴油机ECU热优化设计［J］.内燃机工程，2008，127（2）：31-36.

［10］  王程玉，林慕义，吴柯桐，等.负载变化对纯电动货车驱动控制策略的影响［J］.机械设计与制造，2022，372（2）：148-151.

［11］ 孙冬野，陈然，秦大同，等.AMT汽车起步过程节气门目标控制量的确定［J］.汽车工程，2009，31（11）：1020-1024.

［12］ 余志生.汽车理论［M］.6版.北京：机械工业出版社，2018.

［13］ 陈岩，杨晋，裴永生，等.汽车怠速工况NVH性能预测模型研究［J］.重庆理工大学学报（自然科学），2022，36（11）：69-75.

［14］ 黄淼，李涛，文旭，等.融合图像识别和聚类分析的感应电动机参数辨识［J］.重庆理工大学学报（自然科学），2022，36（9）：195-201.

［15］ 李孟良，朱西產，张建伟，等.典型城市车辆行驶工况构成的研究［J］.汽车工程，2005（5）：54-57.

［16］ 常朕，马绮蔚.基于驾驶质量和油耗综合性能的换挡策略设计［J］.传动技术，2021，35（2）：16-20.

［17］ 尤国贵，卢剑伟，苏俊收，等.重型半挂牵引车行驶工况研究及其动力传动系统优化［J］.汽车工程，2022，44（11）：1735-1745.

［18］ 葛安林，吴锦秋，林明芳.汽车动力传动系统参数的最佳匹配［J］.汽车工程，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

［编辑： 姜晓博］

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

基金项目：    国家自然科学基金青年基金项目“活塞-缸套弹流碰撞行为的动态流-固耦合建模及状态监测研究”（51805353）；山西省回国留学人员科研资助项目“导师组模式在来华留学研究生培养中的教研实践”（HGKY2019041）

作者简介：   付志成（2002—），男，本科，主要从事车辆工程相关研究；zhichengfu21@163.com。