Multifractal analysis vehicle’s in-use speed profile for application in driving cycles

• Autorzy: Puchalski A. , Komorska I. , Ślęzak M. , Wiśniowski P.

Identyfikatory

DOI

10.17531/ein.2018.2.02

Warianty tytułu

PL

Multifraktalna analiza eksploatacyjnego profilu prędkości pojazdu w zastosowaniu do testów jezdnych

• Języki publikacji: EN PL

Abstrakty

EN

Time signals recorded by the on-board diagnostic system (OBD), describing the manner of vehicle’s movement in actual road conditions show non-stationarity and non-linearity, as well as statistical multiscalarity. In practice, it means that the analysis of registered time series requires modelling of non-linear phenomena. The aim of this study was to examine the nature of the vehicle speed profile in actual road conditions with the method of multifractal analysis. A number of studies indicates that the driving tests applied for many years have not been representative for the actual operating conditions of vehicles. For both the new Worldwide Harmonised Light duty Test Cycle (WLTC), a worldwide harmonised procedure of light vehicle testing, as well as in actual urban driving conditions along the measuring route, being subject to empirical research, confirmation of strong multifractal properties of the recorded vehicle speed time series have been obtained.

PL

Sygnały czasowe rejestrowane przez system diagnostyki pokładowej OBD i opisujące sposób ruchu pojazdu w rzeczywistych warunkach drogowych, wykazują niestacjonarność i nieliniowość oraz statystyczną wieloskalowość. W praktyce oznacza to, że analiza zarejestrowanych szeregów czasowych wymaga modelowania zjawisk nieliniowych. Celem niniejszej pracy było zbadanie charakteru profilu prędkości pojazdów w rzeczywistych warunkach drogowych metodą analizy multifraktalnej. Szereg badań wskazuje, że stosowane przez wiele lat testy jezdne nie były reprezentatywne dla rzeczywistych warunków eksploatacyjnych pojazdów. Zarówno dla nowego cyklu jezdnego WLTC, światowej zharmonizowanej procedury badań pojazdów lekkich jak i w rzeczywistych warunkach drogowych jazdy miejskiej na trasie pomiarowej, będącej przedmiotem badań doświadczalnych uzyskano potwierdzenie silnych własności multifraktalnych rejestrowanych szeregów czasowych prędkości pojazdu.

Słowa kluczowe

EN

multifractal analysis; driving cycles; actual road conditions

PL

analiza multifraktalna; testy jezdne; rzeczywiste warunki drogowe

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2018
• Tom: Vol. 20, no. 2
• Strony: 177--181
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Puchalski A.

• University of Technology and Humanities in Radom ul. Chrobrego 45, 26-600 Radom, Poland

autor

Komorska I.

• University of Technology and Humanities in Radom ul. Chrobrego 45, 26-600 Radom, Poland

autor

Ślęzak M.

• Motor Transport Institute ul. Jagiellońska 80, 03-301 Warszawa, Poland

autor

Wiśniowski P.

• Motor Transport Institute ul. Jagiellońska 80, 03-301 Warszawa, Poland

Bibliografia

• 1. Batko W, Dąbrowski Z, Kiciński J. Nonlinear Effects In Technical Diagnostics. Radom, Poland: Institute for Sustainable Technologies, 2008.
• 2. Cheng Q. Generalized binomial multiplicative cascade processes and asymmetrical multifractal distributions. Nonlinear Processes in Geophysics 2014; 21: 477-487, https://doi.org/10.5194/npg-21-477-2014.
• 3. Chłopek Z. Synteza testów jezdnych zgodnie z kryteriami podobieństwa charakterystyk częstotliwościowych. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2016; 18(4): 572-577, https://doi.org/10.17531/ein.2016.4.12.
• 4. Dai M, Zhang Ch, Zhang D. Multifractal and singularity analysis of highway volume data. Physica A 2014; 407: 332-340, https://doi.org/10.1016/j.physa.2014.04.005.
• 5. Kantelhardt J W. Fractal and Multifractal Time Series. Mathematics of Complexity and Dynamical Systems Robert A Meyers (Ed.). New York: Springer 2011.
• 6. Kantelhardt J W, Zschiegner S A, Koscielny-Bunde E, Havlin S, Bunde A, Stanley HE. Multifractal detrended fluctuation analysis of nonstationary time series. Physica A 2002; 316: 87-114, https://doi.org/10.1016/S0378-4371(02)01383-3.
• 7. Kantz H, Schreiber T. Nonlinear time series analysis. Cambridge: University Press, 2004.
• 8. Loutridis S J. An algorithm for the characterization of time-series based on local regularity. Physica A 2007; 381: 383–398, https://doi.org/10.1016/j.physa.2007.03.012.
• 9. Merkisz J, Lijewski P, Fuc P, Siedlecki M, Ziółkowski A. Development of the methodology of exhaust emissions measurement under RDE (Real Driving Emissions) conditions for non-road mobile machinery (NRMM) vehicles. KONMOT 2016; Materials Science and Engineering 148: 1-11.
• 10. Mock P, Kühlwein J, Tietge U, Franco V, Bandivadekar A, German J. The WLTP: How a new test procedure for cars will affect fuel consumption values in the EU. Working paper 2014-9. International Council on Clean Transportation, 2014.
• 11. Puchalski A, Komorska I. Stable Distributions and Fractal Diagnostic Models of Vibration Signals of Rotating Systems. Advances in Condition Monitoring of Machinery in Non-Stationary Operations. Applied Condition Monitoring A.Timofiejczuk et al. (eds.) Springer International Publishing AG 2018; 9: 91-101, https://doi.org/10.1007/978-3-319-61927-9_9.
• 12. Puchalski A. Multiscale analysis of vibration signals in engine valve system. Journal of Vibroegineering 2015; 17(7): 3586-3593.
• 13. Puchalski A. Techniki budowy nieliniowych modeli diagnostycznych z wykorzystaniem szeregów czasowych drgań mechanicznych. Przegląd Mechaniczny 2016; 10: 33-36, https://doi.org/10.15199/148.2016.10.4.
• 14. Puchalski A, Komorska I. Multifractal Nature of Diesel Engine Rattle Noise in Vehicle. Archives of Acoustics 2017; 42(3): 469-474, https://doi.org/10.1515/aoa-2017-0049.
• 15. Shang P, Lu Y, Kamae S. The application of Holder exponent to traffic congestion warning. Physica A 2006; 370: 769–776, https://doi.org/10.1016/j.physa.2006.02.032.
• 16. Shang P, Lu Y, Kamae S. Detecting long-range correlation of traffic time series with multifractal detrended fluctuation analysis. Chaos, Solitions and Fractals 2008; 36: 82-90, https://doi.org/10.1016/j.chaos.2006.06.019.
• 17. Shang P, Shen J. Multi-fractal analysis of highway traffic data. Chinese Physics 2007; 16(2): 365-373, https://doi.org/10.1088/1009-1963/16/2/016.
• 18. Sileghem L, Bosteels D, May J, Favre C, Verhelst S. Analysis of vehicle emission measurements on the new WLTC, the NEDC and the CADC. Transportation Research Part D 2014; 32: 70–85, https://doi.org/10.1016/j.trd.2014.07.008.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).