近年来,人民生活水平不断提高的同时,各类生活垃圾产生的数量也不断上升,其中的一部分因为种种原因散落在城市道路,影响环境与卫生,导致了国内路面清扫车需求的上升,而传统清扫车存在能源利用率低,污染严重等环境能源问题,这与全球日益严峻的污染物排放与能源短缺问题产生了矛盾。同时部分清扫车司机在道路作业时,由于清洁度需求与部分驾驶员操作影响,存在很多选用过高档位作业的情况,造成了能源的浪费。本文依托于2018年国家重点研发计划新能源汽车重点专项——“N2/N3类纯电动商用车动力平台关键技术研究及整车应用”中的子课题3——“整车智能化控制及性能提升技术”,为通过智能感知技术作业的纯电动智能清扫车进行清扫车典型工况与工况的场景模型表征相关研究。可以为智能识别算法,上装系统机构优化关联的节能率的体现提供客观有代表性的评价依据。本文自2018年8月至2019年8月,选取地理位置位居中国中部,四季分明,路面作业覆盖各种气候的北京市为采集对象,通过选取28辆出车率最高的路面清扫车,共采集了29090628条上装系统功率。之后结合清扫车上装系统功率变化与分布特点,将采集数据转化为4个标准值:0kW(停止)、28kW(低档)、39kW(中档)、54kW(强档)。之后通过与行驶工况类似的短行程定义,特征参数计算,主成分分析降维,k均值聚类算法对预处理后的数据进行分析,得到4类作业短行程,计算所有短行程与其所在类的特征参数向量距离,挑选出4条最符合类别特征的作业短行程,依据各类短行程的占比,进行缩放后组成了1800s的清扫车典型作业工况。其中低档占比79.67%,为主要档位,中档占比17.67%强档占比0.16%,与采集的整体数据对比后,偏差值较为理想,可以在一定程度上体现我国清扫车路面作业时上装系统的典型工况。在进行建立工况研究的同时,本文还在第三章中同步进行了功率匹配试验的工作,通过搭建1008种垃圾分布场景,使用项目智能清扫车辆实时感知场景信息,人工选择合适档位作业,将智能感知的作业场景与人工选择的档位记录为试验数据,构建用于训练功率匹配模型的数据集,并于第五章中使用了构建的数据集训练3层神经网络与学习向量量化算法模型,经优化比对后,选取后者训练得到的原型向量用作功率匹配模型,实现了由感知层到档位判断的决策依据。之后以功率匹配模型为基础,通过随机生成场景,将场景输入模型判断档位的方式,结合第四章构建的典型工况曲线相关信息,清扫车作业速度等因素,提出了一种将典型工况转化为若干对应场景组合的典型作业工况模型表征方法,进行了节能率测试验证,为评价节能率,感知系统识别率等智能清扫车指标体现提供了可靠的测试场景搭建依据。