原文传递
基于模糊神经网络的汽车座椅静态舒适度评价方法研究
| 论文题名： | 基于模糊神经网络的汽车座椅静态舒适度评价方法研究 |
| 关键词： | 汽车座椅;静态舒适性;评价方法;模糊神经网络 |
| 摘要： | 随着国家宏观经济政策的不断释放，国民经济持续保持着又快又好的发展形势。受此影响下，中国汽车行业加大改革力度，产品的结构调整和更新步伐持续加快，产销增速逐年增高，且中国仍处于汽车普及期，长期需求空间仍然较大。各大车企间的竞争已经在多个层面展开，包括车辆造型、配置、价格、售后服务等，以往简单的价格战效果已大打折扣，而将竞争提升到更高层面，包括人机工程、主动安全、舒适性等。在汽车行驶过程中，汽车座椅与人体的接触面积最大、接触时间最长，它的性能好坏直接影响到驾乘人员的安全性及舒适性体验。 论文主要探讨了汽车座椅的静态舒适性评价方法，主要内容有： (1)完善试验流程；通过BMI尺度结合身高筛选出合适的试验人员11名，试验初始阶段先给每个被试人员建立一个科学的舒适性定义，设计基于研究目标的主观量表，通过实车模拟平台测试不同被试乘坐10把不同座椅的体压分布，获得上百组试验数据用于后续的建模。 (2)优化主观评价；通过对主观打分的统一化处理，使被试人员的打分处于一个相对理性的水平，削弱主观因素的影响效果，提高最终模型的预测精度。 (3)局部特征提取；通过实际试验调研，了解到短时静态乘坐体验中较为敏感的身体部位为臀部区域和大腿区域，利用 MATLAB函数工具提取两个区域的压力特征，并明确其物理意义，保证评价模型的泛化性。 (4)基于预测结果的算法选择；在多种算法可供选择的情况下，尝试在实际训练模型所得结果中选择合适的算法组合。 (5)基于ANFIS评价系统建模；尝试使用ANFIS editor和脚本程序结合训练样本数据，以期缩短训练时间，提高训练效率。 建立的基于模糊神经网络的评价模型对10组测试样本预测的平均误差率为7.35%，当转化成等级划分时预测结果与主观评价结果保持一致，实现了短时座椅静态舒适性评级预测，侧面验证了通过局部座椅特征修改提高整椅舒适性的可行性。论文最后对未来座椅舒适性的研究进行了展望，计算能力、深度学习、智能算法的发展会极大地促进座椅舒适性的研究进程。 |
| 作者： | 刘威 |
| 专业： | 机械工程 |
| 导师： | 刘军;方锐 |
| 授予学位： | 硕士 |
| 授予学位单位： | 宁波大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
