原文传递
基于统计学习理论的汽车操纵装置操纵力舒适性研究
| 论文题名： | 基于统计学习理论的汽车操纵装置操纵力舒适性研究 |
| 关键词： | 汽车操纵装置;舒适性评价;模糊C-均值聚类;支持向量机;性能预测 |
| 摘要： | 随着汽车设计理念的发展,操纵装置操纵舒适性已经成为衡量汽车总体性能一个不可或缺的指标,而影响操纵舒适性的操纵装置固有属性(如形状、大小等)大多与操纵者的操纵力有关,同时操纵力与舒适性评价之间存在显著的相关性,因此,通过操纵力来评价预测舒适性的大小已经成为汽车舒适性研究领域关注的重点。 鉴于国内外对操纵装置操纵力舒适性评价与预测方面的研究尚有欠缺,本文在研究汽车操纵装置操纵力舒适性相关理论和评价方法的基础上,搭建一套多维的操纵装置模拟平台,用以采集与处理相应的操纵力信息；根据操纵装置的固有属性和人体生理参数,分析影响操纵力舒适性的关键因素,采用人体生理参数和心理参数来表征操纵力舒适性程度,建立操纵力信息与人体生理参数和心理参数之间映射模型并进行舒适性的数字化描述；以此为基础,提出基于欧氏距离的相异度函数表达方法,描述不同操纵力下人体舒适性之间的差异,对操纵力舒适性进行矢量描述；以舒适性矢量作为样本数据,采用模糊C-均值(Fuzzy c-Means,FCM)聚类分析,对操纵力舒适性矢量进行识别分类,并参照国军标以及操纵力与生理和心理参数的映射关系对操纵力舒适性进行等级划分；在操纵力舒适性等级划分的基础上,以人体生理舒适度和心理舒适度为指标,构建基于支持向量回归机(Support Vector Regression,SVR)的操纵力舒适性预测模型,实现对操纵力舒适性的准确预测；最后,将SVR模型和径向基(Radical Basis Function,RBF)神经网络模型的预测结果与实测值进行比较,验证该操纵力舒适性预测方法的准确性和有效性。 |
| 作者： | 张大伟 |
| 专业： | 工业工程 |
| 导师： | 沈维蕾 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
