陳君　李剛炎　黃鶴

摘要：根據(jù)汽車轉(zhuǎn)向器專利信息的特點，通過劃分專利類型，研究了專利檢索技術中的需求表征方法和特征抽取技術，構(gòu)建了相似余弦匹配模型來進行專利檢索。在專利信息獲取后，采用了RBP神經(jīng)網(wǎng)絡技術預測汽車轉(zhuǎn)向器技術發(fā)展趨勢和改進產(chǎn)品性能，為轉(zhuǎn)向器企業(yè)在產(chǎn)品開發(fā)中的技術創(chuàng)新提供決策依據(jù)。

關鍵詞：汽車轉(zhuǎn)向器；產(chǎn)品開發(fā)；專利檢索；專利數(shù)據(jù)預測

中圖分類號：TP274 文獻標識碼：A 文章編號：0439-8114（2013）07-1679-04

汽車轉(zhuǎn)向器是整車上非常關鍵的一個分總成，也是一個高要求的安全件。我國汽車轉(zhuǎn)向器企業(yè)關鍵技術經(jīng)歷了引進、消化、吸收過程，真正意義上的自主創(chuàng)新技術和產(chǎn)品非常少。隨著知識產(chǎn)權意識不斷加強和國際各大公司間的專利之爭不斷增多[1，2]，國內(nèi)企業(yè)越來越重視對專利信息在產(chǎn)品開發(fā)中的使用。對專利信息在產(chǎn)品研發(fā)中應用的研究，國外企業(yè)主要集中在對專利信息的分析研究行業(yè)發(fā)展趨勢、競爭對手的技術水平、研發(fā)動向及經(jīng)營戰(zhàn)略，以此作為依據(jù)來制定本企業(yè)的專利戰(zhàn)略[3，4]。國內(nèi)對專利信息的分析和研究起步晚，尚處于研究初期，但已受到越來越多的企業(yè)重視和關注。目前的研究主要集中在專利信息對企業(yè)專利戰(zhàn)略制定的作用、專利信息與技術創(chuàng)新的關系等方面。對汽車零部件企業(yè)的專利信息的研究主要從專利信息的角度分析企業(yè)技術創(chuàng)新能力、專利數(shù)據(jù)庫的建設、專利技術領域分布對企業(yè)的專利戰(zhàn)略作用等方面[5，6]進行，而通過專利信息的分析來對具體某種產(chǎn)品的開發(fā)進行技術層面的指導研究較少。本文以某汽車轉(zhuǎn)向器企業(yè)為例，用專利檢索技術研究汽車轉(zhuǎn)向器企業(yè)專利信息獲取的途徑，并選用RBP神經(jīng)網(wǎng)絡技術對專利技術進行預測，為企業(yè)產(chǎn)品開發(fā)提供研究方向。

1 汽車轉(zhuǎn)向器專利信息檢索技術

汽車轉(zhuǎn)向器的專利信息主要檢索源來自互聯(lián)網(wǎng)和有關數(shù)據(jù)庫，其特征為海量。為了便于在海量信息中檢索到有用的專利信息，在檢索之前要進行專利信息的分類，汽車轉(zhuǎn)向器專利信息可分為齒輪齒條相關、循環(huán)球相關、電動轉(zhuǎn)向系統(tǒng)EPS相關、加工制造工具、加工方法或生產(chǎn)工藝以及其他類型等6大類。通過分類，在檢索時利用有效的描述需求特征檢索出所需要的信息。本文將從需求表征方法、特征抽取技術和匹配模型3個方面來研究汽車轉(zhuǎn)向器專利檢索技術。

1.1 需求表征

需求表征是指通過網(wǎng)絡資源獲取所需的專利信息時，對所需信息的特征進行合理描述和表達的過程。需求表征是通過需求模板（也叫用戶模板，圖1）來描述和實現(xiàn)的。由于需求模板將直接影響所獲取專利信息的相關程度，所以需求模板要具有結(jié)構(gòu)簡單、明確，在給定的信息匹配模型下便于與檢索信息進行匹配，便于管理、維護、修改和更新。向量空間模型如式（1）：

Profile（i）={（xi1，wi1），（xi2，wi2），（xi3，wi3），…，（xik，wik）} （1）

式中，Profile（i）為第i個用戶模板（i=1，2，3， …）；xim為第i個模板的第m個特征項（m=1，2，3， …，k）；wim為第i個模板的第m個特征項的權重（m=1，2，3，…，k）。

1.2 特征抽取

特征提取是專利信息檢索技術的重要組成部分，它具體實現(xiàn)從信息源中的專利信息到特征向量的轉(zhuǎn)化，為獲取相關專利信息提供數(shù)據(jù)，特征抽取是對相關專利信息進行預處理的過程[7]。對于汽車轉(zhuǎn)向器專利信息檢索的特征采用圖2所示的抽取流程。

1.3 匹配模型

在汽車零部件專利檢索中，采用相似匹配的方法。匹配是判斷待檢索信息與需求模板符合程度的手段。專利信息檢索的相似匹配就是將特征向量與需求模板的權重向量進行相似匹配，按照相似余弦算法[式（2）][8]計算出相似度，再根據(jù)相似度的大小來決定該信息的符合程度。

1.4 應用實例

結(jié)合汽車轉(zhuǎn)向器專利數(shù)據(jù)信息的特點和類型，根據(jù)檢索方法和技術原理，制定檢索策略，如表1所示。

按照所設定的檢索詞和相應的檢索方法，利用互聯(lián)網(wǎng)和相關專利數(shù)據(jù)庫進行檢索，可以檢索到國內(nèi)外汽車轉(zhuǎn)向器生產(chǎn)企業(yè)的名稱，對應類型的專利信息及數(shù)量，列舉了實力較強的5家國外汽車轉(zhuǎn)向器生產(chǎn)企業(yè)和8家國內(nèi)汽車轉(zhuǎn)向器生產(chǎn)企業(yè)，查得對應于這些企業(yè)與轉(zhuǎn)向系統(tǒng)相關專利共計593項。其中，申請人為國內(nèi)企業(yè)的為243項，占總量的40.98%；申請人為國外企業(yè)的為350項，占總量的59.02%，國外汽車轉(zhuǎn)向器企業(yè)明顯占據(jù)優(yōu)勢。從檢索結(jié)果來看，所用到的檢索方法和檢索策略是有效的。通過上述檢索技術來查找對產(chǎn)品開發(fā)相關的專利數(shù)據(jù)，為專利數(shù)據(jù)預測提供依據(jù)。

2 汽車轉(zhuǎn)向器專利數(shù)據(jù)預測技術

神經(jīng)網(wǎng)絡技術是一種方便、科學的預測技術，本文選取RBP神經(jīng)網(wǎng)絡技術對專利數(shù)據(jù)進行預測。RBP神經(jīng)網(wǎng)絡的徑向基函數(shù)網(wǎng)絡是由輸入層、單隱層、輸出層組成的三層前饋網(wǎng)絡[9，10]，其結(jié)構(gòu)如圖3。

徑向基函數(shù)有多種形式，其中最常用的是高斯核函數(shù)，隱節(jié)點的輸出如式（3）：

式中，x為輸入樣本；σj為基寬度；cj為高斯函數(shù)中心；Nh為隱層節(jié)點數(shù)。

2.1 預測內(nèi)容

專利數(shù)據(jù)預測旨在預測產(chǎn)品開發(fā)中技術發(fā)展的趨勢和改進產(chǎn)品的性能，具體體現(xiàn)在參數(shù)的預測和性能的預測。本文針對EPS轉(zhuǎn)向器的專利檢索結(jié)果，結(jié)合具體的發(fā)展環(huán)境預測EPS轉(zhuǎn)向器的未來趨勢。下面重點研究EPS轉(zhuǎn)向器的方向盤端對助力電流的影響，為EPS轉(zhuǎn)向器車輛的方向盤參數(shù)設計提供參考依據(jù)。

與EPS轉(zhuǎn)向器的助力電流相關的因素有很多，本文以EPS轉(zhuǎn)向器的專利產(chǎn)品為研究對象，選取專利中與助力電流相關的兩個要素：汽車方向盤扭矩、方向盤轉(zhuǎn)速作為樣本參數(shù)，構(gòu)建RBP神經(jīng)網(wǎng)絡為方向盤輸入扭矩和方向盤轉(zhuǎn)速兩個節(jié)點輸入，助力電流一個節(jié)點輸出。通過RBP神經(jīng)網(wǎng)絡擬合反應方向盤扭矩、助力電流、方向盤轉(zhuǎn)速三者之間關系的曲線，結(jié)合實際設計情況，預測EPS轉(zhuǎn)向器系統(tǒng)相關設計參數(shù)。

2.2 預測過程

數(shù)據(jù)共有10個樣本，Matlab語言如下：

SPREAD為徑向基函數(shù)的擴展系數(shù)，其默認值為1.0。合理選擇SPREAD是很重要的，其值足夠大，才能使徑向基神經(jīng)元對輸入向量所覆蓋的區(qū)間產(chǎn)生影響。在網(wǎng)絡設計過程中，需要用不同的 SPREAD值進行嘗試，以確定一個最優(yōu)值。經(jīng)過調(diào)試，本文取SPREAD的值為5.0。經(jīng)過Matlab訓練過程，得出訓練后的擬合曲線與原始數(shù)據(jù)的比較如圖4。從圖4中可看出，方向盤扭矩、方向盤轉(zhuǎn)速、助力電流之間的關系可由空間的一條曲線來描述。

2.3 數(shù)據(jù)分析與應用

基于以上建立的神經(jīng)網(wǎng)絡模型，通過RBP的預測功能，可以根據(jù)實際情況和設計要求選取在不同使用方式下的設計參數(shù)。

例如，假設在城區(qū)駕車平均最適方向盤扭矩為3.0 N·M，因為城區(qū)車速不快，但是彎道比較多，并且轉(zhuǎn)彎角度大，設定轉(zhuǎn)彎的方向盤平均轉(zhuǎn)速為100（°）/s?？梢酝ㄟ^RBP神經(jīng)網(wǎng)絡預測此種情況下的平均轉(zhuǎn)向助力電流。Matlab代碼如下：

X=[3.0；100]；

Y=sim（net，X）；

得到Y(jié)=19.440 4

即在這種使用情況下的平均助力電流為19.440 4 A，依據(jù)預測的結(jié)果，可以選取相應的助力電機，保證設計的合理性。預測結(jié)果可以為新產(chǎn)品開發(fā)提供參照和依據(jù)，從而支持汽車轉(zhuǎn)向器產(chǎn)品開發(fā)中的技術創(chuàng)新。

3 結(jié)論

通過對汽車轉(zhuǎn)向器專利信息檢索技術和專利預測技術的研究，可為汽車轉(zhuǎn)向器企業(yè)制定合理的專利戰(zhàn)略服務，為汽車轉(zhuǎn)向器產(chǎn)品開發(fā)的技術創(chuàng)新提供決策依據(jù)，避免產(chǎn)品開發(fā)中的盲目性，對企業(yè)的技術創(chuàng)新和產(chǎn)品研發(fā)具有積極的促進作用。

參考文獻：

[1] 付啟明.經(jīng)濟全球化背景下中國企業(yè)專利戰(zhàn)略研究[D].蘇州：蘇州大學，2010.

[2] 胡神松.企業(yè)技術創(chuàng)新與專利戰(zhàn)略研究[D]. 武漢：武漢理工大學，2006.

[3] GRILICHES Z. Market value， R&D and patents[J]. Economics Letters，1981，7：183-187.

[4] PAKES A. On patents， R&D， and the stock market rate of return[J]. J Polit Econ，1985，93（2）：390-409.

[5] 柯 濤，方國濤，黃日昆.廣西汽車產(chǎn)業(yè)技術創(chuàng)新能力分析[J].技術經(jīng)濟，2009，28（8）：17-21.

[6] 廖蓮蓮，楊元森.論汽車零部件行業(yè)專利數(shù)據(jù)庫的建設[J].企業(yè)科技與發(fā)展，2010（6）：40-46.

[7] 楊陟卓，韓 燮.一種基于特征抽取的文檔信息過濾算法研究[J].現(xiàn)代圖書情報技術，2008（4）：29-34.

[8] 何 彬. 網(wǎng)絡化產(chǎn)品設計中信息過濾器的設計與可靠性[D]. 武漢：武漢理工大學，2005.

[9] 鐘 勇，王柏峰，李志強，等.基于徑向基神經(jīng)網(wǎng)絡的EPS助力控制方法研究[J].汽車科技，2007（1）：7-10.

[10] 王柏峰，鐘 勇，李志強，等.基于徑向基神經(jīng)網(wǎng)絡的EPS助力控制方法[J].客車技術與研究，2007（4）：12-14.