劉　威， 劉　軍， 軒閃閃， 方　銳， 黨雪芒

(1.寧波大學(xué) 機械工程與力學(xué)學(xué)院，浙江 寧波 315211；2.中國汽車技術(shù)研究中心，天津 300300)

?

基于ANFIS的汽車座椅舒適度評價系統(tǒng)建模*

劉威1， 劉軍1， 軒閃閃1， 方銳2， 黨雪芒2

(1.寧波大學(xué) 機械工程與力學(xué)學(xué)院，浙江 寧波 315211；2.中國汽車技術(shù)研究中心，天津 300300)

由于汽車座椅舒適性評價的主觀性和復(fù)雜性，國內(nèi)外學(xué)者多采用主客觀評價相結(jié)合的方式構(gòu)建評價系統(tǒng)。通過改善主觀評價的實驗流程、精選表征座椅的特征參數(shù)、調(diào)整實際打分等前處理手段，采用自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng) (ANFIS)技術(shù)成功建立了關(guān)野型(Sugeno)評價系統(tǒng)，實現(xiàn)了座椅的舒適性評級。研究方法可推廣到長時舒適性和動態(tài)舒適性的研究上。

汽車座椅； 舒適性評價； 特征參數(shù)； 自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)

0　引　言

汽車座椅與駕駛?cè)说慕佑|面積大、接觸時間長，由座椅不適引起的身體疾病和疲勞很容易釀成交通事故，因此，汽車座椅的舒適性是消費者購車時參照的重要指標，受到了廠商的特別關(guān)注。

座椅舒適性的評價具有很強的主觀性，而主觀評價又具有個體差異性、地域性等特點，只單獨憑借主觀評價研究舒適性難以得到期望結(jié)果，現(xiàn)階段學(xué)者們主要采用主、客觀評價相結(jié)合的方式構(gòu)建評價模型，客觀參數(shù)的選擇上多采用人—椅接觸面的壓力分布數(shù)據(jù)。Inagaki H和Milivojevich A等人在實驗中發(fā)現(xiàn)了座椅舒適性與人體壓力分布之間是存在聯(lián)系的；徐明提出了表征體壓分布的8項指標[1]；Kolich M引進人工神經(jīng)網(wǎng)絡(luò)技術(shù)研究汽車座椅靜態(tài)舒適性，并建立了舒適性評價模型[2,3]；國內(nèi)學(xué)者也通過應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)實現(xiàn)了對座椅舒適度水平的預(yù)測[4,5]；Levrat E利用模糊集技術(shù)建立專家系統(tǒng)對座椅的舒適性完成了主觀評價[6]；Wang R[7]、馮小虎[8]和段群杰等人[9]采用自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)(adaptive network-based fuzzy inference system，ANFIS)改善了各自領(lǐng)域的研究結(jié)果。

然而應(yīng)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)研究舒適性時，面臨舒適性規(guī)則難以表述、預(yù)測精度低等問題，模糊神經(jīng)網(wǎng)絡(luò)技術(shù)在很多領(lǐng)域的成功應(yīng)用激發(fā)了作者對座椅舒適性研究的思考。本文在前人研究的基礎(chǔ)上，改善了實驗流程，增加了對實驗細節(jié)的把控，并對主觀評分進行統(tǒng)一處理，采用ANFIS技術(shù)搭建了座椅舒適性評價系統(tǒng)，實現(xiàn)了座椅的舒適性分級預(yù)測。

1　ANFIS

ANFIS是模糊邏輯和神經(jīng)網(wǎng)絡(luò)兩種理論結(jié)合的產(chǎn)物，它集成了神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力和模糊邏輯的推理能力，實際應(yīng)用中能較好地模擬輸入輸出的對應(yīng)關(guān)系。模糊控制中較多采用Mamdani推理和Takagi-Sugeno推理，由于Takagi-Sugeno推理具有與網(wǎng)絡(luò)自適應(yīng)技術(shù)易結(jié)合、計算效率高、易于作數(shù)學(xué)分析等優(yōu)點，很多研究人員將其與神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合，構(gòu)造成模糊神經(jīng)網(wǎng)絡(luò)。

Takagi-Sugeno推理控制規(guī)則[10,11]的形式為

(1)

最終輸出則是各條規(guī)則輸出的加權(quán)平均

(2)

模糊集是傳統(tǒng)集合論的推廣，該集合中包含隸屬于不精確的元素(語言變量和修飾詞)。將隸屬的程序定義為隸屬度函數(shù)，通常該函數(shù)是一個位于0～1之間的值。這種方法明確地提供了一種用數(shù)學(xué)模型表達不確定性的方式[12]。高斯函數(shù)是應(yīng)用最廣的隸屬描述之一，能比較好地模擬人的主觀判斷，表達式為

μ(x)=exp[-(x-c)2/σ2]

(3)

式中c和σ分別為高斯模糊集的中心和寬度。圖1為某一特征參數(shù)訓(xùn)練后的隸屬度函數(shù)：輸入?yún)?shù)經(jīng)模糊化處理后分成三個等級，每個等級根據(jù)隸屬度大小對應(yīng)不同的隸屬度函數(shù)曲線。

圖1　隸屬度函數(shù)曲線Fig 1　Membership function curve

2　特征參數(shù)選取和主觀評分處理

客觀評價需要相應(yīng)的特征參數(shù)，特征參數(shù)的選擇應(yīng)當(dāng)能反映座椅本身的物理特性，如坐墊造型、坐墊材質(zhì)、坐墊剛度及其分布等[3]。常使用的特征參數(shù)包括：1)坐姿角度：軀干角、膝關(guān)節(jié)角、踝關(guān)節(jié)角等;2)視野空間：椅面傾角、靠背傾角、座高座深等;3)幾何尺寸和壓力參數(shù)：座墊和靠背長度及寬度、接觸面積、接觸壓力、梯度、平均載荷等。

然而評價模型的建立不可能同時使用所有特征參數(shù)，這樣會增加計算的難度和工作量，所建模型也會由于過于復(fù)雜而失去實際意義；但特征參數(shù)太少，則會減少設(shè)計自由度，難以得到較好的優(yōu)化結(jié)果，所以，應(yīng)該在確保優(yōu)化效果的前提下，盡可能地減少特征參數(shù)[12]。

在體壓分布實驗中，如圖2所示，將人—椅接觸面詳細地分成17片區(qū)。

圖2　人體分區(qū)Fig 2　Human partation

一般主觀評價實驗包括對腰背部和臀腿部舒適性的綜合評價，然而根據(jù)實驗過程中被試人的反饋，在短時間體驗過程中，腰背部感覺微妙，難以給出具體打分，而臀部區(qū)域的感覺明顯。因此，本文從實際情況出發(fā)，決定選取臀部區(qū)域的特征參數(shù)來表征整椅座墊，作為客觀評價數(shù)據(jù)。

結(jié)合前人研究成果，選擇臀區(qū)接觸總面積、臀區(qū)壓強峰值、臀區(qū)壓強均值、臀區(qū)橫向最大梯度、臀區(qū)壓力百分比、臀區(qū)縱向最大梯度六個特征參數(shù)，列舉其表征座椅的物理特性：1)接觸面積反映座墊剛度的大小與造型設(shè)計的好壞，好的造型設(shè)計應(yīng)該有較大的接觸面積;2)壓強峰值體現(xiàn)了座墊的剛度，較硬的座墊峰值大，較軟的座墊峰值小;3)對壓強均值影響最大的還是座墊的剛度;4)最大壓力梯度反映座墊的材質(zhì)分布是否合理以及座墊剛度的大小;5)壓力百分比反映座墊的材質(zhì)分布和造型設(shè)計的合理性。

設(shè)上行和下行的彈性系數(shù)α=0.3，β=0.2，分別在無突發(fā)事件、價格穩(wěn)定和價格隨機突等多種狀況下，運用Wolfram Mathematic判斷供應(yīng)鏈的協(xié)調(diào)狀況，并計算供應(yīng)鏈各企業(yè)的期望收益和最優(yōu)策略，相關(guān)計算結(jié)果見表1.

主觀評分共5個項目，含坐骨舒適度、腿部舒適度、坐高舒適度、坐深舒適度、整體舒適度，采用5級評分制，級別依次是較舒適、舒適、輕微不適、不舒適、非常不適，每級含3個打分，即打分范圍是1～15分，15分最好，1分最差。

由于主觀評分的個體性和差異性比較突出，很容易出現(xiàn)個別人打分極小和極大的現(xiàn)象，在樣本量不多的情況下，如果不對打分進行任何處理，會影響最終模型的預(yù)測精度。本文對打分進行統(tǒng)一處理，以處理后的得分作為模型的期望輸出數(shù)據(jù)，具體做法是：1)對5項主觀打分加權(quán)調(diào)整得到綜合評分；2)求所有人綜合評分的x平均值；3)求每個人綜合評分的平均值yi(i=1,2,3,…)；4)求差值z=yi-x，若z為正值，則將第i個人的每個綜合評分都減去z；若z為負值，則把第i個人的每個綜合評分都加上z，所得的結(jié)果計為最終的調(diào)整得分。

3　基于體壓分布的座椅舒適性建模

3.1實驗

實驗分15 min靜態(tài)體壓分布實驗和主觀評分兩個部分。靜態(tài)體壓分布實驗屬于統(tǒng)計實驗[3]，原則上需要安排大量實驗，但統(tǒng)計實驗的成本高，為了節(jié)約時間和成本且能很好地反映實際，選取合適的實驗人員較為重要。體質(zhì)指數(shù)(body mass index,BMI)是國際上通用的衡量身材的一個指標，本文中采取BMI和身高相結(jié)合的方法選取實驗人員，最終篩選11人參與實驗，BMI分布在17.1～28.2之間，參照BMI中國標準，其中，偏瘦2人，正常7人，超重1人，偏胖1人。

實驗在模擬駕駛平臺上進行，平臺完全按照某實車尺寸設(shè)計制造，座椅在平臺上可以自由調(diào)節(jié)，共選10款轎車車型座椅，涵蓋低、中、高三擋。實驗選用加拿大XENSOR公司開發(fā)的壓力分布測試系統(tǒng)。如圖3所示為模擬駕駛平臺及X-SENSOR所測的靜態(tài)壓力分布云圖，圖中右側(cè)每個方格代表壓力墊上一個傳感器位置，存儲的壓力數(shù)據(jù)可導(dǎo)出并保存在csv格式的文件中，方便后續(xù)處理。

圖3　模擬駕駛平臺與靜態(tài)壓力分布圖Fig 3　Driving simulation platform and static pressure profile

實驗準備階段需要讓被試人員建立舒適性概念，具體做法是讓被試人員體驗先前研究中舒適性反映較好和較差的兩把座椅，給出他們兩把座椅的推薦打分范圍；完成后，被試人員在模擬駕駛平臺上調(diào)整實驗座椅以使自己保持在舒服姿勢，15 min后采集壓力分布數(shù)據(jù)；然后被試人員需要根據(jù)乘坐體驗對座椅進行打分。

3.2建模

本文選擇高斯函數(shù)作為6個輸入變量的隸屬函數(shù)，將輸入變量模糊為小、中、大三個等級的隸屬向量，然后利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力確定高斯函數(shù)的具體參數(shù)，從而一定程度上消除人為確定隸屬函數(shù)的主觀不足性。本文采用Hybrid算法(最小二乘法和梯度下降算法的混合算法)和BP算法混合編程，結(jié)果證明，這樣可以有效縮短訓(xùn)練時間，提高訓(xùn)練精度和預(yù)測精度。

1)輸入數(shù)據(jù)

2)模型訓(xùn)練

將輸入數(shù)據(jù)分成訓(xùn)練組和測試組，訓(xùn)練組92組，測試組10組。用編寫好的訓(xùn)練程序?qū)?2組樣本進行學(xué)習(xí)，首先采用Hybrid算法訓(xùn)練50次得到初始模型，然后采用BP算法訓(xùn)練該初始模型6 000次后,訓(xùn)練精度達到0.000 6。訓(xùn)練結(jié)束后觀察結(jié)果，如圖4，可以看出：訓(xùn)練得分和輸入的調(diào)整打分在圖中基本重合，訓(xùn)練誤差區(qū)間為[-2×10-3,1.6×10-3]。

圖4　訓(xùn)練結(jié)果對比和訓(xùn)練誤差Fig 4　Training results comparison and training error

3)預(yù)測結(jié)果與分析

搭建模型的最終目的是能很好地實現(xiàn)預(yù)測功能，評價所建模型好壞需要檢驗其泛化性，也即檢驗?zāi)Ｐ褪欠裨趯W(xué)習(xí)過程中出現(xiàn)過擬合或欠擬合情況。對測試組的10組數(shù)據(jù)代入模型進行打分預(yù)測，觀察預(yù)測結(jié)果，如圖5所示，預(yù)測誤差區(qū)間為[-1.11,1.40]。

圖5　預(yù)測結(jié)果對比和預(yù)測誤差Fig 5　Comparison of predicted results and predicted error

對預(yù)測得分四舍五入，取整后，進行相關(guān)統(tǒng)計計算如表1所示，其中：

誤差率=|實際得分-預(yù)測得分|/實際得分

可以看出：模型預(yù)測的平均誤差率是7.35 %，有3個樣本預(yù)測值與實際結(jié)果相符，其它的差值均是1，轉(zhuǎn)化成等級劃分時預(yù)測結(jié)果與主觀評價結(jié)果一致，說明模型的預(yù)測效果是較為理想的，即通過局部區(qū)域特征建立的基于ANFIS的評價系統(tǒng)能夠?qū)崿F(xiàn)座椅的舒適性評級預(yù)測。

表1　誤差率統(tǒng)計

4　結(jié)　論

1)本文通過BMI和身高相結(jié)合的方法篩選實驗人員，達到了彌補樣本數(shù)量上的缺陷的目的。

2)改善了實驗步驟，使得被試人的打分相對合理；并對打分進行統(tǒng)一規(guī)則化，一定程度上消除了主觀性和個體差異性的影響。

3)選擇臀區(qū)的6個局部特征參數(shù)搭建了基于模糊神經(jīng)網(wǎng)絡(luò)的座椅舒適性評價系統(tǒng)，實現(xiàn)了短時座椅舒適性評級預(yù)測。

本系統(tǒng)在通過局部特征實現(xiàn)短時舒適性的預(yù)測上具有優(yōu)良的效果，研究方法可推廣到長時舒適性及動態(tài)舒適性的研究上。

[1]徐明，夏群生.體壓分布的指標[J].中國機械工程，1997 ,8(1):65-68.

[2]Kolich M.Predicting automobile seat comfort using a neural network[J].International Journal of Industrial Ergonomics，2004(33)：285-293.

[3]Kolich M,Seal N,Taboun S.Automobile seat comfort prediction:Statistical modelvsartificial neural network[J].Applied Ergonomics,2004(35):275-284.

[4]馬佳，范智聲，李飛飛，等.基于人工神經(jīng)網(wǎng)絡(luò)的汽車座椅舒適度評價模型[J].工業(yè)工程,2008,11(5):106-109.

[5]馬佳，柯藝杰，蘇強，等.汽車座椅舒適度人工智能評價方法研究[J].機械科學(xué)與技術(shù)，2011,30(3):419-422.

[6]Levrat E,Voisin A,Bombardier S,et al.Subjective evaluation of car seat comfort with fuzzy techniques[J].International Journal of Intelligent Systems,1997,12(11):891-913.

[7]Wang R,Du H,Zhou F,et al.An adaptive neural fuzzy network clothing comfort evaluation model and application in digital home[J].Multimedia Tools &Applications,2014,71(2):395-410.

[8]馮小虎，朱家海，謝聶，等.基于ANFIS的激光陀螺消噪處理研究[J].傳感器與微系統(tǒng)，2009,28(1):18-21.

[9]段群杰，張銘鈞.一種自適應(yīng)神經(jīng)模糊運動規(guī)劃器設(shè)計[J].傳感器與微系統(tǒng)，2007,26(2):58-60.

[10] 張德豐.Matlab模糊系統(tǒng)設(shè)計[M].北京：國防工業(yè)出版社，2009:4.

[11] 王士同.模糊系統(tǒng)、模糊神經(jīng)網(wǎng)絡(luò)及應(yīng)用程序設(shè)計[M].上海：上?？茖W(xué)技術(shù)文獻出版社，1998:12.

劉軍,通訊作者，E—mail:liujun@nbu.edu.cn。

Modeling of car seat comfort evaluation system based on ANFIS*

LIU Wei1, LIU Jun1, XUAN Shan-shan1, FANG Rui2, DANG Xue-mang2

(1.Faculty of Mechanical Engineering & Mechanics,Ningbo University,Ningbo 315211,China;2.China Automotive Technology & Research Center,Tianjin 300300,China)

Because of subjectivity and complexity of car seat comfort evaluation,scholars construct evaluation system by a combination of subjective and objective evaluation.By some pre-treatment methods such as improving the flow of subjective evaluation experiments,selection of parameters characterizing feature of the seat and adjusting the actual scores,and adaptive fuzzy neural network technology,a Sugeno type evaluation model is successfully established,achieving the ratings of seat comfort.Research method can be extended to the study of long comfort and dynamic comfort.

car seat; comfort evaluation; characteristic parameters; adaptive network-based fuzzy inference system(ANFIS)

2016—06—08

國家自然科學(xué)基金資助項目(11372148)

TP 389.1

A

1000—9787(2016)08—0056—04

劉威(1992-),男，河南商丘人，碩士研究生，主要研究方向為汽車座椅舒適性。

DOI:10.13873/J.1000—9787(2016)08—0056—04