基于优化BP神经网络的汽车座椅舒适性评价

目的探索汽车座椅舒适性评价方法。方法设计实验采集驾驶员基本物理信息及其在实车中的体压数据,利用Lasso算法提取具有较好预测效果的特征向量,利用遗传算法对BP(Back Propagation)神经网络进行优化,建立基于优化BP神经网络的汽车座椅舒适性评价模型。结果利用遗传算法优化后的BP神经网络预测准确率达到90.96%。结论模型可有效实现对汽车座椅舒适性的评价,为汽车正向设计中座椅设计方案的筛选提供参考。     

基于方差分析法的飞机乘客座椅IFE舒适性设计研究

目的提出一种基于方差分析预测经济舱乘客所倾向座椅间距与IFE显示器高度的方法。方法通过辨识影响乘客座椅IFE舒适性体验的因素,对十六名对象进行测试,采用双因素重复实验方差法分析两个因素在三个不同条件下的变化,列出九种情况下乘客使用IFE显示屏舒适性评估的均值和标准差,得出自变量与因变量关系,从而得出经济舱乘客座椅间距与IFE显示器高度最佳值、适合值与经济值。结果舒适的座椅间距与理想的显示屏高度对舒适性有着显著影响,并且存在交互作用。经济舱乘客座椅间距为91 cm,显示屏上端距地面高为126 cm,乘客对IFE舒适性体验最佳;其次是座椅间距为86 cm,IFE高度为126 cm;最不舒适的是座椅间距81 cm,显示屏高度138 cm。结论研究结果对座椅间距与IFE显示屏高度进行了优化,为乘客座椅舒适性设计提供了参考。     

基于人机工程学的办公座椅舒适性设计研究

目的有效提升办公座椅设计的舒适性及合理性,减少不良坐姿对人体健康带来的损害。方法系统分析了人们长时间办公状态下的坐姿变化,以及人体骨骼和肌肉在不同坐姿状态下的一系列变化。结论以人机工程学原理和方法为依据,探讨了坐姿变化和座椅因素对人体舒适性的影响,提出了基于坐姿变化的人机工程学办公座椅设计原则,从而为办公座椅设计的结构形式和功能尺寸提供相应的科学依据,为办公座椅的人机工程学改良设计提供有效建议。     

运用模糊神经网络的汽车座椅舒适性评价

汽车座椅舒适性受到消费者的高度关注。由于复杂性和主观性等因素的影响,使得汽车座椅舒适度评价成为座椅制造企业和整车企业的一个技术难点。提出一种基于模糊神经网络的座椅舒适度评价模型,应用8个座椅压力分布参数和2个人体参数等对座椅舒适性进行综合评价。实例分析显示:与普通BP网络模型对比,模糊神经网络模型具有更好的预测效果。     

儿童乘坐安全座椅压力—舒适性探究

目的 探究儿童在乘坐安全座椅时背部与臀部接触区域的舒适性差异,得出背部和臀部的压力舒适区域,为今后的设计提供一定理论基础.方法 招募8名4～8岁的健康儿童作为被试,让被试先后坐在三款儿童安全座椅上,提取压力数据并做舒适性主观测试;计算标准差检验座椅的稳定性,进行配对样本t检验比较座椅间的差异性;绘制压力—舒适性图像验证舒适与不适的区域.结果 在"瞬时"压力测试中C座椅界面压力分配方案最优,与主观测试结果一致(C>B>A).在"10 min"的压力测试中,B座椅的峰值压力更稳定,A、C座椅无显著差异,与主观测试结果不一致,推测儿童对安全座椅的舒适性判断取决于入座时的第一印象.结论 实验结果表明4～8岁儿童在乘坐不同安全座椅时,材质偏硬、坐面造型平坦的安全座椅对人体的压迫性更强;材质偏软、包裹性强的安全座椅更贴合人机形态,舒适性更高.     

PCA-BP算法在地面爆破振动中的应用

为了更加准确地预测地面爆破的质点峰值振动速度,提出应用一种PCA-BP算法,该算法首先利用主成分分析对爆心距、高程差、总药量、炮孔深度、单段最大药量等地面爆破振动影响因素进行研究,然后结合BP神经网络算法对其爆破质点峰值振动速度进行预测。结果显示:利用PCA-BP算法的预测结果更接近工程实测值,平均相对误差为7.748%,远小于用传统萨道夫斯基经验公式进行预测的平均相对误差32.654%,说明将PCA-BP算法应用到爆破振动工作中是比较可行的,对评估地面振动危害有一定的指导意义。     

基于心理生理测量方法的座椅舒适性评价研究

目的探究在座椅舒适性评价中,皮电反射(Electrodermal Activity,EDA)、心率变异性(Heart Rate Variability,HRV)以及瞳孔直径等数据是否与用户主观舒适性存在显著关联关系。方法通过设计实验,自变量为两种不同的座椅,因变量为EDA、HRV、瞳孔直径以及用户对于座椅舒适性的主观评价,使用SPSS统计分析软件对实验数据做独立样本t检测等,分析其相关性。结果就坐于两种不同座椅的被试瞳孔直径变化存在差异性显著(方差齐,t_(0.05)(27)=–2.718,p0.05),其皮电反射EDA与心率变异HRV的检测结果为差异性不显著。结论在基于心理生理测量方法的座椅舒适性评价研究中,瞳孔指标相对敏感,且与主观评价相关性强,一定条件下可以使用瞳孔数据协同优化座椅舒适度评价;暂无充分证据支持皮电反射和心率变异性与座椅舒适性存在显著关联。此外,应用眼动追踪等心理生理测量方法,可以在一定程度上反向指导座椅的改良与设计。     

小型民用客机座椅舒适性设计研究

目的研究一种机载小型民用客机座椅及其舒适性设计。方法通过对现有小型民用客机座椅的现状进行调研,建立小型民用客机座椅舒适性分析模型。结论指出小型民用客机中座椅及其组件的设计除了需要满足相应适航规章的要求与航空座椅人机工程学的要求外,还需在最大限度保证乘客乘坐安全的前提下,尽可能从座椅的造型、色彩、结构、材料等内容上,为乘客提供生理及心理两方面的舒适性感受。为此,研究给出了相应的设计方案。     

基于可供性概念的座椅舒适度设计

目的从视觉感知和使用感知角度探讨可供性概念在座椅舒适度研究中的作用,结合使用者的视觉体验与生理心理体验,为座椅舒适度创新设计提供指导。方法以可供性概念为基础,利用文献分析法将其内涵扩展为真实可供性和感知可供性的综合,并对座椅舒适度要素从情感体验、生理因素和心理因素3个方面进行阐述,最终将可供性引入到座椅舒适度设计中,提出座椅舒适可供性概念并构建了座椅舒适可供性设计要素模型,并对运用该模型进行座椅舒适度设计进行介绍。结论座椅舒适度创新设计既要满足使用者的生理需求,又要满足对于座椅表面特性传达的视觉心理需求。从视觉感知和使用感知到的舒适程度进行创新设计,并形成两者的匹配关系,才能更加满足使用者对座椅舒适度的需求。     

公交爱心座椅结构设计

目的针对公交爱心座椅存在的问题,结合现有技术,提升公交座椅的灵活性和舒适性,提出老人、孕妇等特殊群体免伤害设计方案,并提出具体功能与结构设计的方法。方法针对舒适性和灵活性进行优化,运用数学方法对公交爱心座椅液压系统进行拟定和分析,对方案的升降机构和扶手进行相关分析,确定公交爱心座椅动力源的具体设计。结论给出了一个切实可行的方案,论述了灵活性和舒适性在公交爱心座椅设计的重要性,从助立、舒适和安全的角度为公交爱心座椅提供了一种设计思路。     

轨道车辆座椅舒适度评价方法及研究展望

目的探讨评价轨道交通工具中座椅装备舒适度的有效方法,以及提升我国轨道交通工具中座椅舒适度的研究方向。方法对国内外相关文献进行比较分析,综述座椅舒适度的一般分析方法和国内外轨道交通工具中座椅舒适度研究现状;举例体压分布指标在动车组一等座椅形面舒适度评价中的应用方法。结论座椅舒适度评价一般采用主观和客观综合评价的方法,体压分布与主观评价有显著关系。提出了我国轨道车辆座椅舒适度的研究思路,包括形成系统全面的评价体系、应用主观和客观综合评价的研究方法、统一座椅尺寸参数定义,更新标准数据。在轨道交通工具座椅实际研发中,基于体压分布指标的分析可快捷有效地对座椅形面造型舒适度进行评价。     

儿童安全座椅舒适度评价研究

目的探究"大数据"的时代背景下儿童安全座椅健康舒适性评价影响因素,提出安全座椅舒适度评价应考虑的因素。方法通过文献研究和大数据分析安全座椅舒适度各影响因素,采用人体压力分布指标实验,研究不同材质、不同曲面形态的汽车儿童安全座椅坐垫的人体压力分布特征及与安全座椅舒适度的关系。结果舒适度的评价体系应结合基于大数据的主客观评价方法。结论运用大数据分析方法和大数据可视化技术,可突破传统安全座椅舒适性评价方法的局限,安全座椅舒适评价方式将以革新快捷、直观的方式呈现。     

Seat-cushion and soft-tissue material modeling and a finite element investigation of the seating comfort for passenger-vehicle occupants

Improved seating comfort is an important factor that most car manufacturers use to distinguish their products from those of their competitors. In today’s automotive engineering practice, however, design and development of new, more comfortable car seats is based almost entirely on empiricism, legacy knowledge and extensive, time-consuming and costly prototyping and experimental/field testing. To help accelerate and economize the design/development process of more-comfortable car seats, more extensive use of various computer aided engineering (CAE) tools will be necessary. However, before the CAE tools can be used more successfully by car-seat manufacturers, issues associated with the availability of realistic computer models for the seated human, the seat and the seated-human/seat interactions as well as with the establishment of objective seating-comfort quantifying parameters must be resolved.In the present work, detailed finite element models of a prototypical car seat and of a seated human are developed and used in the investigation of seated-human/seat interactions and the resulting seating comfort. To obtain a fairly realistic model for the human, a moderately detailed skeletal model containing 16 bone assemblies and 15 joints has been combined with an equally detailed “skin” model of the human. The intersection between the two models was then used to define the muscular portion of the human. Special attention in the present work has been given to realistically representing/modeling the materials present in different sections of the car seat and the seated human. The models developed in the present work are validated by comparing the computational results related to the pressure distribution over the seated-human/seat interface with their open-literature counterparts obtained in experimental studies involving human subjects.     

基于SCADA数据和改进BP神经网络的塔筒应力预测

针对风电机组载荷监测中应变片寿命短的缺陷,基于风电场海量状态监测数据,利用遗传算法和粒子群算法对BP神经网络进行改进,建立塔筒应力预测模型,并通过综合相关系数实现输入参量的有效选择。仿真结果表明,改进后的GA-BP神经网络预测模型和PSO-BP神经网络模型,预测结果的最大、最小相对误差等指标均比BP神经网络预测模型好;GA-BP神经网络预测模型的塔筒应力预测平均误差为7.04%,相对BP神经网络预测结果误差减少了4.38%,预测精度满足工程需求。所提出的方法建立风电场海量监测数据和塔筒应力数据之间的有效关系模型,可为风电场长期有效的载荷监测提供新的手段。     

Research on Forecasting Flowering Phase of Pear Tree Based on Neural Network

Predicting the blooming season of ornamental plants is significant for guiding adjustments in production decisions and providing viewing periods and routes. The current strategies for observation of ornamental plant booming periods are mainly based on manpower and experience, which have problems such as inaccurate recognition time, time-consuming and energy sapping. Therefore, this paper proposes a neural network-based method for predicting the flowering phase of pear tree. Firstly, based on the meteorological observation data of Shijiazhuang Meteorological Station from 2000 to 2019, three principal components (the temperature factor, weather factor, and humidity factor) with high correlation coefficient with the flowering phase of pear tree are obtained by using the principal component analysis method. Then, the three components are used as input factors for the BP neural network. A BP neural network prediction model is constructed based on genetic algorithm optimization. The crossover operator and mutation operator in the adaptive genetic algorithm are improved. Finally, the meteorological sample data from 2013 to 2019 are used to test and verify the algorithm in this paper. The results demonstrate that, the model can solve the local optimization problem of the BP neural network model. The prediction results of the flowering phase of pear tree are evaluated in terms of relevance and prediction accuracy. Both are superior to the traditional effective accumulated temperature and the prediction results of the stepwise regression method. This method can provide more reliable forecast information for the blooming period, which can provide decision-making reference for improving the development of tourism industry.     

智能座舱睡眠舒适度的实证研究

目的 基于生物力学原理,评价自动驾驶情景中座椅靠背和座面的多种组合对睡眠舒适度的影响,从而指导智能座舱的设计研发。方法 基于Tekscan的CONFORmat座椅压力分布测量系统,设计了座面角度(15°,25°,35°)和靠背角度(140°,150°,160°)的实验装置,获取了20位被试的客观多维数据与主观评价数据,随后应用人工神经网络构建了舒适度预测模型。结果 重复测量方差分析表明,随着座面平移角度的增加,可有效地均衡界面接触压力分布,座椅靠背角度为160°与座面角度35°的组合设计,其压力的加权平均值、总接触面积、界面压力分布指数、适应性等级与其他实验条件有显著性差异。结论 最后应用人工神经网络预测模型的精确验证,研究建议将35°的座面角度与160°的椅背应用于智能座舱的睡眠位置。