面向站立姿态的操纵舒适性评价模型研究

良好的操纵舒适性不仅减少工作中的疲劳,而且提高工作效率.针对站立姿态下操纵舒适性评价的不确定性和模糊性,构建基于T-S模糊神经网络 (Takagi-Sugeno Fuzzy Neural Network, T-S FNN)的站立姿态操纵舒适性评价模型.通过实验,收集模型的训练和测试数据.选取20名被试者参与本次实验,实验要求每个被试者完成100项目操纵任务,共有4个面板位置,每个面板上有25个圆形贴纸,代表不同操纵位置.在实验过程中分别记录被试者的关节角度、脚底压力、人体尺寸、操纵目标位置及主观舒适性数据.选取90%的实验数据对模型进行训练,10%的实验数据对所提出的方法进行验证,并与BP神经网络模型预测的主观舒适性进行比较,结果表明:T-S FNN模型具有较小的均方根误差（1.2 VS 4.5）.最后随机选取15组不同操纵任务进行检验,结果表明:该方法的预测值和实际值相关性系数为0.962（P<0.01）,与快速上肢评估（RULA）计算结果的相关性系数为0.833（P<0.01）,与工作体位分析系统（OWAS）计算结果的相关性系数为0.694（P<0.01）,说明该方法能够良好的反应真实结果.     

VR 系统信息可视化模型

针对虚拟环境中用户认知负荷较重和资源分配不协调问题,综合分析了人脑认知 活动中信息的显性化表达,提出一种基于分布式认知的信息可视化资源模型。通过计算机感知 虚拟环境中用户动作、行为、任务等信息,依据资源分配方案确定资源和信息之间映射关系, 并以信息表象的形式贮存;通过对信息表象进一步精致化,实现交互界面视觉元素的优化布局; 本文结合眼动追踪设备对VR 系统原型进行可用性评估实验,实验结果表明该可视化模型能够 降低用户认知负荷,改善用户体验。     

云服务模式下设计方案的优选决策方法

针对云服务模式下设计方案在多目标优选决策过程中未能充分考虑到用户多元化和差异性的需求问题,提出结合质量功能配置和粗糙集理论的设计方案优选决策方法. 该方法在分析云服务模式的基础上,引入用户参与的设计决策过程方式和模糊评价机制,对用户需求进行聚类分析和智能转化. 建立面向用户需求的设计方案评价指标体系,对网络化协同设计过程中的设计方案评价指标的重要度进行准确量化. 遵循科学性与系统性相结合的原则,提出云服务模式下设计方案优选决策三阶模型. 结合粗糙集理论和粗糙逼近理想解法,对该模型进行求解. 以云服务平台上的游艇设计方案为例,验证该方法的有效性和可行性.     

基于质量功能展开和肌肉骨骼疾患的机床模块人机优化方法

为了在设计过程中改进人机操作系统,降低使用者工作肌肉骨骼损伤(MSD)风险,在MSD研究基础上结合质量功能展开(QFD)、人体负担分析以及层次分析法等理论,提出基于QFD/MSD的机床模块人机优化方法研究。该方法运用层次分析法引导调研数据形成需求矩阵,通过计算机辅助人机工程学以及场景分析,产生人体部位与工程模块之间的关联矩阵,借助质量屋工具结合各个评价矩阵输出工程特征矩阵,完成对产品各个工程模块的重要度评估,并将该评估数据运用到决策过程中。最后,结合某机床人机系统设计实例,开展人体负担优化方法的应用研究,为同类产品设计提供了参考。     

基于犹豫模糊集的飞机驾驶舱形态评价

为了解决飞机驾驶舱形态设计过程中,飞行员存在的认知偏好描述困难及决策犹豫的问题,提出基于犹豫模糊集的飞机驾驶舱设计形态综合评价方法. 通过对驾驶舱设计形态的认知需求分析,建立了驾驶舱设计形态认知需求的属性特征体系;利用粗数评价模型得到影响驾驶舱设计形态认知偏好的评价指标,提取驾驶舱关键部件设计形态特征线,获取了驾驶舱关键部件设计形态的核心特征,进一步结合驾驶舱设计形态的认知偏好评价指标,获取综合决策评价值;采用认知熵理论修正评价指标权重,构建集结犹豫模糊评价模型,从而得到复合认知偏好下的驾驶舱设计形态优先级排序. 与5种同类评价算法进行比较及一致性检验,结果表明本研究所提方法具有良好的可靠性且能有效解决评价信息的犹豫性,能够较好地实现对飞机驾驶舱设计形态认知偏好的精确评估.     

面向设计过程的情境建模与研究

目的 解决产品设计过程中知识获取不完善及设计过程表征不能满足用户需求的问题。方法 针对设计过程,从知识获取、知识物化和特征验证等方面,剖析用户知识在设计过程情境中的行为逻辑,提出一种面向设计过程的情境建模方法。基于可拓基元概念,知识获取情境将用户信息转化为需求基元;知识物化情境将需求基元与设计思维进行融合,形成概念方案。结果 利用验证情境模型判断特征元素是否满足设计需求,从而使产品设计方案达到效能的最大化。结论 基于物流分拣设备设计过程的研究,对设计情境模型进行实例验证,其产品的特征得到了高效的表达,完善了产品设计的方案,验证了该方案的可行性。     

贝叶斯回归的多核ESN在站立姿态下的操纵舒适性预测研究

操纵舒适性是人机系统研究的重要内容之一。针对操纵舒适性评价的不确定性和模糊性,构建基于贝叶斯的多核回声状态网络(Echo state network,ESN)模型,对站立姿态下的操纵舒适性进行评价。通过实验,收集不同操纵位置对用户的舒适性影响。15名被试者参与了本次实验,每个被试者需要完成100个操纵任务,实验过程中被试者的操纵姿势、目标位置、脚底压力、被试人体尺寸和主观舒适性的数据将被记录下来。选取了10%的实验数据对所提出的方法进行了验证,并与BP神经网络预测模型进行比较,结果表明T-S FNN模型具有较小的均方根误差。最后随机选取了10组操纵任务与快速上肢评估方法(RULA)进行比较,结果表明该方法和实际值相关性系数为0.97(p0.05),与RULA结果的相关性为0.66(p0.05),说明该方法能够较好地反应真实结果。