基于人工神经网络的汽车座椅舒适度评价模型

合集下载

基于人工神经网络的地区高等教育水平评价

将各省市高等教育发展水平分为地域型高等教
育发展水平和受益型高等教育发展水平，并用每
万人口在校大学生数代表地域型高等教育发展
收稿日期：２１— 卜ｌ０２００
层、输入层反向传播。随着信息正向传播和误差
基金项目：教育部人文社科青年基金项目（０ＪＺ３）１ＹＣＨ１５；第４批中国博士后基金资助项目（０１４１３）９２１０９５２第一作者简介：孙阳春（９７，女，辽宁庄河人，副教授膊士，主要研究方向：高等教育原理。Ｅｍａ：ｓｎａｇｈｎ０３６．ｎ１７一）－ｉｕｙｎｃｕ２０＠１３ｅｌｌｏ
评价方法立足于客观实际情况，而且对于多因
素的复杂系统有较好的适应性，研究结果更具有
客观性。
一
、
评价指标的选取
对地区高等教育水平进行评价，其评价质量的高低关键取决于评价方法和评价指标的选择是否合理。因此，在评价指标选取过程中，应尽可能地保证评价指标的全面性和有效性。学者有
第３卷第３４期
２１０２年５月
宁波大学学报
（育科学版）教
、ｌ４Ｎｏ３ｂｌ３．Ｍａ２１ｙ０２
ＪＯＵＲＮＡＬＯＦＮ１ＮＧＢＯＵＮ１ＶＥＲＳＴＹ（ＤＵＣＡＩＩＥＴＯＮＡＬＣＩＮＣＥＤＩＯＮ）ＳＥＥＴＩ
基于人工神经网络的地区高等教育水平评价
孙阳春，范智勇

乘用车人体坐姿舒适性校核

乘用车人体坐姿舒适性校核范卫萍;张珍;安志亮;李俊龙;祁建【摘要】在整车总布置时,必须对人体坐姿进行校核,保证设计状态下的人体驾驶与乘坐姿势为舒适的状态.通过结合相关SAE标准、规定及设计经验等要求,运用CATIA软件及相应的CATIA人体参数化模板,在具体开发项目中对前排驾驶员和后排乘员人体坐姿进行舒适性校核,保证了某车型前期布置设计时人体设计状态下主要人体躯干角度均为舒适角度.【期刊名称】《汽车工程师》【年(卷),期】2016(000)004【总页数】3页(P53-55)【关键词】整车布置;人体坐姿;舒适性校核【作者】范卫萍;张珍;安志亮;李俊龙;祁建【作者单位】北京汽车研究总院有限公司;北京汽车研究总院有限公司;北京汽车研究总院有限公司;北京汽车研究总院有限公司;北京汽车研究总院有限公司【正文语种】中文在整车布置设计的过程中，为了能尽量降低驾驶员的疲劳程度，通过对人体的生理结构进行研究而得到人体的舒适驾驶姿势，这是在总布置设计中必须遵守的原则。

在某车型前期布置设计过程中，人体设计位置的确定是首要确定的参数之一，而人体设计姿态的确定需根据人体推荐的舒适坐姿进行布置。

本着提高车内空间利用率、满足外造型和整车尺寸的原则，文章对该车型整车人体舒适性进行了校核。

1 边界条件在进行整车人体舒适性校核时，涉及到的边界条件有：整车内表面CAS数据、加速踏板参考点、方向盘中心、方向盘倾角、驾驶员H点、驾驶员踵点、后排乘员H点、后排乘员踵点、驾驶员H点可调节范围。

2 校核内容根据SAE标准，通常在进行整车人体坐姿校核时主要校核的内容有：驾驶员SAE95%人体坐姿舒适性校核、后排乘员SAE95%人体坐姿舒适性校核、驾驶员SAE5%人体坐姿舒适性校核。

因为驾驶员除了要满足SAE95%高个人体舒适性外[1]，还需要满足SAE5%的小个人体舒适性，以满足不同人群的驾驶需要。

而为实现乘员乘坐空间最大化设计，通常在后排乘员舒适性校核时只进行SAE95%高个人体舒适性校核。

基于人工神经网络的物流中心经济评价

物流中心的经济评价是物流中心的一个必不可少的步骤和重要组成部分。利用分段指数模型和自相关分析模型
等数理统计方法，物流中心的经济增长模型进行研究，对其结果是模型的预测精度低，相对误差甚至高达３．％。因１４为影响物流中心经济评价的因素众多，而这些因素之间又存
摘要：国民收入是标志一个国家经济状况的重要经济指标。本文根据财务评价和国民经济评价指标以及对物流中心的要求，建立了基于人工神经网络的物流中心经济评价模型。仿真实验结果表明，型的精度较模高。通过模式识别，实证考察了影响物流中心经济评价的主要因素。从而为评价物流中心的经济可行性提供了实践和理论依据。
２１年第８０２期（总第２２期）２
黑龙江交通科技
ＨＥＩＯＮＧＪＡＮＧＩＬＩＪＡＯＴＯＮＧＪＫＥ
Ｎｏ８，０２．２１
（ｕＮ．２）Ｓｍｏ２２
基于人工神经网络的物流中心经济评价
娄彦江（黑龙江省审计心；人物经济评价；非线性
中图分类号：４５１Ｕ１．
０引言
文献标识码：Ｃ
文章编号：０８— ３３２１）８— １５— ２１０３８（０２００２０表１物流中心经济评价指标的分类
投资项目可行性、以便据以进行方案决策的定量化标准和尺度，是由一系列综合反映投资效益、入产出关系的量化指投标构成的。

基于人工神经网络的滑坡危险性评价方法研究

的加快学习速度，同时也保证了数据间的相关性。
非线性的问题。鉴于边坡工程本身具有复杂性、非
线性等特点，本文应用改进的ＢＰ人工神经网络建立
ｆ＝０．１＋０．８（ｘｌ — ）
ｍａｘ — ｍｉｎ
对今后滑坡危险性评价具有借鉴意义。
了滑坡危险性评价的数学模型。通过应用实例分析，
证明了该方法的可行性。
一
二、ＢＰ神经网络模型的建立及应用
【关键词】滑坡危险性评价ＢＰ神经网络
、
ＢＰ神经网络基本原理与改进ＢＰ神经网络是一种误差向后传播（ＥｒｒｏｒＢａｃｋ
基于人工神经网络的滑坡危险性评价方法研究
ＥｘｐｌｏｒｅｔｈｅＬａｎｄｓｌｉｄｅＨａｚａｒｄＡｓｓｅｓｓｍｅｎｔＭｅｔｈｏｄｏｎｔｈｅＢａｓｉｓｏｆＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ
表１滑坡危险性评价指标与相应的量化标准
■ 赵甜 ■ ＺｈａｏＴｉａｎ
【摘要］本文基于人工神经网络原理，在考虑滑坡的主要影响因素的基础上，运用改进的ＢＰ神经网络建立了滑坡危险性评价模型。通过应用实例分析，证明了该方法是可行的，
强等特点，特别适合于处理各种复杂的、不确定的、
迹象、人类工程活动状况。由此，我们可以建立这
层节点间无任何耦合。每一层的神经元只接受前层神经元的输入，每一层神经元的输出只影响下层神经元的输出。ＢＰ网络是前馈网络的核心部分，

数学建模论文题目优选专业题目128个

数学建模论文题目优选专业题目128个1. 基于偏最小二乘法的回归模型研究2. 城市道路网优化设计模型研究3. 基于多元时间序列的股票价格预测模型4. 基于PCA的图像压缩算法研究5. 基于神经网络的手写数字识别模型研究6. 基于逻辑回归的信用评分模型研究7. 基于多元回归的考试成绩预测模型8. 基于分层抽样的调查数据分析模型研究9. 基于粒子群算法的车辆路径规划模型10. 基于高斯混合模型的人脸识别模型研究11. 基于时间序列的气象预测模型研究12. 基于模糊数学的交通运输成本评价模型13. 基于Bayesian模型的风险管理模型研究14. 基于熵权法的供应链绩效评价模型研究15. 基于人工神经网络的物流配送路径规划模型16. 基于聚类分析的消费者购物行为模型研究17. 基于ARIMA模型的股票价格预测研究18. 基于线性规划的资源优化配置模型研究19. 基于灰色关联分析的品牌效应评价模型20. 基于神经网络的信用卡欺诈检测模型研究21. 基于分类决策树的客户流失预测模型22. 基于支持向量机的情感分类模型研究23. 基于聚类分析的企业竞争战略研究24. 基于随机森林算法的文本分类研究25. 基于多元回归的商品价格预测模型研究26. 基于模糊层次分析法的公共设施优化布局模型27. 基于BP神经网络的电网负荷预测模型研究28. 基于熵增资金流动模型的投资组合优化研究29. 基于支持向量机的时序自然语言处理模型研究30. 基于贝叶斯网络的风险评估模型研究31. 基于特征选择的糖尿病研究模型32. 基于ARMA-GARCH模型的黄金价格预测研究33. 基于随机森林算法的房价预测模型研究34. 基于半监督学习的数据建模方法研究35. 基于神经网络的新闻情感分析模型研究36. 基于多元回归的用户购买意愿预测研究37. 基于主成分分析法的医学数据挖掘模型研究38. 基于熵增二次规划的环保决策模型研究39. 基于支持向量机的产品缺陷分析模型研究40. 基于遗传算法的旅游路线规划模型研究41. 基于BP神经网络的房产估价模型研究42. 基于多元线性回归的企业税收影响因素研究43. 基于LDA主题模型的新闻推荐模型研究44. 基于半监督学习的文本分类方法研究45. 基于动态规划的优化管理模型研究46. 基于人工神经网络的汽车质量控制模型研究47. 基于SVM的留学生综合评价模型研究48. 基于熵权法的企业绩效评价模型研究49. 基于色彩分类的图像检索模型研究50. 基于PCA的公司财务分析模型研究51. 基于最小二乘法的时序预测模型研究52. 基于BP神经网络的信用风险评估模型研究53. 基于ARIMA模型的国际贸易数据预测研究54. 基于分层抽样的公共政策效果评价模型研究55. 基于遗传算法的网络优化模型研究56. 基于Logistic回归的客户流失模型研究57. 基于主成分回归的能源消费预测模型研究58. 基于熵增多目标规划的医院资源配置模型研究59. 基于LSTM的短期气温预测模型研究60. 基于支持向量机的销售预测模型研究61. 基于偏最小二乘法的时间序列分析模型研究62. 基于线性规划的物流成本控制模型研究63. 基于粒子群算法的生产排程问题研究64. 基于K-Means算法的用户购物行为分析模型研究65. 基于BP神经网络的就业市场预测模型研究66. 基于多元回归的房价分析模型研究67. 基于PCA-LDA算法的股票投资组合优化研究68. 基于熵增法的金融客户信用评估模型研究69. 基于ARIMA模型的出口贸易预测研究70. 基于主成分回归的汽车销售预测研究71. 基于支持向量机的客户信贷风险评估模型研究72. 基于自回归模型的煤矿生产数据分析模型研究73. 基于半监督学习的文本聚类算法研究74. 基于偏最小二乘法的多元时间序列预测模型研究75. 基于数据挖掘的酒店客户消费分析模型研究76. 基于BP神经网络的固定资产折旧预测模型研究77. 基于LSTM的外汇汇率预测模型研究78. 基于GARCH模型的期货价格波动预测研究79. 基于随机森林算法的个人信用评估模型研究80. 基于分层抽样的医院评价模型研究81. 基于主成分回归的员工绩效评价模型研究82. 基于特征选择的电商商品分类预测研究83. 基于组合多目标规划的供应链资源配置模型研究84. 基于支持向量机的农村扶贫模型研究85. 基于因子分析法的股票投资风险评估模型研究86. 基于熵权法的环境效益评价模型研究87. 基于ARMA-GJR模型的期权价格波动预测研究88. 基于线性规划的房地产项目开发决策模型研究89. 基于支持向量机的人体姿势识别模型研究90. 基于逻辑回归的疾病风险评估模型研究91. 基于随机森林算法的人群画像建模研究92. 基于特征选择的电商用户购买行为模型研究93. 基于主成分回归的债券价格预测研究94. 基于半监督学习的视频分类方法研究95. 基于GARCH模型的黄金价格波动预测研究96. 基于线性规划的物流配送网络优化模型研究97. 基于神经网络的推荐系统算法研究98. 基于多元回归的城市房价分析模型研究99. 基于决策树的产品质量评估模型研究100. 基于熵增的生态系统评价模型研究101. 基于ARMA-GARCH模型的汇率波动预测研究102. 基于偏最小二乘法的长期股票价格预测模型研究103. 基于支持向量机的广告点击率预测模型研究104. 基于最小二乘法的用户行为分析模型研究105. 基于主成分分析的国际贸易影响因素研究106. 基于熵权法的固体废物处置模型研究107. 基于BP神经网络的猪价预测模型研究108. 基于多元回归的医疗保险费用预测模型研究109. 基于半监督学习的语义分析方法研究110. 基于GARCH模型的股票市场风险度量研究111. 基于多元回归的房屋安全预测模型研究112. 基于主成分回归的银行收益预测模型研究113. 基于支持向量机的人脸识别模型研究114. 基于逻辑回归的考生录取预测模型研究115. 基于随机森林算法的股票涨跌预测模型研究116. 基于线性规划的生产物流系统优化研究117. 基于支持向量机的非线性预测模型研究118. 基于LSTM的股票走势预测模型研究119. 基于因子分析法的环保技术影响因素分析研究120. 基于聚类分析的电商平台用户行为分析研究121. 基于人工神经网络的物流配送路线优化模型研究122. 基于多元回归的房产投资模型分析研究123. 基于主成分回归的教育支出预测研究124. 基于熵增的商业银行绩效评价模型研究125. 基于遗传算法的能源资源优化配置模型研究126. 基于半监督学习的情感分类方法研究127. 基于GARCH模型的商品期货价格波动研究128. 基于支持向量机的房地产投资风险评估模型研究。

基于模糊神经网络的拉索耐久性评价模型

９
化层，据一定的反模糊化原则，依实现输出的清晰化。由以上５模糊神经网络具有很强的学习能力。 ’ 层４个评价指标分别用～也表示。４个评价指标中有定性描述和定量描述两种，了准确的评价Ｐ为ｃ
斜拉桥的安全性，所有评价指标均采用定量描述。拉索索力评价指标＝１０ Ⅳ一］／ Ⅳ ，０ ×１【ｌ【】其中 Ⅳ为实测拉索索力，』】理论拉索索力；价指标２按满分１０分评分，得分为该指标的分值。【７为、，评～０其图１中第ｉ评价指标的个模糊化值。个
第２卷第２７期
２１４月００年文章编号：ｏ－５３２ｒ）２ｏｏ．５ｌ５２（ｏｏ－ｏ￣０ｏｏｅ
华
东
交
通
大
学
学
报
Ⅷ ．７ＮｔＣｉａＪａｔｎｎｖｒｉｏｒｌｓｈｎｉｏｇＵｉｅｓｔｎｏＥｏｙ
１模糊神经网络
根据评价对象的特点确定所有的评价指标。拉索的耐久性评价指标共有４，个分别为拉索索力、锚固系统、拉索保护层、减震装置。建立拉索耐久性评价的模糊神经网络模型如图１。第１是输入层，层它的
每一个节点代表一个输入变量（评价指标）共有４，个节点；２第层是量化输入层，作用是将输入变量模糊化，使其成为Ｂ神经网络的输入层，Ｐ该层共有２个节点；３０第层为ＢＰ网络的隐含层，其作用为实现输入

基于GA-BP的混合动力汽车匀速工况声品质预测模型

第 45 卷第 5 期 2019 年 5 月
中国测试 CHINA MEASUREMENT & TEST
Vol.45 No.5 May, 2019
Hale Waihona Puke doi: 10.11857/j.issn.1674-5124.2017090008
基于 GA-BP 的混合动力汽车匀速工况声品质预测模型
廖连莹1,2，左言言2，周翔1，孟浩东1，廖旭晖1，吴赛赛2
进行混合动力汽车匀速工况车内声品质预测后，把 GA-BP 模型预测结果与多元线性回归模型和传统 BP 神经网络
模型预测结果进行比较。对比结果显示 GA-BP 模型预测结果精度最高。证明所建立的 GA-BP 声品质预测模型的
有效性，说明该模型较适用于混合动力汽车车内声品质预测。
关键词: 混合动力汽车; 声品质; 匀速工况; 遗传算法; BP 神经网络
廖连莹，等：基于 GA-BP 的混合动力汽车匀速工况声品质预测模型
129
0 引言
混合动力汽车虽然在振动与噪声整体控制体现了一定的优势，但由于结构的改变和工作方式的多样性，在某些混合动力汽车上，车内声品质反而有所下降，从而影响了乘坐的舒适性[1-2]。因此研究混合动力汽车车内声品质的评价方法，改善混合动力汽车车内声品质显得尤为重要。在对车内声品质的评价中，大多学者均采用主、客观评价相结合的方式进行研究。如 YOON J H 等[3-4] 运用多元统计分析方法，结合心理声学参数，提出车内声品质的马氏距离算法，大幅提高了声品质客观量化模型的预测结果精度。Jaime A. Mosquera-Sánchez 等[5] 提出自适应控制方法处理多谐波干扰来提高汽车声品质，此方法通过用 Zwicker 响度和听觉粗糙度模型验证，很好地评价和改善了汽车声品质。王岩松等[6-7] 基于人的听觉感知和人工神经网络建立汽车声品质评价模型，该模型对分析和解决稳态和非稳态的汽车噪声信号有较好的应用。徐中明等[8-9] 运用成对比较法对发动机启动时的声样本进行主观评价实验，引入烦恼度模型对主观偏好性进行预测，并利用相关分析和回归分析得到了双耳响度和粗糙度是

人工神经网络原理及在AMT中的应用

１６．９６
２Ｏ７Ｕ６— ＿一Ｏｌ
［］震．ＯＦＸ儿童座椅安全新境界［．国消费者报，８张ＩＩＳＮ］中
２０－５２．０７０－５
［］继德．车系统工程［．京：工业出版社，９．２庄汽Ｍ］北机械１７９［］伟伟．４刘保护宝宝 — — 儿童汽车安全座椅大赏［］车实Ｊ．汽
ｓｇｅｐｌｉｕｅ．ｉｎ，ｘｏｔｒ
Ｋｅｒｓｎｕａｅｗｏｋ；ｅｉｎ；ｕｏｔｄｍｅｈｉａｒｎｎ‘ ｉｎｙｗｏｄ：ｅｒｌｔｒｓｎＬｎｏｒａｔｍａｅｃａｃｔｓｎｓｏｎｌａｓ
０为ｙ为输出１人工神经网络技术的原理、点及应用领置为输人信号，为连接权值，阈值，特
ｃｍｐｅｕｓｏｓｅｅｔｅ．ｕｏｔｃａｉａＴａｓｉｉｎ（ｉｔｅｆｔｒｏｕ０ｔｒｎｍｓｉｅｏｌｘｑｅｔｎｆｃｖｌＡｔｅＭｅｈｎｃｒｍｓｏＡＭｓｈｕｅｆｔｅＴａｓｉｏｂ．ｉｉｙｍａｄｌｎｓｕＡｍａｄｓｎ
重点说明了如何将人工神经网络技术应用在汽车机械自动变速器的设计和开发中。关键词：经网络；经元；神神电控机械式自动变速器
中图分类号：４５５４Ｕ１．１文献标识码：Ａ文章编号：０５２５（０８０ — ０５０１０ — ５０２０）５０２－５

人工智能模型在智利科金博医院施工安全评价中的应用

1272024.01|（2）隐藏层：隐藏层是在输入层和输出层之间的一层或多层神经元。

它的主要作用是提取输入数据中的特征，通过非线性变换将输入数据映射到一个高维特征空间中。

（3）输出层：输出层是神经网络的最后一层，负责产生预测结果。

输出层的神经元数量取决于问题的类型，比如二分类问题就只有一个输出神经元，多分类问题就有多个输出神经元。

（4）权重和偏置：神经网络中的每个神经元都有一个对应的权重和偏置值，它们控制着神经元之间的连接强度和偏移量。

在图1　BP 神经网络模型结构128 | CHINA HOUSING FACILITIES训练过程中，网络会自动调整这些权重和偏置值，以使得预测结果与实际结果之间的误差最小。

（5）激活函数：激活函数是隐藏层和输出层中的每个神经元使用的非线性函数。

它们的作用是将神经元的输入转化为输出。

常用的激活函数包括s i g m o i d 、R e L U 、t a n h 等。

（6）损失函数：损失函数是用来衡量预测结果和实际结果之间的误差的函数。

常用的损失函数包括均方误差、交叉熵等。

（7）反向传播算法：反向传播算法是B P 神经网络训练的核心算法。

它通过计算损失函数对每个权重和偏置的梯度，然后按照梯度的反方向更新网络中的权重和偏置，使得损失函数不断减小，从而达到训练的目的。

（8）正则化：正则化是一种常用的技术，用于避免过拟合。

常见的正则化技术包括L 1正则化、L 2正则化等。

（9）计算平均误差：所有测试样本平均误差的计算公式为n k k 11E E ==∑ （1）经过反复迭代，当误差小于允许值，网络的训练过程即告结束。

2基于BP 神经网络的施工安全评价模型方法2.1数据来源在机器学习模型的应用中，数据的来源非常关键。

获取合适的数据源是建立高质量、准确的机器学习模型的重要前提。

常见的数据来源包括公共数据集、专业数据服务、企业内部数据、开放式数据共享平台等。

文中数据依托于智利科金博医院项目施工过程中的安全评价设计。

【国家自然科学基金】_人体舒适度_基金支持热词逐年推荐_【万方软件创新助手】_20140802

推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 科研热词座椅风寒温度车辆舒适性舒适度聚类分析灵敏度湿度温湿指数气温模态校园绿化振动并联机构小气候城市冠层模式回归方程北京大学功率谱密度人体舒适度指数京津冀地区不同下垫面三维减振推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85
微气候舒适度弹塑性分析工作效率山西屈曲约束支撑对照区实验测试天津市多重调频质量阻尼器城市设计城市河岸带城市人居环境地表热岛可接受度反射率南北河岸带动作捕捉技术划分方法关节力矩侧卧睡姿人群激励人机工程人因工程人口密度人体舒适指数人体舒适度人体工程学事件相关电位主客观测评临界压力 simmechanics软件 p300 3d 影片参数
推荐指数 4 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
科研热词风速风寒温度评价表面肌电信号舒适性生态规划生态要素济南市气象要素气温旅游气候振动地理信息系统冬季人体舒适度中国上海世界博览会 "千层饼"模式

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

及，人们对汽车的要求越来越高。人们在追求安全、节能、美观等特性的基础上，来越关注汽车驾驶的越舒适性。其中，车座椅舒适性则是整车舒适性的汽主导因素，此座椅舒适性研究受到企业的高度关因注 ¨ 。对座椅生产厂家来说，立一套客观有效的２Ｊ建座椅舒适度评价方法具有重要的意义。研究认为，椅一人体界面的压力分布对能否座使乘坐者保持良好坐姿，少人体疲劳有重要影响，减
马佳，智声，飞飞２阮莹２苏强２范李，，
（．１李尔中国工程技术中心，上海２１０；．０２０２上海交通大学工业工程与管理系，上海２０４）０２０
摘要：针对汽车座椅舒适度评价方法研究的不足，讨压力分布与舒适度之间的关系；探引入人工神经网络，建立了基
据中国消费者报报道：目前我国各种车辆累计已达上亿辆，患上驾驶员腰痛职业病的人数也日益
增多。随着汽车技术的进步及其在百姓中的普
舒适度评价的多元线性回归模型，利用Ｎｕｏ并ｅｒ— ＳｅｓＰｅｉｏ软件（种类神经网络预测系统）ｈｌｒｄｃｒｌｔ一建立了神经网络预测模型；时，ｏｅ也指出，同ＫｌｈＭｉ舒
ｎｕａｎｔｒｓ６ｓｍｐｅｒｓｄｔｒｉｅｎｕａｅｗｏｋｔｓｄｍｏｓａｅａｅｍｏｅａｅｅｒｌｅｗｏｋ．３ａｌｓａｅｕｅｔａｎｔｅｒｌｔｒ．ＩｉｅｎｔｔｄｔｔｈｄｌｌｂｏｈｎｒｈｔＣｌ
ＭａＪＦｎＺｉｈｎｉｅｆｉ，ｕｎＹｎｕＱａｇｉ，ａｈ— ｅｇ，ＬＦｉｅＲａｉｇ，Ｓｉｎａｓ —
（．ＬａＣｉａＥｇｅｒｇＣｎｅ，ｈｎｈｉ０２０Ｃｉａ１ｅｒｈｎｎｉｅｉｅｔＳａｇａ２１０，ｈｎ；ｎｎｒ
பைடு நூலகம்
２ｅａｔｎｏＩｄｓｉｎｉｅｒｇａｄＭｎｇｍｅｔＳａｇａＪａｔｇＵｉｅｉ，ｈｎｈｉ０２０ｈｎ）．ＤｐｒｔｆｎｕｔａＥｇｅｉｎａａｅｎ，ｈｎｈｉｉｏｎｖｒｔＳａｇａ２０４，Ｃｉａｍｅｒｌｎｎｏｎｓｙ
ｕｅｏｐｅｉｔｔｅｃｍｏｔｌｖ１ｓｄｔｒｄｃｈｏｆｒｅｅ．
Ｋｅｒｓｕｏｂｌｅｔｃｍｆｒ；ａｔｃａｅｒｌｅｗｒｙｗｏｄ：ａｔｍｏｉｓａｏｏｔｒｉｉｎｕａｔｏｋ；ｐｅｓｒｉｔｂｔｎ；ｅａｕｔｎｍｏｅｅｉｆｌｎｒｓｕｅｄｓｉｕｉｒｏｖｌａｉｄｌｏ
ｆｒｅｅｆａｔｍｏｉｅｓａｓＡｄｌｆｒｅａｕｔｎｈｏｏｔｌｖｌｉｏｓｒｃｅｓｄｏｒｉｃａｏｔｌｖｌｏｕｏｂｌｅｔ．ｍｏｅｏｖｌａｉｇｔｅｃｍｆｒｅｅｓｃｎｔｕｔｄｂａｅｎａｔｉｌｉｆ
中图分类号：４３８Ｕ６．３文献标识码：Ａ文章编号：０７７７（０８０－１６０１０ —３５２０）５００－４
ＥｖｌａｉｎｏａｕｔｏｆＡｕｔｍｏｉｅＳｅｔＣｏｆｒｓｄｎＡｒｉｃａｕｒｌＮｅｗｏｋｏｂｌａｍｏｔＢａｅｏｔｆｉｌＮｅａｔｒｓｉ
适性的评价具有时代性、地域性等特点。本文作者针对中国人人体特征，国内某汽车工程实验室进在行真人真车实验，获取３６组压力特征量、人体测量学量及对应的主观舒适度评分数据。在此基础上，应用人工神经网络技术建立了压力分布特征量与主观舒适度评分之间的预测模型，并应用
于ＢＰ神经网络的汽车座椅舒适度评价模型。通过真人真车实验获取３６组样本数据，对神经网络进行训练并建立了评价模型。实例验证该模型能够根据座椅压力分布较为准确地预测出座椅舒适度水平。关键词：汽车座椅舒适度；Ｐ神经网络；Ｂ压力特征；评价模型
第１卷第５期ｌ
２００８年９月
工业工程
ＩｄｓｒａｇｎｅｉｇＪｕｎｌｎｕｔｉｌＥｎｉｅｒｎｏｒａ
Ｖ０＿１Ｎｏ５ｌ１．Ｓｐｅｅ０８ｅｔｍｂｒ２０
基于人工神经网络的汽车座椅舒适度评价模型
Ａｂｔａｔｈｓａｅｖｓｇｔｓｔｅｒｌｔｎｈｐｂｔｅｎｔｅｓｒａｅｐｅｓｒｎｅｃｒｅｐｎｉｇｃｎ— ｓｒｃ：Ｔｉｐｐｒｉｅｔａｅｅａｉｓｉｅｗｅｕｆｃｒｓｕｅａｄｔｏｒｓｏｄｎｏｎｉｈｏｈｈ