论文部分内容阅读
座椅作为汽车直接与驾乘人员接触的重要子系统,其舒适性是座椅设计制造过程中必须考量的重要因素,近年来随着国民生活水平的提高,人们对汽车座椅的乘坐舒适性也提出了更高的要求。体压分布作为座椅舒适性客观评价的重要方法,其与主观舒适性之间的关系存在复杂性和高非线性的特点,本文利用智能优化算法探究客观评价与主观评价之间的定量关系,构建了汽车座椅舒适性预测模型,并与座椅有限元仿真模型相结合,对座椅泡沫方案的筛选进行应用,为汽车座椅舒适性的设计和评价提供更加简便、精确、高效的方法。首先进行了汽车座椅静态舒适性主客观评价试验,设计了包含人体各部分区域在内的舒适性主观评价表,通过主客观评价试验获得了体压分布数据和区域舒适性主观评价。采用相关性分析方法对体压指标进行了筛选,获得了10个体压指标,并对所得体压分布数据进行正态性检验。运用层次分析方法对主观舒适性评价项做了权重分析,获得了13个主观舒适性评价项的权重系数,通过权重系数计算出整体舒适性评价结果。然后利用人工蜂群算法优化后的BP神经网络(ABC-BP)来预测座椅的舒适性的方法,将舒适性主客观评价试验所获得10个体压指标作为输入,整体舒适性评价作为输出,构建了基于ABC-BP的座椅舒适性预测模型。试验所得176个样本数据中的89%作为模型的训练部分,11%的数据作为模型验证,将预测结果与真实值相比较。ABC-BP预测模型的均方误差MSE为0.0019,确定性系数R~2为0.946,比传统BP神经网络预测模型得到的MSE降低了84.68%,R~2提高了42.5%。结果表明利用人工蜂群算法优化后的BP神经网络所建立的汽车座椅舒适性预测模型稳定性更强、预测效果更加精准。最后建立了座椅有限元仿真模型,通过对三种不同泡沫硬度的座椅进行了体压分布仿真分析,并将体压分析数据作为输入,利用基于ABC-BP的座椅舒适性预测模型预测了三种泡沫硬度座椅的舒适性评分。实际证明,座椅有限元仿真模型结合基于ABC-BP的座椅舒适性预测模型,能够在座椅设计初期对泡沫舒适性进行预测,实现对不同设计方案的评价。