一種基于數據驅動的特種車輛座椅振動舒適性評價方法

本發明屬于座椅舒適性評估，具體涉及一種基于數據驅動的特種車輛座椅振動舒適性評價方法。

背景技術：

1、特種車輛是常用于特定環境執行特殊任務的車輛，通常具有特殊的設計和功能，可能在結構、動力、操控系統等方面與普通車輛存在顯著差異，以滿足特殊工作需求，特種車輛長時間在惡劣的環境中行駛，車輛產生的強烈振動和沖擊不僅會影響人員的工作效率，而且對身體健康產生長期潛在危害，所以對特種車輛座椅的振動舒適性進行評價，指導車輛座椅設計，進而緩解駕駛員和乘員的疲勞，提高效率至關重要。

2、座椅舒適性評價中直接使用主觀直接映射到客觀評價指標，通過人員建立主觀感受和客觀數據之間的關系可能會導致信息丟失，且僅針對座椅單軸向的舒適度評估，不考慮座椅其他部位及方向的信息，不能準確表達原始振動數據和座椅振動舒適度的非線性映射，此外，特種車輛運行環境復雜多樣，基于普通民用車輛和列車進行的舒適度試驗評估不能真實反映特種車輛復雜的運行環境，為了更加真實、高效的評估特種車輛座椅振動舒適性，提出了一種基于數據驅動的特種車輛座椅振動舒適性評價方法。

技術實現思路

1、本發明的目的是針對上述現有在特種車輛座椅振動舒適度方面存在的問題，提供一種基于數據驅動的特種車輛座椅振動舒適性評價方法。

2、該方法通過對特種車輛的座椅振動數據進行分析，進而對特種車輛座椅振動舒適性進行解釋研究，為特種車輛座椅舒適性評估檢測提供新穎有效的方法。

3、為了達到上述技術目的，本發明所采用的技術方案是：

4、1.一種基于數據驅動的特種車輛座椅振動舒適性評價方法，其特征是，包括以下步驟：

5、第一步，通過安裝在座椅的座椅靠背、座椅支撐面和腳部支撐面的3個位置的振動加速度傳感器采集座椅3測點共9個軸向振動信號作為一組振動信號；

6、第二步，采用iso2631標準對采集到的9個軸向振動信號計算總乘坐值，作為一組振動信號的舒適性分值標簽；

7、其中，首先，計算總乘坐值之前，需對座椅總加權加速度均方根值進行計算：

8、aw＝[(wxawx)2+(wyawy)2+(wzawz)2]1/2

9、式中，awx、awy、awz分別為對應測點位置在x、y、z軸上的加速度均方根值；wx、wy、wz為對應的計權因數；

10、其次，進一步計算總乘坐值作為舒適性分值標簽，計算方法為：

11、

12、式中，awj為信號不同測點位置的總加權加速度均方根；

13、第三步，對采集到的座椅3個測點共9軸向的振動信號進行預處理，首先通過滑動窗口方法在采集到的振動信號中選取2048個采樣點作為1個樣本，滑動窗口樣本重合率為30％，然后將該樣本平均分割成4個子樣本，最后通過重新組合的方式，將4個子樣本組合形成新的樣本，實現數據擴充，分別為每組擴充后的數據打上舒適性分值標簽，并打亂數據，按照4：1的比例劃分訓練集和測試集。

14、第四步，建立座椅振動舒適性評估模型，評估模型以多通道cnn模型為框架，模型輸入數據為擴充后的9軸向振動加速度信號，每個軸向的振動信號分別經過卷積層、池化層、通道優先卷積注意力層和融合層，經融合層處理后，通過深度殘差收縮網絡模塊進行特征提取，最后進行舒適性預測值輸出；

15、其中，所述多通道cnn模型負責聯合座椅多軸向振動信息，其中卷積層負責對輸入信息進行卷積運算，池化層采用最大池化，負責將上層傳來的數據進行降維處理；

16、所述通道優先卷積注意力層負責自主學習振動信號特征對舒適性的敏感程度，將得到的權重動態分布于通道和空間維度上，并進行第一次特征提取；

17、上述提取出來的特征采用加權融合算法進行特征融合，融合過程可表示為：

18、

19、式中，n代表輸入通道數量；k為卷積核數量；表示輸入層第n通道的輸入；表示卷積層l第k卷積核的權重；為偏置；其生成的特征序列用f表示；

20、加權融合算法中權值參考iso2631標準給定的座椅不同測點軸加權系數，根據軸加權系數定義各個通道的權值分配，然后進行融合，第一次特征融合結果為：

21、

22、式中，α、β和γ分別表述同一測點三軸向加權系數，xi、yi和zi表示同一測點三軸向振動信息特征，fi為同一測點特征融合結果，i為b，s，f；

23、完成第一次特征融合后，繼續進行不同測點第二次特征融合，融合結果為：

24、

25、式中，f為3測點融合后的特征序列；

26、將融合完成后的特征序列經過一層卷積層輸出后，通過改進深度殘差收縮模塊進行冗余信號的消除，其中改進深度殘差收縮模塊通過軟閾值函數進行如下改進：

27、

28、式中，x為輸入，y為輸出，λ為閾值；

29、將通過改進深度殘差收縮模塊處理后的信號，經卷積層進行卷積運算，池化層進行最大池化處理之后，進行第二次特征提取，并使用全連接層進行輸出。

30、第五步，將訓練集輸入到所提出的模型中進行訓練，批處理大小設置為32，學習率為1e-3，訓練輪數設置為200，將損失函數用于網絡的訓練中，得到訓練好的座椅振動舒適性評價模型。

31、第六步，將測試集輸入到訓練好的座椅振動舒適度評價模型中，對座椅振動舒適性進行評價。

32、綜上，本發明具有以下有益效果：

33、本發明提供了一種基于數據驅動的特種車輛座椅振動舒適性評價方法，該方法有效提升了特種車輛座椅舒適性評估效率。此外，采用通道優先卷積注意力機制和改進殘差收縮模塊生成新的多通道座椅舒適性評估模型進行舒適度評價，可以提升舒適性評估準確率。本發明為特種車輛座椅舒適性評估檢測提供了新穎有效的方法。

技術特征：

1.一種基于數據驅動的特種車輛座椅振動舒適性評價方法，其特征是，包括以下步驟：

技術總結
本發明公開了一種基于數據驅動的特種車輛座椅振動舒適性評價方法，涉及座椅舒適性評估技術領域，本發明通過將傳感器采集到的9通道振動信息輸入到多通道基本模型中進行第一次特征提取并進行數據融合；此外，數據融合前在模型中加入通道優先卷積注意力機制提取特征信息；然后將提取融合后的特征信息通過改進殘差收縮模塊生成新的網絡模型進行座椅振動舒適度評估，本發明提出評估模型在評估座椅振動舒適程度方面表現出較高的準確性。本發明使用深度學習應用于特種車輛振動舒適性評價，提高了舒適性評估的準確率，減小了由于人為主觀因素引起的舒適性評估誤差，相比傳統主觀評價方法而言提高了特種車輛座椅舒適性評估效率。

技術研發人員：黃晉英,白雄,王宇軒,范振芳,楊帆
受保護的技術使用者：中北大學
技術研發日：
技術公布日：2024/10/21