一种基于人体-座椅参数匹配的多姿态座椅角度推荐方法和系统与流程

摘要: 本发明涉及智能座椅人机工程设计与人工智能建模,尤其涉及一种基于人体参数、座椅结构尺寸参数与目标舒适度等级匹配的多姿态座椅角度推荐方法和系统。背景技术:1、随着汽...
一种基于人体-座椅参数匹配的多姿态座椅角度推荐方法和系统与流程

本发明涉及智能座椅人机工程设计与人工智能建模,尤其涉及一种基于人体参数、座椅结构尺寸参数与目标舒适度等级匹配的多姿态座椅角度推荐方法和系统。

背景技术:

1、随着汽车智能化与智能座舱技术的不断发展,车辆内部功能正由传统的驾驶工具逐渐向智能化、舒适化和个性化方向演进。座椅作为座舱系统中的重要组成部分,已不再仅作为简单的人体支撑结构,而成为影响驾乘体验、乘员疲劳程度以及人体健康的重要核心部件。在人-车-环境系统中,座椅作为人体与车辆之间的直接接触界面,其结构设计与调节方式直接影响人体姿态稳定性、局部受力分布以及长时间乘坐时的舒适感受。

2、与此同时,随着自动驾驶技术的发展以及智能座舱应用场景的不断丰富,乘员在车内的姿态不再局限于传统的标准坐姿,还可能出现躺姿甚至零重力姿态等多种使用状态。不同乘坐姿态下,人体与座椅之间的接触关系以及舒适需求均存在明显差异。因此,如何根据乘员的不同姿态需求与目标舒适度等级匹配的角度组合进行合理调节,并实现针对不同姿态导致的大角度座椅角度智能推荐,逐渐成为智能座舱系统中的重要研究方向。

3、然而,现有技术中仍存在以下技术缺陷:

4、其一,传统设计方法依赖经验公式或仿真分析,缺乏系统化的数据驱动建模手段,难以实现对个体人体差异的精细建模,无法满足不同体型乘员的个性化需求。

5、其二,多数现有方法仅考虑单一角度参数的优化,忽略了坐垫、靠背、头枕、腿托及旋转角之间的耦合关系,导致多角度协调配置的整体舒适性不足。

6、其三,现有数据驱动方法未将座椅结构尺寸参数纳入模型输入,导致模型对不同座椅结构的泛化能力不足,难以直接适配不同型号、不同品牌的座椅结构。

7、其四,现有方法较少考虑不同乘坐姿态(如坐姿、躺姿、零重力姿态)下的大角度座椅角度推荐问题,无法满足智能座舱中多样化的乘员姿态需求。

技术实现思路

1、本发明针对现有技术的缺陷,提供了一种基于人体-座椅参数匹配的多姿态座椅角度推荐方法和系统。

2、为了实现以上发明目的,本发明采取的技术方案如下:

3、一种基于人体-座椅参数匹配的多姿态座椅角度推荐方法,包括:

4、获取目标用户的人体参数、目标座椅的座椅尺寸参数、乘员姿态需求以及目标舒适度等级;

5、将所述人体参数、座椅尺寸参数、乘员姿态需求及目标舒适度等级输入训练完成的座椅角度推荐模型,所述座椅角度推荐模型以人体参数、座椅尺寸参数、乘员姿态信息及目标舒适度等级为输入,以多个座椅关键角度参数为联合输出;

6、所述座椅角度推荐模型在对应姿态的角度约束范围内输出座椅关键角度组合,以驱动座椅执行机构调节至对应的姿态配置。

7、进一步地,所述乘员姿态需求选自多种乘坐姿态中的至少一种,所述多种乘坐姿态包括坐姿、躺姿和零重力姿态。

8、进一步地,所述座椅角度推荐模型采用基于多任务学习的深度神经网络架构,所述深度神经网络架构包括:

9、一个共享特征提取层,由多个全连接层构成,用于将所述人体参数、座椅尺寸参数、乘员姿态信息及目标舒适度等级映射为共享特征向量;以及多个并行的任务特定输出层,分别对应于坐垫与腿托之间的角度、靠背与坐垫之间的角度、头枕与靠背之间的角度、靠背角度、腿托角度以及座椅旋转角度,每个所述任务特定输出层以所述共享特征向量为输入,输出对应角度参数的预测值。

10、进一步地,所述共享特征提取层的输入包括身高、体重、性别、座椅尺寸参数、乘员姿态编码以及目标舒适度等级;所述共享特征提取层由多个全连接层构成,各层之间采用激活函数,每个全连接层之后依次连接批归一化层和dropout层。

11、进一步地,在所述多个任务特定输出层之后还设置有角度约束映射层,所述角度约束映射层用于将各角度参数的原始预测值通过sigmoid函数映射至(0,1)区间,再根据当前乘员姿态需求查表获取对应角度的约束下限值和约束上限值,通过线性映射得到最终的角度推荐值,使模型输出的所有角度组合均位于对应姿态的约束范围内。

12、进一步地,所述座椅尺寸参数包括坐垫几何尺寸、靠背几何尺寸以及至少一个离去点参数;所述座椅尺寸参数具体包括坐垫长度、坐垫总体宽度、坐垫侧翼高度、靠背长度、靠背宽度、靠背侧翼高度、坐垫倾角、大腿离去点、坐垫咬合离去点、肩部离去点以及靠背咬合离去点中的至少一项。

13、进一步地,所述深度神经网络模型的训练目标为最小化各角度预测误差的加权均方误差之和,总损失函数定义为各角度预测值与真实值的均方误差乘以对应权重系数后求和,各权重系数之和为1.0。

14、进一步地,在所述模型输出各角度参数的预测值后,还进行角度间的耦合约束检查,所述耦合约束检查包括以下至少一项:

15、坐垫-靠背角度差约束,即靠背与坐垫之间的角度减去坐垫与腿托之间的角度不小于5°;

16、坐垫-腿托角度协调约束,即坐垫与腿托之间的角度加上腿托相对于水平线的上翘角度不大于180°;

17、零重力姿态特征角约束,即当乘员姿态为零重力姿态时,躯干与大腿之间的夹角处于120°至135°范围内;

18、当任一耦合约束条件不满足时,采用分层优化策略进行修正:优先保证所述靠背与坐垫之间的角度的预测精度不变,在该角度对应的约束范围内微调其他角度参数,直至所有耦合约束条件均满足。

19、本发明还公开了一种基于人体-座椅参数匹配的多姿态座椅角度推荐系统,包括:

20、在线推荐模块,用于接收目标用户的人体参数、目标座椅的座椅尺寸参数、乘员姿态需求以及目标舒适度等级,并输入至训练完成的座椅角度推荐模型,输出多个座椅关键角度推荐值;所述模型以人体参数、座椅尺寸参数、乘员姿态信息及目标舒适度等级为输入,以多个座椅关键角度参数为联合输出;

21、角度耦合校验模块,与所述在线推荐模块连接,用于对所述模型输出的多个座椅关键角度推荐值进行耦合约束检查,并在不满足约束时采用分层优化策略进行修正:优先保证所述靠背与坐垫之间的角度的预测精度不变,在该角度对应的约束范围内微调其他角度参数,直至所有耦合约束条件均满足;

22、座椅执行模块,与所述角度耦合校验模块连接,包括多个调节电机,用于根据修正后的推荐角度参数驱动各电机协调动作,使座椅达到推荐的姿态配置。

23、进一步地,所述座椅角度推荐模型采用基于多任务学习的深度神经网络架构,或者采用多输出回归模型作为替代架构;所述多输出回归模型选自多层感知机回归模型、k近邻回归模型、随机森林回归模型、极端随机树回归模型、直方图梯度提升回归模型中的至少一种,或者为上述模型的集成组合。

24、与现有技术相比,本发明的优点在于:

25、第一,本发明将座椅结构尺寸参数作为模型输入特征,使模型能够区分不同座椅之间的几何结构差异。在模型训练阶段,12项座椅尺寸参数作为特征变量参与建模;在应用阶段,目标座椅的尺寸参数作为输入条件参与推理。这一机制使得该模型能够直接适配不同型号、不同品牌的座椅结构,无需针对每种座椅重新训练模型,显著提升了模型的泛化能力。

26、第二,本发明保留不同舒适度等级下的角度组合样本,并建立角度组合与舒适性响应之间的映射关系,使系统能够根据用户设定的目标舒适度等级进行角度组合寻优。同时,采用多角度联合推荐方式,同时输出坐垫与腿托角度、靠背与坐垫角度、头枕与靠背角度、靠背角度、腿托角度、座椅旋转角度6个关键角度的协调配置,避免单一角度独立优化导致的整体舒适性不足问题。

27、第三,通过构建包含坐姿、躺姿及零重力姿态等多种典型乘坐姿态的实验数据体系,使所建立的座椅角度推荐模型能够适用于不同乘坐场景下的个性化推荐需求。不同姿态下的人体-座椅接触关系差异显著,模型的输入中包含乘员姿态编码,输出端通过姿态特定的角度约束映射层保证推荐结果符合该姿态的人体工学限制。