[发明专利]基于RBF神经网络人机性能感知评价预测方法及系统

权利要求书

1.基于RBF神经网络人机性能感知评价预测方法，其特征在于，包括以下步骤：

S10：获取驾驶员在多组预设工况下相关肌群的表面肌电信号和相对应的主观不舒适度综合评分，以及获取多组所述预设工况下对应的人机布置参数；所述预设工况包括：转向、制动和加速；所述预设工况下对应的人机布置参数，包括：加速踏板和座椅的布置参数、制动踏板的布置参数以及方向盘的设置参数；

S20：通过AnyBody建立驾驶员骨肌生物力学模型，搭建实现方向盘和踏板操纵的仿真驾驶环境，并对多组所述预设工况进行仿真，输出对应的多组仿真结果；所述仿真结果包括：驾驶员驾驶操作过程中的最大肌肉激活度特征参数；

S30：将多组所述最大肌肉激活度特征参数，分别输入操纵舒适性评价模型；输出多组不舒适综合评分参数；所述操纵舒适性评价模型，通过正则化RBF神经网络对多组样本数据进行学习和训练获得；所述多组样本数据包括：预设工况下人机布置参数、最大肌肉激活度特征参数和主观不舒适度综合评分；

S40：根据输出的多组不舒适综合评分参数，通过仿真正交实验筛选人机布置参数，向驾驶员推荐符合人机舒适性的人机布置。

2.如权利要求1所述的方法，其特征在于，为了验证仿真结果的准确性，所述步骤S20，还包括：

将步骤S10中多组预设工况下相关肌群的表面肌电信号，所对应的肌肉块的激活度特征参数，称为实测肌肉激活度参数；

将多组仿真结果中相同名称的所对应的肌肉块的激活度特征参数，称为仿真肌肉激活度参数；

当所述仿真肌肉激活度参数与实测肌肉激活度参数相差在预设阈值内，则所述仿真结果满足准确性要求。

3.如权利要求1所述的方法，其特征在于，所述步骤S40，包括：

计算多组正交实验因子各自同一水平的平均值；

根据计算出同一正交实验因子的多组平均值，得出所述正交实验因子对应的极差；

根据多组正交实验因子分别对应的极差，筛选出极差较大的正交实验因子作为筛选出的人机布置参数，向驾驶员推荐符合人机舒适性的人机布置。

4.一种基于RBF神经网络人机性能感知评价预测系统，其特征在于，包括：

获取模块，用于获取驾驶员在多组预设工况下相关肌群的表面肌电信号和相对应的主观不舒适度综合评分，以及获取多组所述预设工况下对应的人机布置参数；所述预设工况包括：转向、制动和加速；所述预设工况下对应的人机布置参数，包括：加速踏板和座椅的布置参数、制动踏板的布置参数以及方向盘的设置参数；

仿真模块，用于通过AnyBody建立驾驶员骨肌生物力学模型，搭建实现方向盘和踏板操纵的仿真驾驶环境，并对多组所述预设工况进行仿真，输出对应的多组仿真结果；所述仿真结果包括：驾驶员驾驶操作过程中的最大肌肉激活度特征参数；

输入输出模块，用于将多组所述肌肉激活度特征参数，分别输入操纵舒适性评价模型；输出多组不舒适综合评分参数；所述操纵舒适性评价模型，通过正则化RBF神经网络对多组样本数据进行学习和训练获得；所述多组样本数据包括：预设工况下人机布置参数、肌肉激活度特征参数和主观不舒适度综合评分；

筛选推荐模块，用于根据输出的多组不舒适综合评分参数，通过仿真正交实验筛选人机布置参数，向驾驶员推荐符合人机舒适性的人机布置。