[發(fā)明專(zhuān)利]生物識(shí)別技術(shù)和數(shù)據(jù)驅(qū)動(dòng)下的汽車(chē)座艙智能適應(yīng)模型算法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110455502.3
• 申請(qǐng)日: 2021-04-26
• 公開(kāi)（公告）號(hào): CN113139474A
• 公開(kāi)（公告）日: 2021-07-20
• 發(fā)明（設(shè)計(jì)）人: 鞠偉男;何龍飛;霍寶鋒;劉嬌楊;邵學(xué)彬;溫泉;劉麗萍;林梅霞;王云川;曹嬌嬌
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中汽研軟件測(cè)評(píng)（天津）有限公司;天津大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/06;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明提供了生物識(shí)別技術(shù)和數(shù)據(jù)驅(qū)動(dòng)下的汽車(chē)座艙智能適應(yīng)模型算法，包括采集汽車(chē)座艙的駕乘姿態(tài)數(shù)據(jù)，駕乘姿態(tài)數(shù)據(jù)包括駕駛員信息、車(chē)輛人機(jī)參數(shù)信息及座椅位置信息；建立汽車(chē)座艙的駕乘姿態(tài)數(shù)據(jù)的特征提取模型，通過(guò)特征提取模型篩選出對(duì)座椅位置預(yù)測(cè)貢獻(xiàn)度較高的篩選特征向量；建立基于BP神經(jīng)網(wǎng)絡(luò)建立座椅舒適位置預(yù)測(cè)模型，輸入篩選特征向量對(duì)模型進(jìn)行訓(xùn)練；輸入汽車(chē)座艙的特定特征向量，獲取汽車(chē)座艙的座椅位置信息并相應(yīng)調(diào)整座椅位置。本發(fā)明有益效果：重新構(gòu)架了座椅舒適位置預(yù)測(cè)模型，實(shí)現(xiàn)了不同駕駛員舒適位置的預(yù)測(cè)和調(diào)整，自定義程度較高，可滿足用于的差異化駕乘需求，保證了駕乘舒適性和安全性。

技術(shù)領(lǐng)域

本發(fā)明涉及汽車(chē)人機(jī)交互及智能化設(shè)備技術(shù)領(lǐng)域，尤其是涉及生物識(shí)別技術(shù)和數(shù)據(jù)驅(qū)動(dòng)下的汽車(chē)座艙智能適應(yīng)模型算法。

背景技術(shù)

利用人機(jī)交互和智能化設(shè)計(jì)實(shí)現(xiàn)汽車(chē)的高舒適性成為汽車(chē)行業(yè)的重點(diǎn)研究課題之一。我國(guó)汽車(chē)企業(yè)研發(fā)座艙坐姿調(diào)整時(shí)，通常采用SAE人機(jī)體系(美國(guó)汽車(chē)工程師協(xié)會(huì)，Society of Automotive Engineers)，但是SAE人機(jī)體系是基于西方人種建立的模型，而中國(guó)人由于自身的人種、生活習(xí)慣等原因，基于SAE人機(jī)體系制定的座椅適宜線與國(guó)人的匹配度不佳，易造成駕乘舒適度下降及安全性降低。

發(fā)明內(nèi)容

本發(fā)明旨在提出一種生物識(shí)別技術(shù)和數(shù)據(jù)驅(qū)動(dòng)下的汽車(chē)座艙智能適應(yīng)模型算法，以提升現(xiàn)有的汽車(chē)座艙駕乘舒適位置的調(diào)節(jié)系統(tǒng)與國(guó)人的匹配程度。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

生物識(shí)別技術(shù)和數(shù)據(jù)驅(qū)動(dòng)下的汽車(chē)座艙智能適應(yīng)模型算法，包括如下步驟：

采集汽車(chē)座艙的駕乘姿態(tài)數(shù)據(jù)，所述駕乘姿態(tài)數(shù)據(jù)包括駕駛員信息、車(chē)輛人機(jī)參數(shù)信息及座椅位置信息；

建立汽車(chē)座艙的駕乘姿態(tài)數(shù)據(jù)的特征提取模型，通過(guò)特征提取模型篩選出對(duì)座椅位置預(yù)測(cè)貢獻(xiàn)度較高的篩選特征向量；

建立基于BP神經(jīng)網(wǎng)絡(luò)建立座椅舒適位置預(yù)測(cè)模型，輸入篩選特征向量對(duì)模型進(jìn)行訓(xùn)練；

輸入汽車(chē)座艙的特定特征向量，獲取汽車(chē)座艙的座椅位置信息并相應(yīng)調(diào)整座椅位置。

進(jìn)一步的，所述駕駛員信息包括：性別參數(shù)、身高參數(shù)、年齡參數(shù)及體重參數(shù)；

所述車(chē)輛人機(jī)參數(shù)信息包括：H30_SJ參數(shù)、L1參數(shù)、L6參數(shù)、H8參數(shù)、A19參數(shù)、TL23參數(shù)、H17參數(shù)、L53參數(shù)、W7參數(shù)、A18參數(shù)及W9參數(shù)，其中，H30_SJ參數(shù)指設(shè)計(jì)狀態(tài)下的駕駛員SgRP點(diǎn)與踵點(diǎn)的垂直距離，L1參數(shù)指BOFRP點(diǎn)X向坐標(biāo)，L6參數(shù)指BOFRP點(diǎn)到方向盤(pán)中心點(diǎn)X向距離，H8參數(shù)指AHP點(diǎn)垂直高度，A19參數(shù)指座椅軌跡線傾角，TL23參數(shù)指正常駕駛時(shí)H點(diǎn)水平調(diào)節(jié)的行程，H17參數(shù)指AHP到轉(zhuǎn)向盤(pán)中心的距離，L53參數(shù)指前排SgRP點(diǎn)到AHP點(diǎn)的水平距離，W7參數(shù)指轉(zhuǎn)向盤(pán)中心的Y坐標(biāo)，A18參數(shù)指轉(zhuǎn)向盤(pán)傾角，W9參數(shù)指轉(zhuǎn)向盤(pán)直徑；

所述AHP指加速踏板踵點(diǎn)參數(shù)，所述H點(diǎn)指人體軀干線與大腿線的交點(diǎn)參數(shù)，所述SgRP指乘坐基準(zhǔn)點(diǎn)參數(shù)，所述BOFRP指踏點(diǎn)參考點(diǎn)參數(shù)；

所座椅位置信息包括X參數(shù)和H30參數(shù)，所述X參數(shù)指駕駛員H點(diǎn)位于BOF點(diǎn)之后的水平距離，所述H30參數(shù)指通過(guò)模型預(yù)測(cè)的駕駛員H點(diǎn)與踵點(diǎn)的垂直距離。

進(jìn)一步的，對(duì)采集得到的駕乘姿態(tài)數(shù)據(jù)進(jìn)行預(yù)處理，所述預(yù)處理的步驟包括對(duì)駕乘姿態(tài)數(shù)據(jù)進(jìn)行聚類(lèi)處理，通過(guò)計(jì)算樣本點(diǎn)和聚類(lèi)中心的歐氏距離來(lái)檢測(cè)離群點(diǎn)，剔除離群點(diǎn)后獲取預(yù)處理的駕乘姿態(tài)樣本數(shù)據(jù)。

進(jìn)一步的，所述建立汽車(chē)座艙的駕乘姿態(tài)數(shù)據(jù)的特征提取模型包括：利用Lasso算法對(duì)駕乘姿態(tài)數(shù)據(jù)進(jìn)行特征選擇；通過(guò)相關(guān)性聚類(lèi)分析對(duì)Lasso算法選擇的特征進(jìn)行篩選。