[发明专利]基于人工神经网络的汽车离合器操控舒适度评价方法

摘要

本发明涉及一种基于人工神经网络的汽车离合器操控舒适度评价方法。本发明利用计算机仿真能力，搭建一个误差反向传播神经网络模型，通过构建测试平台，将采集到的行业专家对舒适性的主观评分情况由神经网络映射至各可测的客观参数指标中，实现了舒适性的量化评分。

主权项

1.基于人工神经网络的汽车离合器操控舒适度评价方法，其特征在于该方法包括以下步骤：步骤(1)选择模型变量，具体为：利用机理分析和先验信息，合理选择评分模型的输入变量和输出变量；基于机理分析选择专家感受打分为神经网络模型的输出变量，选择七项主要因素为神经网络模型的输入变量：最大踏板力；最小踏板力；最终踏板力；④半联动点踏板力；⑤半联动点阻尼；⑥最小踏板力位置；⑦分离行程；步骤(2)输入输出变量的采集，具体为：搭建的测试台将模拟驾车的操纵环境，通过相关传感器，测得七项指标的客观数值，并记入对应数据库；由多位行业专家按照自身对离合器的体验感受对舒适性程度打分，为减小由于个别专家体验不准的误差；对专家打分进行Grubbs检验，剔一场打分数据；则剩余非异常评分的均值作为对应离合器的舒适性分值，记入相应数据库；其中为非异常打分值，n为非异常打分数据个数，为对应最终的专家主观打分值；为降低参数的复杂性，进一步提高神经网络效率；对七个客观输入指标与一个主观打分指标进行主成分分析，确定新的主成分，以新的主成分为神经网络输入变量，输出变量不变；步骤(3)数据归一化处理，具体为：训练样本中的输出数据包括七项，数量级相差比较大，为避免大数吃小数，并加快收敛，对数据进行归一化处理，转化为[0,1]区间的范围值；其中为输入指标中的最大值，为输入指标中的最小值，为输入数据，为归一化之后的数值；步骤(4)搭建BP神经网络框架，具体为：调用matlabR2011神经网络工具箱newff函数建立BP神经网络，NET=newff(PR,[],{},BTF,BLF,PF);NET为BP神经网络框架，PR为输入矩阵最大值与最小值一个范围，为第i层神经元的个数，为第i层的传递函数；，N为神经网络总层数；BTF表示神经网络的训练函数，BLF为权值和偏置值，PF为网络性能函数；步骤(5)训练神经网络；具体为：Ⅰ、初始化BP神经网络，利用随机函数产生的值赋值给权值和偏置值，调用init函数初始化神经网络；Ⅱ、设置神经网络训练上限次数和目标误差；Ⅲ、设置训练数据为输入矩阵P，设置目标值为矩阵T，调用matlabR2011神经网络工具箱中的train函数对BP神经网络NET进行数据训练直至收敛，NET=train(NET,P,T)；步骤(6)BP神经网络的测试，具体为：对完成训练的BP神经网络进行测试，将七个指标数据形成矩阵P_test,直接调用sim函数，D=sim(NET,P_test),对测试矩阵进行仿真，其中D对目标函数；步骤(7)模糊c聚类评级；具体为：对测试所得的不同离合器的舒适性分值，通过matlab自带fcm函数，[center,U,obj_fcn]=fcm(D,c)对仿真出的目标函数进行分级操作；其中center为聚类中心；U为隶属度矩阵；obj_fcn为目标值；D为仿真出的目标函数；c为分类总数；根据聚类中心的分值高低分出各类离合器的舒适性程度评级。