[发明专利]生物识别技术和数据驱动下的汽车座舱智能适应模型算法

说明书

本发明提供了生物识别技术和数据驱动下的汽车座舱智能适应模型算法，包括采集汽车座舱的驾乘姿态数据，驾乘姿态数据包括驾驶员信息、车辆人机参数信息及座椅位置信息；建立汽车座舱的驾乘姿态数据的特征提取模型，通过特征提取模型筛选出对座椅位置预测贡献度较高的筛选特征向量；建立基于BP神经网络建立座椅舒适位置预测模型，输入筛选特征向量对模型进行训练；输入汽车座舱的特定特征向量，获取汽车座舱的座椅位置信息并相应调整座椅位置。本发明有益效果：重新构架了座椅舒适位置预测模型，实现了不同驾驶员舒适位置的预测和调整，自定义程度较高，可满足用于的差异化驾乘需求，保证了驾乘舒适性和安全性。

技术领域

本发明涉及汽车人机交互及智能化设备技术领域，尤其是涉及生物识别技术和数据驱动下的汽车座舱智能适应模型算法。

背景技术

利用人机交互和智能化设计实现汽车的高舒适性成为汽车行业的重点研究课题之一。我国汽车企业研发座舱坐姿调整时，通常采用SAE人机体系(美国汽车工程师协会，Society of Automotive Engineers)，但是SAE人机体系是基于西方人种建立的模型，而中国人由于自身的人种、生活习惯等原因，基于SAE人机体系制定的座椅适宜线与国人的匹配度不佳，易造成驾乘舒适度下降及安全性降低。

发明内容

本发明旨在提出一种生物识别技术和数据驱动下的汽车座舱智能适应模型算法，以提升现有的汽车座舱驾乘舒适位置的调节系统与国人的匹配程度。

为达到上述目的，本发明的技术方案是这样实现的：

生物识别技术和数据驱动下的汽车座舱智能适应模型算法，包括如下步骤：

采集汽车座舱的驾乘姿态数据，所述驾乘姿态数据包括驾驶员信息、车辆人机参数信息及座椅位置信息；

建立汽车座舱的驾乘姿态数据的特征提取模型，通过特征提取模型筛选出对座椅位置预测贡献度较高的筛选特征向量；

建立基于BP神经网络建立座椅舒适位置预测模型，输入筛选特征向量对模型进行训练；

输入汽车座舱的特定特征向量，获取汽车座舱的座椅位置信息并相应调整座椅位置。

进一步的，所述驾驶员信息包括：性别参数、身高参数、年龄参数及体重参数；

所述车辆人机参数信息包括：H30_SJ参数、L1参数、L6参数、H8参数、A19参数、TL23参数、H17参数、L53参数、W7参数、A18参数及W9参数，其中，H30_SJ参数指设计状态下的驾驶员SgRP点与踵点的垂直距离，L1参数指BOFRP点X向坐标，L6参数指BOFRP点到方向盘中心点X向距离，H8参数指AHP点垂直高度，A19参数指座椅轨迹线倾角，TL23参数指正常驾驶时H点水平调节的行程，H17参数指AHP到转向盘中心的距离，L53参数指前排SgRP点到AHP点的水平距离，W7参数指转向盘中心的Y坐标，A18参数指转向盘倾角，W9参数指转向盘直径；

所述AHP指加速踏板踵点参数，所述H点指人体躯干线与大腿线的交点参数，所述SgRP指乘坐基准点参数，所述BOFRP指踏点参考点参数；

所座椅位置信息包括X参数和H30参数，所述X参数指驾驶员H点位于BOF点之后的水平距离，所述H30参数指通过模型预测的驾驶员H点与踵点的垂直距离。

进一步的，对采集得到的驾乘姿态数据进行预处理，所述预处理的步骤包括对驾乘姿态数据进行聚类处理，通过计算样本点和聚类中心的欧氏距离来检测离群点，剔除离群点后获取预处理的驾乘姿态样本数据。

进一步的，所述建立汽车座舱的驾乘姿态数据的特征提取模型包括：利用Lasso算法对驾乘姿态数据进行特征选择；通过相关性聚类分析对Lasso算法选择的特征进行筛选。