融合特征降维与人工神经网络的坐姿人体头部振动特性研究
简介：从座椅传递至人体头部的低频振动会影响乘员的舒适性,甚至会导致晕动症等疾病.本文基于低频人体振动试验,构建一种用于预测从座椅到头部传递函数的人工神经网络模型;并针对体征参数间的耦合相关导致的模型多重共线性问题,分别采用主成分分析法和核主成分分析法对模型的体征参数特征进行降维优化,以准确预测不同乘坐环境下的座椅到头部传递函数.结果显示,在不同靠背接触条件下,经主成分分析法降维后的优化模型与反向传播人工神经网络模型相比,在预测单轴或多轴激励下座椅到头部传递函数时,预测精度均显著提升.在预测不同坐姿条件下(有、无靠背接触)座椅到头部传递函数时,融合核主成分分析法相较于融合主成分分析法的模型,预测误差分别进一步降低了 2.5%和 28.7%,预测精度分别达到0.9657和 0.9676.研究表明,对于不同坐姿条件下的多轴振动激励环境,核主成分分析法比主成分分析法能够更有效地减少模型参数的冗余信息,并提高对座椅到头部传递函数的预测精度.展开
关键词：人体振动座椅到头部传递函数体征参数人工神经网络特征降维
在线出版日期：2025-12-23 （网站首发日期）
