基于体压分布的座椅舒适性评价研究

李崇玉，吴良芹

（215600 江苏省 张家港市 沙洲职业工学院 机电工程系）

人们在驾乘汽车过程中，身体与座舱内座椅直接接触，汽车座椅设计得是否合理，直接决定驾乘人员的安全性和舒适性。随着智能座舱概念的兴起，对座舱整体舒适性提出新的要求，汽车厂商逐渐加大对座舱的研发投入。

有关研究方面，金晓平等[1]研究了发泡硬度，分析主观评价试验结果，总结发泡硬度对舒适性影响极大，并得到不同硬度发泡的舒适性程度；
刘涛等[2]利用人体点云数据建立人体有限元模型，设计9 组不同驾驶姿势的压力分布仿真试验，利用仿真模型评价汽车座椅的舒适性；
Le[3]认为乘坐者频繁变换坐姿是为了缓解不舒适，可以通过坐姿的变换频率判断座椅是否舒适。

随着学者对座椅舒适性评价的深入研究，获得了更多研究成果。但仍能发现目前研究中存在的问题：（1）参与舒适性评价的人员特征代表性不足；
（2）客观特征参数和主观评价项目的选择上有所差异，应根据企业产品的特点选择相符的客观特征参数和主观评价指标。

本文根据BMI 值筛选能充分代表人体特征的测试人员，然后根据该企业产品特性设计主、客观舒适性评价试验，提取客观特征参数，并处理主观评价指标，从而获得精准的模型样本数据。

舒适性是人自我满足的主观感受，至今仍未形成统一的概念。对舒适性水平做出准确判断的前提是先搞清楚舒适性定义。大家普遍认同的看法：（1）舒适是一种主观感受，不同工作地点、不同任务、不同时间、不同人的主观感受又有差异；
（2）舒适是生理与心理之间经验的感知，在评价时必须结合生理上的测量评价主观的感受[4]。

通过人体解剖学原理，人体坐骨相对于周围其他部件更加粗壮，可承担更多重量。神经系统和血管分布在大腿上，过大的压力会影响血液循环，并使人产生不舒适的感受，因此人在乘坐车辆时，压力分布应遵循不同部位承受不同压力等级的原则，即压力分布应该在坐骨骨节部位最大，逐渐向周围递减，在大腿前部压力降低至最小[5]。

合理的试验设计和高质量试验数据是座椅静态舒适性评价研究的基础。客观试验设计需要借助专业体压采集设备，主观评价试验设计需结合企业现有评价量表和产品特性。本节分析采集设备不同模块的原理和使用方法，选择试验需要的座椅，并选取样本丰富的试验测试人员。

2.1 客观评价试验设备及产品

2.1.1 体压采集试验设备

本文采用美国XSENSOR 技术公司的座椅压力分布测量系统（XSENSOR PRESSURE IMAGING SYSTEM）。该座椅压力分布测量系统测量被测试者背部和臀部各点的压力，并分析、计算出各压力。信号处理流程如图1 所示。

图1 信号处理流程图Fig.1 Signal processing flowchart

2.1.2 选择实验座椅

本文选择国内某自主品牌技术中心自主开发的3 张不同级别车型的座椅作为试验对象。座椅详细信息如表1 所示。

表1 试验所选座椅信息Tab.1 Information of seat selected for the test

本文选取的试验座椅形态图如图2 所示。

图2 试验座椅形态图Fig.2 Test seat shape diagram

2.2 主观评价试验设计

2.2.1 设计主观评分表

因不同车企产品特征不同，其在设定舒适性主观评价表会有所差异。参考国内汽车厂商在座椅舒适性评价的常用方法，选择合适的主观舒适性评价指标。主要从发泡软硬程度、轮廓贴合程度、乘坐人员体型等几方面进行考虑。

结合本文研究的目的以及该企业座椅开发的实际要求，设计一份符合该企业研究和试验条件的主观评分表。座椅舒适性主观评分表共有2 层，第1 层为主观评价的目标层，第2 层为目标层下面的评价指标。本文把座椅静态舒适性主观评价的目标层分成坐垫、靠背和身体局部3 个部分。坐垫部分的评价指标包括坐垫软硬度、坐垫轮廓和人体贴合程度、下半身整体舒适度；
靠背部分的评价指标包括靠背软硬度、靠背轮廓和人体贴合程度、上半身整体舒适度；
局部部分的评价指标包括坐骨部分舒适度、大腿舒适度、臀部舒适度、低背舒适度、中背舒适度。主观评分表如表2 所示。

表2 主观评分表Tab.2 Subjective score sheet

2.2.2 测试人员选取

衡量健康及身材的标准有很多，其中BMI（Body Mass Index）是一个国际上通用的指标，本文通过BMI 标准选取不同体型的试验人员，如式（1）：

式中：kg——人的体重；
ξ——人的身高。外国人与中国人身材有较大差异，相关机构也制定了符合中国人身体特征的参考标准，如表3 所示。

表3 BMI 中国标准Tab.3 BMI China Standard

试验共选取20 名测试人员，其中包括该企业座椅舒适性评审专家库成员10 名，实验室志愿者10 名，试验测试人员BMI 值的分布区间为16.9～29.0。参照表3可以分出，偏瘦1人，正常12人，偏胖6 人，肥胖1 人，如表4 所示。

表4 试验人员信息统计表Tab.4 Test personnel information statistics

2.2.3 试验步骤

完成舒适性评价试验共分7 个步骤。步骤1：准备试验座椅；
步骤2：调校压力分布测量系统；
步骤3：对试验人员讲解测试过程；
步骤4：建立舒适性概念；
步骤5：测量体压分布；
步骤6：填写主观评分表；
步骤7：循环测试。试验人员测试过程如图3 所示。

图3 试验人员测试过程图Fig.3 Tester"s test process diagram

每个试验人员完成整组测试需要30 min左右，本文通过对3 张座椅进行主、客观舒适性评价试验，共收集60 组体压分布数据和60 组主观评价数据，主、客观评价试验数据相互对应，为研究提供数据样本。

3.1 体压分布数据处理

座椅舒适性评价试验中，通过压力分布测量系统采集试验人员体压分布情况，在软件处理模块中呈现成压力云图的形式。图4 和图5 是体压采集实验设备显示的坐垫压力分布2D 云图和3D 云图。

图4 2D 云图Fig.4 2D cloud map

图5 3D 云图Fig.5 3D cloud map

压力云图能够直观反应压力的变化趋势，但单纯的依靠压力云图只能获取每个压力点的压力数值，无法直接获取数学模型所需数据样本，需把试验采集到的客观体压分布数据做进一步处理。作为表征乘坐人员与座椅接触压力的特征参数，首先需要具备明确的物理意义，即提取的特征参数需能够从不同角度反映座椅特征；
其次需要能够反映体压分布和主观评价之间的关系[6]。本文提取坐垫平均压力、坐垫最大压力、坐垫接触面积、坐垫圆形压力梯度、坐垫最大压力梯度、靠背平均压力、靠背最大压力、靠背接触面积为特征参量[7]。同时，座椅体压分布与座椅舒适性并非简单、单一的关系，要更好地体现汽车座椅舒适特性，应把体压分布与人体体征相结合，最终模型共10 个变量，分别记作x1，x2，…，x10。试验数据提取的体压参数特征表如表5 所示。

表5 体压特征参数Tab.5 Body pressure characteristic parameters

3.2 主观评分数据处理

3.2.1 精简主观评价指标

本文采用相关分析法分析评价指标的相关度。相关系数用R 表示，|R|值越大，变量之间的线性相关程度越高；
|R|值越接近0，变量之间的线性相关程度越低。

根据主观评分表，每个试验样本会有11 个评价指标，其中令C1=坐垫软硬度，C2=坐垫轮廓和人体贴合程度，C3=下半身整体舒适度，C4=靠背软硬度，C5=靠背轮廓和人体贴合程度，C6=上半身整体舒适度，C7=坐骨部分舒适度，C8=大腿舒适度，C9=臀部舒适度，C10=低背舒适度，C11=中背舒适度。表6 为本次试验所获主观评分表数组。

表6 主观评分表数组Tab.6 Subjective score table array

表6 中共60 组主观评价样本数据。运用SPSS软件对11 个主观评价指标进行相关性分析，通过计算得出两两主观评价指标之间的相关系数[8]，分析结果如表7 所示。

表7 主观评价指标之间的相关系数Tab.7 Correlation coefficients between subjective evaluation indicators

由计算结果可以看出，|R|＞0.8 的指标有C1和C7，C3和C7，C7和C9，即坐骨部分舒适度与坐垫软硬度、下半身整体舒适度和臀部舒适度具有高度相关性，因此要剔除C7所代表的评价指标——坐骨部分舒适度。

3.2.2 主观评价指标赋权

使用层次分析法对方案的重要性进行两两比较时，通常会模拟决策人员做判断的两种极端现象：肯定或否定。但是，决策人员通常不会选择极端关系，而是使用模糊概念。换言之，通常情况下，人在进行两两因素的比较时，会认为某因素在某个程度内比另外一个因素重要，而不会单纯地觉得 A比B 或B 比A 重要[9]。所以本文选择层次分析法中的模糊层次分析法对主观评价指标建立3 层递阶层次关系结构：

第1 层为座椅舒适性，记作LY；
第2 层为3个主观评价项目，即坐垫、靠背和局部，分别记作A1，A2，A3；
第3 层为10 个主观评价指标，即C1，C2，C3，C4，C5，C6，C8，C9，C10，C11。

计算递阶层次第3 层的所有指标总权重值，如表8 所示。

表8 所有指标权重值Tab.8 All indicator weight values

汽车座椅静态舒适性评分用y 表示，如式（2）所示：

式中：y——舒适性主观评分值；
TCi——评价指标总权重值；
Ci——评价项目打分值。

3.2.3 整体主观评分值

对主观评分表数据进行处理，由复杂的主观评分表计算得出主观评分值，结果如表9 所示。

表9 试验样本主观评分值Tab.9 Subjective score of test sample

4.1 基于BP 神经网络舒适性评价预测模型

试验共收集60 组数据，构成60×11 的样本数据集。如表10 所示。

表10 样本数据集Tab.10 Sample data set

建立BP 神经网络评价预测模型，需构建初始网络，初始BP 神经网络模型如下：

可用向量表示为：

初始网络参数设定，隐含层节点个数是13 个，初始权重值是0.9，学习率为0.01，训练次数为500 次，训练目标为0.001，其余网络参数按照系统默认的值为准，不再单独调整。

BP 神经网络初始模型各项参数确定之后，运用45 组试验数据对BP 神经网络进行训练，经过300 次左右训练模型收敛。

建立模型是为了实现良好的预测功能，模型建立的优劣标准是检验其在学习过程中是否出现过拟合或欠拟合情况。对测试集的15 组数据代入模型进行舒适性评分预测，对比预测评分与真实评分。模型的测试验证情况如图6 所示。

图6 测试集验证对比图Fig.6 Test set verification comparison chart

BP 神经网络评价预测模型实际评分与预测评分误差分析如表11 所示。

表11 实际评分与预测评分误差分析Tab.11 Error analysis of actual score and predicted score

在进行模型训练后，一般会利用均方根误差指标来客观评价预测的精度，均方根误差主要用来衡量预测值同真实值之间的偏差，能够反映测量的精密度，BP 网络训练REMS 收敛情况如图7 所示。

图7 BP 网络训练REMS 收敛情况Fig.7 BP network training REMS convergence

由模型训练结果分析：模型在训练集上的均方根误差是0.6，测试集上的均方根误差是0.66，模型预测的平均误差率是6.7%，结果证明模型的预测效果较为理想。

4.2 工程应用

不同体型的人落座时，乘坐姿势不同，对舒适性的感受也会不同。本节基于BP 神经网络舒适性评价预测模型，对该车企某款SOP 阶段座椅进行静态舒适性评价。

当座椅靠背角发生变化时，限制坐垫倾角为4.5°，坐垫高度43.5 cm，试验人员男性，身高1.78 m，体重70 kg，符合50%人体模型（参照安全碰撞测试人体），进行6 组舒适性评价试验，试验结果如表12 所示。结果表明：此条件下靠背角度调整为64°时，乘坐舒适性最好。

表12 靠背角度变化对比Tab.12 Comparison of backrest angle changes

本文基于体压分布数据，结合人体生理学研究成果，通过研究座椅舒适性主、客观评价试验，分别对试验数据进行分析处理，建立汽车座椅静态舒适性评价模型。获得的阶段性研究成果如下：

（1）通过合理设计主、客观评价试验，选取该企业座椅评审专家和随机人员作为试验对象，利用BMI 筛选被试人员的体型特征，优化被试人员的身材比例，确保试验数据的丰富性，一定程度上补偿样本量不足的缺点。

（2）提取能充分反应体压分布特征的参数，并对各特征参数物理含义进行分析；
采用相关分析法和模糊层次分析法把复杂的主观评价表转化为汽车座椅静态舒适性评分值；
采用BP 神经网络算法建立汽车座椅静态舒适性评价模型。