一种考虑肌电信号的驾驶员舒适驾驶姿态下的人机布置参数匹配的方法与流程

本发明涉及人机布置领域，具体涉及一种考虑肌电信号的驾驶员舒适驾驶姿态下的人机布置参数匹配的方法。

背景技术：

随着我国汽车工业的迅速发展，消费者在关注汽车安全性、稳定性以及可靠性等基本性能的同时，也在越来越多的关注着汽车的舒适性能。汽车的舒适性能包括两个部分，一个部分是操纵舒适性，另一个部分是乘坐舒适性。其中，与驾驶员的安全、效率以及健康直接相关的是操纵舒适性，操控部件的布置直接决定驾驶姿势，长时间保持某固定姿势对驾驶员的腰、颈、背等造成一定伤害。因此对操控部件布置进行优化十分重要。驾驶者的操纵舒适性主要取决于汽车方向盘、座椅以及脚踏板等与驾驶者的匹配关系。因此，为了使驾驶者能够在驾驶过程中获得更加舒适的驾驶姿势，提高驾驶者的操纵舒适性，如何改善驾驶室的内部布置已经成为现代汽车人机交互设计的主要研究方向。

技术实现要素：

本发明设计开发了一种考虑肌电信号的驾驶员舒适驾驶姿态下的人机布置参数匹配的方法，本发明的发明目的是通过基于肌电信号的测试，建立驾驶员的最佳舒适状态的驾驶布置。

本发明提供的技术方案为：

一种考虑肌电信号的驾驶员舒适驾驶姿态下的人机布置参数匹配的方法，包括如下步骤：

步骤一、分别调整测试车辆的方向盘、座椅、油门踏板位置，确定多组不同实验位置；

步骤二、使驾驶员分别在所述实验位置进行测试，选取肌肉激活程度大的活动肌肉群，采集静态驾驶姿势的肌电信号；

步骤三、通过所述肌电信号确定肌肉激活程度后，建立肌肉激活程度与不舒适度之间的关系函数，分析肌肉对所述不舒适度的影响权重，计算所述不同实验位置对应的静态驾驶姿势的整体不舒适度；

步骤四、确定所述整体不舒适度最小值的实验位置为所述人机布置参数。

优选的是，在所述步骤一中，所述实验位置包括：方向盘中心点到驾驶员h点的纵向距离，方向盘中心点到踵点的竖直距离，油门踏板中心点到驾驶员h点的纵向距离和踵点到驾驶员h点的竖直距离。

优选的是，在所述步骤二中，采集静态驾驶姿势的肌电信号包括如下步骤：

步骤1、在选取的肌肉处粘贴电极片，通过呼吸绑带将多导生理记录仪的信号发射器绑在驾驶员手臂或腿部，并将信号发射器的电极导线夹在电极片上；

步骤2、设置生理记录仪的模拟数据采集通道，使信号接收模块与信号发射模块匹配，进行测试肌肉的标定，测得肌肉最大自主收缩力时的肌电信号；

步骤3、驾驶员坐上带有方向盘和踏板的三坐标柔性试验台架，双手把住方向盘，右脚踩在油门踏板上，等姿势摆好后，生理记录仪开始测量，测试时间为30min，测量并记录肌电信号数据，计算肌肉激活程度和肌肉中值频率。

优选的是，所述肌肉激活程度计算过程为：

式中，rmstest为当前肌电信号rms值，rmsmvc为肌肉最大自助收缩时的肌电信号rms值；

其中，

式中，emg(t)是所测得的肌电信号的电压值，t代表着时间窗的长度。

优选的是，所述肌肉中值频率计算过程为：

式中，s(f)为功率谱密度函数。

优选的是，在所述步骤三中，建立肌肉激活程度与不舒适度之间的关系函数，分析肌肉对所述不舒适度的影响权重包括如下步骤：

步骤1、建立递阶层次结构；其中，第一层决策目标为整体不舒适度，第二层准则层为手臂和腿部的肌肉激活程度值，第三层方案层为所述肌肉激活程度大的活动肌肉群的肌肉激活程度值；

步骤2、构造模糊判断矩阵，计算所述第二层的单个元素的模糊权重值后去模糊化并求出该单个元素的最终权重，同时计算所述第三层的各指标权重；

步骤3、通过所述第二层的单个元素的最终权重和所述第三层的各指标权重计算所述肌肉激活程度大的活动肌肉群不舒适度相对于整体不舒适度的权重。

优选的是，在所述步骤二中，肌肉激活程度大的活动肌肉群包括：肱肌、斜方肌上部、三角肌中部、腘绳肌、胫骨前肌和腓肠肌。

优选的是，在所述步骤三中，计算所述不同实验位置对应的静态驾驶姿势的整体不舒适度包括：

式中，y为整体不舒适度，x1为肱肌的激活程度，x2为斜方肌上部的激活程度，x3为三角肌中部的激活程度，x4为腘绳肌的激活程度，x5为胫骨前肌的激活程度，x6为腓肠肌的激活程度，ta1为肱肌的权重，ta2为斜方肌上部的权重，ta3为三角肌中部的权重，ta4为腘绳肌的权重，ta5为胫骨前肌的权重，ta6为腓肠肌的权重。

优选的是，所述方向盘中心点到驾驶员h点的纵向距离取值为366mm、388mm、410mm、432mm或者454mm；

方向盘中心点到踵点的竖直距离取值为625mm、655mm、685mm、715mm或者745mm；

油门踏板中心点到驾驶员h点的纵向距离取值为871mm、882mm、893mm、904mm或者915mm；以及

踵点到驾驶员h点的竖直距离取值为300mm、325mm、350mm、375mm或者400mm。

本发明与现有技术相比较所具有的有益效果：

1、本专利通过对人体表面肌电信号的测量这一客观评价方法，不仅可以在不对人体造成创伤的条件下，直接提供客观准确的生理测量指标评价驾驶员的舒适性，相比于传统的主观评价方法更加的准确，排除了个体间感觉的误差；

2、本专利从对骨肌力学的机理出发，分析处于驾驶姿态下的主要发力肌群，并结合台架预试验结果进行肌肉筛选，从而缩小了肌肉群的研究范围，排除了其他肌肉信号对试验结果的干扰。与直接选择主要发力肌肉群相比，为筛选结果提供了实测依据，更加具有可信度；

3、本专利采用的中心复合设计方法，可以极大的缩减试验次数，降低试验时间和成本；

4、本专利采用ahp层次分析法建立不舒适度函数进行试验结果分析，不割断各块肌肉对舒适性结果的影响，将定性与定量的方法有机地结合起来，统一为一个不舒适度指标，计算简单，结果明确。

附图说明

图1为本发明所述的驾驶员驾驶姿态示意图。

图2为本发明所述的手臂前举示意图。

图3为本发明所述的屈髋和屈膝示意图。

图4为本发明所述的踝关节背屈示意图。

图5为本发明所述的l1，l2，h1，h2四个调整参数的示意图。

图6为本发明所述的不舒适度递阶层次结构框图。

图7为本发明所述的不舒适度递阶层次结构框图和权重示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

本发明提供一种考虑肌电信号的驾驶员舒适驾驶姿态下的人机布置参数匹配的方法，可以为驾驶姿势的评价提供较稳定的生理指标参数，可用于指导在汽车的概念设计阶段导入具体产品设计要求和关键控制参数约束范围，为舒适性与客观指标之间建立良好的量化映射关系，包括如下步骤：

步骤一、驾驶员样本选择：驾驶员选取作为人机布置设置依据的满足中国人体尺寸的95th驾驶员。

步骤二、选取肌肉激活程度大的活动肌肉群；

首先，选取静态理想驾驶姿态下的上肢和下肢主要工作肌群；

如图1所示，基于人体解剖学，从人体生物力学理论的角度出发，分析当驾驶员双手握方向盘、脚踩踏板的姿势下，上肢和下肢的主要发力肌肉群。

如图2所示，上肢主要工作肌群包括：驾驶员双手握方向盘的动作也就是手臂前举的动作，因此完成该动作的主要肌肉群有：肱二头肌、喙肱肌、肱肌、肱三头肌、旋前圆肌、斜方肌(肩)、斜方肌(锁骨)、三角肌(肩)、三角肌(锁骨)。

如图3、图4所示，下肢主要工作肌群包括：驾驶员落座于座椅上并脚踩踏板的动作主要是屈髋、屈膝以及踝关节背屈3个动作的组合。

因此完成该动作的主要肌肉群有：股直肌、腘绳肌、胫骨前肌、腓肠肌、臀大肌、髂腰肌、腘绳肌、股四头肌肌群、缝匠肌、阔筋膜张肌、小腿前群肌等主要工作肌群。

然后，筛选静态理想驾驶姿态下的上肢和下肢发力程度较大的肌肉；

采用多导无线生理分析记录系统，驾驶员将汽车驾驶座椅调整至主观较为舒适位置，保持手把方向盘,脚踩踏板的姿态,分别对步骤一中选取的驾驶员的上肢和下肢的肌群进行肌电信号测试，测量的肌电信号指标有两个:肌肉激活程度和肌肉中值频率。

肌电信号测试过程具体如下：

步骤1、粘贴电极片：

粘贴电极片之前，先去除受试者表面皮肤粘贴区域的死皮和毛发，同时使用消毒酒精进行擦拭，保证电极间较低的阻抗值。在选取的手臂处肌肉以及下肢肌肉的相应位置粘贴电极片。

电极片粘贴方法为：在每块选取的肌肉处贴两片，并保证两个电极片的电极中心之间的距离为20mm；在没有肌肉的皮肤表面贴一片参考电极作为地线，上肢选取锁骨、肘关节处、肩关节处、第七颈椎棘突等；下肢选取膝关节、踝关节等；

步骤2、固定信号发射器：

然后通过呼吸绑带将多导生理记录仪的信号发射器绑在驾驶员手臂或腿部，并将信号发射器的电极导线夹在电极片上。佩戴好信号发射模块后，询问被试者是否有不适感；

步骤3、设置生理记录仪的模拟数据采集通道，使信号接收模块与信号发射模块匹配，用于测量驾驶员的肌电信号；

步骤4、进行测试肌肉的标定，测得肌肉最大自主收缩力(mvc)时的肌电信号；

步骤5、受试者坐上带有方向盘和踏板的三坐标柔性试验台架，双手把住方向盘，右脚踩在油门踏板上，等姿势摆好后，生理记录仪开始测量，测试时间为30min，测量并记录肌电信号数据；

在计算指标之前，需要对采集到的信号进行25hz-250hz的降噪处理、全波整流以及线性化处理：

最终计算出肌肉激活程度和肌肉中值频率。

其中，肌肉激活程度这一指标可以反映人体肌肉的受力大小，由于肌电信号的幅值大小会根据肌肉自身产生收缩力的大小而发生变化,因此采用时域分析法对肌电信号进行分析：时域分析主要采用均方根振幅(rms)和积分肌电值(iemg)

式中，emg(t)是所测得的肌电信号的电压值，t代表着时间窗的长度；

则肌肉激活程度(ma)等于当前肌电信号的rms值除以肌肉最大自主收缩(mvc)时的肌电信号rms值，即：

中值频率(mf)这一指标可以反映人体肌肉的疲劳程度，用以下公式计算mf

其中：s(f)为功率谱密度函数；

计算出肌肉激活程度和中值频率以后，在上肢和下肢各选取肌肉中值频率下降最多以及肌肉激活程度最大的3块肌肉进行正式实验测量目标，最终选取的肌肉为：肱肌、斜方肌(肩部)、三角肌(肩部)、腘绳肌、胫骨前肌和腓肠肌这六块肌肉。

步骤三、选取研究因子及研究范围；

步骤1、根据人机布置三角形准则，选取的研究因子；

在实车总布置设计中，采用踵点ahp、油门踏板中心点、驾驶员h点、方向盘中心点swc、座椅靠背角a40以及坐垫倾角a27等参数描述驾驶姿势。

根据sae-j826标准的规定，座椅参考点sgrp点、驾驶员ahp点以及swc点需要围成满足一定约束条件的三角形，这个三角形的角度以及swc点到ahp的距离必须在一定范围之内才能保证驾驶姿势的合理性。

如图5所示，定义swc到h点的x向距离为l1、swc到ahp的z向距离为h1、油门踏板中心点到h点到的x向距离为l2、ahp到h点的z向距离为h2

l1、h1定义了座椅与方向盘间相对位置关系，决定了驾驶员手臂姿态，l2、h2定义了座椅与踏板的相对位置关系，决定了驾驶员的下肢姿态。在固定座椅靠背角为最佳推荐值25°的前提下，调整以上4个参数，就能找到适合驾驶员的最佳驾驶姿势，因此选择l1，l2，h1，h2四个调整参数为研究因子。

步骤2、确定研究因子范围及水平；

调研目前国内现有suv和轿车车型的人机布置设计最大和最小范围，获得这四个研究因子的选择范围，每以参数范围分别划分为5段，即5个水平，作为因子研究范围；如表1所示：

表1中心复合设计试验因素和水平

步骤3、采用中心复合试验设计方法进行实验次数优化；

由步骤2可知,试验为4因子5水平的中心复合实验设计；

选取试验的设计点：

立方点的各点坐标由-2、-1、0、1、2组成，即5水平对应的“-2”、“-1”、“0”“1”、“2”，立方点的个数为2^k，k为研究因子个数，则立方点个数为16个。

轴向点的各点坐标均分布在轴向上，除了一个坐标为+α或－α外，其余坐标皆为0，轴向点的个数为2k个,即8个轴向点，当k取4时，α＝2.000；

中心点，也就是设计中心，表示在图上，坐标皆为0，当k取4时，中心点取6个，也就是四个研究因子处于0水平的试验重复6次。

也就是以中心复合方法筛选出的4因子5水平的实验次数为2^k+2k+6，也就是总共30次试验。

因此，根据表1提供的研究因子范围，可得出静态驾驶研究的30组实验位置如下表2所示：

表2利用中心复合试验方法筛选出的30组试验

以看出有6组实验位置是相同的，因此6组实验只需做一次，因此实际上只需做25次试验即可，排除重复的5组实验位置，最终得到的台架试验位置如表3所示：

表3最终台架试验位置

步骤四、进行静态驾驶姿势实验采集肌电信号；

利用h点装置，光学测量仪等仪器将三坐标柔性实验台分别调整至步骤三中筛选出的30组位置,驾驶员坐于试验台架上，仍保持双手把住方向盘，右脚踩在油门踏板上的姿势，对驾驶员进行肌电信号采集，采集方法与步骤二完全相同，采集时间为30分钟，测量的肌肉为步骤二中筛选出的6块肌肉。

最终测量并计算出驾驶员各块肌肉的肌肉激活程度，每组试验中肱肌、斜方肌(肩部)、三角肌(肩部)、腘绳肌、胫骨前肌和腓肠肌这六块肌肉的肌肉激活程度分别记为：x1、x2、x3、x4、x5、x6，以便于进行下一步的分析。六块肌肉的肌肉激活程度如表4所示：

表4驾驶员25组台架实验的各块肌肉的肌肉激活程度

步骤五、基于层次分析法建立不舒适度函数；

为了构建肌肉激活程度与不舒适度之间的关系函数，采用层次分析法，分析各个肌肉对不舒适度的影响权重。

步骤1、建立递阶层次结构；

如图6所示，建立三层递阶层次结构，第一层决策目标为整体不舒适度，记为l1；第二层准则层为手臂，腿部肌肉激活程度值，记为b1，b2；第三层方案层为6块肌肉(肱肌、斜方肌上部、三角肌中部、腘绳肌、胫骨前肌、腓肠肌)的肌肉激活程度值，记为a1，a2，……，a6。

步骤2、构造模糊判断矩阵

本实验采用三角模糊数来表示模糊判断。

即：设论域r上的模糊数是m，如果m的隶属度函数μa(x):r→[0,1]表示为

式中，l≤m≤u，l和u表示m的下界和上界值，m为m的隶属度为1的中值。

各个指标之间的重要程度与三角模糊度标度的对应关系如表5所示：

表5

1、以第二层为例，采用三角模糊数代替传统的判断值，请三位调研员来构造模糊判断矩阵如表6所示。

表6第二层模糊矩阵

三位调研员利用模糊数(m1—m9)来表达他们认为的重要程度，以此处b1与b2的比较，各自得到一个模糊数，分别为：

调研员1：(l1，m1，μ1)＝(2/3，1，2)；

调研员2：(l2，m2，μ2)＝(2/7，1/3，2/5)；

调研员3：(l3，m3，μ3)＝(2/5，1/2，2/3)；

将三个模糊数整合为一个，公式为：

可得出b1与b2的三个比较模糊值的整合为：(0.451，0.611，3.067)

对其他数据做相同处理，得到模糊矩阵：

2、计算单个元素的模糊权重。

计算单个元素的模糊权重的公式为：

以第一个项目b1，即手臂的模糊权重为例：

db1＝[(0.5，1，1.5)+(0.451，0.611，3.067)]÷[(0.5，1，1.5)+(0.451，0.611，3.067)+(1.5，2，2.5)+(0.5，1，1.5)]

＝(0.951，1.611，4.567)÷(2.951，4.611，8.567)

＝(0.951，1.611，4.567)×(1/8.567，1/4.611，1/2.951)

＝(0.111，0.349，1.548)

db2＝[(1.5，2，2.5)+(0.5，1，1.5)]÷[(0.5，1，1.5)+(0.451，0.611，3.067)+(1.5，2，2.5)+(0.5，1，1.5)]

＝(2，3，4)÷(2.951，4.611，8.567)

＝(2，3，4)×(1/8.567，1/4.611，1/2.951)

＝(0.233，0.651，1.355)

3、去模糊化并求出元素的最终权重。

此处要用到去模糊化的两个定义：

定义一：m1＝(l1，m1，μ1)和m2＝(l2，m2，μ2)是三角模糊数，m1≥m2的可能度用三角模糊函数定义为：

定义二：一个模糊数大于其他k个模糊数的可能度被定义为：

v(m≥m1,m2,...,mk)＝minv(m≥mi),i＝1,2,...,k；

三角模糊数比较的方法：

目前有利用三角模糊数的均值来比较模糊数的大小，即：

mν(α)＝(l+m+u)/3

m(α)的值比较大的三角模糊数大，该方法适用于部分三角模糊数，对于一些重叠的以及分布不均匀的三角模糊数无法比较大小。

由于mν(m1)＝(l1+m1+u1)/3＝(0.111+0.349+1.548)/3＝0.669

mν(m2)＝(l2+m2+u2)/3＝(0.233+0.651+1.355)/3＝0.746

可得出m2≥m1

以第一个主观评价项目，即手臂的模糊权重为例：

(原因：m1≤m2，μ1≥l2)；

ν(m2≥m1)＝μ(b2)＝1；

(原因：m2≥m1)；

将以上所求得的权重值标准化，得到各指标的最终权重：

即手臂以腿部项目的标准权重分别为：0.448、0.552；

4、确定第三层的各指标权重。

由三位调研员来构造第三层的手臂模糊判断矩阵，分别如表7所示。

表7手臂模糊矩阵

得到模糊矩阵：

计算单个元素的模糊权重：

da1＝[(0.5,1,1.5)+(1.467,1.833,2.222)+(0.8,1.167,1.556)]÷[(0.5,1,1.5)+(1.467,1.833,2.222)+(0.8,1.167,1.556)+(0.729,0.944,1.189)+(0.5,1,1.5)+(0.451,0.611,1.022)+(0.8,1.167,1.556)+(1.5,2,2.5)+(0.5,1,1.5)]

＝(2.767,4,5.278)÷(7.247,10.722,14.545)

＝(2.767,4,5.278)×(1/14.545,1/10.722,1/7.247)

＝(0.190,0.373,0.728)

da2＝[(0.729,0.944,1.189)+(0.5,1,1.5)+(0.451,0.611,1.022)]÷[(0.5,1,1.5)+(1.467,1.833,2.222)+(0.8,1.167,1.556)+(0.729,0.944,1.189)+(0.5,1,1.5)+(0.451,0.611,1.022)+(0.8,1.167,1.556)+(1.5,2,2.5)+(0.5,1,1.5)]

＝(1.68,2.555,3.711)÷(7.247,10.722,14.545)

＝(1.68,2.555,3.711)×(1/14.545,1/10.722,1/7.247)

＝(0.116,0.238,0.512)

da3＝[(0.8,1.167,1.556)+(1.5,2,2.5)+(0.5,1,1.5)]÷[(0.5,1,1.5)+(1.467,1.833,2.222)+(0.8,1.167,1.556)+(0.729,0.944,1.189)+(0.5,1,1.5)+(0.451,0.611,1.022)+(0.8,1.167,1.556)+(1.5,2,2.5)+(0.5,1,1.5)]

＝(2.8,4.167,5.556)÷(7.247,10.722,14.545)

＝(2.8,4.167,5.556)×(1/14.545,1/10.722,1/7.247)

＝(0.193,0.389,0.767)

即：da1＝(0.190，0.373，0.728)

da2＝(0.116，0.238，0.512)

da3＝(0.193,0.389,0.767)

比较三角模糊数大小：

由于mν(m1)＝(l1+m1+u1)/3＝(0.19+0.373+0.728)/3＝0.430

mν(m2)＝(l2+m2+u2)/3＝(0.116+0.238+0.512)/3＝0.289

mν(m3)＝(l3+m3+u3)/3＝(0.193+0.389+0.767)/3＝0.450

可得出m3≥m1≥m2

ν(m1≥m2)＝1

(原因：m1≥m2)

ν(m3≥m1)＝1

(原因：m3≥m1)

ν(m3≥m2)＝1

(原因：m3≥m2)

(原因：m1≤m3，μ1≥l3)

(原因：m2≤m1，μ2≥l1)

(原因：m2≤m3，μ2≥l3)

去模糊化并求出元素的最终权重：

μ(a1)＝ν(m1≥m2，m3)＝min(1，0.953)＝0.953

μ(a2)＝ν(m2≥m1，m3)＝min(0.705，0.679)＝0.679

μ(a3)＝ν(m3≥m1，m2)＝min(1，1)＝1

将以上所求得的权重值标准化，得到各指标的最终权重：

即肱肌、斜方肌、三角肌项目的标准权重分别为：0.362、0.258、0.380；由三位调研员来构造第三层的腿部模糊判断矩阵，分别如表8所示。

表8腿部模糊矩阵

得到模糊矩阵：

计算单个元素的模糊权重：

da4＝[(0.5,1,1.5)+(0.451,0.611,1.022)+(0.729,0.944,1.189)]÷[(0.5，1，1.5)+(0.451,0.611,1.022)+(0.729,0.944,1.189)+(1.5,2,2.5)+(0.5,1,1.5)+(0.8,1.167,1.556)+(1.467,1.833,2.222)+(0.8,1.167,1.556)+(0.5，1，1.5)]

＝(1.68，2.555，3.711)÷(7.247，10.722，14.545)

＝(1.68，2.555，3.711)×(1/14.545，1/10.722，1/7.247)

＝(0.116，0.238，0.512)

da5＝[(1.5,2,2.5)+(0.5，1，1.5)+(0.8,1.167,1.556)]÷[(0.5，1，1.5)+(0.451,0.611,1.022)+(0.729,0.944,1.189)+(1.5,2,2.5)+(0.5,1,1.5)+(0.8,1.167,1.556)+(1.467,1.833,2.222)+(0.8,1.167,1.556)+(0.5，1，1.5)]

＝(2.8,4.167,5.556)÷(7.247，10.722，14.545)

＝(2.8,4.167,5.556)×(1/14.545，1/10.722，1/7.247)

＝(0.193,0.389,0.767)

da6＝[(1.467,1.833,2.222)+(0.8,1.167,1.556)+(0.5，1，1.5)]÷[(0.5，1，1.5)+(0.451,0.611,1.022)+(0.729,0.944,1.189)+(1.5,2,2.5)+(0.5,1,1.5)+(0.8,1.167,1.556)+(1.467,1.833,2.222)+(0.8,1.167,1.556)+(0.5，1，1.5)]

＝(2.767，4，5.278)÷(7.247，10.722，14.545)

＝(2.767，4，5.278)×(1/14.545，1/10.722，1/7.247)

＝(0.190，0.373，0.728)

即：da4＝(0.116，0.238，0.512)

da5＝(0.193,0.389,0.767)

da6＝(0.190，0.373，0.728)

比较三角模糊数大小：

由于mν(m4)＝(l4+m4+u4)/3＝(0.116+0.238+0.512)/3＝0.289

mν(m5)＝(l5+m5+u5)/3＝(0.193+0.389+0.767)/3＝0.450

mν(m6)＝(l6+m6+u6)/3＝(0.19+0.373+0.728)/3＝0.430

可得出m5≥m6≥m4

ν(m6≥m4)＝1

(原因：m6≥m4)

ν(m5≥m6)＝1

(原因：m5≥m6)

ν(m5≥m4)＝1

(原因：m5≥m4)

(原因：m6≤m5，μ6≥l5)

(原因：m4≤m6，μ4≥l6)

(原因：m4≤m5，μ4≥l5)

去模糊化并求出元素的最终权重：

μ(a4)＝ν(m4≥m6，m5)＝min(0.705，0.679)＝0.679

μ(a5)＝ν(m5≥m6，m4)＝min(1，1)＝1

μ(a6)＝ν(m6≥m4，m5)＝min(1，0.953)＝0.953

将以上所求得的权重值标准化，得到各指标的最终权重：

即腘绳肌、胫骨前肌、腓肠肌项目的标准权重分别为：0.258、0.380、0.3625、计算6块肌肉不舒适度相对于整体不舒适度的权重，如表9所示；

ta1＝wi(b1)wi(a1)＝0.448×0.362＝0.162

ta2＝wi(b1)wi(a2)＝0.448×0.258＝0.116

ta3＝wi(b1)wi(a3)＝0.448×0.380＝0.170

ta4＝wi(b2)wi(a4)＝0.552×0.258＝0.142

ta5＝wi(b2)wi(a5)＝0.552×0.380＝0.210

ta6＝wi(b2)wi(a6)＝0.552×0.362＝0.200

表9各块肌肉权重指标

6、计算静态理想驾姿的整体不舒适度

其函数式为：

即：y＝0.162·x1+0.116·x2+0.170·x3+0.142·x4+0.210·x5+0.2·x6

式中，y为整体不舒适度的值，y越小，代表该位置越舒适；

x为每块肌肉对应的肌肉激活程度值x1—x6分别为肱肌、斜方肌上部、三角肌中部、腘绳肌、胫骨前肌、腓肠肌。

步骤3、根据不舒适度值判断人机布置位置的舒适性；

根据层次分析法公式，分别计算出25组台架试验的不舒适度值y并排序，y越小，代表该位置越舒适，驾驶员25组台架实验的不舒适度计算结果如表10所示：

表10驾驶员25组台架实验的不舒适度计算结果

将以上结果按照不舒适度进行排序，结果表11所示。

表11台架实验位置按不舒适度排序结果

通过以上排序结果，即可得出符合95th驾驶员的最舒适的人机布置尺寸位置，即为：方向盘中心点到h点的x向距离l1为432mm，方向盘中心点到ahp的z向距离h1为715mm，油门踏板中心点到h点到的x向距离l2为904mm、地板到h点的z向距离h2为375mm。

步骤六、采用最小二乘法进行实验分析

为了寻找四个研究因子l1、h1、l2、h2与整体不舒适度之间的关系函数规律，需要构建一个线性回归模型，从而反映出各个研究因子对舒适性的影响权重。线性回归模型如下：

hθ(x)＝θ0+θ1x1+θ2x2+θ3x3+θ4x4；

其中hθ(x)为整体不舒适度值；x1为方向盘中心点到h点的x向距离l1，x2为方向盘中心点到ahp的z向距离h1，x3为油门踏板中心点到h点到的x向距离为l2、x4为地板到h点的z向距离h2；θ1、θ2、θ3、θ4分别为四个研究因子对应的影响权重系数。

为了根据已知研究因子x1、x2、x3、x4和整体不舒适度值y求解四个影响权重系数θ1、θ2、θ3、θ4，也就是寻求最优的线性回归模型hθ(x)，因此采用最小二乘法中的正规方程法来构建计算影响权重的数学模型，使求得的数据hθ(x)与实际数据y之间误差的平方和为最小。

根据95t驾驶员的台架试验不舒适度y和人机布置参数数据x1、x2、x3、x4，利用正规方程即可解出影响权重θ1、θ2、θ3、θ4。

由θ＝(x^t×x)^-1×x^t×y，

其中：

向量θ为4个影响权重系数，

矩阵x为4个研究因子的50组尺寸数据：

向量y为50组不舒适度值，

在matlab中编程进行计算并拟合驾驶员台架试验数据曲线，即可得出四个研究因子l1、h1、l2、h2对舒适性的影响权重，结果如下：

hθ(x)＝－0.498x1－0.213x2－0.014x3－0.164x4

分析该权重曲线，可以得出结论如下：

方向盘中心点到h点的x向距离l1对舒适性的影响最大，可以占到56％左右的权重；油门踏板中心点到h点到的x向距离为l2，只占2％左右的权重；而h1和h2对舒适性的影响分别占24％和18％。

因此，对于车辆人机布置设计中，要首先着重考虑方向盘前后位置的布置，其次要考虑方向盘高度和座椅高度的布置，以满足舒适性的要求。而由于踏板位置对于舒适性的影响较小，可以最后考虑。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。