车辆人机界面布局优化推理系统研究

引言

目前，在车辆驾驶室人机工程学设计、分析和评价中常用的人工智能技术主要有专家系统、神经网络以及遗传算法。专家系统是人工智能最重要的应用之一，目的是让计算机根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。国内外研究中，Gilad等人[1]于20世纪90-年代提出的基于人机对话框的人机咨询专家系统，属于这方面较早的尝试。文献[2～3]研究了基于知识的工作空间设计系统的构建方法。FeyenR等人[4]将计算机辅助设计软件与人机工程学分析软件相结合，开发出用于评价工作空间设计对工人生物力学特性影响的软件系统。任金东等人[5]针对车身内部布置，在CATIA平台上研制出基于知识的汽车驾驶员座椅布置系统。这些研究成果都具有较高的学术价值，并且各具特点。到目前为止，尽管人工智能技术在计算机辅助设计与人机工程学分析中的应用已取得了一定进展，但还未真正解决设计人员与人机工程学家之间的沟通问题。

本文提出的车辆人机界面布局优化推理方法，是在分析车辆人机界面布局优化的任务和特点的前提下，从车辆驾驶室人机工程布局知识表达和推理出发，实现从设计、仿真、评价到反馈修改、优化的过程；并实现人机界面布局推理系统与三维CAD平台的紧密集成。

1 人机界面布局知识表示

知识表示是把事实知识和专家所有的经验知识形式化，用计算机能够接受并进行处理的符号和方法来表示[6] 。目前常用的知识表示方法主要有产生式表示法、框架表示法、语义网络表示法和面向对象表示法等。人机界面布置设计过程是相当复杂的，其涉及到的因素、条件很多，是多因素的协调设计、不断迭代反馈的过程。设计知识也是多样化的，除了涉及到相关部件的空间布置尺寸参数外，要更考虑乘坐舒适性、操纵舒适性、视野可见性等诸多影响因素。设计过程中不但需要大量的专业领域知识及专家经验和技巧，还需要进行大量的科学计算和分析。设计人员既要考虑设计对象的结构特征、功能特征，又要综合设计对象的行为特征、操作。因此集中各种单一知识表示方法的优点，采用面向对象技术将框架、规则和过程体结合在一起，构成混合知识表达方法。

在面向对象方法中，类、子类、具体对象构成了一个层次结构，而且子类可以继承父类的数据及操作。类结构是知识库的最基本单元，不仅可以表达设计对象的属性数据，还可以表达设计对象之间的相互关系。每个对象的知识表达都应包括属性、约束、方法和规则4个部分，其描述形式如下：
Class对象名>：基类>
｛
Attribute属性描述>
｛属性项，属性名，继承关系，属性类型。属性集｝
Methods方法描述>
｛方法项，方法名，继承关系，法类型，方法集｝
Restraint 约束条件>
｛约束项，约束名，继承关系，约束类型，约束集｝
Rules规则描述>
｛规则项，规则名，继承关系，规则类型，规则集｝
例如座椅知识表示的结构如图１所示。

2 人机界面布局推理架构

2.1总体结构

2.2推理与评价体系

车辆人机界面布局优化系统是分层建造的，而不同的层各有其特点，因此也相应地存在着不同类型的推理机制，不仅有主推理机，还有嵌入到各对象内的子推理机。

（1）方案设计的推理与评价体系

在方案设计阶段，因主要利用的是经验设计，故推理方式采用模糊逻辑推理与评价相结合的方式。

①推理的模糊矩阵法。对于模糊规则：IF x is A THEN y is B,A、B分别是论域U、V上的模糊子集，表示A、B之间存在模糊的因果关系；设为R。若已知模糊事实A，通过A与R的合成可得到B，即B＝R＊A。②方案设计中的评价策略。评价的过程与推理过程相似，评价一方面辅助推理，另一方面对产生的多方案进行筛选。在方案设计阶段对方案要素进行评价，可以弥补推理过程中的知识不足或不确定。是否进行评价有2种策略：无论如何都对推理结果进行评价；推理产生的结果隶属度比较接近时，再使用评价。