用戶決策驅(qū)動(dòng)的乘用車艙改進(jìn)PSO布局優(yōu)化模型

劉　昕　余隋懷　王淑俠　李文華　曲　敏　王　淼

西北工業(yè)大學(xué)陜西省工業(yè)設(shè)計(jì)工程實(shí)驗(yàn)室，西安，710072

用戶決策驅(qū)動(dòng)的乘用車艙改進(jìn)PSO布局優(yōu)化模型

劉昕余隋懷王淑俠李文華曲敏王淼

西北工業(yè)大學(xué)陜西省工業(yè)設(shè)計(jì)工程實(shí)驗(yàn)室，西安，710072

摘要：基于用戶決策模型確定了車艙待布物的優(yōu)化順序，通過(guò)已優(yōu)化待布物的定位確定尚未優(yōu)化的待布物的定位，同時(shí)將PSO引入乘用車艙的三維布局分析。為避免陷入局部最優(yōu)，采用自適應(yīng)慣性權(quán)重系數(shù)對(duì)PSO進(jìn)行了改進(jìn)，提出了針對(duì)不同類型用戶決策調(diào)整布局的優(yōu)化新方法。利用JACK對(duì)不同優(yōu)化方案和原方案進(jìn)行了對(duì)比分析，驗(yàn)證了在用戶決策驅(qū)動(dòng)下，采用改進(jìn)PSO進(jìn)行布局優(yōu)化的方式最符合人機(jī)工程學(xué)原理，可有效解決乘用車艙布局優(yōu)化問(wèn)題。

關(guān)鍵詞：乘用車；布局優(yōu)化；用戶決策； 粒子群優(yōu)化；人機(jī)工程

0引言

乘用車主要指用于載運(yùn)乘客及其隨身行李和臨時(shí)物品的汽車，包括駕駛員座位在內(nèi)最多不超過(guò)9個(gè)座位。根據(jù)GB/T3730.1-2001的定義，本文所提及的乘用車包括普通乘用車、活頂乘用車、高級(jí)乘用車、小型乘用車、敞篷車和艙背乘用車[1]。為迎合使用者的需求，乘用車的新功能越來(lái)越多。如何設(shè)置新功能操縱設(shè)備的位置，調(diào)整待布物的布局尺寸，需要合理的布局優(yōu)化方法來(lái)解決。基于用戶需求的車身設(shè)計(jì)已引起國(guó)內(nèi)外學(xué)者的廣泛關(guān)注[2-3]，但融入用戶需求的乘用車內(nèi)部設(shè)計(jì)較少[4-6]，因此提出基于用戶決策的乘用車駕駛艙智能布局優(yōu)化方法具有切實(shí)的意義。

目前，國(guó)內(nèi)外關(guān)于艙內(nèi)布局評(píng)價(jià)的研究較多[7-9]，但有關(guān)艙內(nèi)布局優(yōu)化的研究很少，近幾年，艙內(nèi)布局優(yōu)化逐漸引起學(xué)術(shù)界的重視。但目前布局優(yōu)化的相關(guān)研究針對(duì)的都是飛機(jī)、潛水器等非大眾化的駕駛艙[10-12]，缺乏乘用車艙布局優(yōu)化的有效方法。

粒子群優(yōu)化算法(particleswarmoptimization，PSO)可用于解決球狀艙體的圓形待布物和方體待布物的二維優(yōu)化布局問(wèn)題[13-14]。Kulturel-Konak等[15]將PSO成功運(yùn)用于解決不規(guī)則圖形的布局優(yōu)化問(wèn)題。Chen等[16]將PSO成功應(yīng)用于解決船體垂直通道的布局優(yōu)化。

筆者將PSO應(yīng)用于乘用車艙的三維布局優(yōu)化，提出一種用戶決策驅(qū)動(dòng)的乘用車艙智能布局優(yōu)化新方法。為平衡PSO算法的全局搜索能力和局部改良能力，引入慣性權(quán)重模型對(duì)PSO進(jìn)行改進(jìn)。該優(yōu)化方法能夠滿足不同類型的用戶需求，并提高艙內(nèi)空間利用率，促進(jìn)各設(shè)備之間的良好搭配，保障乘員較長(zhǎng)時(shí)間的舒適感，減少疲勞和誤操作。

1構(gòu)建乘用車艙布局優(yōu)化模型

乘用車艙布局優(yōu)化是在寶貴且有限的空間內(nèi)，以乘用車艙的“人-機(jī)-環(huán)境”系統(tǒng)為優(yōu)化對(duì)象，改善用戶的駕駛條件，提高用戶的舒適度，保障用戶安全、舒適、高效地駕駛，提高乘用車艙空間利用率和促進(jìn)各待布物之間的良好搭配，使整個(gè)乘用車艙總體布局達(dá)到最優(yōu)。不同用戶對(duì)乘用車的用途和需求不同，乘用車艙待布物的布局優(yōu)化順序也不同。

1.1乘用車艙布局優(yōu)化的實(shí)現(xiàn)過(guò)程

乘用車艙布局優(yōu)化實(shí)現(xiàn)過(guò)程如圖1所示。首先，建立乘用車艙布局優(yōu)化體系，對(duì)乘用車待布物分類。然后，構(gòu)建用戶決策模型，成立專家組，確定待布物的優(yōu)化順序(先優(yōu)化的物體決定后優(yōu)化物體的坐標(biāo)位置)。之后，根據(jù)先優(yōu)化物體的坐標(biāo)位置和人機(jī)工程學(xué)準(zhǔn)則，構(gòu)建待布物優(yōu)化位置的目標(biāo)函數(shù)和約束條件。接著，利用優(yōu)化算法得出待布物最佳坐標(biāo)位置。由于不是所有待布物都能直接采用最佳坐標(biāo)位置，應(yīng)當(dāng)根據(jù)需要相互妥協(xié)，得出乘用車艙最優(yōu)布局。

1.2構(gòu)建乘用車艙布局優(yōu)化體系

乘用車艙布局優(yōu)化體系是由用戶共同決策構(gòu)建的，本文所提及的“用戶決策”中的“用戶”包括普通用戶(主體)與專家。選擇操作經(jīng)驗(yàn)豐富、專業(yè)基礎(chǔ)扎實(shí)和長(zhǎng)期關(guān)注信息動(dòng)態(tài)的普通用戶和具有專業(yè)設(shè)計(jì)或維修技能的專家對(duì)乘用車待布物分類。根據(jù)研究需要，用戶個(gè)數(shù)建議為10～18[17]。為了使普通用戶對(duì)調(diào)查結(jié)果起主導(dǎo)作用，首先讓多名普通用戶進(jìn)行分類，并由組織者將普通用戶的分類公示給所有專家作為參考；專家在普通用戶分類的基礎(chǔ)上再分類。分類過(guò)程中，專家根據(jù)需要可能要在普通用戶需求和偏好的基礎(chǔ)上做出一定妥協(xié)，可將普通用戶脫離實(shí)際的待布物分類控制在科學(xué)范圍內(nèi)。以科學(xué)性、全面性、系統(tǒng)性、可行性為基本原則，經(jīng)過(guò)反復(fù)咨詢和統(tǒng)計(jì)處理，最終得到乘用車艙布局優(yōu)化體系，如表1所示。

圖1　乘用車艙布局優(yōu)化實(shí)現(xiàn)過(guò)程

表1　乘用車艙待布物布局優(yōu)化體系

1.3用戶決策驅(qū)動(dòng)模型

由于待布物數(shù)量較多，且并非所有待布物都能安排到最優(yōu)位置，因此需根據(jù)待布物的重要性先確定優(yōu)化順序，再有條不紊地優(yōu)化。用戶需求不同，對(duì)待布物的定位要求和優(yōu)化順序也不同。用戶通過(guò)對(duì)待布物評(píng)分的形式進(jìn)行決策，乘用車艙布局優(yōu)化體系中的待布物越重要，分值越高，為使分析更加科學(xué)、客觀，用戶評(píng)分的數(shù)值分布控制為正態(tài)分布。根據(jù)用戶評(píng)分，形成用戶決策矩陣A=[aij]n×m。由于分?jǐn)?shù)越高表明結(jié)果越優(yōu)，因此對(duì)A使用偏大型正態(tài)分布進(jìn)行規(guī)范化處理：

r=0 a<601-exp[-(a-60500σ)2] a≥60{

(1)

其中，σ為標(biāo)準(zhǔn)差；a為用戶給出的分值。從而得到規(guī)范化矩陣R=[rij]n×m。

某用戶對(duì)所有待布物的打分差異相對(duì)較大，說(shuō)明其對(duì)不同待布物及其坐標(biāo)屬性的優(yōu)化需求程度有更鮮明的不同，則對(duì)待布物的權(quán)重和優(yōu)化順序?qū)?huì)起到相對(duì)更大的影響。每個(gè)用戶依次對(duì)不同的待布物打分，假設(shè)用戶的最優(yōu)權(quán)重向量w=(w1，w2，…，wM)，wj≥0，j=1,2,…,M，M為用戶數(shù)量。用Vij(w)表示用戶uj給待布物Bi打分的分值與其他所有待布物打分的分值之間的離差，則可定義[18]：

(2)

i=1,2,…,N

式中，N為待布物數(shù)量。

(3)

其中，Vj(w)為對(duì)于用戶uj而言，所有待布物分值與其他待布物分值間的總離差。加權(quán)向量w的選擇應(yīng)使所有用戶對(duì)所有待布物的總離差最大。為此，構(gòu)建目標(biāo)函數(shù)：

(4)

于是，求權(quán)重向量w等價(jià)于求解：

maxV(w)=∑Mj=1∑Ni=1∑Nk=1|rij-rkj|wjs.t. wj≥0 ∑Mj=1w2j=1üty????

(5)

將式(5)化為拉格朗日函數(shù)：

(6)

(7)

求得最優(yōu)解：

(8)

(9)

于是，求得用戶決策驅(qū)動(dòng)的待布物重要性權(quán)重：

(10)

通過(guò)用戶決策驅(qū)動(dòng)的艙內(nèi)待布物重要性權(quán)重系數(shù)zj(w)，可確定待布物的優(yōu)化順序。

1.4構(gòu)建布局優(yōu)化的目標(biāo)函數(shù)和約束條件

乘用車艙的待布物相對(duì)位置關(guān)系較復(fù)雜，為使各個(gè)設(shè)備控制器的布局更符合人機(jī)工程學(xué)的原理，需要同時(shí)構(gòu)建多個(gè)目標(biāo)函數(shù)，且全部目標(biāo)都要在允許區(qū)域范圍內(nèi)達(dá)到最優(yōu)，即實(shí)現(xiàn)多目標(biāo)優(yōu)化。求解多目標(biāo)優(yōu)化問(wèn)題的Pareto最優(yōu)解的常用方法有并列選擇法、排列選擇法、權(quán)重系數(shù)變換法等[19]。本文采用權(quán)重系數(shù)變換法：

minη=min∑Ni=1Wifi(φ)s.t. φ∈D}

(11)

式中，Wi為目標(biāo)i的權(quán)值系數(shù)；D為可行解集。

為了方便操作和維修，不同設(shè)備之間、設(shè)備與艙體結(jié)構(gòu)之間往往要預(yù)留一定的距離，從人機(jī)工程學(xué)的角度分析，不同待布物之間都會(huì)有一個(gè)最適宜的距離存在，但實(shí)際操作中，并非所有待布物都能按最適宜距離取值，有的待布物需要兼顧整體布局做進(jìn)一步的調(diào)整。根據(jù)已優(yōu)化待布物決定未優(yōu)化待布物的定位思想，利用最小歐氏距離原理，構(gòu)建目標(biāo)函數(shù)f(x)，f(x)越小越好。將目標(biāo)函數(shù)f(x)描述為

為有效預(yù)防小反芻獸疫，必須積極做好免疫接種工作。首先，牧區(qū)養(yǎng)殖戶在引進(jìn)外來(lái)動(dòng)物時(shí)，相關(guān)部門應(yīng)積極做好檢疫工作，避免由于引進(jìn)帶病毒的動(dòng)物，出現(xiàn)大面積的接觸性傳染。同時(shí)，應(yīng)積極做好疫病防控工作，尤其是在雨季以及寒冷季節(jié)，更要提前做好防控工作。在小反芻動(dòng)物2—6月齡時(shí)，使用小反芻獸疫疫苗進(jìn)行免疫接種，采取皮下注射的方式，每只羊使用1支疫苗。此外，在完成接種1周后，羊只會(huì)產(chǎn)生相應(yīng)的抗體，預(yù)防該病毒的發(fā)生。但是，仍然要做好消毒工作，切記不可掉以輕心。

(xixk+yiyk+zizk)2]1/2/(xixk+yiyk+zizk)}

(12)

y≥-E

式(12)中的約束條件包括待布物互不干涉約束和可達(dá)域約束。對(duì)人體進(jìn)行可達(dá)域分析時(shí)，可根據(jù)需要，采用用戶人群中不同百分位的人體尺寸標(biāo)準(zhǔn)進(jìn)行計(jì)算。

1.5改進(jìn)PSO求解布局優(yōu)化原理

假設(shè)n維目標(biāo)搜索空間中，由m個(gè)粒子組成一個(gè)群落以一定的速度飛行，定義xi=(xi1，xi2，…，xin)為粒子i在n維空間里搜索的位置，將xi代入目標(biāo)函數(shù)可計(jì)算出每個(gè)粒子的適應(yīng)度值，根據(jù)適應(yīng)度值的大小衡量xi的優(yōu)劣。vi=(vi1，vi2，…，vin)為粒子i的當(dāng)前飛行速度。將第i個(gè)粒子迄今為止搜索到的個(gè)體最優(yōu)位置記為pbi=(pbi1，pbi2，…，pbin)，將整個(gè)PSO迄今為止搜索到的全局最優(yōu)位置記為gbi=(gbi1，gbi2，…，gbin)[21]。

粒子飛行速度和位置根據(jù)個(gè)體的飛行經(jīng)驗(yàn)和群體的飛行經(jīng)驗(yàn)進(jìn)行動(dòng)態(tài)調(diào)整，其速度和位置的更新方程為

vij(t+1)=vij(t)+c1r1(pbij-xij(t))+

c2r2(gbij-xij(t))

(13)

xij(t+1)=xij(t)+vij(t+1)

(14)

i=1，2，…，mj=1，2，…，n

其中，c1、c2為加速因子(學(xué)習(xí)因子)，用來(lái)調(diào)節(jié)粒子飛向個(gè)體最優(yōu)值pb和全局最優(yōu)值gb的最大步長(zhǎng)，一般取值為2[22]；r1、r2為[0，1]的隨機(jī)數(shù)[23]。

為調(diào)整PSO算法的全局探索能力和局部改良能力，采用自適應(yīng)權(quán)重系數(shù)對(duì)PSO進(jìn)行改進(jìn)，其表達(dá)式為

vij(t+1)=wvij(t)+c1r1(pbij-xij(t))+

(16)

式中，wmax、wmin分別為權(quán)重系數(shù)的最大值和最小值；f為微粒當(dāng)前的目標(biāo)函數(shù)；favg、fmin分別為當(dāng)前所有微粒的平均目標(biāo)值和最小目標(biāo)值，引入慣性權(quán)重系數(shù)的PSO可調(diào)節(jié)算法的全局搜索能力和局部搜索能力，但迭代初期局部搜素能力仍然較弱，即使已接近全局最優(yōu)點(diǎn)，也容易錯(cuò)過(guò)，容易陷入局部最優(yōu)，并且迭代次數(shù)難以預(yù)測(cè)，影響了算法的調(diào)節(jié)功能。當(dāng)慣性權(quán)重可隨微粒的目標(biāo)函數(shù)值自動(dòng)進(jìn)行調(diào)整時(shí)，可大大減小陷入局部最優(yōu)的概率。當(dāng)各微粒的目標(biāo)值趨于一致或趨于局部最優(yōu)時(shí)，慣性權(quán)重變大；當(dāng)各微粒的目標(biāo)值比較分散時(shí)，慣性權(quán)重減小。同時(shí)，對(duì)于目標(biāo)函數(shù)優(yōu)于平均目標(biāo)值的微粒，對(duì)應(yīng)的慣性權(quán)重因子較小，從而保護(hù)該微粒，使該微粒向較好的搜索區(qū)靠攏[24]，改進(jìn)后的PSO算法流程如圖2所示。

圖2　改進(jìn)后的PSO算法流程圖

2乘用車艙布局優(yōu)化案例分析

以女性專用乘用車艙布局設(shè)計(jì)為例，根據(jù)小樣本統(tǒng)計(jì)理論，邀請(qǐng)25名用戶共同參與評(píng)分與注釋，其中，女司機(jī)19名、乘用車設(shè)計(jì)領(lǐng)域?qū)＜?人、汽車修理師3人，打分的原始數(shù)據(jù)如表2所示。

表2　用戶打分的原始數(shù)據(jù)

根據(jù)式(1)對(duì)表2所示的原始數(shù)據(jù)進(jìn)行規(guī)范化處理，得σ=9.307 948，并將計(jì)算結(jié)果整理成規(guī)范化決策矩陣：

根據(jù)式(8)、式(9)得用戶的最優(yōu)權(quán)重向量

w=(0.0004，0.0007，0.0005，0.0006，0.0004， 0.0013，

0.0004，0.0009，0.0005，0.0005，0.0024，0.0024，0.0014，

0.0028，0.0036，0.0022，0.0033，0.0023，0.0051，0.0025，

0.0047，0.0084，0.0056，0.0329，0.0146)

根據(jù)式(13)～式(16)，使用MATLAB對(duì)自適應(yīng)權(quán)重系數(shù)改進(jìn)PSO算法編程，另外，再分別對(duì)標(biāo)準(zhǔn)PSO、權(quán)重線性遞減改進(jìn)PSO、遺傳算法和蟻群算法進(jìn)行編程，進(jìn)而對(duì)這5種算法的優(yōu)化效果進(jìn)行對(duì)比。其中，標(biāo)準(zhǔn)PSO的學(xué)習(xí)因子取2，權(quán)重為0.9，微粒數(shù)為50；權(quán)重線性遞減改進(jìn)PSO的學(xué)習(xí)因子取2，最大權(quán)重為0.9，微粒數(shù)為50；自適應(yīng)權(quán)重系數(shù)改進(jìn)PSO的學(xué)習(xí)因子取2，最大權(quán)重為0.9，最小權(quán)重為0.4，微粒數(shù)為50；遺傳算法的規(guī)模為50，交叉概率為0.6，變異概率為0.1；蟻群算法蟻群規(guī)模為50。采用以上5種智能算法得多功能顯示器形心坐標(biāo)最優(yōu)值，如表3所示，所求得的多功能顯示器形心坐標(biāo)皆在我國(guó)人體可達(dá)域舒適范圍之內(nèi)，且設(shè)備互不干涉，迭代過(guò)程如圖3～圖6所示。雖然自適應(yīng)權(quán)重系數(shù)改進(jìn)PSO運(yùn)算效率不如標(biāo)準(zhǔn)PSO和權(quán)重線性遞減改進(jìn)PSO，但是目標(biāo)函數(shù)值可達(dá)到最小，遺傳算法效率最低，而蟻群算法陷入局部最優(yōu)，因而自適應(yīng)權(quán)重系數(shù)改進(jìn)PSO的效果最好。同理，通過(guò)自適應(yīng)權(quán)重系數(shù)改進(jìn)PSO求得儲(chǔ)物箱形心坐標(biāo)為(297.9 mm，-45.0 mm，-458.0 mm)，如圖7所示。

表3　多媒體顯示器形心坐標(biāo)最優(yōu)值和目標(biāo)函數(shù)最小值

圖3　多媒體顯示器目標(biāo)函數(shù)迭代圖

圖4　多媒體顯示器變量x迭代圖

圖5　多媒體顯示器變量y迭代圖

圖6　多媒體顯示器變量z迭代圖

圖7　儲(chǔ)物箱目標(biāo)函數(shù)迭代圖

3虛擬模擬驗(yàn)證

采用軟件JACK6.1分別構(gòu)建第99、第50和第1百分位的我國(guó)女性人體模型，并模擬女性司機(jī)完成倒庫(kù)、移庫(kù)的一系列標(biāo)準(zhǔn)動(dòng)作。使用新陳代謝分析工具比較女性司機(jī)分別使用原布局，以及采用標(biāo)準(zhǔn)PSO、權(quán)重線性遞減改進(jìn)PSO、自適應(yīng)權(quán)重系數(shù)改進(jìn)PSO、遺傳算法和蟻群算法改進(jìn)的布局完成該流程所消耗的能量。

從表4可看出，經(jīng)過(guò)虛擬模擬測(cè)試，女性駕駛員使用優(yōu)化后布局所消耗能量明顯小于使用原布消耗的能量，自適應(yīng)權(quán)重系數(shù)改進(jìn)PSO優(yōu)化算法為最優(yōu)，使女性司機(jī)駕駛時(shí)相對(duì)更加舒適和省力，則使用自適應(yīng)權(quán)重系數(shù)改進(jìn)PSO優(yōu)化的布局為最優(yōu)布局。

表4我國(guó)女性司機(jī)完成倒庫(kù)和移庫(kù)所消耗能量

kJ

通過(guò)JACK的可視域和可達(dá)域分析工具對(duì)最優(yōu)方案進(jìn)行分析，可知待布物皆在合理的可視域和可達(dá)域范圍內(nèi)。根據(jù)JACK的工作姿勢(shì)分析工具分析出的司機(jī)舒適度水平為1，說(shuō)明司機(jī)在駕駛過(guò)程中舒適度處于較高水平。另外，使用JACK建立我國(guó)男性人體模型進(jìn)行駕駛模擬，證明男性也可安全駕駛，但舒適度不如女性高。

4結(jié)語(yǔ)

基于用戶決策，對(duì)乘用車艙空間布局有次序地進(jìn)行了深入分析。根據(jù)人機(jī)工程學(xué)原理，構(gòu)建了駕駛艙布局優(yōu)化的目標(biāo)函數(shù)。在布局優(yōu)化中引入PSO，并采用自適應(yīng)權(quán)重系數(shù)對(duì)PSO進(jìn)行了改進(jìn)，同時(shí)與常用的其他優(yōu)化算法的優(yōu)化效果進(jìn)行了對(duì)比。通過(guò)JACK分析驗(yàn)證可知，用戶決策模型驅(qū)動(dòng)的自適應(yīng)權(quán)重系數(shù)改進(jìn)的PSO能有效解決乘用車艙的三維人機(jī)布局問(wèn)題。

參考文獻(xiàn)：

[1]國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局. GB/T3730.1-2001 中國(guó)汽車分類標(biāo)準(zhǔn)[S]. 北京：中國(guó)標(biāo)準(zhǔn)出版社，2001.

[2]Fan K, Chiu C, Yang C. Green Technology Automotive Shape Design Based on Neural Networks and Support Vector Regression[J]. Engineering Computations, 2014,31(8):1732-1745.

[3]楊延璞, 劉瓊. 設(shè)計(jì)意圖驅(qū)動(dòng)的產(chǎn)品形態(tài)設(shè)計(jì)方法[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2015(4):867-874.

Yang Yanpu, Liu Qiong. Product Form Design Method Driven by Design Intent[J].Computer Integrated Manufacturing Systems, 2015(4)：867-874.

[4]Nagamachi M. Kansei Engineering as a Powerful Consumer-oriented Technology for Product Development[J]. Applied Ergonomics, 2002, 33(3)：289-294.

[5]李月恩, 王震亞, 徐楠. 感性工程學(xué)[M]. 北京: 海洋出版社，2009.

[7]Shen K S, Chen K H, Liang C C, et al. Measuring the Functional and Usable Appeal of Crossover B-Car Interiors[J]. Human Factors and Ergonomics in Manufacturing & Service Industries, 2015,25(1)：106-122.

[7]Chen J, Yu S, Wang S, et al. Aircraft Cockpit Ergonomic Layout Evaluation Based on Uncertain Linguistic Multiattribute Decision Making[J]. Advances in Mechanical Engineering, 2014: 10.1155/2014/698159.

[8]Reed M P, Manary M A, Flannagan C A, et al. A Statistical Method for Predicting Automobile Driving Posture[J]. Hum Factors, 2002, 44(4)：557-568.

[9]Li F, Li Y. A Computer Aided Conceptual Evaluation of Excavator Cab Based on Ergonomics[J]. Applied Mechanics and Materials，2011，121/126：1844-1848.

[10]鈕松. 面向民機(jī)駕駛艙人機(jī)工效設(shè)計(jì)的布局優(yōu)化研究[D]. 南京：南京航空航天大學(xué), 2013.

[11]范文, 余隋懷, 王文軍, 等. 蟻群算法求解人機(jī)布局優(yōu)化問(wèn)題[J]. 機(jī)械科學(xué)與技術(shù), 2013(7)：955-962.

Fan Wen, Yu Suihuai. Ant Colony Algorithm for Human-machine Layout Optimization[J]. Mechanical Science and Technology for Aerospace Engineering. 2013(7)：955-962.

[12]韓端鋒, 韓海輝, 劉峰, 等. 載人潛水器駕駛艙三維布局優(yōu)化研究[J]. 船舶工程, 2013(1)：76-80.

Han Haihui, Han Duanfeng, Liu Feng. Research on 3D Layout Optimization of HOV Cabin[J]. Ship Engineering, 2013(1)：76-80.

[13]劉飛, 孫明, 李寧, 等. 粒子群算法及其在布局優(yōu)化中的應(yīng)用[J]. 計(jì)算機(jī)工程與應(yīng)用, 2004(12)：71-73.

Liu Fei,Sun Ming, Li Ning, et al. Particle Swarm Optimization and Its Application of Constrained Layout Optimization[J]. Computer Engineering and Applications. 2004(12)：71-73.

[14]孫明, 劉飛, 孫德寶, 等. 旋轉(zhuǎn)衛(wèi)星艙內(nèi)長(zhǎng)方體群的布局[J]. 計(jì)算機(jī)工程與應(yīng)用, 2004(34):92-94.

Sun Ming, Liu Fei, Sun Debao,et al. Layout Optimization of Cube Group in Rotation Module[J]. Computer Engineering and Applications, 2004(34):92-94.

[15]Sadan Kulturel-Konak, Abdullah Konak. A New Relaxed Flexible Bay Structure Representation and Particle Swarm Optimization for the Unequal Area Facility Layout Problem[J]. Engineering Optimization, 2011, 43(12):1263-1287.

[16]Chen Wenzhe, Dai Pinqiang, Chen Yonglu. Particle Swarm Optimization Based Algorithm for Ship Vertical Passage Layout Optimization[J]. Advanced Materials Research, 2012, 479/481:1885-1888.

[17]Miaskiewicz T, Kozar K A. Personas and User-centered Design: How Can Personas Benefit Product Design Processes?[J]. Design Studies, 2011,32(5):417-430.

[18]徐澤水. 不確定多屬性決策方法及應(yīng)用[M]. 北京：清華大學(xué)出版社, 2005.

[19]雷英杰, 張善文, 李續(xù)武. MATLAB遺傳算法工具箱及應(yīng)用[M]. 西安: 西安電子科技大學(xué)出版社, 2005.

[20]丁玉蘭. 人機(jī)工程學(xué)[M]. 北京：北京理工出版社, 2000.

[21]Iqbal N, Zerguine A, Al-Dhahir N. Decision Feedback Equalization Using Particle Swarm Optimization[J]. Signal Processing, 2015, 108:1-12.

[22]王文格, 饒興華, 譚仕威. 一種凸輪曲線調(diào)制處理及粒子群優(yōu)化方法[J]. 中國(guó)機(jī)械工程, 2014，25(19):2665-2668.

Wang Wenge, Rao Xinghua, Tan Shiwei. A Method for Modulating Cam Curve and Optimization Using Particle Swarm Technique[J]. China Mechanical Engineering, 2014，25(19):2665-2668.

[23]Barbieri R, Barbieri N, de Lima K F. Some Applications of the PSO for Optimization of Acoustic Filters[J]. Applied Acoustics, 2015, 89：62-70.

Ye Nanhai, Qi Yinan,Chen Kai,et al. A Computational Method on Reliability Robust Optimization Based on Improved PSO[J]. China Mechanical Engineering, 2012，23(5)：551-555.

[25]國(guó)家技術(shù)監(jiān)督局. GB/T14775-93 操縱器一般人類工效學(xué)要求[S]. 北京：中國(guó)標(biāo)準(zhǔn)出版社，1994.

(編輯張洋)

ImprovedPSOLayoutOptimizationModelforSaloonCabinDrivenbyUsers’DecisionMaking

LiuXinYuSuihuaiWangShuxiaLiWenhuaQuMinWangMiao

ShaanxiEngineeringLaboratoryforIndustrialDesign,NorthwesternPolytechnicalUniversity,Xi’an,710072

Abstract：Based on the users’ decision making, groups and sequences of facilities position optimization were determined approximately, and facilities optimized determine positions of which were not optimized. The PSO was adapted to develop a new method of saloon cabin layout optimization in 3D. To avoid obtaining partial optimal solutions, an improved PSO by adaptive inertia weight was used and the new method of layout optimization which might be adjusted according to different users’ needs was proposed. The different optimized solutions were analyzed and compared to the original one by JACK, the results show the optimization method of the improved PSO is the best one and consistent with ergonomic principles. The method can solve the saloon cabin layout optimization problems effectively.

Key words:saloon cabin; layout optimization; users’ decision making; particle swarm optimization(PSO); man-machine engineering

收稿日期：2015-02-05

基金項(xiàng)目：國(guó)家科技支撐計(jì)劃資助項(xiàng)目(2015BAH21F01);國(guó)家自然科學(xué)基金資助項(xiàng)目(51105310)；國(guó)家社會(huì)科學(xué)基金資助項(xiàng)目(13BG068)：高等學(xué)校學(xué)科創(chuàng)新引智計(jì)劃資助項(xiàng)目(B13044);西北工業(yè)大學(xué)研究生創(chuàng)新基地資助項(xiàng)目

中圖分類號(hào)：TP391.7

DOI：10.3969/j.issn.1004-132X.2016.01.019

作者簡(jiǎn)介：劉昕，女，1985年生。西北工業(yè)大學(xué)機(jī)電學(xué)院博士研究生。主要研究方向?yàn)槿藱C(jī)工效設(shè)計(jì)、產(chǎn)品設(shè)計(jì)、設(shè)計(jì)管理。發(fā)表論文12篇。余隋懷，男，1962年生。西北工業(yè)大學(xué)機(jī)電學(xué)院教授、博士研究生導(dǎo)師。王淑俠，女，1978年生。西北工業(yè)大學(xué)機(jī)電學(xué)院副教授。李文華，女，1990年生。西北工業(yè)大學(xué)機(jī)電學(xué)院博士研究生。曲敏，女，1979年生。西北工業(yè)大學(xué)機(jī)電學(xué)院博士研究生。王淼，女，1983年生。西北工業(yè)大學(xué)機(jī)電學(xué)院博士研究生。