汽车座椅调节参数对体压分布的影响分析

郭巍，周蒙蒙，范涛 ，彭强，阮金伟

（武汉理工大学 汽车工程学院，湖北 武汉 430070）

座椅是汽车内与乘员直接接触的一个部件，座椅舒适性直接影响整车的舒适性.座椅的材料、乘坐姿势和座椅结构等会直接影响座椅舒适度，而座椅高度、靠背角度以及滑轨位置则是通过影响人椅接触面之间的体压分布间接地影响座椅舒适度.

随着人们的需求不断进步，汽车座椅越来越趋向多样化、智能化，这也是未来汽车座椅的主流发展方向.关于座椅智能化，一些学者进行了研究，Lahiry等［1］为了减少手动调节座椅，研究了通过使用MATLAB 的微控制器和图像处理工具包自动调节汽车座位.Vamsi等［2］通过使用人脸识别算法来达到座椅自动调节.智能调节座椅是通过调节座椅参数实现的，所以研究座椅调节参数对座椅舒适性的影响至关重要.目前关于座椅调节参数对座椅舒适度的影响分析主要集中在某一个参数对座椅舒适性的影响.比如，Guo等［3］通过建立座椅模型，应用有限元模型分析座椅腰部支撑的调节对体压参数的影响，从而得到腰部支撑尺寸为10 mm 时座椅舒适度最高的结论.Lim 等［4］通过研究15 名驾驶员在驾驶过程中调节不同腰部支撑部位的体压分布数据和主观评分来研究腰椎支撑突出对汽车座椅舒适度的影响.除了腰部支撑对座椅舒适度的影响，还有一部分研究是针对椅面倾角以及靠背角度.高振海等［5］建立了不同身材驾驶员的骨肌力学模型，通过椅面倾角参数的动态调整分析驾驶员的下肢肌肉肌电测试，得到椅面倾角为10°～16°时座椅舒适性最好.杜瑶等［6］通过分析不同座椅靠背倾角下学生的体压分布数据，并结合学生的主观评价分数得到了舒适的学生座椅靠背角度.Macuzic 等［7］创建了“数字人体模型”和轿车虚拟环境，考虑座椅靠背不同角度，以确定驾驶员身体的不适感，采用了不同男性和女性人群的人体测量学特征，在驾驶和休息两种情况下进行分析，采用Ramsis 软件包对“人体模型”在驾驶和休息状态下的姿态进行分析，将获得的疲劳和不适感作为身体部位的不适感，给出了不同类型的受试者获得的疲劳和不适值不同的结论.马铁军［8］将驾驶员座椅位置及其感受作为研究对象，设计了3 种坐垫角的驾驶环境，将试验人群根据其人体参数划分为不同人群，然后进行试验获得不同座椅位置数据，并建立了每种驾驶环境参数下驾驶员感受随驾驶位置变化的数量关系和综合各种信息的神经网络评价模型，给出了针对不同人群座椅设计的建议，在汽车智能化设计的进程中充分体现了以人为本的设计理念.彭巧朦［9］从体压分布测试试验出发，探寻座椅材料特性、使用者特性、座椅参数与舒适度之间存在的关系.

以上研究都是关于座椅的单个调节参数对座椅舒适度的影响，目前，缺乏多个座椅调节参数对座椅舒适度的影响分析.基于此，本文针对靠背角度、座椅高度和滑轨位置3 个座椅调节参数设计正交试验，采集体压数据，对数据进行灰色关联度分析；分析影响座椅舒适度的调节参数，研究座椅调节参数对体压分布的影响，从而为智能调节座椅提供数据支撑.

1 座椅舒适性和体压分布

座椅舒适性是驾乘人员的一种感受，目前对座椅舒适性研究主要采用主观评价和客观评价的方法.主观评价一般采用量表打分法，驾驶员将乘坐座椅的主观感受用量表的形式展现出来，是最直观的评价方法.客观评价一般通过测量体压分布、生理信号、驾驶姿势等来评价座椅的舒适性.其中，体压分布是驾驶员与座椅接触区域内的压力分布，它能直接反映座椅的舒适程度.研究发现，体压分布数据是与座椅舒适度相关性最为显著的评价指标.舒适驾驶姿势所对应的体压分布如图1 所示，在坐垫上表现为在坐骨结节部位压力最大，由坐骨结节中心向四周扩展；舒适的背部体压分布应当是肩胛骨与腰椎处压力最高，向四周逐渐减小.驾驶员在乘坐座椅时，上躯干与大腿之间的夹角为θ2，大腿与小腿之间的夹角为θ1，如图2 所示.当座椅的靠背角度改变时，θ2会随之改变；当座椅高度和滑轨位置改变时，θ1会随之改变.θ1和θ2改变则驾驶员与座椅接触区域的压力分布就会改变，从而导致驾乘舒适性降低.即体压分布会随着座椅的调节而改变，调节座椅的高度、滑轨位置和靠背角度都会改变体压分布，从而影响座椅舒适性.所以本文是通过研究座椅调节参数对体压分布数据的影响来研究座椅的舒适性.试验中可以获得体压分布云图和对应的原始压力数值矩阵，将原始压力矩阵进行处理，并提取各体压指标：靠背平均压力，靠背接触面积，靠背总压力，坐垫平均压力，坐垫接触面积，坐垫总压力.

图1 舒适驾驶姿势所对应的体压分布Fig.1 Body pressure distribution corresponding to comfortable driving posture

图2 驾驶姿势与座椅调节参数示意图Fig.2 Schematic diagram of driving posture and seat adjustment parameters

2 试验设计

2.1 试验对象

本文的试验对象为HPM 装置和10 名试验人员.HPM装置分别模拟50百分位假人和95百分位假人；10名试验人员中，有5名50百分位人员，5名95百分位人员，由于试验结果需要对各百分位人体与HPM装置得到的体压结果作对比，所以百分位数参考美国汽车工程师学会（Society of Automotive Engineers，SAE）人体尺寸标准，其中第50百分位表示有50%的人等于或小于这个尺寸，第95 百分位表示有95%的人等于或小于这个尺寸.参与试验的人员平均身高为173.5 cm，最高的为183 cm，最矮的为162 cm；平均体重66.45 kg，体重最大的为90 kg，最小的为48 kg；试验人员均身体健康，半年之内没有受伤情况，且均有一定的驾驶经验.具体信息如表1 所示，其中身体质量指数（Body Mass Index，BMI）为国际上衡量人体胖瘦程度以及是否健康的一个常用指标，可以根据身高和体重计算得到.

表1 试验人员基本信息Tab.1 Basic information of the experimenter

2.2 试验装置

本文采用X-sensor 压力垫，如图3（a）所示.XSensor 可以采集人体和座椅接触面之间每个点的压力值，是目前相关产品里面稳定性、精确度、测量密度都比较好的压力系统之一.设备拥有坐垫压力垫和靠背压力垫，每个压力垫均有48×48 个小方格，此压力垫自带操作软件.HPM 装置如图3（b）所示，驾驶员试验平台如图3（c）所示，试验中用到的座椅如试验平台中所示，座椅的参数信息如表2所示.

表2 座椅的参数信息Tab.2 Information of seat parameter

图3 试验装备Fig.3 Experimental equipment

2.3 试验方案设计

在研究因子对变量的影响时，传统方法是控制变量的全面试验法.但是，在研究多因子的作用时，进行全面试验非常耗时.正交试验设计是在科研及生产实际中比较容易掌握和最具有实用价值的一种试验设计方法，它通常适用于多因素试验条件的研究.根据试验的因素数和各因素的水平数，选择适当的正交表来安排试验，采用数理统计的方法处理数据，可以方便地找到诸多因素中对试验指标有显著影响的主要因素［10］，是一种高效率、快速、经济的试验设计方法.因此，本研究采用正交试验方法.

设计三因子五水平（表3）的正交试验，对座椅进行3个试验.首先，对10名试验人员进行三因子正交试验；然后，选择HPM 装置进行三因子正交试验；最后，选择编号为1号和9号的两名试验人员进行单因子试验.

表3 正交试验因子水平Tab.3 Factors and levels of orthogonal experiments

10 位试验人员分别进行25 组试验，正交试验顺序如表4 所示，输出对应的原始体压数据和体压分布云图.然后选择HPM 装置模拟50 百分位假人和95 百分位假人各进行25 组试验，输出对应的原始体压数据和体压分布云图.对原始体压数据提取体压指标，由于试验结果过多，表4 中只列出了一部分试验结果，为95百分位假人的靠背平均压力.

表4 正交试验顺序Tab.4 Order of orthogonal experiments

2.4 数据处理方法(灰色关联度分析)

灰色关联度分析是一种用灰色关联度顺序来描述因素间关系的强弱、大小和次序的数据处理方法［11］.其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度.通常可以运用此方法来分析各个因素对于结果的影响程度，本研究用来分析座椅调节参数对体压参数的影响程度.灰色关联度的基本步骤与公式如下.

1）确认参考序列与比较序列：因变量构成参考序列x0，自变量构成比较序列xi（i=1，2，3，…，n），x0和xi称为变量序列［12］.本文的参考序列为各体压指标，比较序列为座椅参数.

2）无量纲化：通过某种方法去掉x0和xi的量纲，转化为纯数字系列，以便进行统计计算和分析比较.无量纲化常用的方法有均值化法、初值化法、区间化法等［11］.本文采用均值化法.

3）求差序列、两级最大差和两级最小差［12］.差序列为：

两级最大差和最小差分别为：

4）求关联系数［12］.

式中：ρ为分辨系数，在（0，1）之间取值，一般取ρ=0.5.

5）关联度计算［12］.由关联系数求得比较序列与参考序列的关联程度.计算关联度可采用平均值或者加权求得.本文采用平均值方法，该关联度公式为：

式中：i=1，2，3，…，m.对关联度进行排序，关联度越大，说明比较序列与参考序列变化的态势越一致，该序列对参考序列的影响也越大.

3 结果与分析

从试验获取的体压数据中提取以下体压指标：靠背平均压力（Backrest Average Pressure，BAP）；靠背接触面积（Backrest Contact Area，BCA）；靠背总压力（Backrest Total Pressure，BTP）；坐垫平均压力（Cushion Average Pressure，CAP）；坐垫接触面积（Cushion Contact Area，CCA）；坐垫总压力（Cushion Total Pressure，CTP）.

3.1 灰色关联度分析

利用公式进行灰色关联度分析计算，得到不同人体的体压指标与座椅调节参数之间的关联度，结果如图4 所示.图中的数值为关联度值，数值越大，关联度越高.

图4 不同人体体压指标与座椅调节参数之间的灰色关联度Fig.4 Gray correlation degree between different human body pressure indicators and seat adjustment parameters

由图4（a）可知，灰色关联度结果显示靠背角度对95 百分位假人的靠背和坐垫体压指标关联度最高，其次是滑轨位置，关联度最低的是座椅高度；由图4（b）可知，靠背角度对靠背和坐垫的体压指标关联度最高，其次是滑轨位置，座椅高度对靠背和坐垫的体压指标关联度最低.由图4（c）可知，50 百分位假人的靠背和坐垫体压指标与靠背角度关联度最高，其次是滑轨位置，关联度最低的是座椅高度.由图4（c）和图4（d）可知，50 百分位假人和人体的靠背、坐垫体压指标与座椅参数的关联度大小趋势基本一致.

对50 百分位假人和人体、95 百分位假人和人体的灰色关联度分析的结果均显示，座椅调节参数和体压指标的关联度大小为：靠背角度＞滑轨位置＞座椅高度.

通过灰色关联度分析，95 百分位假人和人体数据的对比以及50 百分位假人和人体数据的对比，可以确定的是靠背角度和滑轨位置对体压参数的影响较大，座椅高度对体压参数影响较小.所以选择靠背角度和滑轨位置两个因子进行单因子试验，分别研究座椅靠背角度和滑轨位置对体压指标的影响.

3.2 单因子对体压参数的影响分析

将座椅高度固定在设计位置即中间位置；将滑轨位置固定在80 mm，将靠背角度分别调至80°、85°、90°、95°、100°；将靠背角度固定在90°，将滑轨位置分别调至80 mm、90 mm、100 mm、110 mm.输出体压数据，提取体压指标，由于各体压指标的量纲不同，所以将体压指标进行归一化，结果如图5所示.

图5 不同人体体压指标随座椅调节参数的变化Fig.5 Changes of different human body pressure index along with the seat adjustment parameters

由图5（a）可知，95 百分位人体的BTP 和BCA 随着靠背角度的增大而增大，BAP 变化较小；相反，靠背角度越大则CTP、CAP 和CCA 有略微变小的趋势.由图5（b）可知，随着滑轨位置的变大，靠背的各体压指标有略微变小的趋势，但是这个变化趋势相对于靠背角度并不明显；CAP 和CTP 在滑轨位置改变的时候几乎没有变化，CCA 有较小的变化趋势.由图5（c）可知，50 百分位人体的BTP 和BCA 也是随着靠背角度的增大而增大，BAP 变化不明显；CCA 随靠背角度的增大总体呈现增大的趋势，而CTP 和CAP 则呈现略微变小的趋势.由图5（d）可知，滑轨位置的变化对靠背体压指标的影响非常小；随着滑轨位置的改变，CAP 和CTP 的大小几乎没有改变，在滑轨位置向前时CCA会越来越小.

4 结论

1）采用灰色关联度分析方法分别对HPM 装置、95 百分位人体以及50 百分位人体对应的体压分布进行分析，试验结果表明：靠背角度和滑轨位置与体压分布之间的关联度较大.

2）采用单因子试验研究不同的靠背角度和滑轨位置对应的体压分布指标.结果表明：不同百分位人体的整体靠背体压指标均随靠背角度的增大而增大，坐垫整体体压指标随靠背角度的增大有略微变小的趋势；随着滑轨位置的变大，95百分位人体的靠背体压指标变小，坐垫接触面积变小，50百分位人体的靠背体压指标变化较小，坐垫接触面积变小，其余指标无明显变化.

3）本文研究了体压指标随座椅调节参数改变的变化趋势，而体压指标可以反映座椅的舒适性，证明可以通过改变座椅调节参数实现舒适性的调节，为智能调节座椅提供理论支持.