论文部分内容阅读
办公椅舒适性是使用者对办公椅的主观评价,它是一个多维度、多因素的问题受到办公椅自身的特性、使用者的生理心理因素以及环境因素的影响。本论文以办公椅舒适性相关理论为依据,通过采用办公椅体压分布测试与坐姿舒适性主观评价相结合的方法,得到体压分布等客观数据和办公椅舒适性评价的主观数据,用相关性分析法对主客观数据与主要因素筛选,并应用BP神经网络建立了不同坐姿条件下的办公椅舒适性评价模型。在综合分析办公椅坐姿、数据结构对BP神经网络模型构建质量和预测精度的基础上,确定了适用于办公椅舒适性评价的BP神经网络模型,该评价模型可以根据相应输入参数预测该办公椅的舒适性,为办公椅舒适性的评价预测提供了一种方法。本论文的主要研究结果如下:(1)在阐述办公椅舒适性相关理论的基础上,选择实验用办公椅,通过体压分布实验,得到办公椅舒适性的主客观实验数据,分析比较了不同办公椅间体压分布指标数据的差异,明确了体压分布指标与办公椅的舒适性之间的关系。(2)应用相关性分析方法对实验测得数据进行分析筛选。在前倾与直立坐姿下,通过舒适性主观评价结果与体压分布等客观测试数据的相关性分析,最终确定了被试者身高、座椅面最大压力、总压力、平均压力、接触面积和办公椅类型6个指标作为舒适性影响因素;在后仰坐姿下,通过主观与客观相关性分析,确定了被试者身高、最大压力、总压力、平均压力、接触面积、靠背总压力、靠背最大压力、靠背最大压力梯度、办公椅类型9个指标作为舒适性影响因素。(3)应用BP神经网络预测功能,通过MATLAB R2015b版本软件建立办公椅舒适性评价预测模型,神经网络的输入数据为坐姿舒适性的各个影响因素,输出数据为办公椅舒适性评价分数。本文分别根据前倾与直立两种坐姿的两组数据、后仰坐姿的一组数据以及三种坐姿的三组数据,建立了三种不同坐姿条件下的BP神经网络,通过对比分析三种BP神经网络预测结果,研究不同坐姿以及神经网络输入数据的结构对舒适性预测结果的影响,结果显示:三种坐姿的总数据作为输入数据训练的网络最好,被试者身高、座椅面最大压力、总压力、平均压力、接触面积以及办公椅类型6个指标是坐姿舒适性的主要影响因素,应用这6项指标作为神经网络的输入数据,可以预测办公椅的舒适性。(4)BP神经网络在办公椅舒适性评价中的实际应用。与办公椅生产企业合作,将30把不同类型的办公椅作为测试样本,通过体压分布测试和舒适性评价获取实验数据,并应用于已经建立的BP神经网络模型,训练样本数据,训练成功后的网络,舒适性的预测值与实际评价值的相对误差绝大部分在10%以内,该网络模型可以实现办公椅舒适性的预测,为办公椅舒适性评价预测提供了一种新方法。