操纵舒适性是人机系统研究的重要内容之一。针对操纵舒适性评价的不确定性和模糊性,构建基于贝叶斯的多核回声状态网络(Echo state network,ESN)模型,对站立姿态下的操纵舒适性进行评价。通过实验,收集不同操纵位置对用户的舒适性影响...操纵舒适性是人机系统研究的重要内容之一。针对操纵舒适性评价的不确定性和模糊性,构建基于贝叶斯的多核回声状态网络(Echo state network,ESN)模型,对站立姿态下的操纵舒适性进行评价。通过实验,收集不同操纵位置对用户的舒适性影响。15名被试者参与了本次实验,每个被试者需要完成100个操纵任务,实验过程中被试者的操纵姿势、目标位置、脚底压力、被试人体尺寸和主观舒适性的数据将被记录下来。选取了10%的实验数据对所提出的方法进行了验证,并与BP神经网络预测模型进行比较,结果表明T-S FNN模型具有较小的均方根误差。最后随机选取了10组操纵任务与快速上肢评估方法(RULA)进行比较,结果表明该方法和实际值相关性系数为0.97(p<0.05),与RULA结果的相关性为0.66(p<0.05),说明该方法能够较好地反应真实结果。展开更多
文摘操纵舒适性是人机系统研究的重要内容之一。针对操纵舒适性评价的不确定性和模糊性,构建基于贝叶斯的多核回声状态网络(Echo state network,ESN)模型,对站立姿态下的操纵舒适性进行评价。通过实验,收集不同操纵位置对用户的舒适性影响。15名被试者参与了本次实验,每个被试者需要完成100个操纵任务,实验过程中被试者的操纵姿势、目标位置、脚底压力、被试人体尺寸和主观舒适性的数据将被记录下来。选取了10%的实验数据对所提出的方法进行了验证,并与BP神经网络预测模型进行比较,结果表明T-S FNN模型具有较小的均方根误差。最后随机选取了10组操纵任务与快速上肢评估方法(RULA)进行比较,结果表明该方法和实际值相关性系数为0.97(p<0.05),与RULA结果的相关性为0.66(p<0.05),说明该方法能够较好地反应真实结果。
