车辆性能评价方法文献综述

0 引言 车辆性能的分析对车辆总体设计至关重要。目前对车辆各方面性能评价已做了很多研究，主要集中在总体性能、发动机性能、汽车平顺性、汽车座椅舒适度等方面，涌现出了多种评价模型，采用不同方法对汽车部分性能实施了评价。但是在汽车整车性能方面，到目前为止还没有形成较为统一成熟的方法。国内诸多学者将一系列评价方法应用在车辆性能评价各个领域，取得了较好的成效。 1 层次分析法 层次分析法（AHP 法）利用来建立层次化的多目标、多属性决策模型，车辆总体性能评价模型的应用基本符合其决策过程，其核心是建立科学的评价指标体系。车辆总体性能评价模型的应用自顶向下是建立评价准则和评价指标体系的过程，同时自底向上又是一个层层累加评价的过程。评价过程是在建立或选择合理评价指标体系的基础上，针对各自的属性特点梳理出合理的分析流程及层次结构，然后对不同影响类型进行赋权和累加，最后综合排序，从而得出结论。具体步骤首先是建立层次结构模型，其次构造判断矩阵并检验一致性，最后计算组合权重。也可以根据之前确定的各项汽车评价指标，确定各种车辆的性能加权系数，通过整车性能的层次分析，利用统计值法，对汽车各种性能加权处理，整理出最终评价方程式，用以评价评价对象的整车性能。北京航空航天大学张志强等应用层次分析法对发动机性能进行评价，主要步骤是通过分析发动机各性能参数,确定了发动机总体性能的指标和分性能,并以这些指标和性能为依据,应用层次分析法(AHP)综合评价方法,建立了发动机性能的评价指标体系，最后对发动机的性能实现了数值体现。 2 模糊评价法 模糊综合评价法以模糊数学为基础发展形成，它的算法能够反映人对事物分析和决策的模糊性质。1965年美国计算机与控制论专家扎德教授提出了”模糊集合论”。模糊性是人类思维的特点之一，而评估依托于人对事物的看法，这种思维决定了其带有模糊性质和主观性，所以模糊综合评价法在系统评估领域应用较为广泛。在应用模糊评价法对汽车性能进行评价时，首先需建立相应的评价指标体系，即确定评判因素集，然后给定权重，建立隶属度矩阵，进过模糊变换最后得出评价结果。权重的确定可以用主观赋权也可以采用客观赋权。 目前模糊综合评价法已广泛应用于车辆性能评价的很多领域，北京科技大学黄重国等奖模糊综合评价法应用到汽车车身曲面品质分析中。为了对汽车车身曲面品质进行评价,设置了曲面精度、光顺性、美观性、结构性、工艺性和经济性六个评价指标。采用模糊综合评价获得最终结果。在应用该方法时,首先采用模糊层次分析计算评价体系中各指标权重,然后使用模糊综合评价方法计算各评级指标值后得到最终评价结论,从而建立了汽车车身曲面品质的评价模型。最后,结合某车型前保险杠曲面品质评价的应用实例,验证了该方法的可行性。刘玉兵等运用遗传加权模糊综合评价方法对发动机状态进行综合评判。从发动机状态监测的模糊评价方法入手,提出了采用遗传算法和专家打分的综合办法确定模糊评判模型的参数,建立基于遗传加权模糊综合评价方法的发动机状态综合评判模型。岳睿等研究了基于熵权的模糊综合评价法对车辆机械系统性能进行评价。首先，确定了影响机械系统性能的因素指标，构建了评价指标体系；然后，采用客观熵权与主观权重相结合的方法确定了评价体系中各指标的权重；最后，运用模糊综合评价法数学模型，求得评价体系中目标层的评价结果矩阵，并进行模糊矩阵数值化，得出结果。 3 证据理论 证据理论自 1976 年美国学者 G.Shafer 发表著作“证据的数学理论”以来，在理论和应用上取得了丰富的成果。证据理论强调根据证据为命题赋予真值，也即是根据证据建立决策模型，在具体应用证据理论对车辆性能评价时，重点是处理证据加权和证据支持度问题，并且利用可能性推理来实现证据的组合。在现代主观评价过程中，由于受知识和经验的局限，某个特定专家的评价意见可能是片面的，因此需要对得到各领域专家的初评结果进行综合。证据理论能够有效处理不同专家的意见集结问题。主要定义详见参考文献[3-5]。 证据理论评价法主要应用于主观评价方面，在正式进行评价前应充分考虑影响因素，尽量保证所得证据的可靠性。陈刚等提出了基于证据理论的换挡品质主观评价方法。首先将不同驾驶员的评价结果（输入信息），转化为相应的证据，再判断每一条证据的基本概率分配值之和是否等于1，以确定是否要进行归一化处理。然后提交数据，最后显示、表达证据组合结果。在证据组合过程中，还要分析得到证据是否存在矛盾和冲突，如存在，需要对方法进行改进会对证据进行处理。 陈刚等针对汽车换挡品质传统主观评价方法的不足，运用 D-S 证据理论对汽车换挡品质做出评价。 该方法把人作为试验设备，应用D-S证据理论把不同驾驶员通过自己实践给出的评价结果进行数据融合，以实现群决策层次多人评价意见的证据合成。试验结果表明，该方法克服了传统主观评价方法的模糊和不确定性，得到的评价结果与实际情况一致，能准确、可靠地评价换挡品质。 4 神经网络与人工智能 神经网络是近年来的热点研究领域，是人工智能的一个分支，它从微观上模拟大脑皮层的感知和思维功能，涉及数学、计算机、思维科学、神经生理学、模式识别等，是一个正在迅速发展中的交叉性学科。人工神经网络模型中的多层映射BP网络(Back Propagation Network)可以用来研究非线性系统的输入输出关系。通过分析和实验,选用该模型对车辆性能进行评价是可行的。江苏大学曾发林等应用BP网络技术实现了对汽车噪声品质的评价。通过神经网络的训练对非线性的声质量主观评价过程进行逼近。利用Matlab的神经网络工具箱对汽车车内采集到的噪声信号进行评价分析,并与实测结果进行对照分析,说明该方法对于汽车车内噪声品质评价是有效的。例如，马佳等针对汽车座椅舒适度评价方法研究的不足,通过研究压力分布与舒适度之间的关系，建立了基于BP神经网络的汽车座椅舒适度评价模型。通过真人真车实验获取36组样本数据,对神经网络进行训练并建立了评价模型。实例验证该模型能够根据座椅压力分布较为准确地预测出座椅舒适度水平。 5 复合方法 5.1 模糊综合评价和BP神经网络 随着研究的深入，一些复合评价方法被学者采用。李世武等针对车辆安全状态评价中信息和不完整和模糊性问题，探索了运用模糊综合评价和BP神经网络对车辆安全状态做出评价的新方法。统计分析影响因素基础上建立了车辆安全状态评价体系，在权重的计算方面，采用了比较通用的层次分析法。以模糊综合评价法为基础建立了神经网络训练样本筛选方法，利用Matlab软件中的工具箱中建立评价模型，根据得出的神经网络训练样本并对车辆安全状态神经网络评价模型进行训练。再根据训练好的车辆安全状态神经网络评价模型对不同运行工况下的车辆的安全状态进行分析评价。结果表明，评价结果精度较单一的模糊综合评价法高，是值得推广的车辆危险状态辨识新方法。 5.2 证据理论和模糊神经网络 针对目前汽车换挡平顺性评价方法的不足,东南大学陈刚等研究使用了一个基于证据理论和模糊神经网络的评价模型，建立了相应的汽车换挡平顺性评价系统。此方法是以证据理论方法为基础对不同驾驶员给出的主观评价进行数据融合，通过模糊神经网络对由仪器测得的客观评价指标和经证据合成后的相应主观评价构成的样本向量进行学习和训练、。计算和试验结果表明,该方法克服了主观评价和客观评价各自的缺点,能客观、准确、有效地评价汽车换挡平顺性。 6 结束语 除了以上提及的车辆性能评价法外，目前有国内学者应用改进雷达图法评价车辆的综合性能、取得了不错的效果，还有部分学者在模糊综合评价法基础上对其进行针对性改进，从而的到更为切合具体实际情况的评价模型。总之，车辆性能涉及到每个方面，需选用适合方法，从目前趋势看，复合方法及改进的模糊综合评价法使用居多，将是车辆性能评价的一种趋势。除此之外，部分学者在探索将可拓理论、博弈论等方法应用到车辆性能评价中，将会在车辆性能评价方面增加新的评价模型，增加了评价方法的选择。

文章来源：《美术文献》 网址: http://www.mswxzz.cn/qikandaodu/2021/0207/683.html