汽車轉(zhuǎn)向器產(chǎn)品開發(fā)中專利信息檢索及預(yù)測(cè)技術(shù)

陳君　李剛炎　黃鶴

摘要：根據(jù)汽車轉(zhuǎn)向器專利信息的特點(diǎn)，通過劃分專利類型，研究了專利檢索技術(shù)中的需求表征方法和特征抽取技術(shù)，構(gòu)建了相似余弦匹配模型來進(jìn)行專利檢索。在專利信息獲取后，采用了RBP神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測(cè)汽車轉(zhuǎn)向器技術(shù)發(fā)展趨勢(shì)和改進(jìn)產(chǎn)品性能，為轉(zhuǎn)向器企業(yè)在產(chǎn)品開發(fā)中的技術(shù)創(chuàng)新提供決策依據(jù)。

關(guān)鍵詞：汽車轉(zhuǎn)向器；產(chǎn)品開發(fā)；專利檢索；專利數(shù)據(jù)預(yù)測(cè)

中圖分類號(hào)：TP274 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2013）07-1679-04

汽車轉(zhuǎn)向器是整車上非常關(guān)鍵的一個(gè)分總成，也是一個(gè)高要求的安全件。我國汽車轉(zhuǎn)向器企業(yè)關(guān)鍵技術(shù)經(jīng)歷了引進(jìn)、消化、吸收過程，真正意義上的自主創(chuàng)新技術(shù)和產(chǎn)品非常少。隨著知識(shí)產(chǎn)權(quán)意識(shí)不斷加強(qiáng)和國際各大公司間的專利之爭(zhēng)不斷增多[1，2]，國內(nèi)企業(yè)越來越重視對(duì)專利信息在產(chǎn)品開發(fā)中的使用。對(duì)專利信息在產(chǎn)品研發(fā)中應(yīng)用的研究，國外企業(yè)主要集中在對(duì)專利信息的分析研究行業(yè)發(fā)展趨勢(shì)、競(jìng)爭(zhēng)對(duì)手的技術(shù)水平、研發(fā)動(dòng)向及經(jīng)營戰(zhàn)略，以此作為依據(jù)來制定本企業(yè)的專利戰(zhàn)略[3，4]。國內(nèi)對(duì)專利信息的分析和研究起步晚，尚處于研究初期，但已受到越來越多的企業(yè)重視和關(guān)注。目前的研究主要集中在專利信息對(duì)企業(yè)專利戰(zhàn)略制定的作用、專利信息與技術(shù)創(chuàng)新的關(guān)系等方面。對(duì)汽車零部件企業(yè)的專利信息的研究主要從專利信息的角度分析企業(yè)技術(shù)創(chuàng)新能力、專利數(shù)據(jù)庫的建設(shè)、專利技術(shù)領(lǐng)域分布對(duì)企業(yè)的專利戰(zhàn)略作用等方面[5，6]進(jìn)行，而通過專利信息的分析來對(duì)具體某種產(chǎn)品的開發(fā)進(jìn)行技術(shù)層面的指導(dǎo)研究較少。本文以某汽車轉(zhuǎn)向器企業(yè)為例，用專利檢索技術(shù)研究汽車轉(zhuǎn)向器企業(yè)專利信息獲取的途徑，并選用RBP神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)專利技術(shù)進(jìn)行預(yù)測(cè)，為企業(yè)產(chǎn)品開發(fā)提供研究方向。

1 汽車轉(zhuǎn)向器專利信息檢索技術(shù)

汽車轉(zhuǎn)向器的專利信息主要檢索源來自互聯(lián)網(wǎng)和有關(guān)數(shù)據(jù)庫，其特征為海量。為了便于在海量信息中檢索到有用的專利信息，在檢索之前要進(jìn)行專利信息的分類，汽車轉(zhuǎn)向器專利信息可分為齒輪齒條相關(guān)、循環(huán)球相關(guān)、電動(dòng)轉(zhuǎn)向系統(tǒng)EPS相關(guān)、加工制造工具、加工方法或生產(chǎn)工藝以及其他類型等6大類。通過分類，在檢索時(shí)利用有效的描述需求特征檢索出所需要的信息。本文將從需求表征方法、特征抽取技術(shù)和匹配模型3個(gè)方面來研究汽車轉(zhuǎn)向器專利檢索技術(shù)。

1.1 需求表征

需求表征是指通過網(wǎng)絡(luò)資源獲取所需的專利信息時(shí)，對(duì)所需信息的特征進(jìn)行合理描述和表達(dá)的過程。需求表征是通過需求模板（也叫用戶模板，圖1）來描述和實(shí)現(xiàn)的。由于需求模板將直接影響所獲取專利信息的相關(guān)程度，所以需求模板要具有結(jié)構(gòu)簡(jiǎn)單、明確，在給定的信息匹配模型下便于與檢索信息進(jìn)行匹配，便于管理、維護(hù)、修改和更新。向量空間模型如式（1）：

Profile（i）={（xi1，wi1），（xi2，wi2），（xi3，wi3），…，（xik，wik）} （1）

式中，Profile（i）為第i個(gè)用戶模板（i=1，2，3， …）；xim為第i個(gè)模板的第m個(gè)特征項(xiàng)（m=1，2，3， …，k）；wim為第i個(gè)模板的第m個(gè)特征項(xiàng)的權(quán)重（m=1，2，3，…，k）。

1.2 特征抽取

特征提取是專利信息檢索技術(shù)的重要組成部分，它具體實(shí)現(xiàn)從信息源中的專利信息到特征向量的轉(zhuǎn)化，為獲取相關(guān)專利信息提供數(shù)據(jù)，特征抽取是對(duì)相關(guān)專利信息進(jìn)行預(yù)處理的過程[7]。對(duì)于汽車轉(zhuǎn)向器專利信息檢索的特征采用圖2所示的抽取流程。

1.3 匹配模型

在汽車零部件專利檢索中，采用相似匹配的方法。匹配是判斷待檢索信息與需求模板符合程度的手段。專利信息檢索的相似匹配就是將特征向量與需求模板的權(quán)重向量進(jìn)行相似匹配，按照相似余弦算法[式（2）][8]計(jì)算出相似度，再根據(jù)相似度的大小來決定該信息的符合程度。

1.4 應(yīng)用實(shí)例

結(jié)合汽車轉(zhuǎn)向器專利數(shù)據(jù)信息的特點(diǎn)和類型，根據(jù)檢索方法和技術(shù)原理，制定檢索策略，如表1所示。

按照所設(shè)定的檢索詞和相應(yīng)的檢索方法，利用互聯(lián)網(wǎng)和相關(guān)專利數(shù)據(jù)庫進(jìn)行檢索，可以檢索到國內(nèi)外汽車轉(zhuǎn)向器生產(chǎn)企業(yè)的名稱，對(duì)應(yīng)類型的專利信息及數(shù)量，列舉了實(shí)力較強(qiáng)的5家國外汽車轉(zhuǎn)向器生產(chǎn)企業(yè)和8家國內(nèi)汽車轉(zhuǎn)向器生產(chǎn)企業(yè)，查得對(duì)應(yīng)于這些企業(yè)與轉(zhuǎn)向系統(tǒng)相關(guān)專利共計(jì)593項(xiàng)。其中，申請(qǐng)人為國內(nèi)企業(yè)的為243項(xiàng)，占總量的40.98%；申請(qǐng)人為國外企業(yè)的為350項(xiàng)，占總量的59.02%，國外汽車轉(zhuǎn)向器企業(yè)明顯占據(jù)優(yōu)勢(shì)。從檢索結(jié)果來看，所用到的檢索方法和檢索策略是有效的。通過上述檢索技術(shù)來查找對(duì)產(chǎn)品開發(fā)相關(guān)的專利數(shù)據(jù)，為專利數(shù)據(jù)預(yù)測(cè)提供依據(jù)。

2 汽車轉(zhuǎn)向器專利數(shù)據(jù)預(yù)測(cè)技術(shù)

神經(jīng)網(wǎng)絡(luò)技術(shù)是一種方便、科學(xué)的預(yù)測(cè)技術(shù)，本文選取RBP神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)專利數(shù)據(jù)進(jìn)行預(yù)測(cè)。RBP神經(jīng)網(wǎng)絡(luò)的徑向基函數(shù)網(wǎng)絡(luò)是由輸入層、單隱層、輸出層組成的三層前饋網(wǎng)絡(luò)[9，10]，其結(jié)構(gòu)如圖3。

徑向基函數(shù)有多種形式，其中最常用的是高斯核函數(shù)，隱節(jié)點(diǎn)的輸出如式（3）：

式中，x為輸入樣本；σj為基寬度；cj為高斯函數(shù)中心；Nh為隱層節(jié)點(diǎn)數(shù)。

2.1 預(yù)測(cè)內(nèi)容

專利數(shù)據(jù)預(yù)測(cè)旨在預(yù)測(cè)產(chǎn)品開發(fā)中技術(shù)發(fā)展的趨勢(shì)和改進(jìn)產(chǎn)品的性能，具體體現(xiàn)在參數(shù)的預(yù)測(cè)和性能的預(yù)測(cè)。本文針對(duì)EPS轉(zhuǎn)向器的專利檢索結(jié)果，結(jié)合具體的發(fā)展環(huán)境預(yù)測(cè)EPS轉(zhuǎn)向器的未來趨勢(shì)。下面重點(diǎn)研究EPS轉(zhuǎn)向器的方向盤端對(duì)助力電流的影響，為EPS轉(zhuǎn)向器車輛的方向盤參數(shù)設(shè)計(jì)提供參考依據(jù)。

與EPS轉(zhuǎn)向器的助力電流相關(guān)的因素有很多，本文以EPS轉(zhuǎn)向器的專利產(chǎn)品為研究對(duì)象，選取專利中與助力電流相關(guān)的兩個(gè)要素：汽車方向盤扭矩、方向盤轉(zhuǎn)速作為樣本參數(shù)，構(gòu)建RBP神經(jīng)網(wǎng)絡(luò)為方向盤輸入扭矩和方向盤轉(zhuǎn)速兩個(gè)節(jié)點(diǎn)輸入，助力電流一個(gè)節(jié)點(diǎn)輸出。通過RBP神經(jīng)網(wǎng)絡(luò)擬合反應(yīng)方向盤扭矩、助力電流、方向盤轉(zhuǎn)速三者之間關(guān)系的曲線，結(jié)合實(shí)際設(shè)計(jì)情況，預(yù)測(cè)EPS轉(zhuǎn)向器系統(tǒng)相關(guān)設(shè)計(jì)參數(shù)。

2.2 預(yù)測(cè)過程

數(shù)據(jù)共有10個(gè)樣本，Matlab語言如下：

SPREAD為徑向基函數(shù)的擴(kuò)展系數(shù)，其默認(rèn)值為1.0。合理選擇SPREAD是很重要的，其值足夠大，才能使徑向基神經(jīng)元對(duì)輸入向量所覆蓋的區(qū)間產(chǎn)生影響。在網(wǎng)絡(luò)設(shè)計(jì)過程中，需要用不同的 SPREAD值進(jìn)行嘗試，以確定一個(gè)最優(yōu)值。經(jīng)過調(diào)試，本文取SPREAD的值為5.0。經(jīng)過Matlab訓(xùn)練過程，得出訓(xùn)練后的擬合曲線與原始數(shù)據(jù)的比較如圖4。從圖4中可看出，方向盤扭矩、方向盤轉(zhuǎn)速、助力電流之間的關(guān)系可由空間的一條曲線來描述。

2.3 數(shù)據(jù)分析與應(yīng)用

基于以上建立的神經(jīng)網(wǎng)絡(luò)模型，通過RBP的預(yù)測(cè)功能，可以根據(jù)實(shí)際情況和設(shè)計(jì)要求選取在不同使用方式下的設(shè)計(jì)參數(shù)。

例如，假設(shè)在城區(qū)駕車平均最適方向盤扭矩為3.0 N·M，因?yàn)槌菂^(qū)車速不快，但是彎道比較多，并且轉(zhuǎn)彎角度大，設(shè)定轉(zhuǎn)彎的方向盤平均轉(zhuǎn)速為100（°）/s?？梢酝ㄟ^RBP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)此種情況下的平均轉(zhuǎn)向助力電流。Matlab代碼如下：

X=[3.0；100]；

Y=sim（net，X）；

得到Y(jié)=19.440 4

即在這種使用情況下的平均助力電流為19.440 4 A，依據(jù)預(yù)測(cè)的結(jié)果，可以選取相應(yīng)的助力電機(jī)，保證設(shè)計(jì)的合理性。預(yù)測(cè)結(jié)果可以為新產(chǎn)品開發(fā)提供參照和依據(jù)，從而支持汽車轉(zhuǎn)向器產(chǎn)品開發(fā)中的技術(shù)創(chuàng)新。

3 結(jié)論

通過對(duì)汽車轉(zhuǎn)向器專利信息檢索技術(shù)和專利預(yù)測(cè)技術(shù)的研究，可為汽車轉(zhuǎn)向器企業(yè)制定合理的專利戰(zhàn)略服務(wù)，為汽車轉(zhuǎn)向器產(chǎn)品開發(fā)的技術(shù)創(chuàng)新提供決策依據(jù)，避免產(chǎn)品開發(fā)中的盲目性，對(duì)企業(yè)的技術(shù)創(chuàng)新和產(chǎn)品研發(fā)具有積極的促進(jìn)作用。

參考文獻(xiàn)：

[1] 付啟明.經(jīng)濟(jì)全球化背景下中國企業(yè)專利戰(zhàn)略研究[D].蘇州：蘇州大學(xué)，2010.

[2] 胡神松.企業(yè)技術(shù)創(chuàng)新與專利戰(zhàn)略研究[D]. 武漢：武漢理工大學(xué)，2006.

[3] GRILICHES Z. Market value， R&D and patents[J]. Economics Letters，1981，7：183-187.

[4] PAKES A. On patents， R&D， and the stock market rate of return[J]. J Polit Econ，1985，93（2）：390-409.

[5] 柯 濤，方國濤，黃日昆.廣西汽車產(chǎn)業(yè)技術(shù)創(chuàng)新能力分析[J].技術(shù)經(jīng)濟(jì)，2009，28（8）：17-21.

[6] 廖蓮蓮，楊元森.論汽車零部件行業(yè)專利數(shù)據(jù)庫的建設(shè)[J].企業(yè)科技與發(fā)展，2010（6）：40-46.

[7] 楊陟卓，韓 燮.一種基于特征抽取的文檔信息過濾算法研究[J].現(xiàn)代圖書情報(bào)技術(shù)，2008（4）：29-34.

[8] 何 彬. 網(wǎng)絡(luò)化產(chǎn)品設(shè)計(jì)中信息過濾器的設(shè)計(jì)與可靠性[D]. 武漢：武漢理工大學(xué)，2005.

[9] 鐘 勇，王柏峰，李志強(qiáng)，等.基于徑向基神經(jīng)網(wǎng)絡(luò)的EPS助力控制方法研究[J].汽車科技，2007（1）：7-10.

[10] 王柏峰，鐘 勇，李志強(qiáng)，等.基于徑向基神經(jīng)網(wǎng)絡(luò)的EPS助力控制方法[J].客車技術(shù)與研究，2007（4）：12-14.