汽車轉向器產品開發中專利信息檢索及預測技術

陳君　李剛炎　黃鶴

摘要：根據汽車轉向器專利信息的特點，通過劃分專利類型，研究了專利檢索技術中的需求表征方法和特征抽取技術，構建了相似余弦匹配模型來進行專利檢索。在專利信息獲取后，采用了RBP神經網絡技術預測汽車轉向器技術發展趨勢和改進產品性能，為轉向器企業在產品開發中的技術創新提供決策依據。

關鍵詞：汽車轉向器；產品開發；專利檢索；專利數據預測

中圖分類號：TP274 文獻標識碼：A 文章編號：0439-8114（2013）07-1679-04

汽車轉向器是整車上非常關鍵的一個分總成，也是一個高要求的安全件。我國汽車轉向器企業關鍵技術經歷了引進、消化、吸收過程，真正意義上的自主創新技術和產品非常少。隨著知識產權意識不斷加強和國際各大公司間的專利之爭不斷增多[1，2]，國內企業越來越重視對專利信息在產品開發中的使用。對專利信息在產品研發中應用的研究，國外企業主要集中在對專利信息的分析研究行業發展趨勢、競爭對手的技術水平、研發動向及經營戰略，以此作為依據來制定本企業的專利戰略[3，4]。國內對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重視和關注。目前的研究主要集中在專利信息對企業專利戰略制定的作用、專利信息與技術創新的關系等方面。對汽車零部件企業的專利信息的研究主要從專利信息的角度分析企業技術創新能力、專利數據庫的建設、專利技術領域分布對企業的專利戰略作用等方面[5，6]進行，而通過專利信息的分析來對具體某種產品的開發進行技術層面的指導研究較少。本文以某汽車轉向器企業為例，用專利檢索技術研究汽車轉向器企業專利信息獲取的途徑，并選用RBP神經網絡技術對專利技術進行預測，為企業產品開發提供研究方向。

1 汽車轉向器專利信息檢索技術

汽車轉向器的專利信息主要檢索源來自互聯網和有關數據庫，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，在檢索之前要進行專利信息的分類，汽車轉向器專利信息可分為齒輪齒條相關、循環球相關、電動轉向系統EPS相關、加工制造工具、加工方法或生產工藝以及其他類型等6大類。通過分類，在檢索時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、特征抽取技術和匹配模型3個方面來研究汽車轉向器專利檢索技術。

1.1 需求表征

需求表征是指通過網絡資源獲取所需的專利信息時，對所需信息的特征進行合理描述和表達的過程。需求表征是通過需求模板（也叫用戶模板，圖1）來描述和實現的。由于需求模板將直接影響所獲取專利信息的相關程度，所以需求模板要具有結構簡單、明確，在給定的信息匹配模型下便于與檢索信息進行匹配，便于管理、維護、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個用戶模板（i=1，2，3， …）；xim為第i個模板的第m個特征項（m=1，2，3， …，k）；wim為第i個模板的第m個特征項的權重（m=1，2，3，…，k）。

1.2 特征抽取

特征提取是專利信息檢索技術的重要組成部分，它具體實現從信息源中的專利信息到特征向量的轉化，為獲取相關專利信息提供數據，特征抽取是對相關專利信息進行預處理的過程[7]。對于汽車轉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重向量進行相似匹配，按照相似余弦算法[式（2）][8]計算出相似度，再根據相似度的大小來決定該信息的符合程度。

1.4 應用實例

結合汽車轉向器專利數據信息的特點和類型，根據檢索方法和技術原理，制定檢索策略，如表1所示。

按照所設定的檢索詞和相應的檢索方法，利用互聯網和相關專利數據庫進行檢索，可以檢索到國內外汽車轉向器生產企業的名稱，對應類型的專利信息及數量，列舉了實力較強的5家國外汽車轉向器生產企業和8家國內汽車轉向器生產企業，查得對應于這些企業與轉向系統相關專利共計593項。其中，申請人為國內企業的為243項，占總量的40.98%；申請人為國外企業的為350項，占總量的59.02%，國外汽車轉向器企業明顯占據優勢。從檢索結果來看，所用到的檢索方法和檢索策略是有效的。通過上述檢索技術來查找對產品開發相關的專利數據，為專利數據預測提供依據。

2 汽車轉向器專利數據預測技術

神經網絡技術是一種方便、科學的預測技術，本文選取RBP神經網絡技術對專利數據進行預測。RBP神經網絡的徑向基函數網絡是由輸入層、單隱層、輸出層組成的三層前饋網絡[9，10]，其結構如圖3。

徑向基函數有多種形式，其中最常用的是高斯核函數，隱節點的輸出如式（3）：

式中，x為輸入樣本；σj為基寬度；cj為高斯函數中心；Nh為隱層節點數。

2.1 預測內容

專利數據預測旨在預測產品開發中技術發展的趨勢和改進產品的性能，具體體現在參數的預測和性能的預測。本文針對EPS轉向器的專利檢索結果，結合具體的發展環境預測EPS轉向器的未來趨勢。下面重點研究EPS轉向器的方向盤端對助力電流的影響，為EPS轉向器車輛的方向盤參數設計提供參考依據。

與EPS轉向器的助力電流相關的因素有很多，本文以EPS轉向器的專利產品為研究對象，選取專利中與助力電流相關的兩個要素：汽車方向盤扭矩、方向盤轉速作為樣本參數，構建RBP神經網絡為方向盤輸入扭矩和方向盤轉速兩個節點輸入，助力電流一個節點輸出。通過RBP神經網絡擬合反應方向盤扭矩、助力電流、方向盤轉速三者之間關系的曲線，結合實際設計情況，預測EPS轉向器系統相關設計參數。

2.2 預測過程

數據共有10個樣本，Matlab語言如下：

SPREAD為徑向基函數的擴展系數，其默認值為1.0。合理選擇SPREAD是很重要的，其值足夠大，才能使徑向基神經元對輸入向量所覆蓋的區間產生影響。在網絡設計過程中，需要用不同的 SPREAD值進行嘗試，以確定一個最優值。經過調試，本文取SPREAD的值為5.0。經過Matlab訓練過程，得出訓練后的擬合曲線與原始數據的比較如圖4。從圖4中可看出，方向盤扭矩、方向盤轉速、助力電流之間的關系可由空間的一條曲線來描述。

2.3 數據分析與應用

基于以上建立的神經網絡模型，通過RBP的預測功能，可以根據實際情況和設計要求選取在不同使用方式下的設計參數。

例如，假設在城區駕車平均最適方向盤扭矩為3.0 N·M，因為城區車速不快，但是彎道比較多，并且轉彎角度大，設定轉彎的方向盤平均轉速為100（°）/s?？梢酝ㄟ^RBP神經網絡預測此種情況下的平均轉向助力電流。Matlab代碼如下：

X=[3.0；100]；

Y=sim（net，X）；

得到Y=19.440 4

即在這種使用情況下的平均助力電流為19.440 4 A，依據預測的結果，可以選取相應的助力電機，保證設計的合理性。預測結果可以為新產品開發提供參照和依據，從而支持汽車轉向器產品開發中的技術創新。

3 結論

通過對汽車轉向器專利信息檢索技術和專利預測技術的研究，可為汽車轉向器企業制定合理的專利戰略服務，為汽車轉向器產品開發的技術創新提供決策依據，避免產品開發中的盲目性，對企業的技術創新和產品研發具有積極的促進作用。

參考文獻：

[1] 付啟明.經濟全球化背景下中國企業專利戰略研究[D].蘇州：蘇州大學，2010.

[2] 胡神松.企業技術創新與專利戰略研究[D]. 武漢：武漢理工大學，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.廣西汽車產業技術創新能力分析[J].技術經濟，2009，28（8）：17-21.

[6] 廖蓮蓮，楊元森.論汽車零部件行業專利數據庫的建設[J].企業科技與發展，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].現代圖書情報技術，2008（4）：29-34.

[8] 何 彬. 網絡化產品設計中信息過濾器的設計與可靠性[D]. 武漢：武漢理工大學，2005.

[9] 鐘 勇，王柏峰，李志強，等.基于徑向基神經網絡的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，等.基于徑向基神經網絡的EPS助力控制方法[J].客車技術與研究，2007（4）：12-14.