汽车转向器产品开发中专利信息检索及预测技术

陈君　李刚炎　黄鹤

摘要：根据汽车转向器专利信息的特点，通过划分专利类型，研究了专利检索技术中的需求表征方法和特征抽取技术，构建了相似余弦匹配模型来进行专利检索。在专利信息获取后，采用了RBP神经网络技术预测汽车转向器技术发展趋势和改进产品性能，为转向器企业在产品开发中的技术创新提供决策依据。

关键词：汽车转向器；产品开发；专利检索；专利数据预测

中图分类号：TP274 文献标识码：A 文章编号：0439-8114（2013）07-1679-04

汽车转向器是整车上非常关键的一个分总成，也是一个高要求的安全件。我国汽车转向器企业关键技术经历了引进、消化、吸收过程，真正意义上的自主创新技术和产品非常少。随着知识产权意识不断加强和国际各大公司间的专利之争不断增多[1，2]，国内企业越来越重视对专利信息在产品开发中的使用。对专利信息在产品研发中应用的研究，国外企业主要集中在对专利信息的分析研究行业发展趋势、竞争对手的技术水平、研发动向及经营战略，以此作为依据来制定本企业的专利战略[3，4]。国内对专利信息的分析和研究起步晚，尚处于研究初期，但已受到越来越多的企业重视和关注。目前的研究主要集中在专利信息对企业专利战略制定的作用、专利信息与技术创新的关系等方面。对汽车零部件企业的专利信息的研究主要从专利信息的角度分析企业技术创新能力、专利数据库的建设、专利技术领域分布对企业的专利战略作用等方面[5，6]进行，而通过专利信息的分析来对具体某种产品的开发进行技术层面的指导研究较少。本文以某汽车转向器企业为例，用专利检索技术研究汽车转向器企业专利信息获取的途径，并选用RBP神经网络技术对专利技术进行预测，为企业产品开发提供研究方向。

1 汽车转向器专利信息检索技术

汽车转向器的专利信息主要检索源来自互联网和有关数据库，其特征为海量。为了便于在海量信息中检索到有用的专利信息，在检索之前要进行专利信息的分类，汽车转向器专利信息可分为齿轮齿条相关、循环球相关、电动转向系统EPS相关、加工制造工具、加工方法或生产工艺以及其他类型等6大类。通过分类，在检索时利用有效的描述需求特征检索出所需要的信息。本文将从需求表征方法、特征抽取技术和匹配模型3个方面来研究汽车转向器专利检索技术。

1.1 需求表征

需求表征是指通过网络资源获取所需的专利信息时，对所需信息的特征进行合理描述和表达的过程。需求表征是通过需求模板（也叫用户模板，图1）来描述和实现的。由于需求模板将直接影响所获取专利信息的相关程度，所以需求模板要具有结构简单、明确，在给定的信息匹配模型下便于与检索信息进行匹配，便于管理、维护、修改和更新。向量空间模型如式（1）：

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

式中，Profile（i）为第i个用户模板（i=1，2，3， …）；xim为第i个模板的第m个特征项（m=1，2，3， …，k）；wim为第i个模板的第m个特征项的权重（m=1，2，3，…，k）。

1.2 特征抽取

特征提取是专利信息检索技术的重要组成部分，它具体实现从信息源中的专利信息到特征向量的转化，为获取相关专利信息提供数据，特征抽取是对相关专利信息进行预处理的过程[7]。对于汽车转向器专利信息检索的特征采用图2所示的抽取流程。

1.3 匹配模型

在汽车零部件专利检索中，采用相似匹配的方法。匹配是判断待检索信息与需求模板符合程度的手段。专利信息检索的相似匹配就是将特征向量与需求模板的权重向量进行相似匹配，按照相似余弦算法[式（2）][8]计算出相似度，再根据相似度的大小来决定该信息的符合程度。

1.4 应用实例

结合汽车转向器专利数据信息的特点和类型，根据检索方法和技术原理，制定检索策略，如表1所示。

按照所设定的检索词和相应的检索方法，利用互联网和相关专利数据库进行检索，可以检索到国内外汽车转向器生产企业的名称，对应类型的专利信息及数量，列举了实力较强的5家国外汽车转向器生产企业和8家国内汽车转向器生产企业，查得对应于这些企业与转向系统相关专利共计593项。其中，申请人为国内企业的为243项，占总量的40.98%；申请人为国外企业的为350项，占总量的59.02%，国外汽车转向器企业明显占据优势。从检索结果来看，所用到的检索方法和检索策略是有效的。通过上述检索技术来查找对产品开发相关的专利数据，为专利数据预测提供依据。

2 汽车转向器专利数据预测技术

神经网络技术是一种方便、科学的预测技术，本文选取RBP神经网络技术对专利数据进行预测。RBP神经网络的径向基函数网络是由输入层、单隐层、输出层组成的三层前馈网络[9，10]，其结构如图3。

径向基函数有多种形式，其中最常用的是高斯核函数，隐节点的输出如式（3）：

式中，x为输入样本；σj为基宽度；cj为高斯函数中心；Nh为隐层节点数。

2.1 预测内容

专利数据预测旨在预测产品开发中技术发展的趋势和改进产品的性能，具体体现在参数的预测和性能的预测。本文针对EPS转向器的专利检索结果，结合具体的发展环境预测EPS转向器的未来趋势。下面重点研究EPS转向器的方向盘端对助力电流的影响，为EPS转向器车辆的方向盘参数设计提供参考依据。

与EPS转向器的助力电流相关的因素有很多，本文以EPS转向器的专利产品为研究对象，选取专利中与助力电流相关的两个要素：汽车方向盘扭矩、方向盘转速作为样本参数，构建RBP神经网络为方向盘输入扭矩和方向盘转速两个节点输入，助力电流一个节点输出。通过RBP神经网络拟合反应方向盘扭矩、助力电流、方向盘转速三者之间关系的曲线，结合实际设计情况，预测EPS转向器系统相关设计参数。

2.2 预测过程

数据共有10个样本，Matlab语言如下：

SPREAD为径向基函数的扩展系数，其默认值为1.0。合理选择SPREAD是很重要的，其值足够大，才能使径向基神经元对输入向量所覆盖的区间产生影响。在网络设计过程中，需要用不同的 SPREAD值进行尝试，以确定一个最优值。经过调试，本文取SPREAD的值为5.0。经过Matlab训练过程，得出训练后的拟合曲线与原始数据的比较如图4。从图4中可看出，方向盘扭矩、方向盘转速、助力电流之间的关系可由空间的一条曲线来描述。

2.3 数据分析与应用

基于以上建立的神经网络模型，通过RBP的预测功能，可以根据实际情况和设计要求选取在不同使用方式下的设计参数。

例如，假设在城区驾车平均最适方向盘扭矩为3.0 N·M，因为城区车速不快，但是弯道比较多，并且转弯角度大，设定转弯的方向盘平均转速为100（°）/s。可以通过RBP神经网络预测此种情况下的平均转向助力电流。Matlab代码如下：

X=[3.0；100]；

Y=sim（net，X）；

得到Y=19.440 4

即在这种使用情况下的平均助力电流为19.440 4 A，依据预测的结果，可以选取相应的助力电机，保证设计的合理性。预测结果可以为新产品开发提供参照和依据，从而支持汽车转向器产品开发中的技术创新。

3 结论

通过对汽车转向器专利信息检索技术和专利预测技术的研究，可为汽车转向器企业制定合理的专利战略服务，为汽车转向器产品开发的技术创新提供决策依据，避免产品开发中的盲目性，对企业的技术创新和产品研发具有积极的促进作用。

参考文献：

[1] 付启明.经济全球化背景下中国企业专利战略研究[D].苏州：苏州大学，2010.

[2] 胡神松.企业技术创新与专利战略研究[D]. 武汉：武汉理工大学，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 涛，方国涛，黄日昆.广西汽车产业技术创新能力分析[J].技术经济，2009，28（8）：17-21.

[6] 廖莲莲，杨元森.论汽车零部件行业专利数据库的建设[J].企业科技与发展，2010（6）：40-46.

[7] 杨陟卓，韩 燮.一种基于特征抽取的文档信息过滤算法研究[J].现代图书情报技术，2008（4）：29-34.

[8] 何 彬. 网络化产品设计中信息过滤器的设计与可靠性[D]. 武汉：武汉理工大学，2005.

[9] 钟 勇，王柏峰，李志强，等.基于径向基神经网络的EPS助力控制方法研究[J].汽车科技，2007（1）：7-10.

[10] 王柏峰，钟 勇，李志强，等.基于径向基神经网络的EPS助力控制方法[J].客车技术与研究，2007（4）：12-14.