探究人-椅系统的振动传递特性对改善驾乘舒适性具有重要的实践意义,而振动环境变化、人体体征参数的个体差异性与座椅动力学因素等使得准确预测人-椅系统的动态响应较为困难。本文以双轴激励振动环境下的人-椅系统振动实验为基础,以人员体征参数(年龄、身高、体重、臀宽、膝盖高度)和激励特征(垂向激励幅值、水平前后向激励幅值)作为输入特征,结合贝叶斯超参数优化算法,对比分析了四种机器学习模型(决策树回归、支持向量机回归、高斯过程回归、人工神经网络)对地板到坐垫处的垂向同轴和水平前后向正交轴座椅频响函数的预测性能,并结合模型可解释性探究激励环境和人员体征参数与座椅频响函数及其正交轴效应的关联机理。研究表明,人-椅系统的座椅频响函数及其正交轴效应在单轴与双轴激励幅值的影响下呈现具有一定差异的非线性变化趋势,并与生物动力学响应的非线性特性存在不同。经超参数优化后的各个机器学习模型对预测双轴激励下的人-椅系统振动特性具有良好性能,其中人工神经网络模型与决策树回归模型分别在预测坐垫处垂向同轴与水平前后向正交轴座椅频响函数时的具有相对最佳的预测性能,其R2值分别达到0.943与0.924。同时,决策树回归模型对座椅频响函数共振频率及共振频率处幅值的局部预测性能也较为出色,为研究人体体征参数、激励幅值特征与人-椅系统振动传递特性之间的关联关系提供了一种新的研究思路。