汽車(chē)乘員約束系統(tǒng)仿真及其參數(shù)優(yōu)化

摘 "要：在汽車(chē)有限元模型基礎(chǔ)上建立了乘員約束系統(tǒng)模型，進(jìn)行了100%正面剛性壁碰撞仿真分析。結(jié)合碰撞分析中假人傷害值，采用靈敏度分析篩選出對(duì)約束系統(tǒng)影響較大的參數(shù)作為設(shè)計(jì)變量，構(gòu)建了關(guān)于加權(quán)傷害指標(biāo)的Kriging代理模型，運(yùn)用多島遺傳算法進(jìn)行參數(shù)優(yōu)化。結(jié)果表明，加權(quán)傷害指標(biāo)降低了38.92%，達(dá)到設(shè)計(jì)目標(biāo)。

關(guān)鍵詞：約束系統(tǒng)；代理模型；乘員傷害

中圖分類(lèi)號(hào)：U491.6 " " " " " " " " " " " " " " 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1008-5483（2024）02-0012-05

Simulation of Automobile Occupant Restraint System and

Optimization of Its Parameters

Yang Kai， Wu Shengjun， Hu Qiulei

（School of Automotive Engineering， Hubei University of Automotive Technology， Shiyan 442002， China）

Abstract： A passenger restraint system model was built based on the finite element model of the car， and a 100% frontal rigid wall collision simulation analysis was conducted. Incorporating the dummy injury values from the collision analysis， sensitivity analysis was employed to identify parameters that have a significant impact on the constraint system as design variables. Subsequently， a Kriging surrogate model for weighted injury indicators was constructed， followed by parameter optimization using a multi-island genetic algorithm. The results show that the weighted injury index decreases by 38.92%， achieving the design goal.

Key words： restraint system; surrogate model; occupant injury

汽車(chē)乘員約束系統(tǒng)是被動(dòng)安全領(lǐng)域研究的核心內(nèi)容，其主要作用是當(dāng)汽車(chē)碰撞發(fā)生時(shí)將乘員束縛在座椅上，避免乘員與車(chē)內(nèi)部件發(fā)生二次碰撞 ［1］。國(guó)內(nèi)外學(xué)者對(duì)當(dāng)碰撞發(fā)生時(shí)如何更好的降低乘員損傷進(jìn)行了大量研究。黃岳竹等提出了改進(jìn)鯨魚(yú)算法，極大地提高了乘員約束系統(tǒng)的優(yōu)化效率［2］；張海洋等運(yùn)用近似模型參數(shù)優(yōu)化技術(shù)和穩(wěn)健性?xún)?yōu)化方法對(duì)汽車(chē)乘員約束系統(tǒng)進(jìn)行了優(yōu)化分析［3］；羊玢等以乘員加權(quán)綜合傷害指標(biāo)（weighted injury criterion，WIC）作為優(yōu)化目標(biāo)，運(yùn)用自適應(yīng)模擬退火算法對(duì)乘員約束系統(tǒng)參數(shù)進(jìn)行了優(yōu)化匹配［4］；劉鑫等提出了基于代理模型更新管理策略的優(yōu)化設(shè)計(jì)方法，該方法能夠高效地求解出乘員約束系統(tǒng)的最優(yōu)解［5］；葛如海等運(yùn)用NSGA-Ⅱ?qū)Τ藛T約束系統(tǒng)進(jìn)行多目標(biāo)優(yōu)化［6］。在上述研究的基礎(chǔ)上，文中采用Kriging法構(gòu)建優(yōu)化設(shè)計(jì)的代理模型，將靈敏度分析篩選出的安全帶和安全氣囊參數(shù)作為優(yōu)化變量，假人WIC作為優(yōu)化目標(biāo)，采用多島遺傳算法進(jìn)行乘員約束系統(tǒng)的優(yōu)化求解。

1 乘員約束系統(tǒng)仿真分析

1） 碰撞模型 選用的汽車(chē)有限元模型為2012版Toyota Camry，該模型的有效性已經(jīng)被驗(yàn)證［7］。采用Hyperworks和Primer搭建了該車(chē)乘員約束系統(tǒng)模型，如圖1所示。該乘員約束系統(tǒng)模型主要由車(chē)體、假人、安全帶、氣囊組成。假人模型采用LS-DYNA庫(kù)中的Hybrid Ⅲ50百分位男性假人，按照C-NCAP 100%正面碰撞實(shí)驗(yàn)假人的布置方法對(duì)有限元假人模型進(jìn)行布置。安全帶與假人接觸的部分采用2D安全帶單元，未與假人接觸的部分采用1D安全帶單元。安全帶的剛度特性用拉伸實(shí)驗(yàn)得到的應(yīng)力-應(yīng)變曲線(xiàn)代替，安全帶加載和卸載曲線(xiàn)如圖2a所示，圖2a中曲線(xiàn)圍成的面積表示安全帶的吸能。安全氣囊模型由上下2片間隙為0.38 mm的圓形織布縫合而成，將其折疊放入剛性體盒子中，氣囊展開(kāi)采用均壓法進(jìn)行模擬，安全氣囊質(zhì)量流量曲線(xiàn)如圖2b所示。單獨(dú)設(shè)置假人與氣囊的接觸、假人與內(nèi)飾件的接觸、假人與座椅的接觸、假人與安全帶的接觸、氣囊與剛性盒子的接觸為面面接觸，氣囊自身設(shè)置為自接觸。

2） 評(píng)價(jià)指標(biāo) 乘員損傷評(píng)價(jià)指標(biāo)涉及人體多個(gè)部位，且每個(gè)部位的損傷程度都有相應(yīng)的損傷準(zhǔn)則進(jìn)行評(píng)價(jià)。為綜合評(píng)價(jià)乘員所受傷害程度，文中采用假人WIC作為評(píng)價(jià)指標(biāo)，以身體不同部位在事故中發(fā)生損傷的統(tǒng)計(jì)概率作為WIC中各項(xiàng)損傷值的權(quán)重［8］。WIC值越小表明人體所受傷害程度越低，WIC計(jì)算公式為

[CWI=0.6CHI1000+0.352C3ms60+D75+0.05FFR+FFL20CHI=maxT0≤t1≤t2≤TE1t2-t1t1t2ARtdt2.5t2-t1] （1）

式中：[CWI]為WIC的值；[CHI]為乘員頭部傷害準(zhǔn)則[HIC36ms]的值；[C3ms]為乘員胸部3 ms合成加速度，最大值不超過(guò)60g；D為乘員胸部壓縮量，最大值不超過(guò)50 mm；T0為碰撞開(kāi)始時(shí)刻；TE為碰撞結(jié)束時(shí)刻；t1、t2為碰撞過(guò)程中選擇的2個(gè)時(shí)刻，（[t2-t1]）小于等于36 ms；AR為乘員頭部3 ms合成加速度值；[FFL、FRL]分別為乘員左右大腿軸向壓力，最大值不超過(guò)9.07 kN。

3） 仿真分析 設(shè)置模型初始速度為50 km·h-1、仿真時(shí)間為110 ms，對(duì)整個(gè)模型施加重力場(chǎng)，進(jìn)行C-NCAP正面100%剛性避障碰撞實(shí)驗(yàn)。輸出乘員約束系統(tǒng)假人關(guān)注部位傷害值，如圖3所示。由圖3可知，[AR]為62.9g、[C3ms]為44.29g、[D]為23.255 mm、[FFL]為1.18 kN、[FFR]為1.579 kN，假人各部位傷害值均低于低性能限值，但還存在很大的優(yōu)化空間，因此對(duì)該乘員約束系統(tǒng)進(jìn)行優(yōu)化設(shè)計(jì)。

2 乘員約束系統(tǒng)多參數(shù)優(yōu)化

2.1 靈敏度分析

靈敏度分析是研究模型或系統(tǒng)中某些參數(shù)的變化對(duì)模型或者系統(tǒng)輸出的影響程度［9］。由于在選取設(shè)計(jì)參數(shù)時(shí)需要考慮設(shè)計(jì)參數(shù)修改的難易程度和改動(dòng)成本，因此車(chē)體結(jié)構(gòu)參數(shù)很少改動(dòng)，文中重點(diǎn)考慮安全帶和安全氣囊的參數(shù)對(duì)乘員約束系統(tǒng)的影響。安全氣囊設(shè)計(jì)參數(shù)主要包括安全氣囊質(zhì)量流量縮放系數(shù)、點(diǎn)火時(shí)間、排氣孔尺寸等，安全帶設(shè)計(jì)參數(shù)主要包括安全帶限力值、預(yù)緊量、滑環(huán)摩擦系數(shù)等。根據(jù)工程經(jīng)驗(yàn)和研究，將影響較為顯著的設(shè)計(jì)參數(shù)氣囊排氣孔直徑d、安全帶限力值F、預(yù)緊器預(yù)緊量l、氣囊點(diǎn)爆時(shí)間t、滑環(huán)摩擦系數(shù)f1、氣囊質(zhì)量流量系數(shù)f2分為12組進(jìn)行靈敏度分析，各參數(shù)的變化范圍及分組情況如表1所示。參數(shù)靈敏度計(jì)算公式：

[P=N-MM×100%] （2）

式中：P為靈敏度值；N為改變參數(shù)的傷害指標(biāo)；M為原參數(shù)的傷害指標(biāo)。

計(jì)算得靈敏度分析圖如圖4所示。由圖4可知對(duì)WIC影響較大的參數(shù)為安全氣囊排氣孔尺寸、安全氣囊質(zhì)量流量縮放系數(shù)、安全帶限力值，對(duì)胸部3 ms合成加速度影響較大的參數(shù)主要包括安全帶限力值、安全氣囊排氣孔尺寸，對(duì)胸部壓縮量影響較大的參數(shù)有預(yù)緊器預(yù)緊量、安全帶限力值，對(duì)HIC36ms影響較大的參數(shù)有安全氣囊排氣孔尺寸、安全氣囊質(zhì)量流量縮放系數(shù)。綜合靈敏度分析結(jié)果，最終選取安全氣囊排氣孔尺寸、安全氣囊質(zhì)量流量縮放系數(shù)、安全帶預(yù)緊量、安全帶限力值作為最終的優(yōu)化參數(shù)。

2.2 參數(shù)優(yōu)化

最優(yōu)拉丁超立方抽樣方法能在設(shè)計(jì)空間內(nèi)生成均勻的樣本點(diǎn)，使因子和響應(yīng)擬合的更加真實(shí)［10］。抽取30個(gè)樣本點(diǎn)在仿真模型中修改參數(shù)，利用LS-DYNA計(jì)算出每組樣本點(diǎn)的假人各部位傷害值。

2.2.1 "模型建立

Kriging模型［11］是估計(jì)方差最小的無(wú)偏估計(jì)模型，常用于曲線(xiàn)插值和響應(yīng)面近似，在解決非線(xiàn)性程度較高的汽車(chē)乘員約束系統(tǒng)問(wèn)題時(shí)容易取得理想的擬合效果。根據(jù)乘員頭部傷害值、胸部傷害值、腿部傷害值算出假人WIC值，建立以假人WIC為目標(biāo)函數(shù)的Kriging模型，并對(duì)建立的Kriging代理模型進(jìn)行精度驗(yàn)證。隨機(jī)抽取5個(gè)樣本點(diǎn)，帶入仿真模型中進(jìn)行計(jì)算，將結(jié)果與Kriging代理模型的計(jì)算值進(jìn)行比較，若誤差小于5%，認(rèn)為Kriging代理模型擬合精度較高。Kriging代理模型誤差計(jì)算公式為

[D=K-FF] （3）

式中：D為誤差值；K為代理模型計(jì)算值；F為有限元仿真值。

驗(yàn)證結(jié)果如表2所示，其中[x1]為安全氣囊排氣孔尺寸，[x2]為安全帶限力值，[x3]為安全帶預(yù)緊量、[x4]為安全氣囊質(zhì)量流量縮放系數(shù)。由表2可知代理模型計(jì)算的5個(gè)樣本值的誤差均符合要求，表明代理模型可代替有限元模型進(jìn)行后續(xù)優(yōu)化分析。

2.2.2 "算法優(yōu)化

文中采用多島遺傳算法進(jìn)行參數(shù)優(yōu)化。傳統(tǒng)遺傳算法在優(yōu)化過(guò)程中基因突變的概率較低，容易出現(xiàn)早熟現(xiàn)象，導(dǎo)致優(yōu)化結(jié)果收斂于局部最優(yōu)解［12］。多島遺傳算法將傳統(tǒng)的遺傳算法拓展到多個(gè)“島”，通過(guò)“遷徙”的概念來(lái)模擬種群的“遷徙”和“交流”，使得每個(gè)子種群可以不斷的接受外來(lái)新的基因信息，從而獲得更好的搜索性能，有效的避免局部最優(yōu)解［13］。為綜合評(píng)價(jià)乘員損傷程度，采用假人WIC作為優(yōu)化設(shè)計(jì)的目標(biāo)函數(shù)。相關(guān)公式為

[min " CWIs.t. " CHI≤1000， " C3ms≤60g， " D≤50 mm " " " " FFR≤9.07 kN， " FFL≤9.07 kN] （4）

在Isight中設(shè)置多島遺傳算法控制參數(shù)如表3所示。以建立的Kriging代理模型為基礎(chǔ)，運(yùn)用Isight軟件內(nèi)置的多島遺傳算法進(jìn)行優(yōu)化，經(jīng)過(guò)最終的優(yōu)化計(jì)算得到安全氣囊排氣孔直徑為39.694 mm，安全帶限力值為2.946 kN，預(yù)緊器預(yù)緊量為80.678 mm，安全氣囊質(zhì)量流量縮放系數(shù)為0.919。并將優(yōu)化后得到的最優(yōu)解參數(shù)帶入仿真模型中進(jìn)行計(jì)算，得到優(yōu)化前后假人各部位傷害值曲線(xiàn)，如圖5所示。從圖5可以看出，除假人大腿軸向壓力外，其余各部位傷害值均有所降低。假人頭部傷害值由548.491降低到283.394，假人胸部3 ms合成加速度由44.292g降低到36.834g，假人胸部壓縮量由23.255 mm降低到20.112 mm，假人WIC由0.519降低到0.317，假人大腿壓縮力雖有所增加但并未超過(guò)C-NCAP所規(guī)定的腿部傷害指標(biāo)低性能限值。假人WIC值降低了38.92%，完成了對(duì)假人傷害優(yōu)化的目的。

3 結(jié)論

對(duì)建立的乘員約束系統(tǒng)模型進(jìn)行仿真分析，運(yùn)用最優(yōu)拉丁超立方抽樣方法進(jìn)行抽樣，構(gòu)建以假人綜合傷害指標(biāo)為目標(biāo)函數(shù)的Kriging代理模型，并運(yùn)用多島遺傳算法對(duì)乘員約束系統(tǒng)中預(yù)緊器預(yù)緊量、安全氣囊質(zhì)量流量縮放系數(shù)、安全帶限力值、安全氣囊排氣孔直徑進(jìn)行優(yōu)化。優(yōu)化后假人綜合傷害指標(biāo)降低了38.92%，優(yōu)化效果顯著。

參考文獻(xiàn)：

［1］ "楊琦. 基于LS-DYNA汽車(chē)正面碰撞乘員約束系統(tǒng)仿真分析及參數(shù)優(yōu)化［D］. 沈陽(yáng)：東北大學(xué)，2019.

［2］ "黃岳竹，尹安東，王笑樂(lè)，等. 改進(jìn)鯨魚(yú)算法及其在乘員約束系統(tǒng)中的應(yīng)用［J］. 合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，45（2）：165-170.

［3］ "張海洋，胡帥帥，周大永，等. 基于PSO-SVR近似模型的乘員約束系統(tǒng)穩(wěn)健性?xún)?yōu)化［J］. 汽車(chē)工程，2020，42（4）：462-467.

［4］ "羊玢，湯勇，楊慧敏，等. 基于代理模型的汽車(chē)乘員約束系統(tǒng)性能優(yōu)化［J］. 北京交通大學(xué)學(xué)報(bào)，2016，40（6）：76-82.

［5］ "劉鑫，毛勇勇. 基于代理模型更新管理策略的汽車(chē)乘員約束系統(tǒng)優(yōu)化設(shè)計(jì)［J/OL］. 長(zhǎng)沙理工大學(xué)學(xué)報(bào)（自然科學(xué)版），1-9（2023-03-25）［2024-04-24］. https：//doi. org/10. 19951/j. cnki. 1672-9331. 20220122001.

［6］ "葛如海，張?zhí)K秀，洪亮. 基于NSGA-Ⅱ遺傳算法的前排乘員約束系統(tǒng)優(yōu)化［J］. 汽車(chē)工程，2017，39（12）：1382-1389.

［7］ "United State Department of Transportation. Carsh Simulation Vehicle Models［EB/OL］. ［2017-03］. Https：//www. Nhtsa. Gov/crash-simulation-vehicle-models.

［8］ "胡遠(yuǎn)志，甘順，劉西，等. 基于不同損傷評(píng)價(jià)標(biāo)準(zhǔn)的正面碰撞乘員保護(hù)研究［J］. 重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)），2018，32（5）：1-11.

［9］ "林有淮. 基于靈敏度分析的客車(chē)骨架結(jié)構(gòu)優(yōu)化設(shè)計(jì)［J］. 機(jī)械工程與自動(dòng)化，2023（3）：68-71.

［10］ nbsp;季寧，張衛(wèi)星，于洋洋，等. 基于最優(yōu)拉丁超立方抽樣方法和NSGA–Ⅱ算法的注射成型多目標(biāo)優(yōu)化［J］. 工程塑料應(yīng)用，2020，48（3）：72-77.

［11］ "李鐵柱，李光耀，陳濤，等. 基于Kriging近似模型的汽車(chē)乘員約束系統(tǒng)穩(wěn)健性設(shè)計(jì)［J］. 機(jī)械工程學(xué)報(bào)，2010，46（22）：123-129.

［12］ "陳瀟凱. 車(chē)輛多學(xué)科設(shè)計(jì)優(yōu)化方法［M］. 北京：北京理工大學(xué)出版社，2018.

［13］ "牟淑志，杜春江，牟福元，等. 基于多島遺傳算法的連續(xù)體結(jié)構(gòu)拓?fù)鋬?yōu)化［J］. 機(jī)械科學(xué)與技術(shù)，2009，28（10）：1316-1320.

［14］ "馬桃，張維剛，唐婷，等. 基于全局敏感性分析和Kriging代理模型的汽車(chē)乘員約束系統(tǒng)多參數(shù)優(yōu)化研究［J］. 中國(guó)機(jī)械工程，2014，25（13）：1812-1816.

［15］ "胡正才，于多年，李文強(qiáng). 某轎車(chē)正面安全氣囊性能仿真研究［J］. 汽車(chē)技術(shù)，2010（11）：24-28.

［16］ "鞏建強(qiáng)，張國(guó)振，高軼男，等. 基于座椅動(dòng)態(tài)試驗(yàn)的客車(chē)正面碰撞乘員損傷機(jī)理分析［J］. 重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，40（8）：150-158.

［17］ "劉雪姣，劉昕耀，韓嘯. 安全帶腰帶限力功能的作用［J］. 時(shí)代汽車(chē)，2022（16）：134-135.

［18］ "田晟. 乘員約束系統(tǒng)參數(shù)篩選與正交試驗(yàn)優(yōu)化設(shè)計(jì)［J］. 哈爾濱工程大學(xué)學(xué)報(bào)，2015，36（12）：1565-1570.

［19］ "衛(wèi)姝琰. 基于能量分析的乘員約束系統(tǒng)優(yōu)化研究［D］. 鎮(zhèn)江：江蘇大學(xué)，2017.

［20］ "田鈺楠，郝琪，毛怡，等. 安全氣囊建模的研究［J］. 湖北汽車(chē)工業(yè)學(xué)院學(xué)報(bào)，2020，34（3）：11-14.

［21］ "鈕嘉穎，丁玲，王星磊，等. 不同安全帶配置和參數(shù)對(duì)正碰假人傷害值的影響研究［J］. 汽車(chē)科技，2016（2）：50-58.

［22］ "郭傳靜，裴磊. 基于正交試驗(yàn)設(shè)計(jì)的乘員約束系統(tǒng)性能優(yōu)化［J］. 機(jī)電產(chǎn)品開(kāi)發(fā)與創(chuàng)新，2023，36（1）：112-115.