CN110377988B - 乘员道路交通事故损伤预测方法 - Google Patents

乘员道路交通事故损伤预测方法 Download PDF

Info

Publication number
CN110377988B
CN110377988B CN201910609277.7A CN201910609277A CN110377988B CN 110377988 B CN110377988 B CN 110377988B CN 201910609277 A CN201910609277 A CN 201910609277A CN 110377988 B CN110377988 B CN 110377988B
Authority
CN
China
Prior art keywords
passenger
collision
injury
model
damage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910609277.7A
Other languages
English (en)
Other versions
CN110377988A (zh
Inventor
聂冰冰
杨赛超
周青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN201910609277.7A priority Critical patent/CN110377988B/zh
Publication of CN110377988A publication Critical patent/CN110377988A/zh
Application granted granted Critical
Publication of CN110377988B publication Critical patent/CN110377988B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种乘员道路交通事故损伤预测方法，通过选取研究参数形成乘员致伤影响仿真矩阵，可以分析各个影响参数的主效应以及交互效应，实现了参数之间的耦合分析，提高了损伤预测的输出精度。通过参数化有限元建模，可以获得任意工况下的事故仿真模型，且在研究中可以控制变量，在保证大多参数固定的情况下仅改变想要研究的影响参数，弥补了事故数据个体差异大，参数提取缺乏统一标准的缺点。此外，有限元建模方便快捷，为损伤输出预测算法的开发提供数据库。通过有限元仿真的方式输出的损伤可以细化到各个身体部位，有助于在未来交通救助中提供更直接详细的损伤预测结果。

Description

乘员道路交通事故损伤预测方法
技术领域
本申请涉及人体损伤评估领域，特别是涉及一种乘员道路交通事故损伤预测方法。
背景技术
近年道路交通事故中乘员损伤预测研究多基于道路事故统计数据进行回归拟合。以部分汽车上使用的事故紧急自动呼救系统为例(advanced automatic collisionnotification，AACN)，这套系统的核心技术问题就是损伤预测算法的开发，当下大多数的算法是基于事故统计，不同国家根据自己国家交通部门的数据库，将损伤与事故参数进行回归拟合。基于事故数据的分析通常满足客观性。 AACN系统安装在车辆上，能够实时调取车况信息，如安全带佩戴情况，车速，车内乘员数量等。在事故发生后，根据实时车况信息，以及事故信息，如安全气囊起爆情况，调用AACN算法，对事故中乘员受到伤害的严重性给予评估，将评估结果以及事故位置信息发给紧急救助系统，以帮助合理的分配救助资源。
传统的采用事故回归的损伤预测模型通常只给出整体的损伤严重程度的预测，缺乏细化到身体部位，伤害形式的描述。
发明内容
基于此，有必要针对传统的损伤预测模型输出的损伤不能细化到各个身体部位的问题，提供一种乘员道路交通事故损伤预测方法。
一种乘员道路交通事故损伤预测方法，包括：
S10，选取乘员致伤影响参数，生成乘员致伤影响仿真矩阵，所述乘员致伤影响参数包括碰撞车速、乘员身高、乘员体重、座椅位置、椅背倾角以及安全带限力；
S20，根据所述乘员致伤影响仿真矩阵中的碰撞车速值对基准车辆碰撞曲线进行曲线缩放，以获得算例碰撞曲线；
S30，根据所述乘员致伤影响仿真矩阵中的乘员身高值、乘员体重值、座椅位置值以及椅背倾角值对基准的人体有限元模型进行调整，以获得算例乘员模型；
S40，提供基准台车模型，并根据所述基准台车模型获得算例台车模型；
S50，将所述算例乘员模型放入所述算例台车模型中，并根据所述乘员致伤影响仿真矩阵中的安全带限力值，获得所述算例乘员模型和所述算例台车模型之间的约束力，进而获得参数化的车辆-乘员-约束碰撞模型；
S60，根据所述算例碰撞曲线，对所述车辆-乘员-约束系统模型进行碰撞仿真，获得损伤参数，并根据人体伤害准则输出损伤结果。
在其中一个实施例中，所述S20，根据所述乘员致伤影响仿真矩阵中的碰撞车速值对基准车辆碰撞曲线进行曲线缩放，以获得算例碰撞曲线的步骤包括：
S210，选取第一数据库中碰撞速度大于所述乘员致伤影响仿真矩阵中的碰撞车速值的碰撞曲线，作为基准车辆碰撞曲线，并记录下所述基准车辆碰撞曲线的当前碰撞速度；
S220，根据所述基准车辆碰撞曲线，绘制当前碰撞速度下的能量密度-位移曲线和加速度-位移曲线；
S230，根据所述当前碰撞速度下的能量密度-位移曲线，获得所述乘员致伤影响仿真矩阵中的碰撞车速值下车辆的最大位移；
S240，根据所述乘员致伤影响仿真矩阵中的碰撞车速值下车辆的最大位移和所述当前碰撞速度下的加速度-位移曲线，获得所述乘员致伤影响仿真矩阵中的碰撞车速值下的加速度-位移曲线；
S250，根据运动学关系，将所述乘员致伤影响仿真矩阵中的碰撞车速值下的加速度-位移曲线转化为所述乘员致伤影响仿真矩阵中的碰撞车速值下的速度 -时间曲线，所述算例碰撞曲线为乘员致伤影响仿真矩阵中的碰撞车速值下的速度-时间曲线。
在其中一个实施例中，所述S30，根据所述乘员致伤影响仿真矩阵中的乘员身高值、乘员体重值、座椅位置值以及椅背倾角值对基准的人体有限元模型进行调整，以获得算例乘员模型的具体步骤包括：
S310，基于人体测量学数据库，将所述乘员致伤影响仿真矩阵中的乘员身高值和乘员体重值转化为身体部位的尺寸参数；
S320，根据所述身体部位的尺寸参数、所述乘员致伤影响仿真矩阵中的座椅位置值以及所述乘员致伤影响仿真矩阵中的椅背倾角值，将所述基准的人体有限元模型调整至目标身材姿态，以获得第一乘员模型。
在其中一个实施例中，所述S320，根据所述身体部位的尺寸参数、所述乘员致伤影响仿真矩阵中的座椅位置值以及所述乘员致伤影响仿真矩阵中的椅背倾角值，将基准的人体有限元模型调整至目标身材姿态，以获得第一乘员模型的步骤之后还包括：
S321，选取所述第一乘员模型中的部分网格，作为特征点；
S322，基于所述特征点，对所述第一乘员模型中不同的身体部位分别进行网格修复工作；
S323，对完成网格修复工作的每个身体部位进行模型拼装，以获得算例乘员模型。
在其中一个实施例中，所述S40，提供基准台车模型，并根据所述基准台车模型获得算例台车模型的具体步骤包括：
S411，提供第一乘员碰撞损伤实验结果和第一乘员参数信息；
S412，根据第一乘员参数信息，对所述基准的人体有限元模型进行调整以获得第一仿真样本；
S413，提供基准台车模型，并将所述第一仿真样本放入所述基准台车模型中，进行碰撞仿真，获得所述第一仿真样本的损伤参数；
S414，将所述第一仿真样本的损伤参数与所述第一乘员碰撞损伤实验结果进行对比；
S415，根据对比结果，对所述基准台车模型的进行调整，以获得算例台车模型。
在其中一个实施例中，所述S60，对所述车辆-乘员-约束系统模型进行碰撞仿真，获得损伤参数，并根据人体伤害准则输出损伤结果的步骤之后还包括：
对所述损伤结果进行归一化处理，获得损伤预测函数，根据所述损伤预测函数的置信度评价所述车辆-乘员-约束系统模型的精度。
在其中一个实施例中，所述车辆-乘员-约束系统模型的精度评价指标包括相对误差、均方误差、均方误差方根。
在其中一个实施例中，采用对数函数或反正切函数对所述损伤结果进行归一化处理。
在其中一个实施例中，所述S10，选取乘员致伤影响参数，生成乘员致伤影响仿真矩阵，所述乘员致伤影响参数包括碰撞车速、乘员身高、乘员体重、座椅位置、椅背倾角以及安全带限力的具体步骤包括：
S110，选取乘员致伤影响参数，所述乘员致伤影响参数包括碰撞车速、乘员身高、乘员体重、座椅位置、椅背倾角以及安全带限力；
S120，利用正交试验设计，对所述乘员致伤影响参数进行参数配置，进而生成乘员致伤影响仿真矩阵。
一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中任一项所述的乘员道路交通事故损伤预测方法的步骤。
上述乘员道路交通事故损伤预测方法，通过选取研究参数形成乘员致伤影响仿真矩阵，可以分析各个影响参数的主效应以及交互效应，实现了参数之间的耦合分析，提高了损伤预测的输出精度。通过参数化有限元建模，可以获得任意工况下的事故仿真模型，且在研究中可以控制变量，在保证大多参数固定的情况下仅改变想要研究的影响参数，弥补了事故数据个体差异大，参数提取缺乏统一标准的缺点。此外，有限元建模方便快捷，为损伤输出预测算法的开发提供数据库。通过有限元仿真的方式输出的损伤可以细化到各个身体部位，有助于在未来交通救助中提供更直接详细的损伤预测结果。
附图说明
图1为本申请一个实施例提供的乘员道路交通事故损伤预测方法流程图；
图2为本申请一个实施例提供的损伤影响因素图；
图3为本申请一个实施例提供的碰撞曲线缩放流程图；
图4为本申请一个实施例提供的有限元人体模型的参数化建模流程；
图5为本申请一个实施例提供的乘员道路交通事故损伤预测方法流程图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施的限制。
需要说明的是，当元件被称为“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参见图1，本申请提供一种乘员道路交通事故损伤预测方法。所述方法包括：
S10，选取乘员致伤影响参数，生成乘员致伤影响仿真矩阵，所述乘员致伤影响参数包括碰撞车速、乘员身高、乘员体重、座椅位置、椅背倾角以及安全带限力。步骤S10中，为了减少有限元计算的时间成本，在参数化建模之前，需要对事故损伤的潜在影响因素进行选择和初步分析。例如，有基于现实世界事故的研究指出，事故造成的损伤风险通常与初始碰撞速度呈四次方关系，则碰撞速度这一影响因素则可以作为一个较强的因素被考虑在内。参数的取值范围可依据人群统计分布和汽车硬件参数进行选取。本实施例中选取的损伤影响因素如图2所示。
S20，根据所述乘员致伤影响仿真矩阵中的碰撞车速值对基准车辆碰撞曲线进行曲线缩放，以获得算例碰撞曲线。步骤S20中，所述算例碰撞曲线的获取步骤可以为选取第一数据库中碰撞速度大于所述乘员致伤影响仿真矩阵中的碰撞车速值的碰撞曲线，作为基准车辆碰撞曲线，并记录下所述基准车辆碰撞曲线的当前碰撞速度。根据所述基准车辆碰撞曲线，绘制当前碰撞速度下的能量密度-位移曲线和加速度-位移曲线。根据所述当前碰撞速度下的能量密度-位移曲线，获得乘员致伤影响仿真矩阵中的碰撞车速值下车辆的最大位移。根据所述乘员致伤影响仿真矩阵中的碰撞车速值下车辆的最大位移和所述当前碰撞速度下的加速度-位移曲线，获得乘员致伤影响仿真矩阵中的碰撞车速值下的加速度-位移曲线。根据运动学关系，将所述乘员致伤影响仿真矩阵中的碰撞车速值下的加速度-位移曲线转化为乘员致伤影响仿真矩阵中的碰撞车速值下的速度- 时间曲线，所述算例碰撞曲线为乘员致伤影响仿真矩阵中的碰撞车速值下的速度-时间曲线。所述碰撞曲线缩放流程图如图3所示。
S30，根据所述乘员致伤影响仿真矩阵中的乘员身高值、乘员体重值、座椅位置值以及椅背倾角值对基准的人体有限元模型进行调整，以获得算例乘员模型。步骤S30中，获得算例乘员模型的具体步骤可以为基于人体测量学数据库，将所述乘员致伤影响仿真矩阵中的乘员身高值和乘员体重值转化为身体部位的尺寸参数。根据所述身体部位的尺寸参数、所述乘员致伤影响仿真矩阵中的座椅位置值以及所述乘员致伤影响仿真矩阵中的椅背倾角值，将基准的人体有限元模型调整至目标身材姿态，以获得第一乘员模型。基准的人体有限元模型可以为THUMS(Total Human Model for Safety)，GHBMC等。选取所述第一乘员模型中的部分网格，作为特征点。基于所述特征点，对有限元模型中不同的身体部位分别进行网格修复工作。可以采用径向基算法进行网格修复工作。采用径向基算法可以修复参数化人体模型过程带来的网格质量较低，影响正常计算的问题，高效快捷，为输出预测算法的开发提供关键技术支持。对完成网格修复工作的各个身体部位进行模型拼装，以获得算例乘员模型。有限元人体模型的参数化建模流程如图4所示。
S40，提供基准台车模型，并根据所述基准台车模型获得算例台车模型。
S50，将所述算例乘员模型放入所述算例台车模型中，并根据所述乘员致伤影响仿真矩阵中的安全带限力值，获得所述算例乘员模型和所述算例台车模型之间的约束力，进而获得参数化的车辆-乘员-约束碰撞模型。
S60，根据所述算例碰撞曲线，对所述车辆-乘员-约束系统模型进行碰撞仿真，获得损伤参数，并根据人体伤害准则输出损伤结果。步骤S50中，损伤生物力学研究的人体伤害准则是汽车安全研究的重要理论基础之一。它主要研究在碰撞事故中，人体在惯性力和接触力的作用下各部分组织产生的生物力学响应。生物力学的响应使人体组织超过了可以恢复的限度或导致解剖学组织的破坏，或导致了正常生理功能的变化或丧失，即发生了人体损伤。损伤生物力学的研究内容包括生物力学响应，损伤机理及损伤评价标准。损伤风险评估即模拟人体在碰撞过程中的整体动力学响应，并用人体各部位的伤害准则对计算所得的各部分物理损伤参数进行评价。
本申请通过有限元分析得到不同工况下乘员的损伤程度，对损伤风险的评估包括但不限于如下内容：
(1)头部损伤的评定参数包括HIC(Head Injury Criterion)，BrIC(BrainInjury Criteria)，CSDM(Cumulative Strain Damage Measure)等，HIC为较早的头部的损伤评定参数，用头部的加速度评估头骨损伤风险：
Figure RE-GDA0002190902450000091
其中a(t)为头部质心加速度。但是HIC是基于平动运动的，Takhounts等人在2013年发表文章中，称转动速度是导致脑组织损伤重要因素，并提出了BrIC 指标
Figure RE-GDA0002190902450000092
其中ωx、ωy和ωz为三轴最大的角速度，ωxc、ωyc和ωzc是参照角速度，并给出了以假人、模型、和人体为研究对象的参考角速度值。
(2)胸部伤害的评估方法也分为较多种，在Eppinger等人1999年编纂的“改进的汽车约束系统伤害评估标准”(Development of Improved Injury Criteria for theAssessment of Advanced Automotive Restraint Systems)中就给出了Dmax、 CTI(Combined Thoracic Index)等伤害评估参数的损伤风险函数。
Dmax为胸部最大压缩量，这一参数最早定义为混三假人胸部最中心的最大压缩量。CTI的定义则同时基于胸部最大加速度(Amax)和最大压缩量(Dmax)
Figure RE-GDA0002190902450000093
其中Aint和Dint为参照值。
(3)下肢损伤评价指标
下肢损伤评价指标(Tibia Index，TI)主要用于评估胫骨伤害，可以用小腿骨载荷传感器处固定铰的约束力来计算，在假人中铰链坐标系的定位符合SAE J211/1，轴向力(F)为约束力在纵轴上的分量，关于横轴的约束力矩分量作为弯矩(M)。其定义如下：
Figure RE-GDA0002190902450000094
其中Fc和Mc为参照值
大腿骨损伤准则(Femur Force Criteria，FFC)它用大腿骨上的轴向力来评估，用于评价碰撞对大腿骨的伤害程度。如大腿压缩力3。8kN和胫骨压缩力 8kN分别代表5％骨盆损伤风险和10％胫骨骨折风险。在前碰撞法规中规定大腿骨耐受值为10kN。
(4)全身损伤评价指标
全身损伤评价指标通常为不同体部位损伤的累加，例如只考虑全身受到的最严重的伤害指标MAIS，考虑伤害程度前三的身体部位的损伤指标ISS，以及将损伤转化为经济代价进而考虑所有伤害的方法。
本实施例中，通过选取研究参数形成乘员致伤影响仿真矩阵，可以分析各个影响参数的主效应以及交互效应，实现了参数之间的耦合分析，提高了损伤预测的输出精度。通过参数化有限元建模，可以获得任意工况下的事故仿真模型，且在研究中可以控制变量，在保证大多参数固定的情况下仅改变想要研究的影响参数，弥补了事故数据个体差异大，参数提取缺乏统一标准的缺点。此外，有限元建模方便快捷，为损伤输出预测算法的开发提供数据库。通过有限元仿真的方式输出的损伤可以细化到各个身体部位，有助于在未来交通救助中提供更直接详细的损伤预测结果。
请参见图5，在其中一个实施例中，所述提供基准台车模型，并根据所述基准台车模型获得算例台车模型的具体步骤包括：
提供第一乘员碰撞损伤实验结果和第一乘员参数信息。根据第一乘员参数信息，对基准的人体有限元模型进行调整以获得第一仿真样本。提供基准台车模型，并将所述第一仿真样本放入所述基准台车模型中，进行碰撞仿真，获得所述第一仿真样本的损伤参数。将所述第一仿真样本的损伤参数与所述第一乘员碰撞损伤实验结果进行对比。根据对比结果，对所述基准台车模型的进行调整，以获得算例台车模型。
输入量的不确定度对损伤预测结果的影响，即当输入参数在小幅范围内发生变化时，损伤预测值是否会发生大幅变化。在交通事故中，由于信号采集时间短，采集器自身误差等因素，通常较难得到某参数的精确值，故损伤预测模型不确定度的评估是十分重要的。模型可靠性的评估采用分块验证，多角度验证的方法。首先，商用人体数值模型在其开发阶段已经和试验进行了比对，具备较好的人体生物表征能力。其次，对于车模型，通过仿真与实验对比的方式，比较运动学和力学参数(包括头部加速度，胸部压缩量，腿部截面力等)，验证了其表征的真实车辆的能力。
在其中一个实施例中，所述S50，对所述车辆-乘员-约束系统模型进行碰撞仿真，获得损伤参数，并根据人体伤害准则输出损伤结果的步骤之后还包括：
对所述损伤结果进行归一化处理，获得损伤预测函数，根据所述损伤预测函数的置信度评价所述车辆-乘员-约束系统模型的精度。可以通过选取不同的回归函数对损伤结果进行回归拟合，比较其与仿真结果的偏差，偏差较小者为选定的损伤预测函数。所述损伤预测函数的偏差程度则代表了模型的预测能力，进而可求得函数预测的置信度。在其中一个实施例中，回归函数可以为对数函数或反正切函数。在其中一个实施例中，所述车辆-乘员-约束系统模型的精度评价指标包括相对误差、均方误差、均方误差方根。当这些评价指标均达到理想限制范围内时，就认为所述算例碰撞曲线，以获得参数化的车辆-乘员-约束碰撞模型具有理想的预测精度。
在其中一个实施例中，所述S10，选取乘员致伤影响参数，生成乘员致伤影响仿真矩阵，所述乘员致伤影响参数包括碰撞车速、乘员身高、乘员体重、座椅位置、椅背倾角以及安全带限力的具体步骤包括：
选取乘员致伤影响参数，所述乘员致伤影响参数包括碰撞车速、乘员身高、乘员体重、座椅位置、椅背倾角以及安全带限力。利用正交试验设计，对所述乘员致伤影响参数进行参数配置，进而生成乘员致伤影响仿真矩阵。利用正交试验设计，给各个所述研究参数进行参数配置，形成乘员致伤影响仿真矩阵。正交试验设计，是指研究多因素多水平的一种试验设计方法。根据正交性从全面试验中挑选出部分有代表性的点进行试验，这些有代表性的点具备均匀分散，齐整可比的特点。正交试验设计是分式析因设计的主要方法。当试验涉及的因素在3个或3个以上，而且因素间可能有交互作用时，试验工作量就会变得很大，甚至难以实施。针对这个困扰，正交试验设计无疑是一种更好的选择。可以实现以最少的试验次数达到与大量全面试验等效的结果，因此应用正交表设计试验是一种高效、快速而经济的多因素试验设计方法。
在本例中，共选取了六个影响参数，每个参数的取值有三个水平，如果进行全因子分析(full factor analysis)，则需要进行36(＝729)次仿真，带来较高的时间成本。为了减少时间成本，同时完成损伤的预测，参数的耦合关系分析等，可采用序贯抽样(sequential sampling)的方法。序贯抽样(sequential sampling) 的方法将更多的算例用于回归响应面的高阶区域。序贯抽样可分为两个步骤。第一步是一阶试验设计，可采用正交试验设计(orthogonal experimental design) 的方法，用于之后分析各影响参数的主效应以及交互效应，建立线性或高阶的回归模型，确定非线性较明显的物理量和参数取值区域。第二步是中心复合设计(central composite design)，基于第一步中的分析，在非线性区域中添加试验点，提高该区域非线性预测精度，用于完成高阶区域的回归。所有的研究参数及参数配置将构成损伤研究的乘员致伤影响仿真矩阵。
本申请一个实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中任一项所述的乘员道路交通事故损伤预测方法的步骤。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种乘员道路交通事故损伤预测方法，其特征在于，包括：
S10，选取乘员致伤影响参数，生成乘员致伤影响仿真矩阵，所述乘员致伤影响参数包括碰撞车速、乘员身高、乘员体重、座椅位置、椅背倾角以及安全带限力；
S20，根据所述乘员致伤影响仿真矩阵中的碰撞车速值对基准车辆碰撞曲线进行曲线缩放，以获得算例碰撞曲线；
S30，根据所述乘员致伤影响仿真矩阵中的乘员身高值、乘员体重值、座椅位置值以及椅背倾角值对基准的人体有限元模型进行调整，以获得算例乘员模型；
S40，提供基准台车模型，并根据所述基准台车模型获得算例台车模型；
S50，将所述算例乘员模型放入所述算例台车模型中，并根据所述乘员致伤影响仿真矩阵中的安全带限力值，获得所述算例乘员模型和所述算例台车模型之间的约束力，进而获得参数化的车辆-乘员-约束碰撞模型；
S60，根据所述算例碰撞曲线，对所述车辆-乘员-约束系统模型进行碰撞仿真，获得损伤参数，并根据人体伤害准则输出损伤结果；
所述S30，根据所述乘员致伤影响仿真矩阵中的乘员身高值、乘员体重值、座椅位置值以及椅背倾角值对基准的人体有限元模型进行调整，以获得算例乘员模型的步骤包括：
S320，根据身体部位的尺寸参数、所述乘员致伤影响仿真矩阵中的座椅位置值以及所述乘员致伤影响仿真矩阵中的椅背倾角值，将所述基准的人体有限元模型调整至目标身材姿态，以获得第一乘员模型；
S321，选取所述第一乘员模型中的部分网格，作为特征点；
S322，基于所述特征点，对所述第一乘员模型中不同的身体部位分别进行网格修复工作。
2.根据权利要求1所述的乘员道路交通事故损伤预测方法，其特征在于，所述S20，根据所述乘员致伤影响仿真矩阵中的碰撞车速值对基准车辆碰撞曲线进行曲线缩放，以获得算例碰撞曲线的步骤包括：
S210，选取第一数据库中碰撞速度大于所述乘员致伤影响仿真矩阵中的碰撞车速值的碰撞曲线，作为基准车辆碰撞曲线，并记录下所述基准车辆碰撞曲线的当前碰撞速度；
S220，根据所述基准车辆碰撞曲线，绘制当前碰撞速度下的能量密度-位移曲线和加速度-位移曲线；
S230，根据所述当前碰撞速度下的能量密度-位移曲线，获得所述乘员致伤影响仿真矩阵中的碰撞车速值下车辆的最大位移；
S240，根据所述乘员致伤影响仿真矩阵中的碰撞车速值下车辆的最大位移和所述当前碰撞速度下的加速度-位移曲线，获得所述乘员致伤影响仿真矩阵中的碰撞车速值下的加速度-位移曲线；
S250，根据运动学关系，将所述乘员致伤影响仿真矩阵中的碰撞车速值下的加速度-位移曲线转化为所述乘员致伤影响仿真矩阵中的碰撞车速值下的速度-时间曲线，所述算例碰撞曲线为所述乘员致伤影响仿真矩阵中的碰撞车速值下的速度-时间曲线。
3.根据权利要求1所述的乘员道路交通事故损伤预测方法，其特征在于，所述S30，根据所述乘员致伤影响仿真矩阵中的乘员身高值、乘员体重值、座椅位置值以及椅背倾角值对基准的人体有限元模型进行调整，以获得算例乘员模型的具体步骤还包括：
S310，基于人体测量学数据库，将所述乘员致伤影响仿真矩阵中的乘员身高值和乘员体重值转化为所述身体部位的尺寸参数。
4.根据权利要求3所述的乘员道路交通事故损伤预测方法，其特征在于，所述S320，根据所述身体部位的尺寸参数、所述乘员致伤影响仿真矩阵中的座椅位置值以及所述乘员致伤影响仿真矩阵中的椅背倾角值，将基准的人体有限元模型调整至目标身材姿态，以获得第一乘员模型的步骤之后还包括：
S323，对完成网格修复工作的每个身体部位进行模型拼装，以获得算例乘员模型。
5.根据权利要求1所述的乘员道路交通事故损伤预测方法，其特征在于，所述S40，提供基准台车模型，并根据所述基准台车模型获得算例台车模型的具体步骤包括：
S411，提供第一乘员碰撞损伤实验结果和第一乘员参数信息；
S412，根据第一乘员参数信息，对所述基准的人体有限元模型进行调整以获得第一仿真样本；
S413，提供基准台车模型，并将所述第一仿真样本放入所述基准台车模型中，进行碰撞仿真，获得所述第一仿真样本的损伤参数；
S414，将所述第一仿真样本的损伤参数与所述第一乘员碰撞损伤实验结果进行对比；
S415，根据对比结果，对所述基准台车模型的进行调整，以获得算例台车模型。
6.根据权利要求1所述的乘员道路交通事故损伤预测方法，其特征在于，所述S60，根据所述算例碰撞曲线，对所述车辆-乘员-约束系统模型进行碰撞仿真，获得损伤参数，并根据人体伤害准则输出损伤结果的步骤之后还包括：
对所述损伤结果进行归一化处理，获得损伤预测函数，根据所述损伤预测函数的置信度评价所述车辆-乘员-约束系统模型的精度。
7.根据权利要求6所述的乘员道路交通事故损伤预测方法，其特征在于，所述车辆-乘员-约束系统模型的精度评价指标包括相对误差、均方误差、均方误差方根。
8.根据权利要求6所述的乘员道路交通事故损伤预测方法，其特征在于，采用对数函数或反正切函数对所述损伤结果进行归一化处理。
9.根据权利要求1所述的乘员道路交通事故损伤预测方法，其特征在于，所述S10，选取乘员致伤影响参数，生成乘员致伤影响仿真矩阵，所述乘员致伤影响参数包括碰撞车速、乘员身高、乘员体重、座椅位置、椅背倾角以及安全带限力的具体步骤包括：
S110，选取乘员致伤影响参数，所述乘员致伤影响参数包括碰撞车速、乘员身高、乘员体重、座椅位置、椅背倾角以及安全带限力；
S120，利用正交试验设计，对所述乘员致伤影响参数进行参数配置，进而生成乘员致伤影响仿真矩阵。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的乘员道路交通事故损伤预测方法的步骤。
CN201910609277.7A 2019-07-08 2019-07-08 乘员道路交通事故损伤预测方法 Active CN110377988B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910609277.7A CN110377988B (zh) 2019-07-08 2019-07-08 乘员道路交通事故损伤预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910609277.7A CN110377988B (zh) 2019-07-08 2019-07-08 乘员道路交通事故损伤预测方法

Publications (2)

Publication Number Publication Date
CN110377988A CN110377988A (zh) 2019-10-25
CN110377988B true CN110377988B (zh) 2020-05-22

Family

ID=68252255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910609277.7A Active CN110377988B (zh) 2019-07-08 2019-07-08 乘员道路交通事故损伤预测方法

Country Status (1)

Country Link
CN (1) CN110377988B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110826275B (zh) * 2019-10-31 2020-07-14 清华大学 车辆前舱罩盖设计参数的优化方法
CN111009323B (zh) * 2019-11-12 2023-11-10 河北工业大学 一种基于knn-ann的硬脑膜下血肿损伤预测方法
CN111260484A (zh) * 2020-01-14 2020-06-09 支付宝(杭州)信息技术有限公司 一种人伤识别的数据处理方法、装置、服务器及系统
CN111667580A (zh) * 2020-05-08 2020-09-15 司法鉴定科学研究院 一种颅底骨折的致伤方式重建系统及方法
CN112208541A (zh) * 2020-10-13 2021-01-12 清华大学 智慧乘员舱的参数化确定方法、装置和计算机设备
CN112989494A (zh) * 2021-04-15 2021-06-18 中车青岛四方机车车辆股份有限公司 一种基于轨道列车的车体碰撞仿真方法及装置
CN113487075A (zh) * 2021-06-29 2021-10-08 东风汽车集团股份有限公司 一种车辆事故乘员伤害预测方法、系统及电子设备
CN114418200B (zh) * 2021-12-31 2023-04-21 清华大学 车型特异性乘员损伤预测模型训练方法及装置
CN116881768B (zh) * 2023-06-21 2024-03-12 清华大学 数据处理方法、装置、计算机设备和存储介质
CN117744421A (zh) * 2023-11-10 2024-03-22 中山大学 一种飞行汽车海上迫降乘员损伤评价方法、系统及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103279795A (zh) * 2013-06-13 2013-09-04 中南大学 一种乘员碰撞损伤的预测方法
CN104802743A (zh) * 2014-01-28 2015-07-29 上海汽车集团股份有限公司 气囊展开控制方法和装置
CN106476736A (zh) * 2016-10-25 2017-03-08 江苏大学 一种基于体重指数的汽车新型安全气囊系统装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT1400364B1 (it) * 2010-06-07 2013-05-31 Ferrari Spa Metodo di controllo di un veicolo stradale in caso di urto e veicolo stradale funzionante secondo tale metodo di controllo.
US20130158809A1 (en) * 2011-12-15 2013-06-20 Ford Global Technologies, Llc Method and system for estimating real-time vehicle crash parameters
CN106599430B (zh) * 2016-12-07 2020-03-31 江苏大学 基于能量分析的乘员约束系统优化方法
CN108520558A (zh) * 2018-04-12 2018-09-11 重庆大学 基于自适应rbf网格变形技术的特征人体有限元建模方法
CN109649316A (zh) * 2018-11-28 2019-04-19 江苏大学 一种基于车辆碰撞类事故的呼救系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103279795A (zh) * 2013-06-13 2013-09-04 中南大学 一种乘员碰撞损伤的预测方法
CN104802743A (zh) * 2014-01-28 2015-07-29 上海汽车集团股份有限公司 气囊展开控制方法和装置
CN106476736A (zh) * 2016-10-25 2017-03-08 江苏大学 一种基于体重指数的汽车新型安全气囊系统装置

Also Published As

Publication number Publication date
CN110377988A (zh) 2019-10-25

Similar Documents

Publication Publication Date Title
CN110377988B (zh) 乘员道路交通事故损伤预测方法
Xu et al. Development and validation of dummies and human models used in crash test
Vavalle et al. Lateral impact validation of a geometrically accurate full body finite element model for blunt injury prediction
Arun et al. Evaluation of kinematics and injuries to restrained occupants in far-side crashes using full-scale vehicle and human body models
CN110766213A (zh) 汽车乘员碰撞损伤预测方法及计算机设备
Fernandes et al. Head injury simulation in road traffic accidents
Linder et al. Average male and female virtual dummy model (BioRID and EvaRID) simulations with two seat concepts in the Euro NCAP low severity rear impact test configuration
Kimpara et al. Development and validation of THUMS version 5 with 1D muscle models for active and passive automotive safety research
Gong et al. Computational simulation of the human head response to non-contact impact
Jones et al. A semi-automated approach to real world motor vehicle crash reconstruction using a generic simplified vehicle buck model
Forman et al. A method for thoracic injury risk function development for human body models
KRABBEL et al. Development of a finite element model of the human skull
Wismans et al. Computational human body models
US20030036892A1 (en) System for analyzing occupant motion during a vehicle crash
Ye et al. Automated analysis of driver response in a finite element crash test reconstruction
Moreau et al. Development of an injury risk function for the anterior pelvis under frontal lap belt loading conditions
Cappetti et al. Design of experiment about foam CF45 for pedestrian safety in car design
Kuznetcov et al. Numerical parametric study on factors affecting passenger safety in motorcoach frontal collision
Garelli Side impact crash studied with FE simulation and Human Body Model
Ressi et al. Protection challenges in seat positions with large rearward adjustment in frontal collisions: An approach using stochastic human body model simulations
Blanchard et al. Study of the static and dynamic behaviour of PU foam: from the material sample to the automotive seat.
Fountain et al. Mathematical modelling of the BioSID dummy
Zhang et al. The effectiveness of Q6 and PIPER 6-year-old models on quantification of the change of child sitting posture with AEB and its impact on child’s injures in frontal crash
Yu Finite element analysis of passenger multiple belt restraint configurations
Verhoeve et al. Final report tasl 1: HIC & improved head injury criteria

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant