CN113085770A - 基于bp神经网络算法的特殊安全气囊控制方法 - Google Patents

基于bp神经网络算法的特殊安全气囊控制方法 Download PDF

Info

Publication number
CN113085770A
CN113085770A CN202110404133.5A CN202110404133A CN113085770A CN 113085770 A CN113085770 A CN 113085770A CN 202110404133 A CN202110404133 A CN 202110404133A CN 113085770 A CN113085770 A CN 113085770A
Authority
CN
China
Prior art keywords
neural network
output
collision
airbag
vehicle
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.)
Pending
Application number
CN202110404133.5A
Other languages
English (en)
Inventor
陈子龙
肖凌云
张逢源
胡雪婉
史艳筠
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.)
Xihua University
China National Institute of Standardization
Original Assignee
Xihua University
China National Institute of Standardization
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 Xihua University, China National Institute of Standardization filed Critical Xihua University
Priority to CN202110404133.5A priority Critical patent/CN113085770A/zh
Publication of CN113085770A publication Critical patent/CN113085770A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0136—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to actual contact with an obstacle, e.g. to vehicle deformation, bumper displacement or bumper velocity relative to the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R2021/0002—Type of accident
    • B60R2021/0004—Frontal collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R2021/0002—Type of accident
    • B60R2021/0006—Lateral collision

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Mechanical Engineering (AREA)
  • Air Bags (AREA)

Abstract

本发明涉及汽车安全气囊控制技术领域，具体涉及基于BP神经网络算法的特殊安全气囊控制方法。具体技术方案为：基于BP神经网络算法的特殊安全气囊控制方法，通过车辆上的安全气囊控制器实时对压力应变片的电压值进行处理，当发生事故时，输出碰撞类型并起爆相应的安全气囊。本发明解决了现有技术中针对特殊碰撞事故安全气囊未弹出的问题。

Description

基于BP神经网络算法的特殊安全气囊控制方法
技术领域
本发明涉及汽车安全气囊控制技术领域，具体涉及基于BP神经网络算法的特殊安全气囊控制方法。
背景技术
目前无人驾驶汽车的安全气囊弹出判断装置与传统汽车一致，均采用在车身上设置多个加速度传感器，然后在一定时间内对加速度值进行积分计算，以判断车辆是否在事故时出现了某个方向的加速度急剧变化，从而弹出安全气囊；例如在汽车不同位置处分别设置1个或2个汽车纵向加速度传感器、横向加速度传感器、垂向加速度传感器，然后分别采集不同方向的加速度值，再根据不同方向的加速度值进行相关计算处理，然后进行判断过程。
但是现有的弹出判断装置对某些特殊情况下的交通事故出现了车辆受损较为严重、人员受伤但是气囊未弹出的现象。
如，2020年4月某国产品牌电动SUV在行驶过程中与前方货车发生追尾，如图1、图2所示，碰撞位置为SUV的右侧A柱位置与货车后下部防护装置横梁，碰撞后SUV的A柱发生明显变形，但车内安全气囊未弹出，造成驾驶员受伤。
分析上述事故原因，驾驶员在碰撞前踩下刹车，使车辆有一定程度减速，碰撞时前方货车也处于行驶状态，使得SUV车辆的纵向加速度变化没有达到预定值；且碰撞位置发生在A柱位置，碰撞产生的冲击力经A柱向乘员舱内传导至驾驶员处，而并没有向下传导，使得安装在发动机舱内部的纵向加速度传感器没有接收到触发信号，使得安全气囊未弹出。
如图3所示的，2020年5月另一SUV轿车在弯道转向时由于转向不足发动机舱一侧与道路发生碰撞，碰撞后车辆与护栏擦挂后停车，车内人员受伤，但安全气囊未弹出，厂家回复意见为碰撞角度非正面碰撞，且碰撞后汽车并未立即停车，而是减速停车，使得加速度传感器计算参数中纵向(X轴)加速度变化未达到预定值，且横向加速度(Y轴)变化未达到触发阈值。事故后对该车辆进行受损检查，发现散热器水箱破损、大灯破损，转向器支架断裂，说明车辆受到的冲击力实际较大，而安全气囊未弹出造成了驾驶员受伤。
以上两个事故可以看出，现有的多个方向的加速度传感器组合的方式，对于车辆正面碰撞，或是车辆碰撞后速度急剧减小的情况可以有效判断；但是对于碰撞位置特殊(立柱)，碰撞后一部分车身吸收了碰撞能量，导致传感器附近受力较小等特殊的碰撞事故情况可能存在误判；或者当车辆碰撞后没有立即停驶，而是碰撞后减速向另一侧行驶的情况，该情况下加速度变化可能达不到预定值，同样可能存在误判。
另外，传统汽车不同位置处分别设置不同方向加速度传感器的做法是为了节约成本，而随之陀螺仪(三轴加速度传感器)成本的降低，现在的汽车实际上更适合使用陀螺仪来代替传统的多个加速度传感器。
发明内容
针对现有技术的不足，本发明提供了基于BP神经网络算法的特殊安全气囊控制方法，解决了现有技术中针对特殊碰撞事故安全气囊未弹出的问题。
为实现以上目的，本发明通过以下技术方案予以实现：
本发明公开了基于BP神经网络算法的特殊安全气囊控制方法，在车身上设置若干个长度各不相同的压力应变片，在一定时间窗内，所有压力应变片的电压值根据平方累计叠加法进行计算，公式如下：
Figure BDA0003021238040000021
其中，Rm为积分量，Um为第m个压力应变片的电压值；n为当前时间点，k为采样点数，即积分窗宽，fs为采样频率；
然后将设置有若干个压力应变片的试验车辆进行不同类型的碰撞试验，采集碰撞过程中各点位的Rm值，将其作为输入特征，将安全气囊是否弹出作为输出特征，在输入特征和输出特征之间建立多层BP神经网络模型进行深度学习，分析出多个不同的Rm值对应的不同类型的交通事故时是否需要弹出安全气囊，即不同的Rm值对应于安全气囊是否弹出；并且，当试验车辆同类型的车辆实际发生交通事故后，对该交通事故是否需要弹出气囊进行事后判断，将事后判断的结果作为新的输出特征，重新进行深度学习。
优选的，所述BP神经网络模型有m个输入，其中m为压力应变片数量，三个输出，BP神经网络模型的层次分为四层，包括一个输入层、一个输出层和两个隐含层；其中，输入层的节点数为m，输出层的节点数为3个，两个隐含层的节点数分别为2个和3个，同层节点具有相似功能；
输入层：该层输入变量为汽车各个部位的压力应变片的电压值积分Rm；
第一隐含层：将权值初始化，给所有权值wi、hi、vi赋予在(-0.5,+0.5)上分布的随机数；
Figure BDA0003021238040000031
其中，wi为对应于Rm的权值；f(x)＝(1+e-x)-1；
第二隐含层：
Figure BDA0003021238040000032
其中，hi为对应于Hi的权值；f(x)＝(1+e-x)-1；
输出层：输出的Yi值取±a作为判断安全气囊弹出的区间，a为调节参数；
Figure BDA0003021238040000033
其中，vi为对应于Ki的权值；f(x)＝(1+e-x)-1；
通过对上述BP神经网络模型进行训练，将不同速度下的车辆碰撞数据和碰撞类型作为输入-输出的训练数据，得到输出层的三个特征参数Y1、Y2、Y3；然后将此模型通过代码转换移植到碰撞类型识别电路中，通过识别电路实时对应变片压力特征参数进行处理，当发生碰撞事故时，输出碰撞类型并引爆相应安全气囊。
优选的，当输出的Yi属于Y1区间时，同时引爆正、侧面安全气囊；
当输出的Yi值属于Y2区间时，引爆正面安全气囊；
当输出的Yi值属于Y3区间时，引爆侧面安全气囊。
相应的，基于BP神经网络算法的特殊安全气囊控制系统，包括沿车辆纵向中心平面左右对称设置的若干个压力应变片，每个所述压力应变片的信号输出线与A/D转换器的信号输入端连接，所述A/D转换器的信号输出端与安全气囊控制器的信号输入端通信连接。
优选的，所述压力应变片在车辆前保险杠横梁表面设置至少3个、在发动机舱内两侧前翼子板梁表面或纵梁表面设置至少2个、在车辆A、B、C柱位于乘员舱的内侧面分别设置至少2个、在乘员舱两侧车门内防撞梁表面沿防撞梁长度方向分别设置至少2个、在车辆后保险杠横梁表面设置至少3个。
优选的，还包括设置在车辆上的呈“几”字形的压板，所述压板的凹陷内设置有长方板，所述长方板的两端分别设置有环形凹槽，所述环形凹槽内设置有环形卡箍，所述环形卡箍位于所述压板的凹陷内，所述长方板上沿其长度方向设置的通槽内滑动设置有压力应变片。
本发明具备以下有益效果：
本发明在三轴加速度传感器判断的基础上，在车身不同位置布置压力应变片单元，可以对车辆发生碰撞事故时车身受到撞击后的变形量进行监测，有效提高了车辆在斜向碰撞、立柱碰撞等特殊碰撞事故发生时安全气囊的引爆判断准确性；而当车辆同时存在车身局部变形和加速度有一定变化时，还可以通过三轴加速度传感器与压力应变片单元同时监测判断，适应更多的复杂交通事故，判断结果也更加准确。
附图说明
图1为某SUV与货车发生追尾碰撞事故俯视图；
图2为图1正视图；
图3为某SUV与道路发生侧碰后车辆损毁照片；
图4为压力应变片组在车辆上的安装位置示意图；
图5为图4的俯视图；
图6为压力应变片与A/D转换器的连接结构示意图；
图7为图6中A-A向视图；
图8为安全气囊控制器电路连接示意图；
图9为基于BP神经网络示意图；
图10为基于BP神经网络的安全气囊弹出判断算法流程图；
图中：安全气囊控制器001、点火器003、驾驶位安全气囊004、副驾驶位安全气囊005、驾驶位侧气帘006、副驾驶位侧气帘007、行车电脑009、压力应变片1、长方板2、环形卡箍3、压板4、A/D转换器5、第一压力应变片组10、第二压力应变片组20、第三压力应变片组30、第四压力应变片组40、第五压力应变片组50。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
若未特别指明，实施举例中所用的技术手段为本领域技术人员所熟知的常规手段。
参考图4-图8，本发明公开了基于BP神经网络算法的特殊安全气囊控制系统，包括沿车辆纵向中心平面左右对称设置的若干个压力应变片1，每个压力应变片1的长度均不相同，即不同长度的压力应变片1的电阻值大小不同。每个压力应变片1的信号输出线与A/D转换器5的信号输入端连接，A/D转换器5的信号输出端与安全气囊控制器001的信号输入端通信连接。
进一步的，压力应变片1在车辆前保险杠横梁表面设置至少3个、在发动机舱内两侧前翼子板梁表面或纵梁表面设置至少2个、在车辆A、B、C柱位于乘员舱的内侧面分别设置至少2个、在乘员舱两侧车门内防撞梁表面沿防撞梁长度方向分别设置至少2个、在车辆后保险杠横梁表面设置至少3个。为了便于描述，设置在车辆前保险杠横梁表面、沿车辆横向方向的数个压力应变片1为第一压力应变片组10；设置在发动机舱内两侧前翼子板梁表面或纵梁表面的数个压力应变片1为第二压力应变片组20；车辆A、B、C柱位于乘员舱的内侧面分别设置的数个压力应变片1为第三压力应变片组30；乘员舱两侧车门内防撞梁表面沿防撞梁长度方向分别设置的数个压力应变片1为第四压力应变片组40；车辆后保险杠横梁表面沿汽车横向方向设置的数个压力应变片1为第五压力应变片组50。其中，所有的压力应变片1之间相离设置。
进一步的，在压力应变片1中，每个压力应变片1分别放置在长条形长方板2中，即长方板2中沿其长度方向设置有长方形或燕尾形的通槽，压力应变片1设置在通槽内，并能够在沿长方板2内略微滑动。长方板2的两端设置有环形凹槽，环形凹槽内卡入环形卡箍3，车辆上设置有呈“几”字形的长条形的压板4，其长度方向上的两端封闭，长方板2和环形卡箍3均设置在压板4的凹陷内，压板4优选为塑料材质，压板4的底面通过卡扣或粘结的方式与车身固定。
当压力应变片1所在的车辆车身骨架受到碰撞而产生变形时，被撞击位置上的压力应变片1会出现电压增大的情况，根据该电压增大的幅度，即可知道相应位置的汽车骨架的变形程度，从而对是否需要安全气囊点火进行判断。
进一步的，压力应变片1为BX120-3AA型免焊接应变片或宇博智能RFP-ZHII薄膜压力传感器或fsr0-500g压电片；A/D转换器5为ADC0832CCN双通道AD模数转换器芯片或ADS1115模数AD转换模块或CS5530ISZ 24位A/D转换器；安全气囊控制器001为AT89C52单片机或STM32单片机或三菱PLC工控机。
在上述公开的控制系统安装完成后，就可以通过神经网络模型进行训练，在车辆发生碰撞后，即可输出碰撞类型并引爆相应的安全气囊。
安全气囊控制方法为：通过车辆上的安全气囊控制器001实时对压力应变片1的电压值Um进行处理，当发生事故时，输出碰撞类型并引爆相应的安全气囊。
具体为：在车辆启动后，车辆行车电脑009向安全气囊控制器001发送启动信号，安全气囊控制器001开始实时接收所有压力应变片1的电压值U1、U2、U3……Um。压力应变片的长度不同，其电压值也不相同。
具体的判断方法为：
通过在车身上设置若干个长度各不相同的压力应变片1，在一定时间窗内，所有压力应变片的电压值根据平方累计叠加法进行计算，公式如下：
Figure BDA0003021238040000071
其中，Rm为积分量，Um为第m个压力应变片的电压值；n为当前时间点，k为采样点数，即积分窗宽，fs为采样频率。
然后将设置有若干个压力应变片的试验车辆进行不同类型的碰撞试验，采集碰撞过程中各点位的Rm值，将其作为输入特征，将安全气囊是否弹出作为输出特征，在输入特征和输出特征之间建立多层BP神经网络模型进行深度学习，分析出多个不同的Rm值对应的不同类型的交通事故时是否需要弹出安全气囊，即不同的Rm值对应于安全气囊是否弹出；并且，当试验车辆同类型的车辆实际发生交通事故后，对该交通事故是否需要弹出气囊进行事后判断，将事后判断的结果作为新的输出特征，重新进行深度学习。
本发明能够对特殊的碰撞事故进行相应的判断，例如车身某处碰撞后变形量较大，而车辆本身速度没有急剧变化的情况，包括侧面斜向碰撞、车辆与货车后下部追尾等情况。此时，需要根据建立的BP神经网络模型，输入压力应变片1的电压值积分量进行判断。
参考图9所示，BP神经网络模型有m(m为压力应变片的数量)个输入，三个输出，BP神经网络模型的层次分为四层，包括一个输入层、一个输出层和两个隐含层；其中，输入层的节点数为m，输出层的节点数为3个，两个隐含层的节点数分别为2个和3个，同层节点具有相似功能。
输入层：该层输入变量为汽车各个部位的压力应变片的电压值积分Rm。
第一隐含层：将权值初始化，给所有权值wi、hi、vi赋予在(-0.5,+0.5)上分布的随机数；
Figure BDA0003021238040000081
其中，wi为对应于Rm的权值；f(x)＝(1+e-x)-1；
第二隐含层：
Figure BDA0003021238040000082
其中，hi为对应于Hi的权值；f(x)＝(1+e-x)-1；
输出层：输出的Yi值取±a作为判断安全气囊弹出的区间，a为调节参数；
Figure BDA0003021238040000083
其中，vi为对应于Ki的权值；f(x)＝(1+e-x)-1；
通过对上述BP神经网络模型进行训练，将不同速度下的车辆碰撞数据和碰撞类型作为输入-输出的训练数据，得到输出层的三个特征参数Y1、Y2、Y3；然后将此模型通过代码转换移植到碰撞类型识别电路中，通过识别电路实时对应变片压力特征参数进行处理，当发生碰撞事故时，输出碰撞类型并引爆相应安全气囊。
参考图10所示，安全气囊弹出的条件为：当输出的Yi属于Y1区间时，同时引爆正、侧面安全气囊；即安全气囊控制器001向驾驶位安全气囊004、副驾驶位安全气囊005、驾驶位侧气帘006和副驾驶位侧气帘007各自的点火器003发送点火信号进行引爆。
当输出的Yi值属于Y2区间时，引爆正面安全气囊；即安全气囊控制器001向驾驶位安全气囊004和副驾驶位安全气囊005各自的点火器003发送点火信号进行引爆。
当输出的Yi值属于Y3区间时，引爆侧面安全气囊，即安全气囊控制器001向驾驶位侧气帘006和副驾驶位侧气帘007各自的点火器003发送点火信号进行引爆。
本发明将安全气囊的点火判断逻辑中加入了压力应变片参数判断步骤后，当汽车不同位置受到撞击时，即使车辆本身的加速度传感器无法正确判断，汽车车身碰撞位置变形后，同样可以满足相应的触发条件，例如汽车行驶时与路边护栏斜碰后，汽车减速行驶其加速度值变化幅度较低，但是车身翼子板碰撞后发生了变形，使得翼子板处的压力应变片电压值增大，从而触发相应的安全气囊点火。
本发明通过在车身不同位置布置压力应变片单元，可以对车辆发生碰撞事故时车身受到撞击后的变形量进行监测，有效提高了车辆在斜向碰撞、立柱碰撞等特殊碰撞事故发生时安全气囊的引爆判断准确性。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (6)

1.基于BP神经网络算法的特殊安全气囊控制方法，其特征在于：在车身上设置若干个长度各不相同的压力应变片，在一定时间窗内，所有压力应变片的电压值根据平方累计叠加法进行计算，公式如下：
Figure FDA0003021238030000011
其中，Rm为积分量，Um为第m个压力应变片的电压值；n为当前时间点，k为采样点数，即积分窗宽，fs为采样频率；
然后将设置有若干个压力应变片的试验车辆进行不同类型的碰撞试验，采集碰撞过程中各点位的Rm值，将其作为输入特征，将安全气囊是否弹出作为输出特征，在输入特征和输出特征之间建立多层BP神经网络模型进行深度学习，分析出多个不同的Rm值对应的不同类型的交通事故时是否需要弹出安全气囊，即不同的Rm值对应于安全气囊是否弹出；并且，当试验车辆同类型的车辆实际发生交通事故后，对该交通事故是否需要弹出气囊进行事后判断，将事后判断的结果作为新的输出特征，重新进行深度学习。
2.根据权利要求1所述的基于BP神经网络算法的特殊安全气囊控制方法，其特征在于：所述BP神经网络模型有m个输入，其中m为压力应变片数量，三个输出，BP神经网络模型的层次分为四层，包括一个输入层、一个输出层和两个隐含层；其中，输入层的节点数为m，输出层的节点数为3个，两个隐含层的节点数分别为2个和3个，同层节点具有相似功能；
输入层：该层输入变量为汽车各个部位的压力应变片的电压值积分Rm；
第一隐含层：将权值初始化，给所有权值wi、hi、vi赋予在(-0.5,+0.5)上分布的随机数；
Figure FDA0003021238030000012
其中，wi为对应于Rm的权值；f(x)＝(1+e-x)-1；
第二隐含层：
Figure FDA0003021238030000021
其中，hi为对应于Hi的权值；f(x)＝(1+e-x)-1；
输出层：输出的Yi值取±a作为判断安全气囊弹出的区间，a为调节参数；
Figure FDA0003021238030000022
其中，vi为对应于Ki的权值；f(x)＝(1+e-x)-1；
通过对上述BP神经网络模型进行训练，将不同速度下的车辆碰撞数据和碰撞类型作为输入-输出的训练数据，得到输出层的三个特征参数Y1、Y2、Y3；然后将此模型通过代码转换移植到碰撞类型识别电路中，通过识别电路实时对应变片压力特征参数进行处理，当发生碰撞事故时，输出碰撞类型并引爆相应安全气囊。
3.根据权利要求2所述的基于BP神经网络算法的特殊安全气囊控制方法，其特征在于：
当输出的Yi属于Y1区间时，同时引爆正、侧面安全气囊；
当输出的Yi值属于Y2区间时，引爆正面安全气囊；
当输出的Yi值属于Y3区间时，引爆侧面安全气囊。
4.基于BP神经网络算法的特殊安全气囊控制系统，其特征在于：包括沿车辆纵向中心平面左右对称设置的若干个压力应变片(1)，每个所述压力应变片(1)的信号输出线与A/D转换器(5)的信号输入端连接，所述A/D转换器(5)的信号输出端与安全气囊控制器(001)的信号输入端通信连接。
5.根据权利要求4所述的基于BP神经网络算法的特殊安全气囊控制系统，其特征在于：所述压力应变片(1)在车辆前保险杠横梁表面设置至少3个、在发动机舱内两侧前翼子板梁表面或纵梁表面设置至少2个、在车辆A、B、C柱位于乘员舱的内侧面分别设置至少2个、在乘员舱两侧车门内防撞梁表面沿防撞梁长度方向分别设置至少2个、在车辆后保险杠横梁表面设置至少3个。
6.根据权利要求5所述的基于BP神经网络算法的特殊安全气囊控制系统，其特征在于：还包括设置在车辆上的呈“几”字形的压板(4)，所述压板(4)的凹陷内设置有长方板(2)，所述长方板(2)的两端分别设置有环形凹槽，所述环形凹槽内设置有环形卡箍(3)，所述环形卡箍(3)位于所述压板(4)的凹陷内，所述长方板(2)上沿其长度方向设置的通槽内滑动设置有压力应变片(1)。
CN202110404133.5A 2021-04-15 2021-04-15 基于bp神经网络算法的特殊安全气囊控制方法 Pending CN113085770A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110404133.5A CN113085770A (zh) 2021-04-15 2021-04-15 基于bp神经网络算法的特殊安全气囊控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110404133.5A CN113085770A (zh) 2021-04-15 2021-04-15 基于bp神经网络算法的特殊安全气囊控制方法

Publications (1)

Publication Number Publication Date
CN113085770A true CN113085770A (zh) 2021-07-09

Family

ID=76677559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110404133.5A Pending CN113085770A (zh) 2021-04-15 2021-04-15 基于bp神经网络算法的特殊安全气囊控制方法

Country Status (1)

Country Link
CN (1) CN113085770A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3125608A1 (fr) * 2021-07-26 2023-01-27 Psa Automobiles Sa Procédé de génération d’une base de données pour l’entrainement d’un réseau de neurones artificiels destiné à être implémenté à bord d’un véhicule automobile afin de détecter des chocs de faible intensité

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0924795A (ja) * 1995-07-11 1997-01-28 Sensor Technol Kk 車両の側面衝突判別装置
JPH09272398A (ja) * 1996-04-10 1997-10-21 Nissan Motor Co Ltd 側突エアバッグ制御装置
GB2330935A (en) * 1997-10-31 1999-05-05 Automotive Tech Int Method and apparatus for sensing a vehicle crash using neural networks
EP0978425A1 (de) * 1998-08-06 2000-02-09 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Auslösung von mindestens einem Airbag mittels drucksensitiver Sensoren
US6530597B1 (en) * 1997-09-11 2003-03-11 Siemens Aktiengesellschaft Device for protecting vehicle occupants in a motor vehicle
US20040007859A1 (en) * 1999-09-27 2004-01-15 Shields Anne Marie Method and system of actuating a deployment of a vehicle restraint system
CN101045441A (zh) * 2006-03-31 2007-10-03 株式会社电装 车辆碰撞检测系统
US20090306857A1 (en) * 2008-06-06 2009-12-10 Katz Beverly M Automotive impact sensing system
US20100179731A1 (en) * 2009-01-15 2010-07-15 Ford Global Technologies, Llc System and method for performing vehicle side impact sensing with unit area impulse technique
CN103303237A (zh) * 2013-06-21 2013-09-18 湖南大学 一种基于遗传神经网络的安全气囊起爆控制方法
CN107848478A (zh) * 2015-07-10 2018-03-27 宝马股份公司 低速碰撞的自动识别和评估
CN110316131A (zh) * 2018-03-30 2019-10-11 北京钛方科技有限责任公司 车辆碰撞防护方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0924795A (ja) * 1995-07-11 1997-01-28 Sensor Technol Kk 車両の側面衝突判別装置
JPH09272398A (ja) * 1996-04-10 1997-10-21 Nissan Motor Co Ltd 側突エアバッグ制御装置
US6530597B1 (en) * 1997-09-11 2003-03-11 Siemens Aktiengesellschaft Device for protecting vehicle occupants in a motor vehicle
GB2330935A (en) * 1997-10-31 1999-05-05 Automotive Tech Int Method and apparatus for sensing a vehicle crash using neural networks
EP0978425A1 (de) * 1998-08-06 2000-02-09 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Auslösung von mindestens einem Airbag mittels drucksensitiver Sensoren
US20040007859A1 (en) * 1999-09-27 2004-01-15 Shields Anne Marie Method and system of actuating a deployment of a vehicle restraint system
CN101045441A (zh) * 2006-03-31 2007-10-03 株式会社电装 车辆碰撞检测系统
US20090306857A1 (en) * 2008-06-06 2009-12-10 Katz Beverly M Automotive impact sensing system
US20100179731A1 (en) * 2009-01-15 2010-07-15 Ford Global Technologies, Llc System and method for performing vehicle side impact sensing with unit area impulse technique
CN103303237A (zh) * 2013-06-21 2013-09-18 湖南大学 一种基于遗传神经网络的安全气囊起爆控制方法
CN107848478A (zh) * 2015-07-10 2018-03-27 宝马股份公司 低速碰撞的自动识别和评估
CN110316131A (zh) * 2018-03-30 2019-10-11 北京钛方科技有限责任公司 车辆碰撞防护方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张鹏飞等: "大载重气囊缓冲性能分析及多目标优化", 《振动与冲击》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3125608A1 (fr) * 2021-07-26 2023-01-27 Psa Automobiles Sa Procédé de génération d’une base de données pour l’entrainement d’un réseau de neurones artificiels destiné à être implémenté à bord d’un véhicule automobile afin de détecter des chocs de faible intensité

Similar Documents

Publication Publication Date Title
US10407015B2 (en) Restraint system
US9457752B2 (en) Vehicle collision determination apparatus
US12083985B2 (en) Vehicle safety system implementing integrated active-passive front impact control algorithm
CN103395401B (zh) 汽车尾部安全气囊系统
US6609053B1 (en) Method and apparatus for sensing a vehicle crash
CN101804800A (zh) 一种汽车正面碰撞主动保护系统
US12071089B2 (en) Passive pedestrian protection system utilizing inputs from active safety system
CN113677566B (zh) 用于自动驾驶车辆的低冲击检测
CN113085770A (zh) 基于bp神经网络算法的特殊安全气囊控制方法
DE202018104678U1 (de) Am Fahrzeugrahmen angebrachte auslösbare Metalltasche zum Abschwächen von Seitenaufprallkollisionseindringungen
JPH0656000A (ja) 衝突検出装置
CN104670145A (zh) 提供汽车安全缓冲的方法和装置
US20060162982A1 (en) Device for recognising an obstacle underride
CN205344790U (zh) 一种汽车防碰撞加强结构及汽车
Wilson et al. Rollover testing
CN113147648B (zh) 无人驾驶汽车点阵式安全气囊弹出判断系统及判断方法
CN213354413U (zh) 一种后排乘员的气囊保护装置
CN210310315U (zh) 汽车行驶安全性能提升组件
CN114426002A (zh) 车辆保险杠总成
CN212766095U (zh) 一种自动控制防撞缓冲装置
CN112172724A (zh) 使安全气囊起爆的方法
CN111791822A (zh) 车窗打破设备
CN114872656B (zh) 车辆乘员安全保护系统及控制方法
CN114834382B (zh) 一种车辆碰撞安全防护系统和方法
CN219244996U (zh) 一种汽车追尾卡车后防撞装置的碰撞试验系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210709