CN115017649A - 基于细胞单元法的交通事故中车辆变形碰撞能量计算方法 - Google Patents

基于细胞单元法的交通事故中车辆变形碰撞能量计算方法 Download PDF

Info

Publication number
CN115017649A
CN115017649A CN202210718498.XA CN202210718498A CN115017649A CN 115017649 A CN115017649 A CN 115017649A CN 202210718498 A CN202210718498 A CN 202210718498A CN 115017649 A CN115017649 A CN 115017649A
Authority
CN
China
Prior art keywords
vehicle
deformation
cell unit
collision
accident
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.)
Withdrawn
Application number
CN202210718498.XA
Other languages
English (en)
Inventor
陈子龙
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
Original Assignee
Xihua 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 Xihua University filed Critical Xihua University
Priority to CN202210718498.XA priority Critical patent/CN115017649A/zh
Publication of CN115017649A publication Critical patent/CN115017649A/zh
Withdrawn legal-status Critical Current

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
    • G06F30/17—Mechanical parametric or variational design
    • 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]
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于交通事故信息技术领域，具体涉及基于细胞单元法的交通事故中车辆变形碰撞能量计算方法。将汽车模型划分为无数个连续的细胞单元，将每个细胞单元定义一个刚度系数，基于发生变形的细胞单元的刚度系数、变形量，求出车辆碰撞变形部位吸收的能量，该方法计算精度较高，不需要复杂的建模过程，计算时间快；在前期采用真实事故车辆作为事故车辆模型，测量发生变形区域内的细胞单元数量及变形量，基于这些数据计算发生变形的细胞单元的刚度系数，赋予细胞单元刚度系数一定的真实性，使得计算的车辆碰撞变形部位吸收的能量更加接近真实数据。

Description

基于细胞单元法的交通事故中车辆变形碰撞能量计算方法
本申请是申请号为：202110258827.2，申请日：2021-03-10，专利名称“交通事故中车辆变形碰撞能量快速计算系统及计算方法”的发明专利的分案申请。
技术领域
本发明属于交通事故信息技术领域，具体涉及基于细胞单元法的交通事故中车辆变形碰撞能量计算方法。
背景技术
大部分交通事故为汽车碰撞事故，碰撞事故具有以下特点：车辆之间互相交换能量，碰撞部位容易出现损坏(塑性变形)，碰撞车辆出现互相排斥现象(弹性变形)，满足动量守恒和能量守恒定律。对于交通事故责任划分，计算车辆碰撞前后车速是非常关键的因素，碰撞前的车速可根据车辆变形吸收的能量、碰撞后车辆的速度求出；碰撞后的车速可根据地面刹车痕迹、车辆碰撞后运动的轨迹推算。
目前，车辆碰撞时变形吸收的能量计算方法有两种。
一种方法是二维简化计算模型，给定一个固定刚度，测量事故中车辆碰撞时变形部位的变形尺寸，根据变形尺寸和车辆的固定刚度计算吸收能量，该方法计算过程简单快速，但不同类型车辆的固定刚度差别很大，且由于车辆实际结构复杂，不同部位的刚度实际上不相同，即车辆是一个非线性的变刚度结构。
另一种方法是使用PC-CRASH软件仿真，该软件将车辆各个部分的零件进行建模，并给各个零件总成一个单独的刚度系数，碰撞时根据多刚体动力学方式进行仿真计算，求出车辆碰撞变形部位吸收的能量，该方法计算精度较高，但需要对车辆的各总成进行精确建模，建模过程较复杂，计算时间和难度非常大，前期需要相关专业人员花费大量时间和精力，后期的计算过程也需要相关的专业知识才能进行，且目前进行交通事故鉴定的现场工作人员的知识储备一般无法满足计算要求。
发明内容
本发明的目的是提供基于细胞单元法的交通事故中车辆变形碰撞能量计算方法。
为实现上述发明目的，本发明所采用的技术方案是：基于细胞单元法的交通事故中车辆变形碰撞能量计算方法，选择已知事故车辆，根据车辆碰撞前速度、碰撞后速度计算碰撞过程中因变形损失的能量，将已知事故车辆划分为数个连续的细胞单元，测量变形细胞单元的数量及其对应的变形量，将损失能量作为训练样本，利用CNN卷积神经网络算法计算变形细胞单元的刚度系数；选择同一类型的多个事故车辆，多次训练，直至计算出所有细胞单元的刚度系数；实际发生碰撞时，根据变形细胞单元的数量及其对应的刚度系数，计算因变形导致的能量损失。
优选的：包括以下步骤，
A1、选择已知事故车辆，根据事故车辆碰撞前速度v1、碰撞后速度v2，计算碰撞过程中发生变形的能量损失E0；
A2、建立事故车辆的三维模型，并在三维空间中将事故车辆划分为n个连续的细胞单元，每个细胞单元的刚度系数分别记为C1、C2、C3……Cn-1、Cn；
A3、测量事故车辆变形区域内发生变形的细胞单元的数量a及每个变形细胞单元对应的变形量b，并在三维模型中标记；
A4、将能量损失E0作为训练样本，将刚度系数Cn作为输出结果，利用CNN卷积神经网络算法计算每个变形细胞单元的刚度系数Cn；
A5、选择同一类型的多个事故车辆，重复步骤A1-A4，多次训练，求出事故车辆各个细胞单元的刚度系数Cn；
A6、实际发生碰撞时，根据车辆发生变形的细胞单元的数量a及其对应的刚度系数Cn，计算损失能量E0。
优选的：所述步骤A3中，变形量b为细胞单元发生变形的比例，计算方法为b＝(V0-V)/V0*100％，V0为细胞单元变形前的体积，V为细胞单元变形后的体积。
优选的：所述步骤A3中，变形量b为细胞单元发生变形的比例，设置4个等级，分别为25％、50％、75％、100％。
优选的：所述步骤A1–A6中，所述细胞单元为正六面体型。
优选的：所述步骤A5中，根据车辆类型、车辆实际车重、车辆轴距、车辆驱动形式、车辆动力源进行分类，同一类型的车辆发生变形的能量损失E0作为同一组的训练样本进行计算。
相应的：基于细胞单元法的交通事故中车辆变形碰撞能量计算方法使用的系统，包括用户端、数据库，所述用户端包括拍照模块、三维建模模块、图像比对模块和能量损失计算模块，所述拍照模块用于事故车辆拍照，并将照片上传至三维建模模块，所述三维建模模块根据车辆照片建立车辆三维模型，所述图像比对模块将事故车辆三维模型与该型号车辆完好的车辆三维模型进行对比，确定因碰撞发生变形的区域及其变形量，所述能量损失计算模块能够根据发生变形的区域及其变形量、数据库储存的刚度系数，计算因碰撞变形导致的能量损失；所述数据库与用户端之间交互数据。
优选的：所述数据库内储存有不同型号车辆的三维模型及各个细胞单元的刚度系数。
优选的：还包括管理端，所述管理端包括刚度系数计算模块、统计分析模块和分类查询模块，所述刚度系数计算模块能够根据因碰撞变形导致的能量损失计算细胞单元的刚度系数，并将计算好的刚度系数按车辆类型储存至数据库，不断更新数据库对应车辆细胞单元的刚度系数；所述统计分析模块能够根据用户需求分析不同车辆的安全行驶速度、车辆易损坏部位、车辆耐撞部位等；所述分类查询模块能够根据用户需要查询不同车辆、不同零件部位的刚度系数；所述管理端与用户端、数据库之间交互数据。
与现有技术相比，本发明具有以下有益效果：
1、本发明将汽车模型划分为无数个连续的细胞单元，将每个细胞单元定义一个刚度系数，基于发生变形的细胞单元的刚度系数、变形量，求出车辆碰撞变形部位吸收的能量，该方法计算精度较高，不需要复杂的建模过程，计算时间快。
2、本发明在前期采用真实事故车辆作为事故车辆模型，测量发生变形区域内的细胞单元数量及变形量，基于这些数据计算发生变形的细胞单元的刚度系数，赋予细胞单元刚度系数一定的真实性，使得计算的车辆碰撞变形部位吸收的能量更加接近真实数据。
附图说明
图1为本发明的基于细胞单元法的交通事故中车辆变形碰撞能量计算方法流程框图；
图2为本发明的基于细胞单元法的交通事故中车辆变形碰撞能量计算方法框图；
图3为本发明的一辆汽车三维模型进行细胞单元划分示意图。
图中标记：
用户端1、拍照模块11、三维建模模块12、图像比对模块13、能量损失计算模块14；管理端2、刚度系数计算模块21、统计分析模块22、分类查询模块23；数据库3。
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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。若未特别指明，实施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。
如图1所示，本发明所述的基于细胞单元法的交通事故中车辆变形碰撞能量计算方法，选择已知事故车辆，根据车辆碰撞前速度、碰撞后速度计算碰撞过程中因车辆变形而损失的能量，将事故车辆划分为数个连续的细胞单元，每个细胞单元对应一个独立的刚度系数，测量发生变形的细胞单元的数量及其对应的变形量，将损失能量作为训练样本，将发生变形的细胞单元的刚度系数作为输出结果，利用CNN卷积神经网络算法计算发生变形的各个细胞单元的刚度系数；多次训练，直至计算出所有细胞单元的刚度系数；实际发生碰撞时，根据碰撞过程中发生变形的细胞单元的数量及其对应的刚度系数，计算因发生变形而损失的能量。
作为本发明的一种具体的实施方式，基于细胞单元法的交通事故中车辆变形碰撞能量计算方法，包括以下步骤，
A1、选择已知事故车辆，根据事故车辆碰撞前速度v1、碰撞后速度v2，计算碰撞过程中发生变形的损失能量E0，损失能量E0计算公式为E0＝1/2mv1 2-1/2mv2 2，为了简化计算，本发明中碰撞变形而损失的能量仅考虑动能变化，不考虑因碰撞摩擦而产生的热能；需要说明的是，碰撞前速度v1、碰撞后速度v2可根据现场视频监控或车载碰撞事件记录系统(CDR)获得；
A2、建立事故车辆的三维模型，并在三维空间中将事故车辆划分为n个连续的细胞单元，每个细胞单元的刚度系数分别记为C1、C2、C3……Cn-1、Cn；车辆三维建模可以采用T-splines软件、3DF Zephyr软件、Solidworks软件等任意一种，优选T-splines软件和3DFZephyr软件，3DF Zephyr软件能够将实物图片直接转化为三维模型，准备多张不同角度的车辆外形照片，以三个高度、环绕车辆一周进行拍照，即可进行车辆高精度三维建模；
A3、现场测量事故车辆的变形区域，测量变形区域内变形细胞单元的数量a及对应的变形量b，并在三维模型中标记；或者，利用3DF Zephyr软件对碰撞后的车辆进行拍照建立碰撞后的车辆三维模型，对比碰撞前的车辆三维模型，记录测量变形区域内变形细胞单元的数量a及每个变形细胞单元的变形量b；
A4、将损失能量E0作为训练样本，将发生变形的细胞单元的刚度系数Cn作为输出结果，计算发生变形的每个细胞单元的刚度系数Cn；需要说明的是，采用CNN卷积神经网络算法计算各个细胞单元的刚度系数Cn。所述的CNN卷积神经网络算法使用Python TensorFlow软件中自带的算法模块，或者使用其他软件中已有的算法模块。
A5、选择同一类型且变形区域不同的多个事故车辆，重复步骤A1-A4，经过多次训练，求出事故车辆各个细胞单元的刚度系数Cn；
A6、实际发生碰撞时，根据车辆发生变形的细胞单元的数量a及其对应的刚度系数C，计算损失能量E0。
进一步的，所述步骤A3中，变形量b为细胞单元发生变形的比例，计算方法为b＝(V0-V)/V0*100％，V0为细胞单元变形前的体积，V为细胞单元变形后的体积，当车辆碰撞部位变形量较规则时，三维模型可以通过对比快速计算出细胞单元变形比例，例如发动机舱纵梁碰撞后溃缩，其溃缩长度可以通过照片精确反应。
进一步的，所述步骤A3中，变形量b为细胞单元变形的比例，设置4个等级，分别为25％、50％、75％、100％，当车辆碰撞部位变形不规则，例如车辆斜碰后翼子板发生一部分溃缩及扭曲，此时可以通过人工选择变形比例方式调整细胞单元的变形比例。
上述两种方式可以分别使用，也可以结合使用，例如，对于车辆碰撞后变形较规则部位，自动计算细胞单元发生变形的比例，车辆碰撞部位变形不规则部位交由人工设置，这样可以较为快速准确的设置各个细胞单元发生变形的比例。
进一步的，所述步骤A1–A6中，所述细胞单元形状可以为长方体、正方体、六面体等多面体中的任意一种，优选为六面体，对车辆三维模型进行细胞单元的划分，可以采用有限元软件中的网格划分法，如图3所示，在CATIA或SolidWorks软件中建立好三维模型后，直接将模型导入ansys或hypermesh软件中进行自动划分，对于同一组训练样本下的汽车来说，多个三维模型可以直接简化为一个模型。
进一步的，为避免训练样本不足，所述步骤A5中，根据车辆类型、车辆实际车重、车辆轴距、车辆驱动形式、车辆动力源进行分类，同一类型的车辆发生变形的损失能量E0作为同一组的训练样本进行计算；其中车辆类型可以分为轿车、SUV、MPV、轻型货车、中型货车、重型货车，不同车辆类型通过车辆的各个参数再进一步细分，例如分为纯电动、混动、燃油车，燃油车中再分为前驱、后驱、四驱；这里需要注意的是，对于不同品牌的车辆，当各个参数较为接近时可以作为同一组训练样本，多个碰撞实验证明，车辆各个参数较为接近时，其车身的刚度系数较为一致，这样可以快速积累大量训练样本，保证训练的准确率。
如图2所示，本发明所述的基于细胞单元法的交通事故中车辆变形碰撞能量计算方法使用的计算系统，包括用户端1和数据库3，所述用户端1包括拍照模块11、三维建模模块12、图像比对模块13和能量损失计算模块14，所述拍照模块11与三维建模模块12电性或无线连接，所述三维建模模块12与图像比对模块13电性或无线连接，所述图像比对模块13与能量损失计算模块14电性或无线连接，其中每个模块的功能介绍如下：
所述拍照模块11用于事故车辆拍照，并将照片上传至三维建模模块12，需要说明的是，所述拍照模块11可以为GROPRO相机，或手持式三维拍照扫描仪，或其他方式的相机，当使用手持式三维拍照扫描仪时，其集成了三维建模模块。
所述三维建模模块12根据拍摄的车辆照片建立车辆三维模型，可以采用T-splines软件、3DF Zephyr软件、Solidworks软件等其他能够实现该功能的现有建模软件。
所述图像比对模块13将事故车辆三维模型与该型号车辆完好的车辆三维模型进行对比，确定因碰撞发生变形的区域及其变形量，需要说明的是，三维模型建立好后，将三维模型导入图像比对模块13中进行对比，图像比对模块13可以是python软件中使用的常见图像对比识别模块，或者MATLAB软件中使用的常见图像对比识别模块，这两个软件可以将不同照片对比后，直接输出照片中不同部位的变化比率，即继承了常见图像对比识别模块14，当然也可以是实现图像比对功能的其他形式的软件。
所述能量损失计算模块14能够根据发生变形的区域及其变形量、数据库储存的刚度系数，计算因碰撞变形导致的能量损失，需要说明的是，可以将服务器、单片机、PLC控制器、处理器或其他能够实现该功能的设备作为碰撞能量快速计算方法的程序载体，这些设备的具体型号可根据所需计算容量、计算时间等要求自行选择，本发明要保护的内容不是设备或相关型号的设备，故不在此赘述，特此说明。
需要说明的是，用户端1为方便用户携带、使用，拍照模块11可以采用用户手机上的摄像头，将实现三维建模、图像比对、能量损失计算功能的算法写在一个手机APP上，将该程序软件赋予能够获取手机照片的权限，而该程序软件运行的载体可以是手机内的芯片或是处理器，这样用户只需下载用户端1软件，就可以直接使用了，使用方便。
所述数据库3与用户端1之间交互数据，所述数据库3内储存有不同型号车辆的三维模型及各个细胞单元的刚度系数，数据库3可以自建服务器或者是采用现有的云端数据库。
更优的实施方式是，基于细胞单元法的交通事故中车辆变形碰撞能量计算方法使用的系统还包括管理端2，所述管理端2包括刚度系数计算模块21、统计分析模块22和分类查询模块23，所述刚度系数计算模块21与统计分析模块22电性或无线连接，所述统计分析模块22与分类查询模块23电性或无线连接，其中每个模块的功能介绍如下：
所述刚度系数计算模块21能够根据因碰撞变形导致的能量损失计算细胞单元的刚度系数，并将计算好的刚度系数按车辆类型储存至数据库3，不断更新数据库3对应车辆细胞单元的刚度系数；需要说明的是，可以将服务器、单片机、PLC控制器、处理器或其他能够实现该功能的设备作为刚度系数计算方法的程序载体，这些设备的具体型号可根据所需计算容量、计算时间等要求自行选择，本发明要保护的内容不是设备或相关型号的设备，故不在此赘述，特此说明。
所述统计分析模块22能够根据用户需求分析不同车辆的安全行驶速度、车辆易损坏部位、车辆耐撞部位等；所述分类查询模块23能够根据用户需要查询不同车辆、不同零件部位的刚度系数；所述管理端2与用户端1、数据库3之间交互数据。
需要说明的是，管理端2主要是给运营商管理人员使用，为方便使用，可以将实现刚度系数计算、统计分析、分类查询功能的算法以手机APP、网页、独立设置的服务器或其他方式实现。
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、变型、修改、替换，均应落入本发明权利要求书确定的保护范围内。

Claims (3)

1.基于细胞单元法的交通事故中车辆变形碰撞能量计算方法，其特征在于：所述计算方法使用的计算系统包括用户端(1)、数据库(3)，所述用户端(1)包括拍照模块(11)、三维建模模块(12)、图像比对模块(13)和能量损失计算模块(14)，所述拍照模块(11)用于事故车辆拍照，并将照片上传至三维建模模块(12)，所述三维建模模块(12)根据车辆照片建立车辆三维模型，所述图像比对模块(13)将事故车辆三维模型与该事故车辆型号相同的完好车辆三维模型进行对比，确定因碰撞发生变形的区域及其变形量，所述能量损失计算模块(14)能够根据发生变形的区域及其变形量、数据库(3)储存的刚度系数，计算因碰撞变形导致的能量损失；所述数据库(3)与用户端(1)之间交互数据；
所述的交通事故中车辆变形碰撞能量快速计算方法，包括以下步骤：
A1、选择已知事故车辆，根据事故车辆碰撞前速度v1、碰撞后速度v2，计算碰撞过程中发生变形的能量损失E0；
A2、建立事故车辆的三维模型，并在三维空间中将事故车辆划分为n个连续的细胞单元，每个细胞单元的刚度系数分别记为C1、C2、C3……Cn-1、Cn；
A3、测量事故车辆变形区域内发生变形的细胞单元的数量a及每个变形细胞单元对应的变形量b，并在三维模型中标记；
A4、将能量损失E0作为训练样本，将刚度系数Cn作为输出结果，利用CNN卷积神经网络算法计算每个变形细胞单元的刚度系数Cn；
A5、选择同一类型的多个事故车辆，重复步骤A1-A4，多次训练，求出事故车辆各个细胞单元的刚度系数Cn；
A6、实际发生碰撞时，根据车辆发生变形的细胞单元的数量a及其对应的刚度系数Cn，计算损失能量E0；
所述步骤A3中，变形量b为细胞单元发生变形的比例，设置4个等级，分别为25％、50％、75％、100％；
所述步骤A1–A6中，所述细胞单元为正六面体型所述步骤A1–A6中，所述细胞单元形状为长方体、正方体、六面体中的任意一种，对车辆三维模型进行细胞单元的划分，采用有限元软件中的网格划分法，在CATIA或SolidWorks软件中建立好三维模型后，将模型导入ansys或hypermesh软件中进行自动划分；对于同一组训练样本下的汽车来说，多个三维模型简化为一个模型。
2.根据权利要求1所述的基于细胞单元法的交通事故中车辆变形碰撞能量计算方法，其特征在于：所述步骤A5中，根据车辆类型、车辆实际车重、车辆轴距、车辆驱动形式、车辆动力源进行分类，同一类型的车辆发生变形的能量损失E0作为同一组的训练样本进行计算；其中车辆类型分为轿车、SUV、MPV、轻型货车、中型货车、重型货车。
3.根据权利要求1所述的基于细胞单元法的交通事故中车辆变形碰撞能量计算方法，其特征在于：所述步骤A3中，变形量b为细胞单元发生变形的比例，计算方法为b＝(V0-V)/V0*100％，V0为细胞单元变形前的体积，V为细胞单元变形后的体积。
CN202210718498.XA 2021-03-10 2021-03-10 基于细胞单元法的交通事故中车辆变形碰撞能量计算方法 Withdrawn CN115017649A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210718498.XA CN115017649A (zh) 2021-03-10 2021-03-10 基于细胞单元法的交通事故中车辆变形碰撞能量计算方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110258827.2A CN112966352B (zh) 2021-03-10 2021-03-10 交通事故中车辆变形碰撞能量快速计算系统及计算方法
CN202210718498.XA CN115017649A (zh) 2021-03-10 2021-03-10 基于细胞单元法的交通事故中车辆变形碰撞能量计算方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202110258827.2A Division CN112966352B (zh) 2021-03-10 2021-03-10 交通事故中车辆变形碰撞能量快速计算系统及计算方法

Publications (1)

Publication Number Publication Date
CN115017649A true CN115017649A (zh) 2022-09-06

Family

ID=76277031

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202110258827.2A Expired - Fee Related CN112966352B (zh) 2021-03-10 2021-03-10 交通事故中车辆变形碰撞能量快速计算系统及计算方法
CN202210718498.XA Withdrawn CN115017649A (zh) 2021-03-10 2021-03-10 基于细胞单元法的交通事故中车辆变形碰撞能量计算方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202110258827.2A Expired - Fee Related CN112966352B (zh) 2021-03-10 2021-03-10 交通事故中车辆变形碰撞能量快速计算系统及计算方法

Country Status (1)

Country Link
CN (2) CN112966352B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114715146B (zh) * 2022-05-09 2024-08-16 吉林大学 一种潜在碰撞事故严重程度预测方法
CN116189114B (zh) * 2023-04-21 2023-07-14 西华大学 一种车辆碰撞痕迹鉴定方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007012137A1 (de) * 2007-03-12 2008-09-18 Benteler Automobiltechnik Gmbh Crashbox und Kraftfahrzeug-Stoßfängeranordnung
CN101173856B (zh) * 2007-08-30 2010-10-27 上海交通大学 基于摄影测量与车身外轮廓变形的汽车碰撞事故再现方法
CN101865930B (zh) * 2010-04-16 2011-11-16 中国人民解放军第三军医大学野战外科研究所 车辆碰撞速度的光谱检测方法
CN105808857B (zh) * 2016-03-10 2019-01-04 清华大学 基于碰撞变形深度的汽车主动安全系统有效性的预测方法
CN109492346B (zh) * 2019-01-21 2020-07-07 中南大学 一种轨道列车碰撞仿真简化模型的构建方法

Also Published As

Publication number Publication date
CN112966352A (zh) 2021-06-15
CN112966352B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
US12061088B2 (en) Obstacle avoidance method and apparatus
WO2021135653A1 (zh) 一种识别车辆的异常停留的方法和系统
CN112966352B (zh) 交通事故中车辆变形碰撞能量快速计算系统及计算方法
CN104637315B (zh) 车路协同环境下的无信号交叉口优化控制方法和系统
CN102941853B (zh) 基于实时无线通讯网络的汽车智能辅助驾驶系统及方法
EP4099118A1 (en) Vehicle control method and apparatus
CN109931856A (zh) 道路平整度的采集方法/系统，评价系统，介质及服务端
US20230047094A1 (en) Image processing method, network training method, and related device
CN114162133B (zh) 驾驶场景的风险评估方法、装置和计算机可读存储介质
Mello et al. Energy-optimal speed trajectories between stops
CN115222941A (zh) 目标检测方法、装置、车辆、存储介质、芯片及电子设备
CN115265561A (zh) 车辆定位方法、装置、车辆及介质
Salunkhe et al. Energy optimization for CAN bus and media controls in electric vehicles using deep learning algorithms
CN114969092A (zh) 基于虚幻引擎的驾驶仿真系统及仿真实验方法
CN110015159B (zh) 具有可充电储能单元的电气装置的范围的选择
WO2024093768A1 (zh) 一种车辆告警方法以及相关设备
EP4293630A1 (en) Method for generating lane line, vehicle, storage medium and chip
CN115257692A (zh) 一种基于视觉交通信息的phev能量管理方法及系统
CN112230659B (zh) 精准规划运动轨迹的方法、智能控制设备及自动驾驶车辆
Ebaid et al. Feasibility studies of micro wind turbines installed on electric vehicles as range extenders using real-time analytical simulation with multi driving cycles scenarios
CN112929421A (zh) 智能网联汽车扩展碰撞预警系统
Rodríguez Pardo Uncertainty in electric bus mass and its influence in energy consumption
CN109635484A (zh) 基于多学科优化的混合动力车辆动力系统优化测试方法
US20240062310A1 (en) Automated method and system for determining an expected damage of an electrically powered vehicle
Xu et al. A traffic-in-loop simulation system for validation of emission control strategy in diesel engine

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20220906

WW01 Invention patent application withdrawn after publication