李 莉,段大偉,劉孫煉,肖 龍,劉優(yōu)寶

(湖南大學(xué)，汽車車身先進(jìn)設(shè)計(jì)制造國(guó)家重點(diǎn)試驗(yàn)室，長(zhǎng)沙 410082)

2016207

基于不同身材乘員保護(hù)的約束系統(tǒng)優(yōu)化研究

李 莉,段大偉,劉孫煉,肖 龍,劉優(yōu)寶

(湖南大學(xué)，汽車車身先進(jìn)設(shè)計(jì)制造國(guó)家重點(diǎn)試驗(yàn)室，長(zhǎng)沙 410082)

利用MADYMO軟件對(duì)某車型乘員約束系統(tǒng)進(jìn)行仿真，以加權(quán)傷害指數(shù)作為評(píng)價(jià)指標(biāo)，根據(jù)正面碰撞工況下不同身材假人的損傷情況，選取相關(guān)參數(shù)為設(shè)計(jì)變量，采用拉丁方實(shí)驗(yàn)設(shè)計(jì)生成樣本點(diǎn)，構(gòu)造DACE-Kriging近似模型，分析變量與評(píng)價(jià)指標(biāo)的相關(guān)性，利用非支配遺傳優(yōu)化算法，以不同身材假人傷害值最小為目標(biāo)進(jìn)行多目標(biāo)優(yōu)化，得到Pareto最優(yōu)前沿，作為優(yōu)選方案集合。結(jié)果表明，改進(jìn)后的約束系統(tǒng)對(duì)不同身材乘員都能起到較好的保護(hù)效果。

正面碰撞；約束系統(tǒng)；DACE-Kriging代理模型；NSGA-Ⅱ；多目標(biāo)優(yōu)化；Pareto解

前言

據(jù)公安部交通管理局?jǐn)?shù)據(jù)顯示，中國(guó)女性駕駛?cè)吮壤焖偬岣撸?015年已增加到8 415萬(wàn)人[1]。國(guó)外資料也顯示女性駕駛執(zhí)照持有者比例越來(lái)越高[2]，而女性更偏向于駕駛小型汽車，在碰撞事故中處于劣勢(shì)而更容易受到傷害[3]，另外，當(dāng)前乘員約束系統(tǒng)都是根據(jù)法規(guī)要求的第50百分位男性假人為標(biāo)準(zhǔn)設(shè)計(jì)的,因此車輛現(xiàn)有配置的約束系統(tǒng),對(duì)第5百分位女性乘員不一定能夠達(dá)到同樣的保護(hù)效果。據(jù)此，美國(guó)正面碰撞法規(guī)FMVSS-208中使用第5百分位女性假人進(jìn)行碰撞測(cè)試[4]，而在2016年實(shí)施的Euro-NCAP碰撞測(cè)試中也新增100%正面剛性障礙物碰撞測(cè)試，使用兩名第5百分位女性假人，一人位于駕駛座位，一人位于后排座位后側(cè)[5]。法規(guī)與NCAP增加該項(xiàng)目的目的在于促使汽車企業(yè)改善車內(nèi)安全約束系統(tǒng)對(duì)女性駕乘人員的“保護(hù)作用”。因此兼顧不同身材駕駛員保護(hù)效果的研究，不僅對(duì)于相關(guān)法律法規(guī)的制定具有重要的參考價(jià)值，同時(shí)可為企業(yè)進(jìn)行約束系統(tǒng)匹配與設(shè)計(jì)提供相應(yīng)的理論依據(jù)。

文獻(xiàn)[6]中給出了適應(yīng)10種不同的碰撞工況的乘員約束系統(tǒng)的最優(yōu)構(gòu)型譜。文獻(xiàn)[7]中采用頭/胸組合損傷概率作為優(yōu)化目標(biāo)進(jìn)行乘員約束系統(tǒng)參數(shù)匹配研究。文獻(xiàn)[8]中提出了基于多工況的乘員約束系統(tǒng)參數(shù)優(yōu)化方法，文獻(xiàn)[9]～文獻(xiàn)[12]中研究了針對(duì)第50百分位假人開發(fā)的約束系統(tǒng)對(duì)其他身材假人的保護(hù)效果，并提出了具體改進(jìn)措施。文獻(xiàn)[13]中探討了采用智能約束系統(tǒng)保護(hù)不同身材乘員的必要性。

1 仿真模型與評(píng)價(jià)指標(biāo)的建立

1.1 仿真模型的選擇與驗(yàn)證

選擇美國(guó)華盛頓喬治大學(xué)(GWU)國(guó)家碰撞分析中心(NCAC)發(fā)布的基于2010款豐田雅力士轎車建立的有限元-多剛體混合模型。此模型對(duì)來(lái)自監(jiān)管機(jī)構(gòu)和消費(fèi)者信息測(cè)試的正面碰撞數(shù)據(jù)進(jìn)行了驗(yàn)證，為確保模型在各種碰撞工況下得出合理的結(jié)果，進(jìn)行進(jìn)一步的驗(yàn)證和魯棒性分析，比如正面全寬碰撞、中心柱碰撞和正面偏置碰撞測(cè)試，結(jié)果證明在不同速度的碰撞測(cè)試下該模型是穩(wěn)健的[14]，在高速與低速碰撞工況下仿真結(jié)果均符合預(yù)期的傷害趨勢(shì)，可預(yù)測(cè)在不同工況、不同速度下第5百分位和第50百分位混Ⅲ假人在豐田雅力士轎車內(nèi)的損傷風(fēng)險(xiǎn)。第5百分位和第50百分位混Ⅲ假人的試驗(yàn)與仿真頭部加速度對(duì)比曲線如圖1和圖2所示。

圖1 正面全寬碰撞第50百分位假人試驗(yàn)與仿真頭部加速度對(duì)比曲線

圖2 正面全寬碰撞第5百分位假人試驗(yàn)與仿真頭部加速度對(duì)比曲線

1.2 正面碰撞約束系統(tǒng)評(píng)價(jià)指標(biāo)的建立

(2)

WIC(綜合)=0.5WIC50th+0.5WIC5th

(3)

式中：WIC為正則加權(quán)傷害指數(shù)；HIC15為頭部加速度綜合傷害指標(biāo)，規(guī)定值為700；C3ms為胸部3ms加速度準(zhǔn)則，規(guī)定值為60g；D為胸部壓縮量，男性63mm，女性52mm；FFL為左大腿軸向受力，男性10kN，女性6.805kN；FFR為右大腿軸向受力，男性10kN，女性6.805kN。

2 設(shè)計(jì)變量的選取與代理模型的構(gòu)建

2.1 不同身材假人損傷對(duì)比

首先選擇該模型現(xiàn)有的約束系統(tǒng)配置，分別根據(jù)試驗(yàn)要求放置第50百分位男性假人和第5百分位女性假人，再利用MADYMO軟件進(jìn)行仿真分析，得出仿真結(jié)果與試驗(yàn)對(duì)比如表1所示。由表可見(jiàn)，現(xiàn)有約束系統(tǒng)對(duì)第50百分位假人的保護(hù)效果整體好于第5百分位假人。同時(shí)可以看出，第5百分位假人由于胸部距離轉(zhuǎn)向盤較近，其胸部加速度值已經(jīng)接近限值，頭部HIC也為第50百分位假人的兩倍，因此針對(duì)這兩個(gè)部位進(jìn)行優(yōu)化。

2.2 優(yōu)化變量的選擇

由試驗(yàn)和仿真結(jié)果可知，第5百分位假人損傷較嚴(yán)重的部位分別為頭部和胸部，選擇與頭部、胸部損傷關(guān)系密切的安全帶與安全氣囊6個(gè)參數(shù)作為設(shè)計(jì)變量，包括氣囊孔縮放系數(shù)(CDEX)、氣囊點(diǎn)爆時(shí)間(DAB_TTF)、質(zhì)量流率(massflow)、織帶拉出量(ret_lock_outlet)、轉(zhuǎn)向管柱壓潰力(collumn_fun)和安全帶剛度(stiffness)。以初始水平為界設(shè)計(jì)變量變化范圍，如表2所示(后兩項(xiàng)為縮放系數(shù))。另外根據(jù)模型技術(shù)文件建議，將帶扣預(yù)緊器時(shí)間設(shè)置為與安全氣囊點(diǎn)爆時(shí)間相同，同時(shí)將卷收器預(yù)緊器點(diǎn)爆時(shí)間設(shè)置提前1.5ms，因此相當(dāng)于有8個(gè)設(shè)計(jì)變量。

注：*由于技術(shù)文件中缺少第5百分位女性假人的試驗(yàn)數(shù)據(jù)，此處為加載試驗(yàn)碰撞波形在模型中的仿真結(jié)果。

表2 設(shè)計(jì)變量取值

2.3 試驗(yàn)設(shè)計(jì)

本文中將選取的設(shè)計(jì)變量，利用多目標(biāo)優(yōu)化軟件Modefrontier進(jìn)行拉丁方試驗(yàn)設(shè)計(jì)，并設(shè)計(jì)工作流(Workflow)與Madymo軟件進(jìn)行耦合計(jì)算，經(jīng)過(guò)試驗(yàn)設(shè)計(jì)(6變量10水平)生成100組數(shù)據(jù)，與Madymo軟件耦合計(jì)算得到各組數(shù)據(jù)的peak輸出文件，將式中相關(guān)的損傷值輸出，得到100組樣本點(diǎn)。

2.4 代理模型構(gòu)造

Modefrontier軟件中的DACE-Kriging模型是由全局模型和隨機(jī)過(guò)程表示的局部偏差疊加而成[16]，即

y(x)=μ+Z(x)

(4)

式中：x為m維向量(設(shè)計(jì)變量)；μ為全局模型；Z(x)為全局模型的局部偏差。在模型中，在一個(gè)未知點(diǎn)x的局部偏差由隨機(jī)過(guò)程表示，將樣本點(diǎn)插值與高斯隨機(jī)函數(shù)作為相關(guān)函數(shù)來(lái)估計(jì)隨機(jī)過(guò)程的趨勢(shì)。

Z(xi)和Z(xj)之間的相關(guān)性與兩點(diǎn)之間的距離密切相關(guān)。由于歐氏距離權(quán)衡所有的設(shè)計(jì)變量，在DACE-Kriging模型中用一個(gè)特殊的加權(quán)距離代替。xi與xj點(diǎn)之間的距離函數(shù)表示為

(5)

式中θk(0≤θk≤∞)為相關(guān)向量參數(shù)θ的第k個(gè)元素。通過(guò)使用專門加權(quán)距離和高斯隨機(jī)函數(shù)，點(diǎn)xi和xj之間的相關(guān)性定義為

R=Corr[Z(xi),Z(xj)]=exp[-d(xi,xj)]

(6)

DACE-Kriging模型的預(yù)測(cè)值為

(7)

ri(x)=Corr[Z(x),Z(xi)]

(8)

y=[y(x1),…,y(xn)]

(9)

式中n為訓(xùn)練點(diǎn)的數(shù)量。

要構(gòu)建DACE-Kriging模型估計(jì)未知參數(shù)θ。此參數(shù)可以通過(guò)下式來(lái)估計(jì)最大似然函數(shù)，即

(10)

式中I為一個(gè)n維單位向量。

最大似然函數(shù)是一個(gè)m維無(wú)約束非線性優(yōu)化問(wèn)題。DACE-Kriging模型使用遺傳算法求解該問(wèn)題。對(duì)于一個(gè)給定的θ，全局模型的估計(jì)值和估算樣本方差可以定義為

(11)

(12)

故利用Modefrontier軟件設(shè)置訓(xùn)練點(diǎn)數(shù)目為512，采用高斯插值方法構(gòu)造DACE-Kriging代理模型。

2.5 代理模型的驗(yàn)證

構(gòu)造的代理模型產(chǎn)生的誤差如表3所示，其中R2表明了模型對(duì)樣本數(shù)據(jù)的擬合程度，它的數(shù)值可反映趨勢(shì)線的估計(jì)值與對(duì)應(yīng)的實(shí)際數(shù)據(jù)之間的擬合程度，R2的值越接近1，擬合程度越高，趨勢(shì)線的可靠性就越高。

表3 DACE-Kriging模型誤差分析

AIC(Akaike information criterion)是衡量統(tǒng)計(jì)模型擬合優(yōu)良性的一種標(biāo)準(zhǔn)，它建立在熵的概念基礎(chǔ)上，可權(quán)衡所估計(jì)模型的復(fù)雜度和擬合數(shù)據(jù)的優(yōu)良性。在一般情況下，AIC可以表示為

AIC=2k-2lnL

(13)

式中：k為參數(shù)數(shù)量；L為似然函數(shù)。

假設(shè)模型的誤差服從獨(dú)立正態(tài)分布。讓n為觀察數(shù)，RSS為剩余平方和，則AIC變?yōu)?/p>

AIC=2k+nln(RSS/n)

(14)

增加自由參數(shù)的數(shù)目提高了擬合的優(yōu)良性，AIC但應(yīng)盡量避免出現(xiàn)過(guò)度擬合的情況，所以優(yōu)先考慮的模型應(yīng)是AIC值最小的那一個(gè)。AIC準(zhǔn)則的方法是尋找可以最好地解釋數(shù)據(jù)但包含最少自由參數(shù)的模型。

由表3可知，各代理模型的平均標(biāo)準(zhǔn)誤差均小于1%，決定系數(shù)R2均為1，AIC值均小于0，說(shuō)明該代理模型擬合效果較好，能夠準(zhǔn)確反映各輸入變量與輸出變量的變化趨勢(shì)，實(shí)現(xiàn)對(duì)未知點(diǎn)的預(yù)測(cè)。

3 評(píng)價(jià)指標(biāo)與設(shè)計(jì)變量相關(guān)性分析

3.1WIC輸出與變量相關(guān)性分析

選擇多個(gè)設(shè)計(jì)變量利用Modefrontier軟件進(jìn)行相關(guān)性分析，圖3～圖5分別顯示了設(shè)計(jì)變量與男女假人WIC值的相關(guān)性。由圖3可見(jiàn)，與第5百分位假人WIC值呈正相關(guān)的因素分別是點(diǎn)爆時(shí)間(安全氣囊與預(yù)緊器)、安全帶剛度、轉(zhuǎn)向管柱壓潰力和織帶拉出量，呈負(fù)相關(guān)的分別是安全氣囊的質(zhì)量流率和排氣孔縮放系數(shù)，其中點(diǎn)爆時(shí)間對(duì)第5百分位假人WIC影響最顯著。由圖4可見(jiàn)，與第50百分位假人的WIC值呈正相關(guān)的同樣也是點(diǎn)爆時(shí)間(安全氣囊與預(yù)緊器)、安全帶剛度，而呈負(fù)相關(guān)的因素分別是安全氣囊的質(zhì)量流率、排氣孔縮放系數(shù)、轉(zhuǎn)向管柱壓潰力和織帶拉出量，因此設(shè)計(jì)過(guò)程中可以重點(diǎn)對(duì)點(diǎn)爆時(shí)間與安全帶剛度進(jìn)行優(yōu)化。

圖3 第5百分位假人WIC最小值與設(shè)計(jì)變量相關(guān)性

圖4 第50百分位假人WIC最小值與設(shè)計(jì)變量相關(guān)性

圖5 綜合WIC最小值與設(shè)計(jì)變量相關(guān)性

由圖5可見(jiàn)，綜合WIC值與點(diǎn)爆時(shí)間、安全帶剛度和織帶拉出量呈正相關(guān)，與安全氣囊的質(zhì)量流率、排氣孔縮放系數(shù)呈負(fù)相關(guān)。因此提前安全帶與預(yù)緊器點(diǎn)爆時(shí)刻，減少卷收器拉出量、降低安全帶剛度并提高質(zhì)量流率和縮放系數(shù)可以減小WIC值，提高對(duì)乘員的保護(hù)效果。

3.2 關(guān)鍵參數(shù)的響應(yīng)面分析

根據(jù)構(gòu)造的DACE-Kriging代理模型，選取對(duì)WIC值影響較大的頭部HIC、胸部損傷C3ms和胸部壓

縮量D3個(gè)損傷指標(biāo)，選擇對(duì)各指標(biāo)影響較大的設(shè)計(jì)參數(shù)作為坐標(biāo)軸進(jìn)行響應(yīng)面分析。由圖6可以看出，HIC值對(duì)點(diǎn)爆時(shí)間較為敏感，點(diǎn)爆時(shí)間越提前，HIC值越小，但峰值基本出現(xiàn)在0.03s附近，同時(shí)質(zhì)量流率在0.8～0.9kg/s范圍內(nèi)，第5百分位假人也會(huì)產(chǎn)生較大的HIC值。

圖6 頭部HIC值響應(yīng)面

圖7為不同身材假人胸部C3ms與點(diǎn)爆時(shí)間和質(zhì)量流率的響應(yīng)面。點(diǎn)爆時(shí)間延遲和較大的質(zhì)量流率容易導(dǎo)致第50百分位假人出現(xiàn)較大的胸部3ms加速度，同時(shí)在0.02s附近第5百分位假人的胸部3ms加速度出現(xiàn)峰值，驗(yàn)證了初始設(shè)計(jì)對(duì)第5百分位假人保護(hù)效果不佳的結(jié)論。

圖7 胸部C3ms響應(yīng)面

圖8 胸部壓縮量D響應(yīng)面

圖8為胸部壓縮量D的響應(yīng)面。由圖可知，第5百分位假人胸部壓縮量在較大的質(zhì)量流率前提下，在0.01和0.03s點(diǎn)爆時(shí)間出現(xiàn)雙峰值，而第50百分位假人在較小的質(zhì)量流率和0.03s時(shí)刻下也有一個(gè)峰值，因此在設(shè)計(jì)時(shí)參數(shù)取值要避開出現(xiàn)峰值的點(diǎn)。

4 多目標(biāo)優(yōu)化與模型驗(yàn)證

4.1 多目標(biāo)優(yōu)化算法與尋優(yōu)過(guò)程

基于快速非支配排序帶有精英策略的多目標(biāo)進(jìn)化算法(NSGA-Ⅱ)[17]采用了快速非支配排序算法，計(jì)算復(fù)雜度比第一代NSGA大大降低；采用了擁擠度和擁擠度比較算子，代替了需要指定的共享半徑shareQ，并在快速排序后的同級(jí)比較中作為勝出標(biāo)準(zhǔn)，使準(zhǔn)Pareto域中的個(gè)體能擴(kuò)展到整個(gè)Pareto域，并均勻分布，保持了種群的多樣性；引入了精英策略，擴(kuò)大了采樣空間，防止最佳個(gè)體的丟失，提高了算法的運(yùn)算速度和魯棒性。因此本文中選取NSGA-Ⅱ遺傳算法，根據(jù)構(gòu)造的DACE-Kriging代理模型，以第50百分位假人與第5百分位假人加權(quán)傷害指數(shù)WIC值最小為目標(biāo)，以各損傷參數(shù)的標(biāo)準(zhǔn)值為約束條件進(jìn)行多目標(biāo)優(yōu)化。

研究表明Sobol序列在搜索型優(yōu)化算法的初始種群布局上有著尤為穩(wěn)健的表現(xiàn)。利用Sobol試驗(yàn)設(shè)計(jì)方法隨機(jī)產(chǎn)生200組樣本點(diǎn)作為初始種群，再利用NSGA-Ⅱ遺傳算法進(jìn)行100次雜交，交叉概率設(shè)置為90%，實(shí)數(shù)編碼和二進(jìn)制編碼的變異概率設(shè)置為100%，經(jīng)過(guò)20 000次迭代，求得目標(biāo)函數(shù)在域內(nèi)的Parote最優(yōu)前沿如圖9所示。經(jīng)過(guò)尋優(yōu)后第5百分位假人的WIC值在0.3～0.5范圍內(nèi)，第50百分位假人WIC值在0.3～0.4范圍內(nèi)，整體表現(xiàn)呈反比例變化趨勢(shì)，在約束系統(tǒng)匹配設(shè)計(jì)優(yōu)化過(guò)程中根據(jù)Parote前沿調(diào)整參數(shù)獲得理想的保護(hù)效果。

圖9 Parote最優(yōu)前沿

4.2 模型驗(yàn)證

利用綜合WIC評(píng)價(jià)指標(biāo)對(duì)優(yōu)化結(jié)果進(jìn)行驗(yàn)證，取得最小綜合WIC值的各設(shè)計(jì)變量取值如表4所示。將得到的最優(yōu)解利用MADYMO進(jìn)行仿真，得到的仿真值與計(jì)算值進(jìn)行比較，見(jiàn)表5。由表5可以看出，通過(guò)提前點(diǎn)爆時(shí)間，降低安全帶剛度并提高質(zhì)量流率和縮放系數(shù)等手段，第50百分位假人各損傷值均有下降，整體的保護(hù)效果提高了6.9%；而第5百分位假人的HIC值降低68.6%，胸部加速度值降低19.5%,大腿軸向力也有明顯下降，WIC值下降40.7%。優(yōu)化后對(duì)男女假人的整體保護(hù)效果提高27.1%。進(jìn)行優(yōu)化后的約束系統(tǒng)對(duì)不同身材的駕駛員保護(hù)效果明顯提高。

表4 優(yōu)化設(shè)計(jì)點(diǎn)取值

表5 優(yōu)化設(shè)計(jì)點(diǎn)處損傷參數(shù)比較

4.3 優(yōu)化前后保護(hù)效果比較

取得綜合WIC最小值點(diǎn)處的損傷與優(yōu)化前的結(jié)果對(duì)比如圖10～圖12所示。由圖可以看出，第5百分位假人在原有約束系統(tǒng)保護(hù)下，頭部加速度峰值晚于第50百分位假人，而胸部加速度上升趨勢(shì)比第50百分位假人提前，經(jīng)過(guò)優(yōu)化后第50百分位假人頭部加速度、胸部加速度和胸部壓縮量均明顯下降，但在80～90ms時(shí)間段內(nèi)出現(xiàn)較多峰值，對(duì)比整車碰撞加速度曲線發(fā)現(xiàn)此處加速度為負(fù)值，此時(shí)安全帶也出現(xiàn)微小松弛，致使胸部約束效果減弱，頭部加速度出現(xiàn)峰值。另外由于預(yù)緊器作用時(shí)間提前，胸部加速度與胸部壓縮量變化時(shí)刻均提前。經(jīng)過(guò)比較可知，優(yōu)化后的約束系統(tǒng)對(duì)于第5百分位假人頭部和胸部保護(hù)效果明顯改善，同時(shí)第50百分位假人的保護(hù)效果也有所提升。

圖10 第5百分位與第50百分位假人優(yōu)化前后頭部加速度對(duì)比

圖11 第5百分位與第50百分位假人優(yōu)化前后胸部加速度對(duì)比

圖12 第5百分位與第50分位假人優(yōu)化前后胸部壓縮量對(duì)比

5 結(jié)論

利用MADYMO軟件在正面碰撞工況下對(duì)某轎車駕駛員側(cè)約束系統(tǒng)模型進(jìn)行仿真，首先建立正則加權(quán)傷害指數(shù)作為約束系統(tǒng)的評(píng)價(jià)指標(biāo)，對(duì)比原車約束系統(tǒng)對(duì)不同身材駕駛員的保護(hù)效果，根據(jù)仿真與試驗(yàn)結(jié)果選擇優(yōu)化變量，利用Modefrontier軟件進(jìn)行試驗(yàn)設(shè)計(jì)并構(gòu)造DACE-Kriging代理模型，分析各設(shè)計(jì)變量與評(píng)價(jià)指標(biāo)的相關(guān)性，以男性、女性駕駛員最小損傷值為目標(biāo)，利用NSGA-Ⅱ遺傳算法進(jìn)行尋優(yōu)，得到Pareto最優(yōu)前沿，作為優(yōu)選方案集合。經(jīng)過(guò)分析與驗(yàn)證得到如下結(jié)論。

(1) 通過(guò)相關(guān)性分析可知，WIC值與氣囊點(diǎn)爆時(shí)間、安全帶剛度和織帶拉出量呈正相關(guān)，與安全氣囊的質(zhì)量流率、排氣孔縮放系數(shù)呈負(fù)相關(guān)，轉(zhuǎn)向管柱壓潰力對(duì)WIC值并無(wú)明顯影響。

(2) 經(jīng)過(guò)響應(yīng)面分析可知，第5百分位與第50百分位假人均對(duì)安全氣囊、預(yù)緊器點(diǎn)爆時(shí)間與質(zhì)量流率較為敏感，容易出現(xiàn)峰值點(diǎn)，在設(shè)計(jì)中要盡量避開出現(xiàn)峰值的范圍。

(3) 相對(duì)于原始設(shè)計(jì)，通過(guò)提前點(diǎn)爆時(shí)間，降低安全帶剛度并提高質(zhì)量流率和氣囊孔縮放系數(shù)等手段可以提高約束系統(tǒng)對(duì)不同身材駕駛員的保護(hù)效果，但由于優(yōu)化設(shè)計(jì)點(diǎn)氣囊點(diǎn)爆時(shí)間僅為碰撞開始時(shí)刻后的2.6ms，因此需要主動(dòng)安全技術(shù)的配合才能實(shí)現(xiàn)。

(4) 利用試驗(yàn)設(shè)計(jì)構(gòu)造代理模型，結(jié)合多目標(biāo)優(yōu)化算法既能保證較高的精度，又可以大大減少仿真計(jì)算量，節(jié)約優(yōu)化匹配所需的時(shí)間。

[1] 公安部交通管理局.2015年全國(guó)機(jī)動(dòng)車和駕駛?cè)搜该驮鲩L(zhǎng)[DB/OL].[2016-01-25].http://www.mps.gov.cn/n2254098/n4904352/c5141532/content.html.

[2] NHTSA. National center for statistics and analysis[R]. TRAFFIC SAFETY FACTS 2013.Washington, DC 20590: U.S. Department of Transportation,2014.

[3] WELSH R, LENARD J. Male and female car drivers-differences in collision and injury risks[J]. Annual Proceedings,2002,45.

[4] NHTSA. New car assessment program frontal impact testing[S]. Washington. DC 20590:U.S. Department of Transportation, September 2012.

[5] Euro N. Assessment protocol-adult occupant protection: European new car assessment programme (Euro-NCAP), Version 7.0.3[S]. November 2015.

[6] 王琮.針對(duì)多種碰撞工況的乘員約束系統(tǒng)構(gòu)型設(shè)計(jì)方法研究[D].北京:清華大學(xué),2010.

[7] 葛如海.汽車正面碰撞乘員約束系統(tǒng)匹配研究[D].鎮(zhèn)江:江蘇大學(xué),2007.

[8] 張君媛,黃柏,馮原,等.基于多工況的汽車碰撞乘員約束系統(tǒng)參數(shù)匹配的研究[J].中國(guó)機(jī)械工程,2007(24):3005-3008.

[9] 潘如楊,王桃英,郭慶祥.女性汽車駕駛員正面碰撞傷害分析及安全性能優(yōu)化[J].汽車實(shí)用技術(shù),2014(4):46-51.

[10] 李紅運(yùn),魯爽,韓菲菲,等.女性駕駛員約束系統(tǒng)匹配與優(yōu)化分析[C]. Proceedings of the 11th International Forum of Automotive Traffic Safety-session Ⅲ-1: Occupant Protection,2014.

[11] 張學(xué)榮,劉學(xué)軍,蘇清祖.正面碰撞不同身材乘員保護(hù)約束系統(tǒng)的設(shè)計(jì)[J].汽車工程,2007,29(8):669-672.

[12] 商恩義,陳現(xiàn)嶺,楊勁松.駕駛員側(cè)50%假人約束系統(tǒng)配置5%女性假人傷害研究[J].汽車技術(shù),2015(3):47-51.

[13] 周詩(shī)緯.汽車正面碰撞中智能約束系統(tǒng)的仿真分析[D].長(zhǎng)沙:湖南大學(xué),2011.

[14] Randa Radwan Samaha, et al.Development and validation of a Toyota Yaris MADYMO frontal occupant model[R].George Washington University:The National Crash Analysis Center, Dec 2013.

[15] VIANO D C, AREPALLY S. Assessing the safety performance of occpant restraint system[C]. SAE Paper 902328.

[16] JEONG S, MURAYAMA M, YAMAMOTO K. Efficient optimization design method using Kriging model[J]. Journal of Aircraft,2005,42(2):413-420.

[17] DEBK,PRATAPA,et al.A fast and elitist multi-objective genetic algorithm:NSGA-Ⅱ[J]. IEEE Transactions on Evolutionary Computation,2002,6(2):182-197.

A Research on the Optimization of Restraint System for theProtection of Occupants with Different Statures

Li Li, Duan Dawei, Liu Sunlian, Xiao Long & Liu Youbao

HunanUniversity,StateKeyLaboratoryofAdvancedDesignandManufacturingforVehicleBody,Changsha410082

MADYMO software is used to simulate the occupant restraint system of a vehicle. According to the injury situation of dummy with different statures under frontal impact condition with weighed injury criterion (WIC) as evaluation indicator, relevant parameters are selected as design variables. Sample points are generated by the Latin-square design of experiment to construct a DACE-Kriging surrogate model. The correlation between variables and evaluation indicators are analyzed, and a multi-objective optimization is conducted by using non-dominated sorting genetic algorithm (NSGA-Ⅱ) with minimizing the injuries of dummy with different statures as objective, so the Pareto-optimal front solutions are obtained as an optimized scheme set. The results show that the occupant restraint system optimized has better protection effects for the occupants of different statures.

frontal Impact; restraint system; DACE-Kriging surrogate model; NSGA-Ⅱ; multi-objective optimization; Pareto solution

原稿收到日期為2015年12月28日。