白中浩,張林偉,白芳華,顏長(zhǎng)征,覃禎員,張永春
(1.湖南大學(xué),汽車車身先進(jìn)設(shè)計(jì)制造國(guó)家重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)沙 410082;2.重慶車輛檢測(cè)研究院,國(guó)家客車質(zhì)量監(jiān)督檢驗(yàn)中心,重慶 401122)
基于ANFIS的小重疊碰撞安全氣囊算法研究?
白中浩1,張林偉1,白芳華2,顏長(zhǎng)征2,覃禎員2,張永春2
(1.湖南大學(xué),汽車車身先進(jìn)設(shè)計(jì)制造國(guó)家重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)沙 410082;2.重慶車輛檢測(cè)研究院,國(guó)家客車質(zhì)量監(jiān)督檢驗(yàn)中心,重慶 401122)
為提高小重疊碰撞事故中安全氣囊對(duì)乘員的保護(hù)作用,分析了小重疊碰撞事故類型并獲得識(shí)別小重疊碰撞的3個(gè)特征參數(shù):速度變化量、加速度曲線長(zhǎng)度比值和汽車主要受力方向?;谔卣鲄?shù)變量,結(jié)合自適應(yīng)神經(jīng)模糊推理系統(tǒng)開發(fā)了新型二級(jí)模糊安全氣囊控制算法,來識(shí)別小重疊碰撞類型,并根據(jù)碰撞類型展開安全氣囊。通過訓(xùn)練合適的模糊隸屬度函數(shù)和模糊規(guī)則,該算法的性能得以提高。最后,經(jīng)臺(tái)車試驗(yàn)對(duì)新型安全氣囊算法進(jìn)行了驗(yàn)證。結(jié)果表明:在發(fā)生小重疊碰撞事故時(shí),基于ANFIS的新型安全氣囊控制算法能準(zhǔn)確識(shí)別小重疊碰撞類型,及時(shí)展開前安全氣囊和側(cè)氣簾,改善了其對(duì)乘員的保護(hù)作用。
乘員保護(hù);小重疊碰撞;自適應(yīng)神經(jīng)模糊推理系統(tǒng);安全氣囊算法
安全氣囊是乘員在碰撞事故中重要的保護(hù)裝置,根據(jù)美國(guó)統(tǒng)計(jì)報(bào)告,當(dāng)汽車發(fā)生正面碰撞時(shí),單獨(dú)使用安全氣囊可降低23%的重傷率,同時(shí)使用安全帶和安全氣囊可減少50%的重傷率[1-2]。然而,現(xiàn)實(shí)碰撞事故較為復(fù)雜,包括斜碰撞、偏置碰撞、小____重疊碰撞和柱碰撞等多種類型,如果這些事故被安全氣囊算法誤判為100%正面碰撞或其他碰撞類型,則會(huì)低估或高估碰撞的嚴(yán)重性,對(duì)乘員起不到最佳保護(hù)作用,甚至對(duì)小體型乘員造成致命傷害。
近年來,很多學(xué)者致力于開發(fā)能識(shí)別碰撞類型的安全氣囊算法。文獻(xiàn)[3]中用速度變化量Δv和加速度長(zhǎng)度兩個(gè)特征參數(shù)來識(shí)別柱碰撞、斜碰撞、偏置碰撞和正面100%重疊碰撞,該算法的識(shí)別變量較少,識(shí)別結(jié)果的可靠性較差。文獻(xiàn)[4]和文獻(xiàn)[5]中結(jié)合雷達(dá)和多種傳感器信息,提出預(yù)測(cè)碰撞形式的預(yù)碰撞算法,同時(shí)結(jié)合速度變化量和加速度絕對(duì)值兩個(gè)特征參數(shù)預(yù)測(cè)最終碰撞類型,但多種傳感器的使用和數(shù)據(jù)融合技術(shù),大大增加了汽車成本。文獻(xiàn)[6]~文獻(xiàn)[9]中用主要受力方向(principal direction of force,PDOF)判斷汽車側(cè)面碰撞時(shí)碰撞接觸側(cè)和碰撞角度,但沒有考慮多種正面碰撞類型的識(shí)別,從而識(shí)別的碰撞類型較為局限。隨著神經(jīng)網(wǎng)絡(luò)和模糊推理的廣泛應(yīng)用[10-12],文獻(xiàn)[11]中用汽車位移和加加速度等特征變量開發(fā)了基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)(adaptive network based fuzzy inference system,ANFIS)的判斷碰撞嚴(yán)重程度的安全氣囊算法,但沒有對(duì)碰撞類型進(jìn)行識(shí)別。小重疊碰撞是正面碰撞的一種,因其比較常見且對(duì)乘員有致命損傷而越來越受到關(guān)注[12-13]。小重疊碰撞中正面沖擊力完全由縱梁外側(cè)的結(jié)構(gòu)承受,車身侵入量極大,乘員頭部因發(fā)生斜向位移而嚴(yán)重受傷[13]。小重疊碰撞兼有小角度碰撞和正面碰撞的特點(diǎn),傳統(tǒng)安全氣囊算法對(duì)該種碰撞類型的識(shí)別魯棒性不高。另外,由于小重疊碰撞過程中乘員頭部發(fā)生斜向位移,在最佳時(shí)間同時(shí)展開前排乘員氣囊和側(cè)氣簾,才能對(duì)乘員起到最佳的保護(hù)效果。
本文中在前人學(xué)者研究的基礎(chǔ)上,分析小重疊碰撞數(shù)據(jù)得到判別該碰撞類型的Δv,PDOF和加速度曲線長(zhǎng)度比值(acceleration curve length ratio,ACLR)3個(gè)特征參數(shù),結(jié)合Δv抗干擾能力強(qiáng)、ACLR靈敏性高和PDOF可合理識(shí)別汽車碰撞接觸側(cè)的優(yōu)點(diǎn),設(shè)計(jì)了一種基于ANFIS的二級(jí)模糊安全氣囊算法,以期在發(fā)生小重疊碰撞事故時(shí),安全氣囊控制單元識(shí)別出該碰撞類型并在最佳時(shí)間確定是否同時(shí)展開前氣囊和側(cè)氣簾,以達(dá)到乘員的最佳保護(hù)效果。
采用美國(guó)國(guó)家碰撞分析中心建立的某款整車有限元模型,參照IIHS 25%重疊偏置碰撞評(píng)價(jià)體系相關(guān)要求建立小重疊碰撞有限元模型,進(jìn)行仿真試驗(yàn),該整車模型已經(jīng)通過有效性驗(yàn)證[14]。
1.1 速度變化量Δv
目前,安全氣囊參數(shù)運(yùn)用較多的是速度變化量Δv,其優(yōu)點(diǎn)在于抗干擾能力強(qiáng),可很好地反映碰撞能量變化,但是發(fā)生小重疊碰撞事故時(shí),正面沖擊力完全由縱梁外側(cè)的結(jié)構(gòu)承受,在相同的沖擊力情況下,小重疊碰撞速度降低較慢,Δv較小。因此在小重疊碰撞中不能單獨(dú)運(yùn)用Δv作為識(shí)別碰撞類型特征參數(shù),需要引入其他變量。
1.2 加速度曲線長(zhǎng)度比值A(chǔ)CLR
在小重疊碰撞中,當(dāng)壁障碰撞到車輪、懸架系統(tǒng)、前擋板和儀表臺(tái)等較硬實(shí)體時(shí),減速度會(huì)迅速增大,當(dāng)再次碰到其他實(shí)體時(shí)會(huì)再次增加,因此小重疊碰撞的加速度曲線有更多的震蕩,長(zhǎng)度更長(zhǎng)。
發(fā)生小重疊碰撞時(shí),車輛只有一側(cè)受力,因此左右加速度曲線長(zhǎng)度差異較大。對(duì)比分析仿真試驗(yàn)數(shù)據(jù),采用安裝在前車燈架處的前置傳感器采集的車身右側(cè)與左側(cè)x向加速度曲線長(zhǎng)度比值A(chǔ)CLR作為安全氣囊算法的第2個(gè)特征變量,加速度曲線長(zhǎng)度La和ACLR計(jì)算公式為
式中:LaRx為車輛右側(cè)x向加速度曲線長(zhǎng)度;LaLx為車輛左側(cè)x向加速度曲線長(zhǎng)度。
計(jì)算得到ACLR曲線如圖1和圖2所示。結(jié)果表明:正面100%重疊碰撞的ACLR范圍為0.70~1.3,小重疊碰撞的比值范圍為0~0.40。正面100%重疊碰撞中,車輛兩側(cè)的x向沖擊力相似,加速度值相差不大,因此ACLR值在1左右浮動(dòng)。小重疊碰撞只有一側(cè)受到?jīng)_擊,該側(cè)的加速度值較未受沖擊的一側(cè)大,因此ACLR值在碰撞前期在0.15左右浮動(dòng),后期由于受到汽車側(cè)移等因素影響,碰撞側(cè)ax相對(duì)減小,ACLR增大,但始終在0.5以內(nèi)。
圖1 正面100%重疊碰撞加速度曲線長(zhǎng)度比值
圖2 小重疊碰撞加速度曲線長(zhǎng)度比值
1.3 主要受力方向PDOF
PDOF是汽車合成碰撞力的方向,在很多事故中可合理地確定汽車碰撞的接觸側(cè)。在給定時(shí)間點(diǎn),分別計(jì)算汽車縱向和橫向速度變化量Δvx和Δvy,合成速度變化量的方向即為PDOF[15]。傳統(tǒng)PDOF算法用式(3)計(jì)算。PDOF角度范圍為180°~-180°,代表前、后、左、右4種碰撞類型。傳統(tǒng)算法計(jì)算得到的PDOF是瞬時(shí)值。研究表明,當(dāng)加速度曲線有一個(gè)主導(dǎo)方向時(shí),Δv在另外一個(gè)方向軸上的輕微變化都會(huì)對(duì)PDOF產(chǎn)生影響。因此傳統(tǒng)的PDOF算法在計(jì)算正面100%重疊碰撞時(shí),PDOF值相對(duì)穩(wěn)定,在識(shí)別其他正面碰撞類型時(shí)有較大誤差[16],不適用于小重疊碰撞。本文中采用位移變化量Δs算法來計(jì)算PDOF,見式(4),該算法運(yùn)用完整的Δv時(shí)間曲線代替?zhèn)鹘y(tǒng)算法中運(yùn)用的兩軸上最大Δv,因此對(duì)上述現(xiàn)象不敏感,避免了較大誤差的產(chǎn)生。
為確保采集加速度數(shù)據(jù)的可靠性,采用不直接接觸碰撞的安全氣囊中央傳感器采集的加速度信號(hào)計(jì)算PDOF,計(jì)算所得PDOF曲線如圖3和圖4所示。結(jié)果表明:在正面100%重疊碰撞下,PDOF隨速度的升高而先增后減,總體范圍為0.5°~1.5°,這也說明正面100%重疊碰撞的PDOF角度接近于0°,驗(yàn)證了算法的準(zhǔn)確性。小重疊碰撞中,PDOF隨著初速度的升高而增大,角度范圍為8°~18°。綜上所述,小重疊碰撞與正面100%重疊碰撞的PDOF角度范圍存在較大差異,因此將PDOF作為識(shí)別小重疊碰撞的參數(shù)指標(biāo)。
圖3 正面100%重疊碰撞PDOF角度值
圖4 小重疊碰撞PDOF角度值
小重疊碰撞同時(shí)擁有正面100%重疊碰撞、斜碰撞和偏置碰撞的特點(diǎn),識(shí)別碰撞類型時(shí)沒有清楚的界限,存在模糊區(qū)域。ANFIS完美地結(jié)合了模糊推理系統(tǒng)在評(píng)估模糊復(fù)雜對(duì)象時(shí)的廣泛適用能力和人工神經(jīng)網(wǎng)絡(luò)在處理推理等問題時(shí)的自主學(xué)習(xí)能力。本文中提出一種基于ANFIS的兩級(jí)模糊算法,以期在發(fā)生小重疊碰撞事故時(shí),安全氣囊控制單元能識(shí)別出該碰撞類型并在最佳時(shí)間確定是否同時(shí)展開前氣囊和側(cè)氣簾,達(dá)到乘員的最佳保護(hù)。
2.1 兩級(jí)模糊算法設(shè)計(jì)
為能精確識(shí)別小重疊碰撞類型,新型安全氣囊碰撞類型識(shí)別算法使用兩級(jí)模糊算法,流程如圖5所示。
圖5 兩級(jí)模糊算法流程圖
該兩級(jí)模糊算法采用3個(gè)輸入信號(hào):Δv,PDOF和ACLR。當(dāng)加速度信號(hào)超過預(yù)定閾值,則開始第一階段,計(jì)算0~10ms內(nèi)的Δv,如果Δv超過閾值則識(shí)別為正面碰撞并立即根據(jù)相應(yīng)展開閾值展開安全氣囊,若不是則進(jìn)入第二階段,即根據(jù)輸入變量為PDOF和ACLR的ANFIS系統(tǒng)識(shí)別碰撞類型。
2.2 ANFIS設(shè)計(jì)與訓(xùn)練
ANFIS結(jié)構(gòu)采用T-S型模糊推理規(guī)則,共有6層節(jié)點(diǎn),兩個(gè)輸入(PDOF,ACLR)一個(gè)輸出(碰撞類型),各層節(jié)點(diǎn)數(shù)為:2-6-9-9-9-1,同一層的每個(gè)節(jié)點(diǎn)具有相似的功能。
(1)ANFIS輸入輸出層節(jié)點(diǎn)
選取的PDOF和ACLR兩種特征參數(shù)作為模糊神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)。輸出層描述的是碰撞類型,將網(wǎng)絡(luò)的輸出節(jié)點(diǎn)數(shù)設(shè)為1,期望輸出為小重疊碰撞記為“1”,正面碰撞類型為“0”,在輸出值基礎(chǔ)上,利用四舍五入的方法確定分類結(jié)果。
(2)ANFIS輸入變量論域
ANFIS的輸入變量的論域不同,為方便計(jì)算需將2個(gè)輸入變量的論域根據(jù)式(5)進(jìn)行變換,將實(shí)際論域變換為[0,1],并將變換后的值作為ANFIS的輸入。
式中:x0max和x0min分別為PDOF和ACLR特征變量的最大、最小值;x為論域變換后的值。
(3)隸屬度函數(shù)
分別用L(大)、M(中)、S(小)3個(gè)語(yǔ)言變量來表示各個(gè)特征量的模糊空間,即每個(gè)輸入變量都有3個(gè)模糊化神經(jīng)元。
分析大量的碰撞事故類型,又因高斯型隸屬函數(shù)曲線較平滑,系統(tǒng)準(zhǔn)確簡(jiǎn)潔,確定選取高斯型隸屬函數(shù)為
式中:c表示隸屬函數(shù)的中心;δ決定隸屬函數(shù)的寬度。
ANFIS有9條模糊推理規(guī)則,如表1所示。通過對(duì)兩種碰撞事故類型的分析,選擇靈敏度較高的ACLR為主影響變量。其中,規(guī)則1表示如果PDOF和ACLR都較大,則碰撞類型為正面碰撞。
表1 模糊規(guī)則組合表
利用MATLAB的模糊工具箱ANFIS仿真實(shí)現(xiàn)命令A(yù)nfis訓(xùn)練網(wǎng)絡(luò)模型,選取正面碰撞和小重疊碰撞20,30,40,50和60km/h 5組速度下共20個(gè)車輛仿真碰撞數(shù)據(jù)和碰撞類型作為輸入-輸出的訓(xùn)練數(shù)據(jù)trnData,其每一行代表一個(gè)模擬目標(biāo)系統(tǒng)所需的輸入-輸出對(duì)。ANFIS采用誤差反傳與最小二乘相結(jié)合的混合算法訓(xùn)練相應(yīng)參數(shù),設(shè)置訓(xùn)練目標(biāo)誤差為0.001,步長(zhǎng)為100,經(jīng)過19步訓(xùn)練,訓(xùn)練結(jié)果誤差為0.000 923 53,達(dá)到了目標(biāo)誤差要求。
安全氣囊能否及時(shí)展開是安全氣囊算法設(shè)計(jì)的關(guān)鍵之一,為對(duì)比基于PDOF和ACLR兩種特征參數(shù)的ANFIS自適應(yīng)安全氣囊算法的魯棒性和實(shí)時(shí)性,對(duì)比分析了單獨(dú)使用兩個(gè)特征參數(shù)對(duì)自適應(yīng)安全氣囊算法識(shí)別碰撞類型和識(shí)別時(shí)間的影響,采取了3種試驗(yàn)方案:
(1)輸入特征參數(shù)為PDOF和ACLR 2種;
(2)輸入特征參數(shù)為PDOF;
(3)輸入特征參數(shù)為ACLR。
每次試驗(yàn)都載入兩種碰撞類型5個(gè)共10組測(cè)試樣本進(jìn)行測(cè)試,ANFIS的仿真識(shí)別結(jié)果見表2。由表2可知,基于PDOF和ACLR兩種特征參數(shù)的ANFIS控制實(shí)現(xiàn)了正確識(shí)別碰撞類型,而且該種ANFIS控制系統(tǒng)識(shí)別碰撞類型的時(shí)間較早。輸入變量為PDOF時(shí)系統(tǒng)的識(shí)別時(shí)間最晚,輸入變量為ACLR時(shí)較早,這主要由于采集PDOF數(shù)據(jù)的中央傳感器比前置傳感器較晚接觸碰撞和采集碰撞信息的緣故,輸入變量為PDOF和ACLR兩個(gè)特征參數(shù)時(shí)較好地結(jié)合了兩個(gè)輸入變量的優(yōu)點(diǎn),識(shí)別時(shí)間較早。
表2 ANFIS仿真識(shí)別結(jié)果
當(dāng)發(fā)生60km/h正面碰撞類型時(shí),△v在10ms之前超過閾值,碰撞類型在第一階段識(shí)別。ANFIS輸入變量為PDOF和ACLR兩種特征參數(shù)時(shí),50km/ h正面碰撞類型在第二階段識(shí)別,識(shí)別時(shí)間是13ms,兩種碰撞符合在10-20ms內(nèi)觸發(fā)安全氣囊的要求[17];30與40km/h正面碰撞的識(shí)別是在第二階段完成,識(shí)別時(shí)間分別是15與16ms,較40-60ms內(nèi)觸發(fā)安全氣囊的要求時(shí)間提前[18],小重疊碰撞的識(shí)別均是在第二階段完成,識(shí)別時(shí)間分別是21,18,17,15和12ms,符合在規(guī)定時(shí)間內(nèi)觸發(fā)安全氣囊的要求。
基于單個(gè)輸入變量PDOF的ANFIS控制系統(tǒng),將50km/h速度下的小重疊碰撞錯(cuò)誤地識(shí)別為正面碰撞,且識(shí)別時(shí)間較長(zhǎng),這主要是由于PDOF曲線前期發(fā)生震蕩的緣故。另外,基于單個(gè)輸入變量ACLR的ANFIS控制系統(tǒng)將20km/h的正面碰撞錯(cuò)誤識(shí)別為小重疊碰撞,這主要因?yàn)榍爸脗鞲衅鞯募铀俣葦?shù)據(jù)可靠性差,魯棒性不高。
為驗(yàn)證開發(fā)的新型安全氣囊控制器在現(xiàn)實(shí)碰撞中的準(zhǔn)確性,進(jìn)行了驗(yàn)證試驗(yàn)。考慮到本算法是基于碰撞加速度信號(hào)開發(fā)的,因此采用可模擬不同碰撞加速度曲線的臺(tái)車代替實(shí)車進(jìn)行驗(yàn)證試驗(yàn)[18]。所用臺(tái)車質(zhì)量為1 660kg,碰撞加速度曲線通過仿真得到的吸能筒組合,共進(jìn)行了12與35km/h的正面100%重疊碰撞和27與64km/h的小重疊碰撞4組試驗(yàn)。64km/h小重疊碰撞臺(tái)車試驗(yàn)后假人和氣囊起爆狀態(tài)如圖6所示。
臺(tái)車碰撞中安全氣囊的展開時(shí)間可由控制器的輸出電壓信息確定,當(dāng)發(fā)生64km/h小重疊碰撞時(shí),該智能安全氣囊控制器起爆時(shí)刻如圖7所示。由圖7可知,安全氣囊展開時(shí)間為碰撞發(fā)生后的32ms。根據(jù)高速攝像數(shù)據(jù)和127mm-30ms準(zhǔn)則分析,確定安全氣囊的最佳展開時(shí)間為34ms。經(jīng)過對(duì)比可知安全氣囊的最佳點(diǎn)火時(shí)間與實(shí)際點(diǎn)火時(shí)間相差2ms,點(diǎn)火誤差為5.8%,而35km/h正面100%重疊碰撞點(diǎn)火時(shí)間為22ms,最佳點(diǎn)火時(shí)間為23ms,點(diǎn)火誤差為4.3%。兩次起爆試驗(yàn)的點(diǎn)火誤差均在允許誤差范圍之內(nèi)。在低速碰撞情況下安全氣囊均未起爆,符合預(yù)期要求。因此,通過臺(tái)車試驗(yàn),驗(yàn)證了提出的安全氣囊控制算法的有效性。
圖6 臺(tái)車碰撞后狀態(tài)圖
圖7 智能安全氣囊控制器起爆時(shí)刻圖
提出一種基于ANFIS的二級(jí)模糊安全氣囊控制算法,能夠正確識(shí)別小重疊碰撞事故類型和乘員類型坐姿,并在最佳時(shí)間展開前排乘員氣囊和側(cè)氣簾,對(duì)乘員起到最佳保護(hù)。
(1)分析小重疊和正面碰撞仿真模型,得到識(shí)別小重疊碰撞類型的3個(gè)特征參數(shù):速度變化量△v、加速度曲線長(zhǎng)度比值A(chǔ)CLR和汽車主要受力方向PDOF。
(2)在ANFIS的相關(guān)理論基礎(chǔ)上,基于小重疊碰撞的3個(gè)特征參數(shù),設(shè)計(jì)了二級(jí)模糊碰撞類型識(shí)別算法。
(3)針對(duì)開發(fā)的基于ANFIS系統(tǒng)的二級(jí)模糊碰撞類型識(shí)別算法,對(duì)比分析了單個(gè)和多個(gè)特征參數(shù)為輸入變量的控制算法在識(shí)別碰撞類型方面的優(yōu)缺點(diǎn),初步驗(yàn)證了提出的基于ANFIS系統(tǒng)的二級(jí)模糊安全氣囊碰撞類型識(shí)別算法的實(shí)時(shí)性。
(4)為更好地驗(yàn)證所開發(fā)安全氣囊算法的有效性,進(jìn)行了4次臺(tái)車驗(yàn)證試驗(yàn)。在4組驗(yàn)證試驗(yàn)過程中,安全氣囊均能按照預(yù)期準(zhǔn)確識(shí)別碰撞類型和起爆條件,起爆誤差分別為5.8%和4.3%,均在允許誤差范圍內(nèi),給乘員提供了最佳保護(hù),從而很好地驗(yàn)證了該安全氣囊算法的有效性和可靠性。
新型安全氣囊控制算法的研究更符合交通事故的現(xiàn)狀,提高了小重疊碰撞中乘員的安全性,有利于降低交通事故乘員損傷,具有明顯的社會(huì)價(jià)值。后續(xù)研究可結(jié)合多種碰撞類型如斜碰撞、柱碰撞等進(jìn)行研究,使其適用性更廣。
[1] United States General Accounting Office.Vehicle safety technologies,challenges,and research and development expenditures for advanced air bags,GAO-01-596[R].Report to the Chairman and Ranking Minority Member,Committee on Commerce,Science,and Transportation,United States:U.S.Senate,June 2001.
[2] 葛如海,藍(lán)善斌,陳曉東,等.安全氣囊對(duì)離位乘員損傷影響的仿真研究[J].汽車工程,2007,29(9):766-770.
[3] PARK TW,JEONGH Y,PARK SW.A crash severity algorithm for all frontal crashmodes using compensation factors[J].Proceedings of the Institution of Mechanical Engineers,Part D:Journal of Automobile Engineering,2006,220(5):531-541.
[4] CHO K,CHOISB,LEEH.Design of an airbag deployment algorithm based on precrash information[J].IEEE Transactions on Vehicular Technology,2011,60(4):1438-1452.
[5] CHO K,CHOIS B,SHIN K,et al.A pre-crash discrimination system for an airbag deployment algorithm[C].American Control Conference.Baltimore,2010,6949-6954.
[6] CHO K,CHOIS B,WEE S,et al.Design of an airbag deployment algorithm using a radar sensor[C].Proc.IFAC Symp.Adv. Automot.Control.2010,47-52.
[7] KUSANO K D,GABLER H C.Automated crash notification:evaluation of in-vehicle principal direction of force estimations[J]. Transportation Research Part C:Emerging Technologies,2013,32:116-128.
[8] GEISLER S,MICHELINIM.A study of crash rates for vehicles with advanced crash avoidance features[C].SAE Paper2011-01-0587.
[9] NIEHOFF P,GABLER H C,BROPHY J,et al.Evaluation of event data recorders in full systems crash tests[C].Proceedings of the 19th International Conference on the Enhanced Safety of Vehicles,2005.
[10] 曹立波,張萍,顏凌波,等.在車對(duì)車碰撞條件下轎車斜角碰撞及小重疊碰撞的駕駛員損傷研究[J].汽車工程,2016,38(2):174-180.
[11] MON Y J.Airbag controller designed by adaptive-network-based fuzzy inference system(ANFIS)[J].Fuzzy Sets and Systems,2007,158(24):2706-2714.
[12] SHERWOOD C P,NOLAN JM,ZUBY D S.Characteristics of small overlap crashes[C].Proc 21th Int'l Tech Confon Enhanced Safety of Vehicles,Germany,2009:9-13.
[13] 陳可明,胡麗娟,胡晏殊.國(guó)內(nèi)某車型小偏置正面碰撞的全面評(píng)估[J].汽車安全與節(jié)能學(xué)報(bào),2013,4(1):27-34.
[14] FE Model of Ford Taurus Report of Test.National crash analysis center[R].The GeorgeWashington University,2001:2-18.
[15] KUSANO K D,GABLER H C.Automated crash notification:evaluation of in-vehicle principal direction of force estimations[J]. Transportation Research Part C:Emerging Technologies,2013, 32:116-128.
[16] 陳望,干金鵬,史雪林,等.車輛緊急呼救系統(tǒng)中碰撞類型識(shí)別的新算法[J].汽車工程學(xué)報(bào),2015,5(3):215-221.
[17] MON Y J.Airbag controller designed by adaptive-network-based fuzzy inference system[J].Fuzzy Sets and Systems,2007,158 (24):2706-2714.
[18] BEEMAN SM,KEMPER A R,MADIGAN M L,et al.Kinetic and kinematic responses of postmortem human surrogates and the hybrid IIIATD in high-speedfrontal sled tests[J].Accident Analysis&Prevention,2013,55:34-47.
A Study on Airbag Algorithm for Small-overlap Crash Based on ANFIS
Bai Zhonghao1,Zhang Linwei1,Bai Fanghua2,Yan Changzheng2,Qin Zhenyuan2&Zhang Yongchun2
1.Hunan University,State Key Laboratory ofAdvanced Design and Manufacturing for Vehicle Body,Changsha 410082;2.Chongqing Vehicle Test&Research Institute National Quality Control&Inspection Center for Buses,Chongqing 401122
In order to enhance the protection effects of safety airbag for occupant in small-overlap crash,the accident types of small-overlap crash are analyzed with three characteristic parameters obtained for identifying small-overlap crash,i.e.speed change,acceleration curve length ratio and the principal direction of force.Based on characteristic parameters,combined with adaptive neural fuzzy inference system(ANFIS),a novel two stage fuzzy airbag control algorithm is developed to identify the type of small-overlap crash,accordingwhich the safety airbag is deployed.The performance of the algorithm can be enhanced by training appropriate fuzzymembership functions and fuzzy rules.Finally,the new airbag algorithm is validated by sled test.The results show that in the event of small-overlap crashes,the new airbag algorithm based on ANFIS can accurately identify the type of small-overlap crash and timely deploy front airbag and side air-curtain,improving their protection effects for occupant.
occupant protection;small-overlap crash;ANFIS;airbag algorithm
10.19562/j.chinasae.qcgc.2017.05.006
?國(guó)家自然科學(xué)基金(51475153)資助。
原稿收到日期為2016年5月25日,修改稿收到日期為2016年7月13日。
白芳華,碩士,E-mail:baifanghua@cmhk.com。