车辆小重叠碰撞中滑移模式的研究

doi:10.19562/j.chinasae.qcgc.2022.10.014

摘要/Abstract

摘要：

基于平面运动理论提出了小重叠前撞时车辆滑移的理论分析方法，揭示了碰撞力与滑移量之间的关系，得到了实验和仿真的验证。将碰撞区域分为6个部分，提出了6阶碰撞力特征曲线。基于特征曲线和均匀设计法，通过提出的理论分析方法得到了车辆滑移量与不同特征曲线的样本空间。进一步，建立了BP神经网络，对特征曲线中6个区域的碰撞力值与滑移量进行了敏感度分析，识别出此工况下的最关键碰撞区域。本文提出的理论方法和进行的敏感度分析，为小重叠前撞的结构设计提供了理论支持。

关键词: 小重叠前撞, 滑移量, 理论模型, 神经网络, 敏感度分析

Abstract:

Based on the plane motion theory， a theoretical analysis method for the slide mode of the vehicle in small-overlap frontal crash is proposed， and the relationship between the slide value and the impact forces is revealed and verified by experiments and tests. The impact area is divided into six parts and the sixth-order impact force characteristic curves are put forward. Based on the characteristic curves and the uniform design method， the sample space of vehicle slide value and different characteristic curves is obtained by using the theoretical method proposed. Furthermore， the BP neural network is established to conduct a sensitivity analysis of the impact forces and the vehicle slide value in the six regions of characteristic curves， with the critical impact region under that working condition identified. The theoretical method proposed and the sensitivity analysis conducted provide a theoretical support for the structural design for small-overlap frontal crash.

Key words: small-overlap frontal crash, slide value, theoretical model, neural network, sensitivity analysis

陈晓杰,李松. 车辆小重叠碰撞中滑移模式的研究[J]. 汽车工程, 2022, 44(10): 1591-1599.

Xiaojie Chen,Song Li. Study on the Slid Mode in Vehicle Small-Overlap Frontal Crash[J]. Automotive Engineering, 2022, 44(10): 1591-1599.

图/表 24

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

图13

图14

图15

图16

图17

表1

图18

图19

图20

图21

图22

图23

参考文献 13

1	SHERWOOD C P， NOLAN J M， ZUBY D S. Characteristics of small overlap crashes［C］. Proc 21th Int'l Tech. Conf. on Enhanced Safety of Vehicles， Germany， 2009， Paper No 09-0423.
2	IIHS （Insurance Institute for Highway Safety）. Small overlap frontal crashworthiness evaluation rating protocol （Ver II）［S/OL］. ［2012-12-01］. （2013-01-10）. http：//www.iihs.org/ ratings/protocols.
3	IIHS（Insurance Institute for Highway Safety）. Small overlap frontal crashworthiness evaluation crash test protocol （Ver II）［S/OL］. ［2012-12-01］.（2013-01-10）. http：//www.iihs.org/ ratings/protocols.
4	DELATORRE C， et al. Component test fixture to improve SOI results［C］. SAE Paper 2017-01-1466.
5	PARK U， et al. IIHS small overlap crash mode wheel separation component test and the improvement in the lower arm［C］. FISITA Technical Paper， F 2016- AVCE-006.
6	张健，等. 正面25%偏置碰撞中车轮铰链失效的研究［J］. 汽车工程，2020， 42（8）.
	ZHANG Jian， et al. Research on wheel hinge failure in 25% small overlap frontal crash［J］. Automobile Engineering， 2020， 42（8）.
7	胡远志，梁锐，刘西，等. 某轿车小偏置碰撞结构耐撞性优化［J］. 重庆理工大学学报， 2018， 32（2）： 1-9．
	HU Yuanzhi， LIANG Rui， LIU Xi， et al. Body optimization of a sedan in small overlap impact［J］. Journal of Chongqing University of Technology （ Natural Science）， 2018，32（2）：1-9．
8	肖龙，李莉，段大伟，等. 基于正面25%重叠偏置碰撞测试的轿车改进设计［J］. 汽车工程， 2018， 40（2）： 184-191.
	XIAO Long， LI Li， DUAN Dawei， et al. Modification design of a sedan based on 25% overlap frontal crash test［J］. Automobile Engineering，2018， 40（2）： 184-191.
9	李林峰，刘卫国，张君媛，等. 基于25%小偏置正面碰撞的某乘用车前端结构改进设计［J］. 中国机械工程， 2015（9）： 2400-2405.
	LI Linfeng， LIU Weiguo， ZHANG Junyuan， et al. Design and improvement of a passenger vehicle frontal structure based on 25% small overlap front crash［J］. China Mechanical Engineering， 2015（9）： 2400-2405.
10	刘千揆，陈光，陈超，等. 基于小偏置碰撞力匹配研究的车身前端结构改进［J］. 科学技术与工程， 2017， 17（14）： 92-96.
	LIU Qiankui，CHEN Guang，CHEN Chao，et al． The automobile body frontal structure design based on the research of small overlap collision force［J］．Science Technology and Engineering， 2017，17 （14）： 92-96.
11	肖锋，陈晓锋. IIHS小偏置碰撞位移导向策略与结构评估方法［J］. 汽车安全与节能学报， 2013（4）： 322- 333.
	XIAO Feng， CHEN Xiaofeng. One displacement oriented strategy and a structural assessment method for IIHS new small overlap crash tests［J］. J Automotive Safety and Energy， 2013（4）： 322-333.
12	DIMOPOULOS Y， BOURRET P， LEK S. Use of some sensitivity criteria for choosing networks with good generalization ability［J］. Neural Processing Letters，1995， 2（6）： 1-4.
13	KOPRINKOVA-HRISTOVA P， MLADENOV V， KASABOV N K. Artificial neural networks［J］. European Urology， 2015， 40（1）： 245.

输入/kN	27	35	43	51	59	67	75	83	91	99	107	115
	52	62	72	82	92	102	47	57	67	77	87	97
	181	205	229	253	173	197	221	245	165	189	213	237
	162	182	202	157	177	197	152	172	192	147	167	187
	148	188	124	164	140	180	156	116	196	172	204	132
	67	97	62	92	82	72	87	57	47	52	42	77
	331	283	339	291	323	355	371	347	299	363	307	315
	76	51	91	66	41	56	81	96	71	61	86	46
	336	304	272	344	352	280	288	320	360	312	328	296
	114	99	84	69	104	79	119	89	94	124	74	109
	310	294	278	262	318	230	254	302	286	238	246	270
	156	151	146	141	111	136	121	106	116	141	126	101
输出/mm	247	330	350	397	368	374	408	295	318	310	304	347

[1]	王彦鑫,李海岩,崔世海,贺丽娟,吕文乐. 基于BP神经网络的儿童乘员头部损伤预测模型及评估参数研究[J]. 汽车工程, 2024, 46(2): 329-336.
[2]	胡明辉,朱广曜,刘长贺,唐国峰. 考虑迟滞特性的卡尔曼滤波和门控循环单元神经网络的锂离子电池SOC联合估计[J]. 汽车工程, 2023, 45(9): 1688-1701.
[3]	管欣,仲昭辉,詹军,奚腾龙,叶昊,高深圳,成健,廖世辉,蔡均. 基于卷积神经网络的汽车操纵稳定性试验类型识别方法[J]. 汽车工程, 2023, 45(9): 1765-1771.
[4]	王明,唐小林,杨凯,李国法,胡晓松. 考虑预测风险的自动驾驶车辆运动规划方法[J]. 汽车工程, 2023, 45(8): 1362-1372.
[5]	陈国强,申正义,孙利,支梦帆,李彤. 基于BP神经网络优化遗传算法的智能座舱感性意象预测[J]. 汽车工程, 2023, 45(8): 1479-1488.
[6]	张雷, 关可人, 丁晓林, 郭鹏宇, 王震坡, 孙逢春. 基于图像识别与动力学融合的路面附着系数估计方法[J]. 汽车工程, 2023, 45(7): 1222-1234.
[7]	韩勇,林旭洁,黄红武,蔡鸿瑜,罗金镕,李燕婷. 典型汽车碰撞事故场景中行人运动轨迹预测方法[J]. 汽车工程, 2023, 45(6): 1022-1030.
[8]	赵霞,李朝,付锐,葛振振,王畅. 基于深度卷积-Tokens降维优化视觉Transformer的分心驾驶行为实时检测[J]. 汽车工程, 2023, 45(6): 974-988.
[9]	何智成,杜磊浩,周恩临,覃高峰,黄晋. 基于改进连续型Hopfield神经网络的CAN总线负载率优化[J]. 汽车工程, 2023, 45(12): 2338-2347.
[10]	梁旺,秦兆博,陈亮,边有钢,胡满江. 基于改进BP神经网络的智能车纵向控制方法[J]. 汽车工程, 2022, 44(8): 1162-1172.
[11]	毕贵红,谢旭,蔡子龙,骆钊,陈臣鹏,赵鑫. 动态条件下基于深度学习的锂电池容量估计[J]. 汽车工程, 2022, 44(6): 868-878.
[12]	张哲雨,吕超,李景行,熊光明,吴绍斌,龚建伟. 基于车辆视角数据的行人轨迹预测与风险等级评定[J]. 汽车工程, 2022, 44(5): 675-683.
[13]	石琴,刘鑫,应贺烈,王铭伟,贺泽佳,贺林. 电液线控制动系统压力反步控制算法研究[J]. 汽车工程, 2022, 44(5): 747-755.
[14]	陈勇,魏长银,李晓宇,李彦林,刘彩霞,林霄喆. 融合工况识别的增程式电动汽车模糊能量管理策略研究[J]. 汽车工程, 2022, 44(4): 514-524.
[15]	谢德胜,徐友春,陆峰,潘世举. 基于多传感器信息融合的3维目标实时检测[J]. 汽车工程, 2022, 44(3): 340-349.