廣告
人工智能在汽車被動安全開發(fā)中的應用——行人碰撞頭部傷害預測
人工智能（Artificial Intelligence，簡稱AI）已經(jīng)在汽車自動駕駛、智能互聯(lián)、輔助駕駛、自動泊車等技術(shù)上已經(jīng)取得了廣泛成熟的應用。在車型開發(fā)時，隨著C-NCAP在國內(nèi)外的影響力不斷提升，高安全性能已成為新研發(fā)車型的關(guān)鍵核心要求,同時，為了快速響應市場需求，縮短新車型開發(fā)周期不僅是一項至關(guān)重要的目標，更是一項緊迫而艱巨的挑戰(zhàn)。在傳統(tǒng)的車型被動安全開發(fā)過程中，CAE仿真開發(fā)階段整體耗時較長，計算需要耗數(shù)十小時。由于仿真模型非常復雜以及數(shù)據(jù)獲取較為困難，AI在被動安全領(lǐng)域的應用進展相對緩慢。
圖1：人工智能在汽車行業(yè)的應用
工程院基于十余年來已積累的上百款車型模型數(shù)據(jù)以及海量仿真研發(fā)數(shù)據(jù)，將AI算法預測引入行人頭部碰撞預測，構(gòu)建行人頭部碰撞數(shù)據(jù)集，使用深度學習算法，訓練高效的AI預測模型，為極大縮短整車被動安全開發(fā)周期，進一步推動汽車被動安全性能的提升提供了可能。
圖2：AI引入被動安全開發(fā)
和CAE仿真使用高精度模型進行數(shù)值計算求解的過程不同，深度學習使用深度神經(jīng)網(wǎng)絡，建立多個神經(jīng)元，而多個神經(jīng)元通過加權(quán)連接形成層次化的結(jié)構(gòu)，即隱藏層。每個隱藏層本質(zhì)上是對前一個隱藏層的輸出進行非線性變換。在模型訓練和預測的過程中，這種深度神經(jīng)網(wǎng)絡能夠來從大量輸入數(shù)據(jù)中自動提取特征，最后映射成結(jié)果輸出。
圖3：CAE仿真與AI預測過程對比
圖4：深度神經(jīng)網(wǎng)絡結(jié)構(gòu)示意圖
從時間效率上分析，AI模型的訓練時間僅幾十秒，用模型預測總得分和云圖僅需幾秒，實現(xiàn)了效率從小時至秒級的提升。
AI模型在新版車型測試集中的擬合優(yōu)度（R-squared）達到87%以上。對比行人頭部的碰撞點的HIC值的CAE仿真結(jié)果和AI預測結(jié)果，可以看出，AI模型的預測精度處于較高水平，預測的得分云圖精度達到85%以上，總得分精度達到96%以上。
圖5：云圖對比
CAE模型本身涉及復雜的幾何、物理和工程原理，其數(shù)據(jù)維度和復雜性遠超常規(guī)的數(shù)據(jù)集，人工智能與仿真的結(jié)合仍然是一個不小的技術(shù)挑戰(zhàn)。相信隨著技術(shù)的不斷進步，人工智能將在汽車被動安全開發(fā)領(lǐng)域取得更大發(fā)展。
廣告 編輯推薦
最新資訊
-
開年豪擲1.8億搶用戶，又一車企加入“價格
2026-03-04 16:05
-
聯(lián)合國法規(guī)R60對兩輪車操縱件與指示裝置的
2026-03-04 12:08
-
標準立項|《汽車異種材料鉚接接頭拉伸性能
2026-03-04 11:40
-
“汽車大角度座椅 第1部分：通用要求”將有
2026-03-04 11:39
-
“汽車大角度座椅 第2部分：可靠性要求”將
2026-03-04 11:39
