設(shè)計(jì)仿真 | 基于ODYSSEE 的機(jī)器學(xué)習(xí)方法在汽車(chē)約束系統(tǒng)魯棒性分析中的應(yīng)用

汽車(chē)約束系統(tǒng)參數(shù)設(shè)計(jì)，常以法規(guī)中高速碰撞工況下整車(chē)加速度波形為輸入，通過(guò)開(kāi)展約束系統(tǒng)分析、試驗(yàn)標(biāo)定和優(yōu)化，對(duì)關(guān)鍵零部件設(shè)計(jì)參數(shù)和ECU點(diǎn)火時(shí)刻進(jìn)行標(biāo)定，確保假人傷害滿足法規(guī)要求，假人得分滿足車(chē)輛星級(jí)開(kāi)發(fā)策略要求。受限于制造工藝因素和真實(shí)碰撞場(chǎng)景的多樣化，真實(shí)的交通事故中，乘員傷害嚴(yán)重程度，與理想狀態(tài)存在偏差。

以往研究中，多采用標(biāo)量法代理模型開(kāi)展穩(wěn)健性分析和優(yōu)化。標(biāo)量法代理模型無(wú)法對(duì)曲線進(jìn)行預(yù)測(cè)，精度提升對(duì)設(shè)計(jì)試驗(yàn)（DOE）樣本規(guī)模依賴(lài)較大，DOE樣本制作過(guò)程中軟硬件資源的巨大消耗，制約該技術(shù)在產(chǎn)品研發(fā)流程中的普及。

本文使用?？怂箍?a style='color: blue;display:inline;border:none;' target='_blank' href='http://www.nbwatch.net/soft/' onclick="HitLog('工業(yè)軟件','http://www.nbwatch.net/soft/')" >工業(yè)軟件旗下ODYSSEE軟件，可以利用少量DOE樣本點(diǎn)構(gòu)建高精度的降階模型(ROM)，從而加速了汽車(chē)約束系統(tǒng)魯棒性的分析和研究。

有限元模型構(gòu)建

某乘用車(chē)駕駛員側(cè)約束系統(tǒng)模型如圖1所示，包含車(chē)身、轉(zhuǎn)向管柱、方向盤(pán)、地毯、儀表板、踏板、座椅、假人、氣囊、安全帶等總成。

圖1. 某乘用車(chē)駕駛員側(cè)約束系統(tǒng)模型

基于CNCAP管理規(guī)則（2021 版）中正面100%重疊剛性壁障碰撞物理試驗(yàn)的車(chē)體加速度波形，對(duì)上述模型加載，提取碰撞仿真后假人頭、頸、胸、大腿、小腿各性能指標(biāo)曲線庫(kù)作為輸出響應(yīng)，指導(dǎo)約束系統(tǒng)關(guān)鍵零部件設(shè)計(jì)參數(shù)優(yōu)化與標(biāo)定。

設(shè)計(jì)試驗(yàn)（DOE）

本文研究的設(shè)計(jì)變量為氣囊泄氣孔面積A，安全帶預(yù)緊時(shí)刻TTF-1和氣囊點(diǎn)爆時(shí)刻TTF-2。在ODYSSEE中通過(guò)拉丁超立方采樣方法進(jìn)行DOE樣本點(diǎn)生成，并通過(guò)軟件特有算法提升樣本點(diǎn)在設(shè)計(jì)空間的均勻度。生成的25個(gè)DOE樣本點(diǎn)空間分布如圖2所示。

圖2. 25個(gè)DOE樣本點(diǎn)空間分布

機(jī)器學(xué)習(xí)模型搭建

基于上述DOE樣本點(diǎn)進(jìn)行的碰撞仿真，采用機(jī)器學(xué)習(xí)模型構(gòu)建設(shè)計(jì)變量與各個(gè)響應(yīng)曲線的關(guān)系。基于R2精度評(píng)價(jià)標(biāo)準(zhǔn)，采用交叉驗(yàn)證法對(duì)駕駛員側(cè)約束系統(tǒng)碰撞仿真結(jié)果進(jìn)行機(jī)器學(xué)習(xí)算法尋優(yōu)。結(jié)果表明，本征正交分解（POD）+Kriging方法在所有算法中精度最高。

圖3 (a) 機(jī)器學(xué)習(xí)模型搭建；(b) 機(jī)器學(xué)習(xí)模型精度對(duì)比

假人傷害魯棒性分析

假人傷害魯棒性分析需要大量碰撞仿真，利用上述訓(xùn)練的高精度機(jī)器學(xué)習(xí)模型，能夠快速計(jì)算不同輸入?yún)?shù)下系統(tǒng)的各個(gè)響應(yīng)曲線，大大提高工作效率。

使用蒙特卡洛方法進(jìn)行數(shù)據(jù)的采樣，假定3個(gè)設(shè)計(jì)變量滿足均值為設(shè)計(jì)值，均方差為設(shè)計(jì)值3.3%的正態(tài)分布。

從圖4統(tǒng)計(jì)結(jié)果來(lái)看，在魯棒性分析中，假人總得分均值略高于設(shè)計(jì)值，如考慮可靠性?xún)?yōu)化設(shè)計(jì)（如6σ設(shè)計(jì)要求），約束系統(tǒng)關(guān)鍵零部件設(shè)計(jì)參數(shù)仍需進(jìn)一步優(yōu)化，以確保假人在物理試驗(yàn)中得分滿足預(yù)設(shè)的星級(jí)開(kāi)發(fā)目標(biāo)。

圖4. 假人總得分分布圖

應(yīng)用價(jià)值

基于ODYSSEE的POD降階算法，使用少量的樣本點(diǎn)，就能夠?qū)崿F(xiàn)對(duì)汽車(chē)約束系統(tǒng)中假人傷害曲線的高精度預(yù)測(cè)，可以有效提高仿真工程師的工作效率。

通過(guò)POD降階模型，與蒙特卡洛采樣方法的結(jié)合，能有效評(píng)估假人得分魯棒性，為性能開(kāi)發(fā)人員快速提供參數(shù)調(diào)整依據(jù)。