一种确定侧面安全气囊形状的方法
【专利摘要】本发明公开了一种确定侧面安全气囊形状的方法，包括选择优化点，将优化点的位置坐标作为气囊形状变量；获取反映气囊形状变量与气囊面积和假人损伤数据之间函数关系的近似面积模型和近似损伤模型；对气囊形状变量进行优化采样；将优化采样获得的优化用气囊形状变量输入近似面积和损伤模型中，获得近似气囊面积和近似假人损伤数据；在使近似假人损伤数据满足损伤指标约束条件的优化用气囊形状变量中选取使得近似气囊面积最小的预设数量的优化用气囊形状变量作优化解；获取与优化解对应的气囊面积和假人损伤数据；在使假人损伤数据满足损伤指标约束条件的优化解中选取使得气囊面积最小的优化解作目标解。本发明可以较小计算量得到较精确的优化结果。
【专利说明】一种确定侧面安全气囊形状的方法
【技术领域】
[0001]本发明涉及汽车【技术领域】，尤其涉及一种基于几何参数化的确定侧面安全气囊形状的方法。
【背景技术】
[0002]随着汽车行业的快速发展，人们对汽车被动安全越来越重视。安全、节能和环保也成为了当今汽车工程领域的三大设计主题。对于汽车侧面碰撞来说，侧面安全气囊无疑是保护乘员，避免乘员与车体内饰件发生二次碰撞的最重要的安全辅助装置，其在侧面乘员保护中的作用是被汽车工业界公认的，已经成为了许多车型的基本安全配置，特别是胸腹式侧面安全气囊可以有效地保护侧面碰撞中乘员的易受损伤的胸部和腹部部位。对于侧面安全气囊的设计，其气囊形状的设计又是设计中的重点和难点，因为侧面安全气囊的形状设计受很多因素的影响，包括乘员侧面空间，门内饰板造型，门内饰板刚度，车体入侵速度和入侵量，车体变形轮廓，座椅变形和乘员运动姿态等多种因素，因此在实际设计中侧面安全气囊的形状往往需要反复修改，以实现更好地乘员保护效果。
[0003]目前确定侧面安全气囊形状的方法主要有两种:一是试验试错法，即通过反复手动修改气囊形状，反复进行侧面台车试验对比乘员损伤情况来实现最终的形状优化；另一种是仿真试错法，通过反复手动修改气囊形状，反复运行乘员损伤分析模型来优化气囊形状，该乘员损伤分析模型例如是TNO公司的MADYMO (Mathematical Dynamic Model)。试验试错法和仿真试错法这两种方法针对气囊形状的优化设计都是根据工程经验，反复手动修改气囊形状，反复试错，由于手动修改所能进行的采样有限，而且针对气囊形状的设计又缺少明确的方法作为指导，因此很难保证气囊形状一次性优化到位，也很难得到最优的乘员保护效果，大大增加了侧面安全气囊的开发成本和开发周期，因此急需一种科学的，高效的，完全自动化及性能最优化的确定侧面安全气囊形状的方法。
【发明内容】
[0004]本发明实施例的目的在于解决现有方法存在的开发成本高及开发周期长的问题，提供一种高效的确定侧面安全气囊形状的方法。
[0005]为实现上述目的，本发明采用的技术方案为:一种确定侧面安全气囊形状的方法，包括:
[0006]选择优化点，将所有优化点相对优化坐标系的位置坐标作为用于确定侧面安全气囊形状的气囊形状变量；
[0007]获取训练用气囊形状变量，及训练用气囊形状变量与气囊面积和假人损伤数据之间的对应关系；
[0008]利用训练用气囊形状变量与气囊面积之间的对应关系，获取反映气囊形状变量与气囊面积之间函数关系的近似面积模型；
[0009]利用训练用气囊形状变量与假人损伤数据之间的对应关系，获得反映气囊形状变量与假人损伤数据之间函数关系的近似损伤模型；
[0010]对所述气囊形状变量进行优化采样，获得优化用气囊形状变量；
[0011]将优化用气囊形状变量分别输入至所述近似面积模型和近似损伤模型中，以分别获得与优化用气囊形状变量相对应的近似气囊面积和近似假人损伤数据；
[0012]在使得近似假人损伤数据满足损伤指标约束条件的优化用气囊形状变量中选取使得近似气囊面积最小的预设数量的优化用气囊形状变量作为优化解；
[0013]获取与优化解相对应的气囊面积和假人损伤数据；
[0014]在使得假人损伤数据满足损伤指标约束条件的优化解中选取使得气囊面积最小的优化解作为目标解；
[0015]根据所述目标解确定侧面安全气囊形状。
[0016]优选的是，所述方法还包括:
[0017]将所述优化解增加至所述训练用气囊形状变量中，并对所述近似面积模型和近似损伤模型进行训练更新；
[0018]所述对所述气囊形状变量进行优化采样包括:
[0019]对所述气囊形状变量进行优化采样，直到满足迭代停止条件为止。
[0020]所述在使得假人损伤数据满足损伤指标约束条件的优化解中选取使得气囊面积最小的优化解作为目标解包括:
[0021]在使得假人损伤数据满足损伤指标约束条件的经最后一次优化采样选取的优化解中，选取使得气囊面积最小的优化解作为目标解。
[0022]优选的是，所述方法还包括:
[0023]在所述优化解的附近进行补充训练采样，获得训练用补充气囊形状变量；
[0024]获取与训练用补充气囊形状变量相对应的气囊面积和假人损伤数据；
[0025]将所述优化解及训练用补充气囊形状变量增加至所述训练用气囊形状变量中，并对所述近似面积模型和近似损伤模型进行训练更新。
[0026]优选的是，所述迭代停止条件为:对所述气囊形状变量进行优化采样的次数达到预设的最大优化采样次数，或者相邻两次优化采样选取的目标解对应的气囊面积的差值小于等于预设值。
[0027]优选的是,所述选择优化点包括:
[0028]确定侧面安全气囊形状的初始形状及相对优化坐标系的初始位置；
[0029]在所述初始形状的轮廓上选择优化点。
[0030]优选的是，所述获取训练用气囊形状变量，及训练用气囊形状变量与气囊面积和假人损伤数据之间的对应关系包括:
[0031]对所述气囊形状变量进行训练采样，以获取训练用气囊形状变量；
[0032]生成与所述训练用气囊形状变量相对应的侧面安全气囊有限元分析模型的网格，作为训练网格；
[0033]利用所述训练网格，获取训练用气囊形状变量与气囊面积和假人损伤数据之间的对应关系；及/或，
[0034]所述获取与优化解相对应的气囊面积和假人损伤数据包括:
[0035]生成与所述优化解相对应的侧面安全气囊有限元分析模型的网格，作为优化网格；
[0036]利用所述优化网格，获取与优化解相对应的气囊面积和假人损伤数据。
[0037]优选的是，所述对所述气囊形状变量进行训练采样包括:采用试验设计方法对所述气囊形状变量进行训练采样；及/或，
[0038]所述对所述气囊形状变量进行优化采样包括:采用试验设计方法对所述气囊形状变量进行优化采样。
[0039]优选的是，对所述气囊形状变量进行优化采样而获得的优化用气囊形状变量的组数至少为对所述气囊形状变量进行训练采样而获得训练用气囊形状变量的组数的10倍。
[0040]优选的是，所述利用所述训练网格，获取训练用气囊形状变量与气囊面积和假人损伤数据之间的对应关系包括:
[0041]将所述训练网格分别输入至气囊面积计算模型和乘员损伤分析模型中，以分别获得与训练用气囊形状变量相对应的气囊面积和假人损伤数据；及/或，
[0042]所述利用所述优化网格，获取与优化解相对应的气囊面积和假人损伤数据包括:
[0043]将所述优化网格分别输入至气囊面积计算模型和乘员损伤分析模型中，以分别获得与优化解相对应的气囊面积和假人损伤数据。
[0044]优选的是，所述优化坐标系为二维坐标系，所述优化坐标系的第一坐标轴沿座椅靠背的方向延伸，所述优化坐标系的第二坐标轴在沿车身长度方向延伸的竖直平面上与所述第一坐标轴垂直。
[0045]优选的是，所述初始形状包括与所述第一坐标轴平行的边作为侧面安全气囊的安装边，在所述第二坐标轴的方向上位于安装边前方的边作为优化边，连接优化边与安装边的两个直线段，所述优化点位于初始形状的四个角点上及所述优化边上。
[0046]本发明的有益效果在于，本发明的确定侧面气囊形状的方法首先基于训练用气囊形状变量获得反映气囊形状变量与气囊面积之间函数关系的近似面积模型，及反映气囊形状变量与假人损伤数据之间函数关系的近似损伤模型，由于该近似模型基于函数关系进行计算，而并非真正的仿真模型，因此，可以根据输入的优化用气囊形状变量快速计算出近似气囊面积和近似假人损伤指标，这样每次进行优化采样的点数可以非常大，以筛选出更精确的优化解，之后再将筛选出的优化解例如是输入至仿真模型中进行确认，进而可以相对小的计算量得到较为精确的优化结果。
【专利附图】
【附图说明】
[0047]图1示出了根据本发明所述确定侧面安全气囊形状的方法的第一种实施方式的流程图；
[0048]图2示出了根据本发明所述确定侧面安全气囊形状的方法的第二种实施方式的流程图；
[0049]图3示出了根据本发明所述确定侧面安全气囊形状的方法的第三种实施方式的流程图；
[0050]图4示出了侧面安全气囊的一种初始形状及相对优化坐标系的初始位置。
【具体实施方式】[0051]下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
[0052]如图1所示，本发明的确定侧面安全气囊形状的方法包括如下步骤:
[0053]步骤S1:选择优化点，将所有优化点相对优化坐标系的位置坐标作为用于确定侧面安全气囊形状的气囊形状变量，由于侧面安全气囊是由两片完全相同的左、右布置的单片气囊织物缝合合成，因此，确定侧面安全气囊形状也就是要确定单片气囊织物处于平铺状态下的形状，所以，选择的优化点也就可以认为是位于单片气囊织物轮廓上的点，优化坐标系为确定平面形状的二维坐标系；假设选择19个优化点，那么该气囊形状变量也就包括19个优化点的位置坐标。
[0054]步骤S2:获取训练用气囊形状变量，及训练用气囊形状变量与气囊面积和假人损伤数据之间的对应关系，该假人损伤数据对于侧面安全气囊设计而言，主要需要考核假人肋骨变形量和假人腹部力指标；在此，对训练用气囊形状变量的理解为:已知其与气囊面积和假人损伤数据的准确对应关系的气囊形状变量，在此，该训练用气囊形状变量可以从已完成的侧面安全气囊形状设计的数据库中调取，也可以在每次进行侧面安全气囊设计时，通过对气囊形状变量进行较少的训练采样，再例如是利用气囊面积计算模型和乘员损伤分析模型计算得到相对应的气囊面积和假人损伤数据。
[0055]步骤S31:利用训练用气囊形状变量与气囊面积之间的对应关系，例如是通过插值或者拟合的方法获取反映气囊形状变量与气囊面积之间函数关系的近似面积模型，这例如可利用MATLAB的克热金近似模型工具栏实现。
[0056]步骤S32:利用训练用气囊形状变量与假人损伤数据之间的对应关系，例如是通过插值或者拟合的方法获得反映气囊形状变量与假人损伤数据之间函数关系的近似损伤模型，这例如可利用MATLAB的克热金近似模型工具栏实现，对于假人损伤数据包括假人肋骨变形量和假人腹部力的实施例，该近似损伤模型包括近似胸部损伤模型和近似腹部损伤模型。
[0057]步骤S4:对气囊形状变量进行优化采样，获得优化用气囊形状变量。
[0058]步骤S5:将优化用气囊形状变量分别输入至近似面积模型和近似损伤模型中，以分别获得与优化用气囊形状变量相对应的近似气囊面积和近似假人损伤数据；由于优化用气囊形状变量是利用基于函数关系的近似气囊面积和近似假人损伤数据计算近似气囊面积和近似假人损伤数据，该种计算的运算速度很快，因此，可在每次进行优化采样时，相对利用仿真模型计算选择相当多的采样点，采样点越多，优化结果越准确，但也相应地会降低优化效率，在此，通常选择5000至20000个采样点，对应获得5000至20000组优化用气囊形状变量，即可获得较满意的优化结果，其中，气囊形状变量中只要有一个变量不同即认为是不同的气囊形状变量。
[0059]步骤S6:在使得近似假人损伤数据满足损伤指标约束条件的优化用气囊形状变量中选取使得近似气囊面积最小的预设数量的优化用气囊形状变量作为优化解，该预设数量可以根据需要设定，但不易过大，过大会增加计算量，而且不利于优化解的快速收敛，因此，该预设数量为通常选取5至20组优化解。该损伤指标可以通过中国新车评价规范中获得，对于假人损伤数据包括假人肋骨变形量和假人腹部力的实施例，根据中国新车评价规范可知，假人肋骨变形量小于22_，假人腹部力小于1KN。
[0060]步骤S7:获取与优化解相对应的气囊面积和假人损伤数据，以对与优化解对应的气囊面积和假人损伤数据进行确认。
[0061]步骤S8:在使得假人损伤数据满足损伤指标约束条件的优化解中选取使得气囊面积最小的优化解作为目标解。
[0062]步骤S9:根据目标解确定侧面安全气囊形状，这可以通过对目标解对应的各优化点进行连线和进行连线的平滑过渡实现。
[0063]在上述步骤S2中，对于从已完成的侧面安全气囊形状设计的数据库中调取相匹配的训练用气囊形状变量的实施例，如果该训练用气囊形状变量的组数足够多，则经过一次优化采样通常就可以获得比较精确的目标解；而对于在每次进行侧面安全气囊设计时，通过对气囊形状变量进行训练采样，再例如是利用气囊面积计算模型和乘员损伤分析模型计算得到相对应的气囊面积和假人损伤数据的实施例，如果通过增加训练采样的采样点的方式提高获得的近似面积模型和近似损伤模型的精度，那么一方面将增加本发明方法的计算量，另一方面，由于训练采样的进行通常是在各优化点位置坐标的预设变化范围随机选取，因此，即使增加采样点，也未必会提高近似面积模型和近似损伤模型在可能是目标解的空间范围内的精度，除非采样点非常大，否则采样点的增加具有盲目性。
[0064]为了可以通过较少的计算有针对性地提高近似面积模型和近似损伤模型的精度，使得选取出的优化解越来越精确，直到选取出目标解，本发明的方法还可以将每次选取的优化解增加至训练用气囊形状变量中，再利用经过补充的训练用气囊形状变量执行上述步骤S31和步骤S32，以对近似面积模型和近似损伤模型进行训练更新，以进行迭代选取优化点。在近似面积模型和近似损伤模型更新之后，再一轮执行上述步骤S4至步骤S7，以选取出更为精确的优化点。而执行上述步骤S4至步骤S7的次数，或者称对气囊形状变量进行优化采样的次数，可通过设定迭代停止条件控制，即对气囊形状变量进行优化采用，直到满足迭代停止条件为止。对于该种进行迭代选取优化点的实施例，上述步骤S8中可在使得假人损伤数据满足损伤指标约束条件的经最后一次优化采样选取的优化解中，选取使得气囊面积最小的优化解作为目标解。上述的进行迭代选取优化点的实施例可通过如图2所示的具体步骤实现，即在步骤S7之后增加步骤S7b:
[0065]步骤S7b:判断是否满足迭代停止条件，如是则执行步骤S8，如否则执行步骤S10。
[0066]步骤SlO:将优化解增加至训练用气囊形状变量中，之后执行上述步骤S31和步骤S32。
[0067]为了更进一步有针对性地提高近似面积模型和近似损伤模型在可能存在目标解的空间范围内的精度，并以更快的速度搜寻可能存在的目标解(即加快优化解的收敛速度)，如图3所示，本发明的方法还可以在上述步骤S7b之后执行如下步骤:
[0068]步骤SlOa:在优化解的附近进行补充训练采样，获得训练用补充气囊形状变量，该附近的定义为:将优化点的位置坐标的变化范围缩小为使确定优化点的预设变化范围的各边界相对优化解对应的优化点的位置坐标向内偏移一半的距离所确定的范围，即各边界向内偏移距离优化解对应的优化点在相应方向上的位置坐标的一半的距离。
[0069]步骤SlOb:获取与训练用补充气囊形状变量相对应的气囊面积和假人损伤数据。
[0070]步骤SlO:将优化解及训练用补充气囊形状变量均增加至训练用气囊形状变量中，之后执行步骤S31和步骤S32，以对所述近似面积模型和近似损伤模型进行训练更新。
[0071]上述迭代停止条件为:对所述气囊形状变量进行优化采样的次数达到预设的最大优化采样次数，例如设定最大优化采样次数为200至1000次，或者相邻两次优化采样选取的目标解对应的气囊面积的差值小于等于预设值，该预设值例如是小于等于0.05。
[0072]上述步骤SI中选择优化点可进一步包括如下步骤:
[0073]步骤SlOl:确定侧面安全气囊形状的初始形状及相对优化坐标系的初始位置，该初始形状及初始位置的设定通常使得侧面安全气囊基本覆盖了驾驶员(或者称假人)胸腹部的整个区域。
[0074]步骤S102:在初始形状的轮廓上选择优化点，以便于设定优化点位置坐标的变化范围。
[0075]在根据气囊形状变量确定对应的气囊面积和假人损伤数据时，可以生成与气囊形状变量相对应的侧面安全气囊有限元分析模型的网格，这例如可通过了 T-Solution公司的SFE CONCEPT软件生成；再利用网格获取气囊形状变量与气囊面积和假人损伤数据之间的对应关系，这可以方便对通过将网格输入至现有的气囊面积计算模型和乘员损伤分析模型中获得。该种方法适用于上述的步骤S2、步骤S7和步骤SlOb。
[0076]例如，对于步骤S2中获取训练用气囊形状变量，及训练用气囊形状变量与气囊面积和假人损伤数据之间的对应关系可进一步包括如下步骤:
[0077]步骤S201:对气囊形状变量进行训练采样，以获取训练用气囊形状变量；
[0078]步骤S202:生成与训练用气囊形状变量相对应的侧面安全气囊有限元分析模型的网格，作为训练网格；
[0079]利用训练网格，例如将训练网格输入至气囊面积计算模型和乘员损伤分析模型中，获取训练用气囊形状变量与气囊面积和假人损伤数据之间的对应关系。
[0080]又例如，对于步骤S7中获取与优化解相对应的气囊面积和假人损伤数据可进一步包括如下步骤:
[0081]步骤S701:生成与优化解相对应的侧面安全气囊有限元分析模型的网格，作为优化网格。
[0082]步骤S702:利用优化网格，例如将优化网格输入至气囊面积计算模型和乘员损伤分析模型中，获取与优化解相对应的气囊面积和假人损伤数据。
[0083]上述步骤S201中对气囊形状变量进行训练采样可包括:采用试验设计方法对所述气囊形状变量进行训练采样。上述步骤SS4中对气囊形状变量进行优化采样可包括:采用试验设计方法对气囊形状变量进行优化采样。上述步骤SlOa中在优化解的附近进行补充训练采样可包括:采用试验设计方法在优化解的附近进行补充训练采样。在此，采用试验设计方法进行采用相对于随机选取的方式会使得优化解更快地收敛，降低需要迭代的次数，该试验设计方法例如是最优拉丁方试验设计方法、正交试验设计方法、均匀试验设计方法等。
[0084]为了突出本发明的可以相对小的计算量获得较精确的优化结果的特点，上述对气囊形状变量进行优化采样而获得的优化用气囊形状变量的组数(即进行优化采样的采样点)至少为对所述气囊形状变量进行训练采样而获得训练用气囊形状变量的组数(即进行训练采样的采样点)的10倍，特别是为30倍至100倍。[0085]为了便于设定各优化点的位置坐标的变化范围，如图4所示，上述优化坐标系的第一坐标轴a沿座椅靠背的方向延伸，可以选择基本向上的方向为正向，优化坐标系的第二坐标轴b在沿车身长度方向延伸的竖直平面上与第一坐标轴a垂直，可以选择基本向前的方向为正向。而优化坐标系的原点ο可以选择为假人H点，使得优化点的位置坐标为相对假人H点的位置坐标，这样可以避免本发明的确定侧面安全气囊的方法受车型尺寸变化的影响。
[0086]由于侧面安全气囊在第二坐标轴b正向上位于后方的边为侧面安全气囊的安装边，因此，优化点主要设在侧面安全气囊的在两端与安装边相连接的轮廓线上。优化点位置坐标的变化范围可参照如下方式设定，即可使优化点的位置坐标在可能的使侧面安全气囊相对初始形状在对应位置沿坐标轴方向外伸的最远位置及可能的使侧面安全气囊相对初始形状在对应位置沿坐标轴方向内缩的最深位置之间变化。
[0087]为了进一步简化设计方案，可使侧面安全气囊的与安装边连接的位于上方和下方的边分别为直线段，这使得优化点仅包括在第二坐标轴b正向上位于前方的边上,及位于初始形状的四个角点上。在此基础上，图4给出了一种初始形状选择为方形的实施例，该初始形状的位于上方和下方的边与第二坐标轴b平行，位于前方和后方的边与第一坐标轴a平行，选择的优化点包括方形的四个角点PU P17、P18和P19，及在第二坐标轴b的正向上位于前方的优化边上的优化点P2至P16，在此，该优化边上通常间隔20?30mm选取优化点，图4所示的实施例中，初始形状在第一坐标轴方向上的长度为480mm，因此，以间隔30mm选取优化点的方式，即在优化边上共设置17个优化点；而在第二坐标轴b的正向上位于后方的边是侧面安全气囊的安装边，因此，除将角点P18和P19作为优化点外，无需额外设置其他优化点，这样，一组气囊形状变量即包括Pl至P19的位置坐标Pl (a, b)至P19 (a, b)。
[0088]在设定各优化点的位置坐标的变化范围时，可参考以下方式进行:在确定初始形状及初始位置时，如果以基本覆盖驾驶员(或者称假人)胸腹部的整个区域为要求，则对于四个角点P1、P17、P18和P19在第一坐标轴a方向上的初始位置基本为对应变量的最大值，向内平移例如是30mm的一定距离作为对应变量的最小值，该一定距离通常小于等于在第一坐标轴a方向上与相邻优化点之间的距离(即上述在优化边上选取优化点所采用的间隔)，对于图4所示的实施例，优化点P1、P19沿第一坐标轴a的负向移动30mm，优化点P17、P18点沿第一坐标轴a正向移动30mm;对于四个角点在第二坐标轴b方向上的变化范围，对于优化边上的优化点P1、P17沿第二坐标轴b正向移动例如是IOOmm的一定距离作为对应变量的最大值，沿第二坐标轴b负向移动直到假人肋骨变形量传感器连线的位置为对应变量的最小值，在此，座椅上沿第一坐标轴a的方向安装有上、中、下三个假人肋骨变形量传感器，而位于安装边上的优化点P18、P19在第二坐标轴b方向上的位置坐标P18 (b)、P19 (b)为固定值，不需要优化。对于非角点以外的其它优化点P2至P16，只需优化沿第二坐标轴b方向上的位置坐标P2(b)至P16(b)，这些优化点沿第二坐标轴b正向移动例如是IOOmm的一定距离作为对应变量最大值，沿第二坐标轴b负向移动直到假人肋骨变形量传感器连线的位置为对应变量的最小值。
[0089]以下给出一种具体应用实例:采用如图4所示的初始形状、优化点设置，优化点位置坐标的变化范围采用上述设置方式；设定上述迭代停止条件中的最大优化采样次数为500次，预设值为0.001 ;采用拉丁方试验方法进行各种采样；设定进行训练采样的采样点为200个点，即得到200组气囊形状变量；设定每次进行优化采样的采样点为10000个点，设定每次选取10个优化解，设定每次进行补充训练采样的采样点为50个点。
[0090]优化结果为:最终经过420次优化采样结束，得到一个优化后的侧面安全气囊形状，应用获得的侧面安全气囊形状，侧面安全气囊的面积略有增加，面积增加主要集中在上肋骨和腹部保护区域，驾驶员(假人)肋骨变形量和腹部力分别为20.9mm和0.91kN,与优化前相比得到了较大地改善。考虑到优化后的形状存在一定的不连续性，根据优化后的气囊形状进行了局部的过渡处理，使用过渡处理后的侧面气囊形状，驾驶员肋骨变形量和腹部力与过渡处理前相比基本未发生变化，获得了相同的保护效果。
[0091]以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。
【权利要求】
1.一种确定侧面安全气囊形状的方法，其特征在于，包括: 选择优化点，将所有优化点相对优化坐标系的位置坐标作为用于确定侧面安全气囊形状的气囊形状变量； 获取训练用气囊形状变量，及训练用气囊形状变量与气囊面积和假人损伤数据之间的对应关系； 利用训练用气囊形状变量与气囊面积之间的对应关系，获取反映气囊形状变量与气囊面积之间函数关系的近似面积模型； 利用训练用气囊形状变量与假人损伤数据之间的对应关系，获得反映气囊形状变量与假人损伤数据之间函数关系的近似损伤模型； 对所述气囊形状变量进行优化采样，获得优化用气囊形状变量； 将优化用气囊形状变量分别输入至所述近似面积模型和近似损伤模型中，以分别获得与优化用气囊形状变量相对应的近似气囊面积和近似假人损伤数据； 在使得近似假人损伤数据满足损伤指标约束条件的优化用气囊形状变量中选取使得近似气囊面积最小的预设数量的优化用气囊形状变量作为优化解； 获取与优化解相对应的气囊面积和假人损伤数据； 在使得假人损伤数据满足损伤指标约束条件的优化解中选取使得气囊面积最小的优化解作为目标解； 根据所述目标解确定侧面安全气囊形状。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括: 将所述优化解增加至所述训练用气囊形状变量中，并对所述近似面积模型和近似损伤模型进行训练更新； 所述对所述气囊形状变量进行优化采样包括: 对所述气囊形状变量进行优化采样，直到满足迭代停止条件为止； 所述在使得假人损伤数据满足损伤指标约束条件的优化解中选取使得气囊面积最小的优化解作为目标解包括: 在使得假人损伤数据满足损伤指标约束条件的经最后一次优化采样选取的优化解中，选取使得气囊面积最小的优化解作为目标解。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括: 在所述优化解的附近进行补充训练采样，获得训练用补充气囊形状变量； 获取与训练用补充气囊形状变量相对应的气囊面积和假人损伤数据； 将所述优化解及训练用补充气囊形状变量增加至所述训练用气囊形状变量中，并对所述近似面积模型和近似损伤模型进行训练更新。
4.根据权利要求2或3所述的方法，其特征在于，所述迭代停止条件为:对所述气囊形状变量进行优化采样的次数达到预设的最大优化采样次数，或者相邻两次优化采样选取的目标解对应的气囊面积的差值小于等于预设值。
5.根据权利要求1、2或3所述的方法，其特征在于，所述选择优化点包括: 确定侧面安全气囊形状的初始形状及相对优化坐标系的初始位置； 在所述初始形状的轮廓上选择优化点。
6.根据权利要求1、2或3所述的方法，其特征在于，所述获取训练用气囊形状变量，及训练用气囊形状变量与气囊面积和假人损伤数据之间的对应关系包括: 对所述气囊形状变量进行训练采样，以获取训练用气囊形状变量； 生成与所述训练用气囊形状变量相对应的侧面安全气囊有限元分析模型的网格，作为训练网格; 利用所述训练网格，获取训练用气囊形状变量与气囊面积和假人损伤数据之间的对应关系；及/或， 所述获取与优化解相对应的气囊面积和假人损伤数据包括: 生成与所述优化解相对应的侧面安全气囊有限元分析模型的网格，作为优化网格； 利用所述优化网格，获取与优化解相对应的气囊面积和假人损伤数据。
7.根据权利要求6所述的方法，其特征在于，所述对所述气囊形状变量进行训练采样包括:采用试验设计方法对所述气囊形状变量进行训练采样 '及/或， 所述对所述气囊形状变量进行优化采样包括:采用试验设计方法对所述气囊形状变量进行优化采样。
8.根据权利要求6所述的方法，其特征在于，对所述气囊形状变量进行优化采样而获得的优化用气囊形状变量的组数至少为对所述气囊形状变量进行训练采样而获得训练用气囊形状变量的组数的10倍。
9.根据权利要求6所述的方法，其特征在于，所述利用所述训练网格，获取训练用气囊形状变量与气囊面积和假人损伤数据之间的对应关系包括: 将所述训练网格分别输入至气囊面积计算模型和乘员损伤分析模型中，以分别获得与训练用气囊形状变量相对应的气囊面积和假人损伤数据 '及/或， 所述利用所述优化网格，获取与优化解相对应的气囊面积和假人损伤数据包括: 将所述优化网格分别输入至气囊面积计算模型和乘员损伤分析模型中，以分别获得与优化解相对应的气囊面积和假人损伤数据。
10.根据权利要求1、2或3所述的方法，其特征在于，所述优化坐标系为二维坐标系，所述优化坐标系的第一坐标轴沿座椅靠背的方向延伸，所述优化坐标系的第二坐标轴在沿车身长度方向延伸的竖直平面上与所述第一坐标轴垂直。
【文档编号】G06F17/50GK103984838SQ201410242898
【公开日】2014年8月13日 申请日期:2014年6月3日 优先权日:2014年6月3日
【发明者】李铁柱, 陶其铭, 张雷, 袁海龙, 卢元燕 申请人:安徽江淮汽车股份有限公司