广告
人工智能在汽车被动安全开发中的应用——行人碰撞头部伤害预测
人工智能（Artificial Intelligence，简称AI）已经在汽车自动驾驶、智能互联、辅助驾驶、自动泊车等技术上已经取得了广泛成熟的应用。在车型开发时，随着C-NCAP在国内外的影响力不断提升，高安全性能已成为新研发车型的关键核心要求,同时，为了快速响应市场需求，缩短新车型开发周期不仅是一项至关重要的目标，更是一项紧迫而艰巨的挑战。在传统的车型被动安全开发过程中，CAE仿真开发阶段整体耗时较长，计算需要耗数十小时。由于仿真模型非常复杂以及数据获取较为困难，AI在被动安全领域的应用进展相对缓慢。
图1：人工智能在汽车行业的应用
工程院基于十余年来已积累的上百款车型模型数据以及海量仿真研发数据，将AI算法预测引入行人头部碰撞预测，构建行人头部碰撞数据集，使用深度学习算法，训练高效的AI预测模型，为极大缩短整车被动安全开发周期，进一步推动汽车被动安全性能的提升提供了可能。
图2：AI引入被动安全开发
和CAE仿真使用高精度模型进行数值计算求解的过程不同，深度学习使用深度神经网络，建立多个神经元，而多个神经元通过加权连接形成层次化的结构，即隐藏层。每个隐藏层本质上是对前一个隐藏层的输出进行非线性变换。在模型训练和预测的过程中，这种深度神经网络能够来从大量输入数据中自动提取特征，最后映射成结果输出。
图3：CAE仿真与AI预测过程对比
图4：深度神经网络结构示意图
从时间效率上分析，AI模型的训练时间仅几十秒，用模型预测总得分和云图仅需几秒，实现了效率从小时至秒级的提升。
AI模型在新版车型测试集中的拟合优度（R-squared）达到87%以上。对比行人头部的碰撞点的HIC值的CAE仿真结果和AI预测结果，可以看出，AI模型的预测精度处于较高水平，预测的得分云图精度达到85%以上，总得分精度达到96%以上。
图5：云图对比
CAE模型本身涉及复杂的几何、物理和工程原理，其数据维度和复杂性远超常规的数据集，人工智能与仿真的结合仍然是一个不小的技术挑战。相信随着技术的不断进步，人工智能将在汽车被动安全开发领域取得更大发展。
广告 
广告
编辑推荐
最新资讯
-
荷兰Zepp氢燃料电池卡车-Europa
2024-12-22 10:13
-
NCACFE -车队油耗经济性报告（2024版）
2024-12-22 10:11
-
R54法规对商用车轮胎的要求（上）
2024-12-22 10:10
-
蔚来ET9数字架构解析
2024-12-22 09:53
-
4G/5G网络新时代的高效紧急呼叫系统NG-eCal
2024-12-20 22:33
广告
广告
