汽車斜角碰撞安全氣囊點火控制策略研究

殷文強，郭厚銳，劉玉云，白中浩

（湖南大學 汽車車身先進設計制造國家重點實驗室，湖南，長沙 410082）

在保護駕駛員和乘員安全方面，安全氣囊系統已成為了一種基本配置[1]。與其它的安全系統不同，安全氣囊系統作為汽車碰撞發生后保護人身安全的最后一道防線，它關系到駕駛員和乘員的生命安全。因此，確保安全氣囊精確可靠的點火是非常必要的。當前，關于安全氣囊控制器點火算法的研究主要集中在兩個方面，一是提高算法的抗路面干擾能力，二是在需要點火的時刻，研究如何提高控制點火時刻的精度[2]。為了提高路面抗干擾性能，研究了雙向加速度合成的氣囊控制算法，引入了汽車行駛過程中的z向加速度[3-4]。為提高氣囊點火的精確度，研究了基于預碰撞信息的安全氣囊控制器點火算法和采用神經網絡的方法[5-10]，通過多參數引入，在汽車碰撞之前對汽車的運行狀態進行判斷，采用預判斷的方法提高了安全氣囊點火的可靠性。相對第一種研究，該方法只是研究了如何提高抗路面干擾，并沒有對對如何提高氣囊控制器點火時刻精度進行進一步的研究。第二個方面，在積累了第一方面研究成果的同時，采用預判斷方法提高抗干擾能力和點火可靠性，但是該方法采用的基礎算法依然是傳統的點火算法。傳統的點火算法對碰撞嚴重性靈敏度不高，汽車在不同速度不同角度的碰撞下，傳統點火算法可靠性不高[11]。有研究表明，在所有的汽車與汽車碰撞事故中，汽車發生100%正面碰撞的概率為16%，其它各種斜角碰撞的概率占23%[12]。關于斜角碰撞安全性，美國FMVSS208法規規定了48 km/h的30°斜角碰撞安全性要求，而在我國，并沒有針對汽車斜角碰撞中乘員保護的相關試驗標準。在交通事故中，安全氣囊在發生角度碰撞時不起爆的情況常有發生，由此造成的用戶與制造商的糾紛也不在少數。乘員不能得到很好的保護，導致的人員和經濟損失巨大。因此，在我國進行斜角碰撞研究，提高斜角碰撞中安全氣囊點火算法的判斷可靠性和準確度，對于提高碰撞中乘員的保護有著重要的意義。

汽車在不同速度和角度的碰撞下，根據力與加速度的關系，其y向加速度與斜角碰撞強度具有一定的關聯性，本文從這一特性出發，構建一個考慮斜角碰撞差異的可靠性更高的安全氣囊控制器點火算法。

1 傳統算法點火準確性分析

對于單一的碰撞模式，汽車的碰撞嚴重程度和乘員的損傷程度與汽車的碰撞加速度密切相關。根據這一特性，構建的傳統點火算法主要有：速度增量法、比功率法、加速度增量法、移動窗積分法、神經網絡算法、加速度平方累積算法、基于速度變化的判別算法、加速度增量絕對值累積算法等[3,11]。

為了評估傳統算法的點火可靠性，獲取了某車型不同碰撞形式下5種點火算法得到的TTF，并與相應碰撞形式下的RTTF對比。一般情況下，RTTF是基于127 mm-30 ms準則。因此有必要先獲得假人向前移動127 mm所需要的時間。通常有兩種方法可以確定假人移動127 mm的時間，第一種是根據高速攝像資料來判斷假人移動的時間；第二種方法就是對碰撞加速度進行兩次積分來獲取假人移動127 mm的時間[11]。本文采用第2種方法獲取所需要的時間。

表1 某乘用車不同碰撞模式和算法下的TTF/ RTTF值[1]%

傳統算法的TTF和RTTF對比結果見表1。表中“N”表示在該模式下，安全氣囊沒有被觸發。比率大于100表示該碰撞模式下，氣囊的點火時刻滯后于RTTF。從表1中可知，5種點火算法在不需要點火的狀態下安全氣囊都沒有點火。各算法在不同正碰模式下都能較好地控制TTF，比率基本上能達到70%以上，但是，各種算法在用于斜碰撞中時，都不能較好地控制TTF。在斜碰撞中的比率都在30%～40%間，因此，現有的點火算法不能滿足實際需要，有必要對現有的算法進行改進或構建一種新的算法來提高汽車在發生斜碰撞時的點火準確性與可靠性，提高氣囊在斜碰撞中對乘員的保護。

2 汽車斜角碰撞的動力學分析

汽車安全氣囊的控制器通常是通過剛架結構與汽車固結在一起，以保證控制器能夠真實地感知汽車碰撞過程中的加速度。當汽車發生碰撞時，相互接觸部分發生劇烈變形，同時，劇烈的沖擊通過車架傳遞給傳感器，形成x向和y向陡峭的加速度前沿。在發生斜角碰撞時，車輛的前部只有一側參與碰撞中能量的吸收，這種碰撞形態下碰撞變形大，剛度小，所以碰撞中車體沖擊的加速度峰值小。因而在同樣的速度下發生碰撞時，發生正面碰撞的點火時刻要早于斜角碰撞的時刻，但是RTTF變化量與加速度增量并不是呈線性關系。因此在兩種碰撞形式中采用只考慮x向加速度的點火算法無法對斜角碰撞做出準確的判斷。

在汽車事故中，汽車發生斜角碰撞，相互碰撞的汽車受到的碰撞力與碰撞方向相反，根據力與加速度的關系，受斜角碰撞的汽車將產生沿x和y兩個方向的力，如圖1所示。碰撞過程中車體的總能量和瞬時受力由式（1）和式（2）表示。

式中，E為碰撞總能量；m為汽車質量；u為碰撞速度；F為碰撞力；hr為撞壓系數；t為接觸時間；Δu為速度變化量。

根據式（1）和式（2），車身相應的受力方向上產生的加速度反映碰撞強度。圖2是一次典型的斜角碰撞（30°）試驗中采集的雙向加速度曲線。由圖2可知，在碰撞的前30 ms（點火算法判斷的有效區間），y向加速度與x向的加速度具有很強的相關性。根據國內外的研究，車輛在65 km/h以下的速度發生碰撞時，汽車的變形量與碰撞的速度基本成線性關系，碰撞速度越高，變形量越大，相應的加速度也就越大。由于碰撞前駕駛采取了制動等措施，大部分車輛在碰撞前一刻已降至較低的速度。因此，根據碰撞加速度的特征，可以考慮利用汽車碰撞時y向的加速度作為輔助判斷因子，使汽車發生斜角碰撞時對安全氣囊點火算法進行控制，提高算法可靠性和精度。

當汽車發生斜碰撞時，在不同速度下，發生不同角度的碰撞工況下，x向和y向的加速度信號的關聯性，從圖1的受力圖分析可知。同一速度下不同角度碰撞，偏角越大，y向加速度所占的比例越大，也就是說y向碰撞強度越大。而在相同角度不同速度下碰撞時，汽車所受的橫向和縱向加速度因速度的增大而增大，但比值不變。汽車在不同速度和不同角度碰撞工況中加速度的差異，為新算法的構建提供了可能。

3 基于y向加速度干預合成算法

通過表1中對各傳統算法點火準確性的分析可知，基于加速度平方累積算法在各碰撞形式下的TTF與RTTF比值比較均衡，因此選擇對加速度平方累積算法作改進，式（3）為傳統加速度平方累積算法。

式中，So為傳統算法積分量；n為當前時間點；k為算法考慮的采樣點數，即積分窗寬；fs為采樣頻率；r為z向權重因子。

利用斜碰撞中x向和y向加速度信號的相關性，及y向加速度對斜角碰撞的敏感性，突破了傳統算法只考慮x向加速度的限制，構建了基于y向加速度的安全氣囊控制器點火算法。算法表達式如下。

式中，Sc為基于y向加速度干預的合成算法積分量；n、k、fs、r的定義同式(3)；r為權重因子，表征y向加速度在合成算法積分量Sc中的權重。

為避免碰撞信號因為y向加速度的引入導致合成的Sc過度的變形，需要對r進行控制，一般取0≤r≤1。碰撞過程中，y向碰撞越劇烈，正向加速度越大。由于碰撞前y向的本身沒有速度，碰撞使其獲得橫向的速度，碰撞后又回歸到速度0，因此，y向加速度有正有負。根據能量守恒，正向加速度與負向加速度是相等的，即y向加速度取平方求和反映的是橫向碰撞強度。

為了比較新算法的可靠性，y向因子引入對判斷曲線的影響程度，采用兩種算法對同一斜碰撞進行對比，比較新舊算法積分值的變化趨勢，新算法能否根據斜角碰撞強度對積分值進行相應調節，從而實現點火時刻的調節。考慮到實車斜角碰撞試驗成本高及臺車試驗不便于模擬斜角碰撞等因素，本文采用通過試驗驗證的整車有限元模型進行仿真，獲取斜角碰撞的加速度。圖3為左側30°速度為48 km/h斜角碰撞分別采用y向加速度干預的合成算法（r=0.5）求得的Sc值和不考慮y向加速度干預的傳統算法求得的So值的比較曲線。從圖3可以得出，考慮y向加速度干預的算法求得的Sc曲線的變化趨勢與傳統算法求得的Sc曲線的變化趨勢一致，而使用Sc代替So作為點火參數可以根據斜碰撞的碰撞強度的感知，對點火時刻進行相應的調節，提高判斷準確性，從而提高系統的在斜角碰撞中對乘員的保護能力。

4 算法的有效性驗證

4.1 參數選取

在斜角碰撞中，TTF因采用y向加速度干預而得到調節，但是TTF需要調節多少，可以通過設置合理的權重因子r來實現。窗寬k的選取和點火時刻、信號采樣頻率等有關，可變范圍比較小。z向權重因子r與相應車型的抗干擾能力有關，對斜角碰撞TTF的影響較小。因此，首先選擇合適的k值和r值，然后再漸近修改r的值。在本文中k=3 000，r=0.7[3]。r選取的方法是在30 km/h的速度下發生正面碰撞時的RTTF決定的積分值S，在相同速度的斜角碰撞時，r的取值使合成積分值Sc等于S的時刻為RTTF，即調節r值，使得在30 km/h的斜角碰撞下TTF等于RTTF。圖4為應用該方法選擇r值的優化曲線。在30 km/h的正面碰撞中，RTTF為23 ms，斜角碰撞RTTF為33.5 ms。根據此方法求得當r=0.5時，30 km/h的斜角碰撞下TTF=RTTF。

4.2 有效性驗證

為了評價基于y向加速度干預的合成積分量Sc相對于傳統積分量So的優化性能，使用有限元仿真的方法得到表1中各工況的碰撞加速度曲線，使用相同方法獲取RTTF，對各碰撞形態使用基于y向干預的合成算法，得到的TTF與RTTF的比值見表2。

表2 合成算法的TTF/ RTTF值%

由表2可知，基于y向加速度干預的合成算法與傳統算法相比，在正面碰撞工況下，點火準確性沒有太多變化，但是在斜角碰撞工況下，其點火準確性有了很大的提高。在斜角碰撞中，TTF與RTTF的比值均能達到70%以上，表明基于y向加速度干預的合成算法能夠有效提高斜角碰撞的準確性，基本達到算法設計的目標。

本文中，盡管有關斜角碰撞曲線是通過有限元仿真的方法獲取的，但是并不影響基于y向加速度干預的方法有效性的驗證，而只影響參數的選取。在實際碰撞過程中，由于車輛本身結構、傳感器安裝位置等因素都會對氣囊控制器的加速度信號產生影響，所以在具體設計時，需要根據實車試驗綜合分析來決定r的值，提高安全氣囊在斜角碰撞中的點火準確性。當然，安全氣囊控制作為一個系統，包括碰撞識別、抗干擾等方面，本文所做的改進側重于斜角碰撞中的控制，在基本的控制算法中尋找突破，提高了安全氣囊在斜角碰撞中的保護性能。

5 結論

（1）傳統的安全氣囊控制器點火算法在斜角碰撞工況下點火時刻不理想。

（2）分析發現汽車在發生斜角碰撞的過程中x、y兩向加速度存在很強的相關性，且y向加速度與斜角碰撞強度具有相關性。

（3）利用斜角碰撞過程中x向和y向加速度的相關性，構建了一種基于y向加速度的安全氣囊控制器合成算法。

（4）利用合成算法，在斜角碰撞工況中TTF與RTTF的比值提高到了70%以上。這一事實說明，合成算法與傳統算法相比在處理斜角碰撞工況中具有更高的準確性。

References)

[1]張金換， 杜匯良， 馬春生，等. 汽車碰撞安全性設計[M].北京市：清華大學出版社，2010：370.

Zhang Jinhuan，Du Huiliang，Ma Chunsheng，et al.Automotive Design for Crash Safety[M]. Beijing：Tsinghua University Press，2010：370.(in Chinese)

[2]唐國強，朱西產. 汽車安全氣囊點火算法的研究[J]. 公路與汽運，2009(2)：1-5.

Tang Guoqiang，Zhu Xichan. Reseach on the Airbag Deployment Algorithm [J]. Highways & Automotive Applications，2009(2)：1-5. (in Chinese)

[3]葛如海，朱文婷，臧綾. 基于改進移動窗算法的碰撞識別控制策略的研究[J]. 汽車工程，2011，33(7)：590-593，622. (in Chinese)

Ge Ruhai，Zhu Wenting，Zang Ling. A Study on the Control Strategy for Vehicle Impact Identification Based on Improved Moving Window Algorithm[J]. Automotive Engineering，2011，33(7)：590-593，622.(in Chinese)

[4]鄭維，黃世霖，張金換. 雙向加速度合成氣袋控制算法及其抗路面干擾特性[J]. 清華大學學報(自然科學版)，2003，43(2)：250-253. (in Chinese)

Zheng Wei，Huang Shilin，Zhang Jinhuan. Bidirectional Acceleration Airbag Control Algorithm and Its Anti Road Agitation Characteristics[J]. Tsinghua University(Sci &Tech)，2003，43(2)：250-253. (in Chinese)

[5]PIETZSCH S，VU T D，BURLET J，et al. Results of a Precrash Application Based on Laser Scanner and Short-Range Radars[J]. IEEE Transactions on Intelligent Transportation Systems，2009，10(4)：584-593.

[6]Yang Ying，Zao Guangyao，Sheng Jing. Occupant Pose and Location Detect for Intelligent Airbag System Based on Computer Vision[C].ICNC'08 Proceedings of the 2008 Fourth International Conference on Natural Computation，October 18-20，2008，Jinan，China，2008(6)：179-182.

[7]JOHNSON A，WILLSON R，CHENG Y，et al. Design Through Operation of an Image-Based Velocity Estimation System for Mars Landing[J]. International Journal of Computer Vision，2007，74(3)：319-341.

[8]CHO K，CHOI S B，SHIN K，et al. A Pre-Crash Discrimination System for an Airbag Deployment Algorithm[C].2010 American Control Conference，ACC 2010，June 30-July 2，2010，Baltimore，MD，United States：IEEE Computer Society，2010：6949-6954.

[9]秦孟蘇. 基于模糊神經網絡的汽車安全氣囊智能點火控制算法[D]. 長沙：湖南大學，2008.

Qin Mengsu. The Intelligent Fire Control Algorithm of Automotive Airbag Based on Fuzzy Logic and Neutral Network[D]. Changsha： Hunan University，2008. (in Chinese)

[10]劉杰，孫吉貴，李紅建，等. 基于BP神經網絡的氣囊點火算法模型[J]. 吉林大學學報(工學版)，2008，38(2)：414-418.

Liu Jie，Sun Jigui，Li Hongjian，et al. Setup of BP ANNBased Crash Sensing Algorithm[J]. Journal of Jilin University(Engineering and Technology Edition)，2008，38(2)：414-418. (in Chinese)

[11]JEONG H Y，KIM Y H. New Algorithm and Accelerometer Locations for Frontal Crash Discrimination[J]. Proceedings of the Institution of Mechanical Engineers，Part D：Journal of Automobile Engineering，2001，215(11)：1171-1178.

[12]周航飛. 轎車前部斜角碰撞仿真及駕駛員損傷防護研究[D]. 長沙： 湖南大學， 2009.

Zhou Hangfei. A Research on Drivers' Injury Biomechanics and Countermeasures in Vehicle Oblique Impact[D].Changsha：Hunan University，2009. (in Chinese)