基于微型遺傳算法汽車安全氣囊系統優化設計＊

李彬羅明軍黃永,3張貴萬周旭峰

（1.奇瑞汽車股份有限公司，蕪湖 241006；2.蕪湖凱翼汽車有限公司，蕪湖 241006；3.合肥工業大學，合肥 230009）

基于微型遺傳算法汽車安全氣囊系統優化設計＊

李彬1,3羅明軍2黃永2,3張貴萬2周旭峰2

（1.奇瑞汽車股份有限公司，蕪湖 241006；2.蕪湖凱翼汽車有限公司，蕪湖 241006；3.合肥工業大學，合肥 230009）

采用LS-DYNA軟件建立了汽車安全氣囊的有限元模型，通過跌落塔試驗驗證了CAE模型的有效性。首先利用微型遺傳算法對安全氣囊的排氣孔直徑、拉帶長度和氣體發生器質量流率等參數進行了優化，然后結合整車正面碰撞試驗驗證了該模型優化參數的準確性。結果表明，當安全氣囊的排氣孔直徑為48 mm，拉帶長度為240 mm，氣體發生器質量流率為1.1 k時，氣囊能最大程度地保護乘員的頭部、頸部和胸部安全。

1 前言

在汽車碰撞事故中，安全氣囊作為輔助約束裝置在減小乘員損傷方面發揮著重要作用。研究表明，安全氣囊與安全帶配合使用可將車輛碰撞事故中前排乘員死亡風險降低61%[1]。然而，安全氣囊的不合理設計會加劇乘員損傷甚至威脅生命[2]。為提高安全氣囊的防護性能，研究人員開展了相關研究。如，汪娜[3]等將粒子法應用于安全氣囊的展開模擬，驗證了安全氣囊展開過程的有效性；殷文強[4]等對安全氣囊的點火算法進行研究；白中浩[5]等利用遺傳神經網絡模型設計智能安全氣囊的控制算法來提高安全氣囊的可靠性。但這些研究沒有涉及對安全氣囊系統及參數的優化，難以應用于工程設計。

為了提高安全氣囊對乘員的防護性能，本文利用LS-DYNA軟件建立了安全氣囊的有限元模型，通過跌落塔試驗驗證了模型的有效性，并運用微型遺傳算法對安全氣囊的參數進行了優化，通過試驗驗證了優化結果的有效性。

2 模型的建立及驗證

2.1 建立安全氣囊模型

安全氣囊仿真過程主要包括氣囊幾何表面的有限元模型生成、氣體發生器的定義和氣囊折疊。

根據安全氣囊幾何模型，對其表面進行離散化，生成有限元模型。生成的安全氣囊容積為45 L、拉帶長度為250 mm、排氣孔直徑為45 mm。

為正確模擬安全氣囊展開過程中的特性，定義氣體成分、氣體質量流率、氣體溫度流率等為氣體發生器的物理參數，選用氮氣作為主要氣體。氣體發生器壓力和質量流率曲線如圖1所示。

圖1 氣體發生器的壓力和質量流率曲線

設置好安全氣囊的基本參數后，需要建立安全氣囊的折疊過程。為減小模型的計算量，折疊過程采用了直接折疊法，即按照安全氣囊的實際折疊方式，通過擠壓將兩個圓平面折疊起來。這種折疊方法能使安全氣囊方便展開，無需引入大量的皺褶和二次折疊，折疊過程如圖2所示。

圖2 安全氣囊折疊過程

2.2 安全氣囊模型的驗證

為驗證所建立安全氣囊模型的有效性，按照標準GB/T 19949《道路車輛 安全氣囊部件》進行了跌落塔試驗。在跌落塔試驗中，采用模擬人體頭部或胸部特征的沖擊模塊對點爆展開的安全氣囊進行沖擊，記錄沖擊過程中模塊的速度和加速度。通過對比跌落塔試驗與仿真試驗中沖擊模塊與安全氣囊的作用過程、速度曲線和加速度曲線，驗證有限元模型的有效性。

圖3為跌落塔試驗和仿真計算中沖擊模塊與安全氣囊的作用過程，沖擊模塊豎直方向的試驗加速度和速度與仿真結果對比如圖4所示。由圖3和圖4可看出，仿真計算中沖擊模塊與安全氣囊的作用過程、沖擊模塊的加速度和速度均與跌落塔試驗有較高的相似性，表明安全氣囊有限元模型與實物特性基本一致，可用于進一步的研究。

圖3 跌落塔試驗與仿真計算過程結果對比

圖4 沖擊模塊豎直方向的試驗加速度和速度與仿真結果對比

2.3 正面碰撞模型的建立

為評估安全氣囊在碰撞事故中對乘員的防護性能，將安全氣囊裝配在整車CAE模型中進行正面碰撞仿真分析。利用LS-DYNA和MADYMO軟件建立有限元和多剛體耦合的正面碰撞數值分析模型，包括安全氣囊模型、汽車模型、安全帶模型、假人模型，如圖5所示。為提高模型的計算效率，在保證精度要求的前提下，建模時采取以下措施：

a.乘員模型調用MADYMO中的多剛體HIII假人，以提高計算效率；

b.乘員艙模型采用有限元模型建立，假人與乘員艙之間的接觸基于力-穿透量關系的算法計算（即MBFE多體-有限元接觸算法），以提高接觸力計算精度；

c.在安全帶與假人身體接觸的部位采用有限元建模，其它部分為多體建模，以精確模擬碰撞過程中安全帶在假人身體表面的滑動及嵌入效應。

圖5 汽車正面碰撞模型

在基于LS-DYNA和MADYMO軟件建立的汽車正面碰撞仿真CAE模型基礎上，通過進一步優化安全氣囊的關鍵參數，以達到更有效地保護乘員安全。

3 基于遺傳算法仿真優化

遺傳算法（GA）是一種基于“適者生存”的高度并行、隨機和自適應的優化算法，從影響結果的影響因子逐漸演化出最終可能的近似解，其影響因子數量較多，經過多代演化后得到問題的近似最優解。微型遺傳算法是遺傳算法（GA）的一種擴展算法，它的運行過程與標準遺傳算法相似，最大區別在于它采用了小規模種群（一般為5～8個個體），其優點在于保證了基因多樣性、高效性和靈活性。本文采用微型遺傳算法對安全氣囊參數進行優化。

3.1 優化參數設置

安全氣囊優化參數包括排氣孔直徑、拉帶長度和氣體發生器質量流率比例。微型遺傳算法參數設置[6,7]如下：種群個數為5，交叉因子為0.5，變異概率為0.02，重啟動判斷代數為5。優化流程如圖6所示。

待優化的參數及取值區間定義如表1所列。表1中k為安全氣囊建模時輸入的質量流率，劃分區間是指最大值與最小值之間的平均取值個數，這些變量在遺傳算法的輸入參數文件中定義。

圖6 優化流程

表1 待優化參數及取值區間定義

優化目標定義如下[8]：

式中，f為優化目標函數；P1為假人頭部損傷指標HIC值；P2為胸部最大壓縮量；P3為頸部繞y向的伸張力矩。

因安全氣囊主要影響汽車乘員的頭部損傷，故重點關注頭部的損傷參數，因此式（1）中P1和P3占據權重最大。為了減小頭部損傷值，又不增加胸部壓縮量和頸部軸向力，則P2的加權值應較小，其參考值為0.1[9]。

3.2 優化結果

微型遺傳算法優化迭代速率如圖7所示，由圖7可看出，微型遺傳算法在初始階段迅速收斂，隨著迭代的次數增加收斂的速度逐漸減慢，在第112次迭代后目標函數值不再變化，保持為562.2。此時，HIC值為512.2，胸部最大壓縮量為36.6 mm，而頸部伸張力矩為46.4 N·m。與之相對應的最優組合參數分別為：排氣孔直徑為48 mm，拉帶長度為240 mm，氣體發生器質量流率為1.1k。

3.3 結果驗證

為驗證優化所得參數的有效性，利用整車正面碰撞試驗和仿真兩種方法評估了假人頭部和胸部的損傷值，評估結果如圖8所示。

圖7 微型遺傳算法優化迭代速率

圖8 試驗和仿真中假人損傷對比

由圖8a可看出，仿真與試驗的頭部合成加速度曲線相吻合，頭部合成加速度值都是在40 ms時開始急劇增大；在70～100 ms之間加速度保持一個較穩定的峰值，約為50g；在100 ms時加速度開始急劇下降，至120 ms時降為8g左右。

由圖8b可看出，在30 ms時刻，胸部壓縮量開始增加；在65 ms左右時達到最大值，約為35 mm；之后開始減小，至110 ms時刻胸部壓縮量基本為0。

由以上分析可知，試驗和仿真中頭部和胸部對應的峰值都較小，優化后的安全氣囊能有效保護乘員。

4 結束語

基于幾何模型建立了安全氣囊有限元模型，并通過跌落塔試驗驗證了模型的有效性。利用遺傳算法優化安全氣囊的參數，并通過試驗和仿真兩種方法驗證了參數的有效性。試驗結果表明，當排氣孔直徑為48 mm、拉帶長度為240 mm、氣體發生器質量流率為1.1k時，安全氣囊能最大程度地保護乘員的頭部和胸部不受損傷。

1 RODNEY.A Study of the Factors Affecting Fatalities of Airbag and Belt Restrained Occupants in Frontal Crashes.NHTSA,2011:09-0555.

2 Braver E R,Mccartt A T,Sherwood C P,et al.Front Air Bag deployments in Frontal Crashes Fatal to Drivers or Right-Front Passengers.Traffic Injury Prevention,2010,11(2): 178～187.

3 汪娜,彭雄奇,張源,等.基于顆粒法的安全氣囊仿真及應用分析.上海交通大學學報,2014,48（08）:1078～1083.

4 殷文強,王玉龍,徐盼盼,等.汽車安全氣囊點火算法綜述.汽車工程學報,2013，3（2）:79～87.

5 白中浩,白芳華,劉玉云,等.采用預測模式的智能安全氣囊控制算法.華南理工大學學報（自然科學版）,2014，42（3）:66～71.

6 Liu G R,Han X.Recent progress on computational inverse techniques in non-destructive evaluation.Computational Fluid&Solid Mechanics,2003:418-421.

7 高暉,李光耀,李鐵柱.基于遺傳算法和可靠性分析的乘員約束系統優化.汽車工程,2008,30（12）:1052～1055.

8 Manfred Schlenger.A New Model for Simulation of Fabric Leakage in LSDYNA.LS-DYNA Forum,Bamberg 2010.

9 Zhu F,Chou C C,Yang K H,et al.Calibrating Material Parameters to Model the Thin-walled Components Made of Die Cast AM60B Magnesium Alloy.International Journal o f Crashworthiness,2012,17（5）:540～552.

（責任編輯 文 楫）

修改稿收到日期為2016年12月1日。

Optimization Design of Auto Vehicle Airbag System using Micro Genetic Algorithm

Li Bin1,3,Luo Mingjun2,Huang Yong2,3,Zhang Guiwan2,Zhou Xufeng2
（1.Chery Automobile Co.,Ltd.Wuhu 241006;2.Cowin Automobile Co.,Ltd,Wuhu,2410006; 3.Hefei University of Technology,Hefei,230009）

A FE model of airbag was established in LS-DYNA and validated against drop tower test.Micro genetic algorithm was employed to optimize the parameters of airbag including the diameter of the vent,drawstring length and mass flow rate of the gas generator,the validity of the optimized parameters was verified by a vehicle frontal impact test.The results indicated that the airbag can greatly reduce the head,neck and thorax injury of the driver with the combination of a vent diameter of 48 mm,a drawstring of 240 mm and a mass flow rate of 1.1 k for the gas generator.

Airbag,Drop tower test,Genetic algorithm,Optimization design

安全氣囊 跌落塔試驗 遺傳算法 優化設計

U463.85+9

A

1000-3703（2017）05-0051-04

國家自然科學基金項目（51405123）。