自動緊急制動下乘員坐姿對離位的影響

王占宇，沈亞敏

(東北林業大學 交通學院，哈爾濱 150040)

0 引言

道路交通事故是造成人類社會經濟、健康負擔的重要因素，世界各國和地區的人民為預防交通事故保障人車安全做出了巨大努力。研究表明，主動安全技術的引入在降低車輛之間的事故率、減輕事故的嚴重程度起了重要作用。在發生碰撞前，主動安全系統的介入會對車輛進行緊急操控，導致接管后的車輛運行工況會忽視乘員的感受，使得乘員坐姿姿態產生巨大的變化，因此極易發生乘員的碰撞損傷[1-2]。

在未來自動駕駛的環境中，乘員的坐姿追求越來越舒適、方便，一旦出現緊急制動后再發生碰撞事故，不同坐姿下的乘員受慣性的影響產生離位位移后，極易出現與安全帶、安全氣囊等約束系統部件觸發不匹配的現象，這會對乘員帶來較大的損傷風險，因此需要進行約束系統優化，實現與智能車輛的對接。

安全帶是車輛約束系統中最重要的乘員健康保護設備。在使用安全帶時，大約45%的安全帶可有效防止致命傷害，67%的安全帶可有效防止嚴重損傷[3]。為了解決主動安全系統造成的乘員離位影響，國外學者做了大量的實驗和仿真模擬研究，發現在給安全帶施加主動預緊可以有效的消除安全帶與乘員之間的間隙和織帶的松弛，減小乘員在緊急制動工況下因慣性導致的離位位移[4-5]。Reed等[6]研究在事故發生前，汽車主動系統的突然緊急制動和變向會導致乘員頭部位置大范圍的變動，這會加大碰撞時的乘員受傷風險。Battaglia等[4]將AEB介入后的追尾碰撞與普通的追尾碰撞比較，發現AEB在碰撞前會造成乘員的離位現象，導致乘員受到較嚴重的揮鞭傷。

國內在針對主動預緊式安全帶方面的研究上，曹立波等[7-8]建立主動預緊式安全帶與自動緊急制動相結合的仿真模型，對主動預緊式安全帶降低乘員損傷的保護性能進行了仿真研究；Song等[9]在試驗臺架上進行安全帶靜態測試試驗，驗證了上述主動預緊式安全帶系統的可行性，并分析了主動預緊式安全帶的關鍵性能參數；吳俊等[10]研究了乘員對集成主動預緊式安全帶的可接受度，從一級預緊力、預緊頻次、預緊噪音值3因素來考慮，提出了提高接受度的措施。司俊德等[11]為研究約束系統對客車側翻過程中乘客安全的影響，建立“車身截段-約束系統-乘員”側翻仿真模型，開展不同約束條件下乘員運動響應和損傷的綜合分析及評價。胥林立、胡遠志等[12-13]為探究緊急制動時ACR對乘員離位現象的影響，開展了針對男性志愿者的實車道路試驗，建立與其對標的仿真模型，并采用NSGA-Ⅱ對ACR參數進行優化。

以上學者對AEB與主動預緊安全帶的聯合作用作了大量研究，但對未來智能車上的乘員坐姿變化的安全影響分析較少。隨著智能車輛的快速發展，未來乘員的坐姿會越來越舒適，乘員約束系統需要進一步優化改進。本文利用Madymo軟件模擬乘員在不同坐姿情況下緊急制動造成的影響，針對乘員的離位位移進行主動預緊裝置重要參數的優化，根據試驗結果對不同的坐姿方式進行評價，為以后智能車輛對乘員不同坐姿的參數控制以及約束系統的設計提供參考。

1 約束系統模型建立及驗證

1.1 仿真模型的建立

利用多剛體動力學分析軟件Madymo依照某款車型建立了駕駛員側約束系統仿真模型，車身模型包括地板、擋風玻璃、踏板、座椅等部件，轉向系統模型包括方向盤、轉向管柱，安全帶模型的建立包括卷收器、主動預緊器、高度調節器、固定錨點以及帶扣。建立完模型后，調入假人。在Madymo軟件中有多個假人可供使用，其中主動人體模型(AHM)可以很好地模擬人體肌肉的主動行為，以此模擬乘員在制動下的動態響應。本文選用50百分位的中等男性AHM假人模型，其身高1.76 m，坐立高度為0.92 m，體重75.3 kg。通過Madymo軟件中的Joint Positioning功能對假人模型進行姿態調整和定位，利用Belt Fitting進行安全帶的佩戴。最后定義各個部件的特性和接觸定義。參照文獻[4]的實車試驗數據，作為仿真模型輸入AEB制動時的加載條件，如圖1所示。

圖1 制動加速度曲線

主動安全帶模型的預緊器包括主動預緊器和爆炸預緊器2種。前者作用是在緊急制動系統啟動時觸發，通過施加預緊力來限制乘員的離位位移，使其保持正常坐姿；后者是在發生碰撞后瞬間觸發，減小碰撞損傷。本文主要研究主動預緊器在AEB作用下對乘員的保護。

1.2 模型驗證

建立好乘員約束系統模型后，需要驗證車內的安全帶模型部件和假人模型是否符合試驗結果。?sth等[4]組織20名志愿者進行實車試驗，在保持正常坐姿并佩戴主動預緊安全帶的情況下，記錄了志愿者在AEB制動加速度影響下身體軀干的運動響應波動范圍。本文導入AEB制動加速度數據，對本文仿真模型中AHM在AEB與主動預緊安全帶雙重作用下的運動響應進行驗證，如圖2所示。試驗結果符合要求，可進行后續仿真研究。

圖2 模型驗證

2 仿真模型的設置

未來的智能車輛中，高度傾斜的坐姿可能會成為無人駕駛的一種常態[14]。為了研究坐姿的不同對主動預緊安全帶的影響，本文模擬4種乘員坐姿，前兩者為前傾，后兩者為后傾的躺姿(設為OOP1、OOP2、OOP3、OOP4)，其中OOP1和OOP2以正常坐姿為基礎頭部前傾150、400 mm，OOP3和OOP4坐姿向后傾斜為117°、147°，分別建立仿真模型如圖3所示，在4種坐姿下的乘員都配有主動安全帶。

圖3 乘員約束系統仿真模型

在AEB介入的工況下，4種坐姿的主動預緊裝置都可以有效地限制乘員碰撞前的離位位移，通過在AEB制動信號來觸發預緊器裝置，以此施加預緊力來約束乘員坐姿。根據預緊時刻與預緊力大小的不同，主動安全帶的保護效果也不同。然而，乘員坐姿的不同，影響乘員與方向盤的距離，在正常乘員坐姿下的預緊時刻和預緊力參數不能完全適用于其他類型的坐姿。本文根據已建立好的幾種坐姿情況分別進行仿真試驗，以得到每種坐姿下的主動預緊器的最佳預緊力和最佳預緊觸發時刻。

3 仿真試驗

3.1 試驗設計

一般在構建代理模型之前，需要利用試驗設計對不同的設計變量的目標響應值進行取樣，選用科學的設計方式可以減少試驗的次數，節省時間成本，即在不降低試驗結果精度的前提下提高試驗效率。拉丁超立方試驗采樣將多種設計變量劃分為多種且不重復的區間，在每個區間抽到的概率相同，保證了每個因素下在各個區間可做到隨機取樣。所以，本文采用拉丁超立方試驗設計方法。

為了得到最優的預緊安全帶的性能參數，本文對4種坐姿進行仿真研究。仿真試驗中選取主動預緊器中的預緊時刻、預緊力作為優化設計變量。而目標值的選取是為了說明安全帶對乘員起到了最好的保護效果，由于坐姿的不同無法統一選擇乘員的離位位移作為研究目標。故本文針對OOP1和OOP2前傾的坐姿，選擇乘員的頭部、背部與座椅的最大距離H、B作為研究目標，而坐姿OOP3和OOP4選擇人體頭部和胸部在制動過程中的位移Head_X、T1_X作為研究目標，從而分析不同坐姿下設計變量的最優解。OOP1和OOP2坐姿的距離示意圖如圖4所示。

圖4 OOP1和OOP2坐姿的距離示意圖

參考以往學者的實驗研究[8]，預緊力取值為50～500 N，為了充分考慮到主動預緊在制動前后時刻觸發的影響，預緊時刻取0～400 ms。在確定設計變量的變化范圍后，利用拉丁超立方試驗設計對變量進行取樣，共選取12組樣本，之后對每種坐姿進行12組仿真試驗得到優化目標的響應值，試驗設計如圖5所示。

圖5 試驗設計

3.2 代理模型構建

Kriging模型是一種估計方差最小的無偏估計模型，具有局部估計的特點，對于非線性的復雜變量擬合效果較好。由于汽車約束系統的仿真中屬于高度非線性問題，故本文采用Kriging模型進行響應面模型的構建[15]。

利用Kriging模型對仿真得到的試驗樣本進行插值計算，以乘員的離位距離為設計目標構建響應面模型。由于實際情況中，緊急制動時的加速度曲線不是一直保持穩定的，本文在選取離位的數據時考慮乘員的安全情況，選擇曲線中的峰值作為研究目標，得到的響應面模型如圖6—9所示。

圖6 坐姿OOP1響應模型

可以看出，曲線變化較為復雜，每種坐姿下的目標響應值在AEB介入下，受約束系統主動安全帶參數的影響，前傾與后傾坐姿有所區別。OOP1和OOP2坐姿隨著預緊力的增大，離位位移減小呈現負相關；OOP3和OOP4受預緊時刻影響較明顯，與預緊時刻呈正相關。因此在后續會通過優化算法對不同的坐姿進行單獨分析，以此找到最佳的預緊時刻和主動預緊力。

圖7 坐姿OOP2響應模型

圖8 坐姿OOP3響應模型

圖9 坐姿OOP4響應模型

3.3 數據優化

針對這4種坐姿，采用第二代非劣排序遺傳算法NSGA-Ⅱ進行優化。在該算法中，每個目標參數都被單獨處理，對設計執行變異和交叉的標準遺傳操作。選擇過程基于“非支配排序”和“擁擠距離排序”2種主要機制。在優化運行結束時，構建了一個帕累托集，其中每個設計都具有目標值的“最佳”組合，并且在不犧牲一個或多個其他目標的情況下改進一個目標是不可能的[16]。通過該優化算法計算后得到安全帶最優的預緊時刻和預緊力如表1所示。

表1 優化結果

對比4種坐姿的最優預緊力和預緊時刻，前傾角度大的坐姿OOP2比OOP1所需要的預緊力更大，同時，越早對乘員施加預緊力，對乘員消除離位的效果越好，受AEB影響的離位位移變小；對于后傾的坐姿中安全帶施加的預緊力，后傾角度大使得人體重力因素影響效果加大，因此傾斜角度大的坐姿OOP4比傾斜角度小的坐姿OOP3要小，并且預緊時刻越提前，越易將乘員束縛在座椅上。

將優化后的預緊參數輸入到軟件中計算，得到的仿真結果與優化前的預測值進行對比，得到的誤差如圖10所示。

圖10 預測值與仿真值的誤差對比

可以看出兩者之間的誤差都在7%以內，這說明Kriging代理模型的精度有效。其中，第一類響應值為H、Head_X；第二類響應值為B、T1_X。

3.4 結果分析

將優化后的預緊參數代入到軟件中重新計算,得到的結果與優化前的結果進行對比，可以看出：經過NSGA-Ⅱ算法優化之后，在AEB影響下OOP1和OOP2前傾坐姿的離位現象有所改善(圖11)，主動安全帶對OOP3和OOP4后傾坐姿的束縛效果有所加強(圖12)。

圖11 OOP1、OOP2坐姿優化前后對比

圖12 OOP3、OOP4坐姿優化前后對比

為分析優化后的預緊參數的影響效果，將優化前后的模型進行對比，如圖13所示，優化后乘員的離位間隙有了明顯減小。

圖13 4種坐姿優化前后對比

對比4種坐姿的最優預緊力和預緊時刻，可以發現隨著乘員坐姿的前傾程度越來越大，在緊急制動工況下需要的預緊力也越來越大。同時，越早對乘員施加預緊力，對乘員的離位消除效果越來越好。而對于后傾斜的坐姿中安全帶施加的預緊力大小，傾斜角度大的坐姿比傾斜角度小的坐姿要小，并且預緊時刻越提前，越易將乘員束縛在座椅上。

4 結論

通過Madymo軟件建立乘員約束系統模型，以未來智能車輛乘員坐姿為研究對象，構建4種坐姿，并選用AHM模型模擬乘員真實人體的肌肉張緊度，分析主動預緊器參數預緊力、預緊時刻對乘員在AEB影響下頭、胸、背等部位離位位移的影響，采用Kriging構建響應面模型，代入到NSGA-Ⅱ算法進行優化。結果表明：OOP1和OOP2坐姿與預緊力呈現負相關，OOP3和OOP4與預緊時刻呈現正相關。前傾角度大的坐姿，主動預緊器的預緊力越大，消除離位位移效果越好；后傾角度較大的坐姿因其人體自身質量的影響，預緊力要小于后傾角度小的坐姿；前傾、后傾坐姿中，預緊時刻越早，對乘員離位位移消除越有利。本文雖然研究了前傾、后傾的坐姿，但是都局限于乘員面向行駛方向這一側，以后的無人駕駛中乘員座位可能與行駛方向相反，故在以后的工作中會根據該情況進行探究。