基于微型遗传算法汽车安全气囊系统优化设计＊

李彬罗明军黄永,3张贵万周旭峰

（1.奇瑞汽车股份有限公司，芜湖 241006；2.芜湖凯翼汽车有限公司，芜湖 241006；3.合肥工业大学，合肥 230009）

基于微型遗传算法汽车安全气囊系统优化设计＊

李彬1,3罗明军2黄永2,3张贵万2周旭峰2

（1.奇瑞汽车股份有限公司，芜湖 241006；2.芜湖凯翼汽车有限公司，芜湖 241006；3.合肥工业大学，合肥 230009）

采用LS-DYNA软件建立了汽车安全气囊的有限元模型，通过跌落塔试验验证了CAE模型的有效性。首先利用微型遗传算法对安全气囊的排气孔直径、拉带长度和气体发生器质量流率等参数进行了优化，然后结合整车正面碰撞试验验证了该模型优化参数的准确性。结果表明，当安全气囊的排气孔直径为48 mm，拉带长度为240 mm，气体发生器质量流率为1.1 k时，气囊能最大程度地保护乘员的头部、颈部和胸部安全。

1 前言

在汽车碰撞事故中，安全气囊作为辅助约束装置在减小乘员损伤方面发挥着重要作用。研究表明，安全气囊与安全带配合使用可将车辆碰撞事故中前排乘员死亡风险降低61%[1]。然而，安全气囊的不合理设计会加剧乘员损伤甚至威胁生命[2]。为提高安全气囊的防护性能，研究人员开展了相关研究。如，汪娜[3]等将粒子法应用于安全气囊的展开模拟，验证了安全气囊展开过程的有效性；殷文强[4]等对安全气囊的点火算法进行研究；白中浩[5]等利用遗传神经网络模型设计智能安全气囊的控制算法来提高安全气囊的可靠性。但这些研究没有涉及对安全气囊系统及参数的优化，难以应用于工程设计。

为了提高安全气囊对乘员的防护性能，本文利用LS-DYNA软件建立了安全气囊的有限元模型，通过跌落塔试验验证了模型的有效性，并运用微型遗传算法对安全气囊的参数进行了优化，通过试验验证了优化结果的有效性。

2 模型的建立及验证

2.1 建立安全气囊模型

安全气囊仿真过程主要包括气囊几何表面的有限元模型生成、气体发生器的定义和气囊折叠。

根据安全气囊几何模型，对其表面进行离散化，生成有限元模型。生成的安全气囊容积为45 L、拉带长度为250 mm、排气孔直径为45 mm。

为正确模拟安全气囊展开过程中的特性，定义气体成分、气体质量流率、气体温度流率等为气体发生器的物理参数，选用氮气作为主要气体。气体发生器压力和质量流率曲线如图1所示。

图1 气体发生器的压力和质量流率曲线

设置好安全气囊的基本参数后，需要建立安全气囊的折叠过程。为减小模型的计算量，折叠过程采用了直接折叠法，即按照安全气囊的实际折叠方式，通过挤压将两个圆平面折叠起来。这种折叠方法能使安全气囊方便展开，无需引入大量的皱褶和二次折叠，折叠过程如图2所示。

图2 安全气囊折叠过程

2.2 安全气囊模型的验证

为验证所建立安全气囊模型的有效性，按照标准GB/T 19949《道路车辆 安全气囊部件》进行了跌落塔试验。在跌落塔试验中，采用模拟人体头部或胸部特征的冲击模块对点爆展开的安全气囊进行冲击，记录冲击过程中模块的速度和加速度。通过对比跌落塔试验与仿真试验中冲击模块与安全气囊的作用过程、速度曲线和加速度曲线，验证有限元模型的有效性。

图3为跌落塔试验和仿真计算中冲击模块与安全气囊的作用过程，冲击模块竖直方向的试验加速度和速度与仿真结果对比如图4所示。由图3和图4可看出，仿真计算中冲击模块与安全气囊的作用过程、冲击模块的加速度和速度均与跌落塔试验有较高的相似性，表明安全气囊有限元模型与实物特性基本一致，可用于进一步的研究。

图3 跌落塔试验与仿真计算过程结果对比

图4 冲击模块竖直方向的试验加速度和速度与仿真结果对比

2.3 正面碰撞模型的建立

为评估安全气囊在碰撞事故中对乘员的防护性能，将安全气囊装配在整车CAE模型中进行正面碰撞仿真分析。利用LS-DYNA和MADYMO软件建立有限元和多刚体耦合的正面碰撞数值分析模型，包括安全气囊模型、汽车模型、安全带模型、假人模型，如图5所示。为提高模型的计算效率，在保证精度要求的前提下，建模时采取以下措施：

a.乘员模型调用MADYMO中的多刚体HIII假人，以提高计算效率；

b.乘员舱模型采用有限元模型建立，假人与乘员舱之间的接触基于力-穿透量关系的算法计算（即MBFE多体-有限元接触算法），以提高接触力计算精度；

c.在安全带与假人身体接触的部位采用有限元建模，其它部分为多体建模，以精确模拟碰撞过程中安全带在假人身体表面的滑动及嵌入效应。

图5 汽车正面碰撞模型

在基于LS-DYNA和MADYMO软件建立的汽车正面碰撞仿真CAE模型基础上，通过进一步优化安全气囊的关键参数，以达到更有效地保护乘员安全。

3 基于遗传算法仿真优化

遗传算法（GA）是一种基于“适者生存”的高度并行、随机和自适应的优化算法，从影响结果的影响因子逐渐演化出最终可能的近似解，其影响因子数量较多，经过多代演化后得到问题的近似最优解。微型遗传算法是遗传算法（GA）的一种扩展算法，它的运行过程与标准遗传算法相似，最大区别在于它采用了小规模种群（一般为5～8个个体），其优点在于保证了基因多样性、高效性和灵活性。本文采用微型遗传算法对安全气囊参数进行优化。

3.1 优化参数设置

安全气囊优化参数包括排气孔直径、拉带长度和气体发生器质量流率比例。微型遗传算法参数设置[6,7]如下：种群个数为5，交叉因子为0.5，变异概率为0.02，重启动判断代数为5。优化流程如图6所示。

待优化的参数及取值区间定义如表1所列。表1中k为安全气囊建模时输入的质量流率，划分区间是指最大值与最小值之间的平均取值个数，这些变量在遗传算法的输入参数文件中定义。

图6 优化流程

表1 待优化参数及取值区间定义

优化目标定义如下[8]：

式中，f为优化目标函数；P1为假人头部损伤指标HIC值；P2为胸部最大压缩量；P3为颈部绕y向的伸张力矩。

因安全气囊主要影响汽车乘员的头部损伤，故重点关注头部的损伤参数，因此式（1）中P1和P3占据权重最大。为了减小头部损伤值，又不增加胸部压缩量和颈部轴向力，则P2的加权值应较小，其参考值为0.1[9]。

3.2 优化结果

微型遗传算法优化迭代速率如图7所示，由图7可看出，微型遗传算法在初始阶段迅速收敛，随着迭代的次数增加收敛的速度逐渐减慢，在第112次迭代后目标函数值不再变化，保持为562.2。此时，HIC值为512.2，胸部最大压缩量为36.6 mm，而颈部伸张力矩为46.4 N·m。与之相对应的最优组合参数分别为：排气孔直径为48 mm，拉带长度为240 mm，气体发生器质量流率为1.1k。

3.3 结果验证

为验证优化所得参数的有效性，利用整车正面碰撞试验和仿真两种方法评估了假人头部和胸部的损伤值，评估结果如图8所示。

图7 微型遗传算法优化迭代速率

图8 试验和仿真中假人损伤对比

由图8a可看出，仿真与试验的头部合成加速度曲线相吻合，头部合成加速度值都是在40 ms时开始急剧增大；在70～100 ms之间加速度保持一个较稳定的峰值，约为50g；在100 ms时加速度开始急剧下降，至120 ms时降为8g左右。

由图8b可看出，在30 ms时刻，胸部压缩量开始增加；在65 ms左右时达到最大值，约为35 mm；之后开始减小，至110 ms时刻胸部压缩量基本为0。

由以上分析可知，试验和仿真中头部和胸部对应的峰值都较小，优化后的安全气囊能有效保护乘员。

4 结束语

基于几何模型建立了安全气囊有限元模型，并通过跌落塔试验验证了模型的有效性。利用遗传算法优化安全气囊的参数，并通过试验和仿真两种方法验证了参数的有效性。试验结果表明，当排气孔直径为48 mm、拉带长度为240 mm、气体发生器质量流率为1.1k时，安全气囊能最大程度地保护乘员的头部和胸部不受损伤。

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,张源,等.基于颗粒法的安全气囊仿真及应用分析.上海交通大学学报,2014,48（08）:1078～1083.

4 殷文强,王玉龙,徐盼盼,等.汽车安全气囊点火算法综述.汽车工程学报,2013，3（2）:79～87.

5 白中浩,白芳华,刘玉云,等.采用预测模式的智能安全气囊控制算法.华南理工大学学报（自然科学版）,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 高晖,李光耀,李铁柱.基于遗传算法和可靠性分析的乘员约束系统优化.汽车工程,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.

（责任编辑 文 楫）

修改稿收到日期为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

安全气囊 跌落塔试验 遗传算法 优化设计

U463.85+9

A

1000-3703（2017）05-0051-04

国家自然科学基金项目（51405123）。