基于数值模拟和机器学习的汽车碰撞代理模型

林 翔，严 波,，牟哲岳，文 楠，黄桂灶

(重庆大学 a.汽车协同创新中心；b.航空航天学院，重庆 400044)

汽车碰撞属于严重的交通事故，一旦发生对人们的生命以及财产安全都将构成极大的威胁，所以研究汽车碰撞安全性问题一直是汽车发展的热点问题之一。提升汽车的碰撞安全性，设计更加合理的结构，对减少碰撞事故带来的危害具有重要意义[1]。

自1889年美国纽约街头发生第一次汽车碰撞事故以来，已有不少采用实车碰撞实验研究汽车碰撞安全性的报道[2,3]。随着计算机硬件和计算力学方法和软件的发展，数值模拟已成为研究汽车碰撞的重要手段[4,5]。1986年LS-DYNA首次成功模拟了整车碰撞变形全过程[6]。黄金陵等[7]以闭口等截面薄壁直梁件为研究对象进行了汽车正面碰撞仿真和数值模拟，并将研究成果应用于红旗轿车车身结构正面碰撞仿真模拟中。Hu等[8]以长安SC6350汽车为研究对象，采用数值模拟和实验相结合的方法，改进了该汽车的正面碰撞性能。由于汽车结构极为复杂，碰撞过程数值模拟代价依然高昂。

近年，随着人工智能技术的发展，机器学习方法在工程领域的应用研究受到越来越多的重视。张晓云[9]首次将有限元和神经网络技术与汽车碰撞事故再现相结合，分析了事故发生瞬间的事故车辆关键点的测量值，对汽车结构安全设计提供指导。聂隐愚等[10]针对高速列车，将Kriging模型和Legendre多项式回归应用于车辆动力学建模与仿真分析，提出了一种基于数据驱动的列车建模和仿真方法，优化了车辆多体动力学表达高度非线性力学行为的计算精度。……