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(yè)大學(xué) 交通學(xué)院，哈爾濱 150040)

0 引言

道路交通事故是造成人類社會經(jīng)濟(jì)、健康負(fù)擔(dān)的重要因素，世界各國和地區(qū)的人民為預(yù)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(shù)的引入在降低車輛之間的事故率、減輕事故的嚴(yán)重程度起了重要作用。在發(fā)生碰撞前，主動安全系統(tǒng)的介入會對車輛進(jìn)行緊急操控，導(dǎo)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(tài)產(chǎn)生巨大的變化，因此極易發(fā)生乘員的碰撞損傷[1-2]。

在未來自動駕駛的環(huán)境中，乘員的坐姿追求越來越舒適、方便，一旦出現(xiàn)緊急制動后再發(fā)生碰撞事故，不同坐姿下的乘員受慣性的影響產(chǎn)生離位位移后，極易出現(xiàn)與安全帶、安全氣囊等約束系統(tǒng)部件觸發(fā)不匹配的現(xiàn)象，這會對乘員帶來較大的損傷風(fēng)險，因此需要進(jìn)行約束系統(tǒng)優(yōu)化，實現(xiàn)與智能車輛的對接。

安全帶是車輛約束系統(tǒng)中最重要的乘員健康保護(hù)設(shè)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(yán)重?fù)p傷[3]。為了解決主動安全系統(tǒng)造成的乘員離位影響，國外學(xué)者做了大量的實驗和仿真模擬研究，發(fā)現(xiàn)在給安全帶施加主動預(yù)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(dǎo)致的離位位移[4-5]。Reed等[6]研究在事故發(fā)生前，汽車主動系統(tǒng)的突然緊急制動和變向會導(dǎo)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(fēng)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(fā)現(xiàn)AEB在碰撞前會造成乘員的離位現(xiàn)象，導(dǎo)致乘員受到較嚴(yán)重的揮鞭傷。

國內(nèi)在針對主動預(yù)緊式安全帶方面的研究上，曹立波等[7-8]建立主動預(yù)緊式安全帶與自動緊急制動相結(jié)合的仿真模型，對主動預(yù)緊式安全帶降低乘員損傷的保護(hù)性能進(jìn)行了仿真研究；Song等[9]在試驗臺架上進(jìn)行安全帶靜態(tài)測試試驗，驗證了上述主動預(yù)緊式安全帶系統(tǒng)的可行性，并分析了主動預(yù)緊式安全帶的關(guān)鍵性能參數(shù)；吳俊等[10]研究了乘員對集成主動預(yù)緊式安全帶的可接受度，從一級預(yù)緊力、預(yù)緊頻次、預(yù)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(tǒng)對客車側(cè)翻過程中乘客安全的影響，建立“車身截段-約束系統(tǒng)-乘員”側(cè)翻仿真模型，開展不同約束條件下乘員運動響應(yīng)和損傷的綜合分析及評價。胥林立、胡遠(yuǎn)志等[12-13]為探究緊急制動時ACR對乘員離位現(xiàn)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(biāo)的仿真模型，并采用NSGA-Ⅱ?qū)CR參數(shù)進(jìn)行優(yōu)化。

以上學(xué)者對AEB與主動預(yù)緊安全帶的聯(lián)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(fā)展，未來乘員的坐姿會越來越舒適，乘員約束系統(tǒng)需要進(jìn)一步優(yōu)化改進(jìn)。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(jìn)行主動預(yù)緊裝置重要參數(shù)的優(yōu)化，根據(jù)試驗結(jié)果對不同的坐姿方式進(jìn)行評價，為以后智能車輛對乘員不同坐姿的參數(shù)控制以及約束系統(tǒng)的設(shè)計提供參考。

1 約束系統(tǒng)模型建立及驗證

1.1 仿真模型的建立

利用多剛體動力學(xué)分析軟件Madymo依照某款車型建立了駕駛員側(cè)約束系統(tǒng)仿真模型，車身模型包括地板、擋風(fēng)玻璃、踏板、座椅等部件，轉(zhuǎn)向系統(tǒng)模型包括方向盤、轉(zhuǎn)向管柱，安全帶模型的建立包括卷收器、主動預(yù)緊器、高度調(diào)節(jié)器、固定錨點以及帶扣。建立完模型后，調(diào)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(tài)響應(yīng)。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(jìn)行姿態(tài)調(diào)整和定位，利用Belt Fitting進(jìn)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(xiàn)[4]的實車試驗數(shù)據(jù)，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(yù)緊器包括主動預(yù)緊器和爆炸預(yù)緊器2種。前者作用是在緊急制動系統(tǒng)啟動時觸發(fā)，通過施加預(yù)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(fā)生碰撞后瞬間觸發(fā)，減小碰撞損傷。本文主要研究主動預(yù)緊器在AEB作用下對乘員的保護(hù)。

1.2 模型驗證

建立好乘員約束系統(tǒng)模型后，需要驗證車內(nèi)的安全帶模型部件和假人模型是否符合試驗結(jié)果。?sth等[4]組織20名志愿者進(jìn)行實車試驗，在保持正常坐姿并佩戴主動預(yù)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(yīng)波動范圍。本文導(dǎo)入AEB制動加速度數(shù)據(jù)，對本文仿真模型中AHM在AEB與主動預(yù)緊安全帶雙重作用下的運動響應(yīng)進(jìn)行驗證，如圖2所示。試驗結(jié)果符合要求，可進(jìn)行后續(xù)仿真研究。

圖2 模型驗證

2 仿真模型的設(shè)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(tài)[14]。為了研究坐姿的不同對主動預(yù)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(shè)為OOP1、OOP2、OOP3、OOP4)，其中OOP1和OOP2以正常坐姿為基礎(chǔ)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(tǒng)仿真模型

在AEB介入的工況下，4種坐姿的主動預(yù)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(fā)預(yù)緊器裝置，以此施加預(yù)緊力來約束乘員坐姿。根據(jù)預(yù)緊時刻與預(yù)緊力大小的不同，主動安全帶的保護(hù)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(yù)緊時刻和預(yù)緊力參數(shù)不能完全適用于其他類型的坐姿。本文根據(jù)已建立好的幾種坐姿情況分別進(jìn)行仿真試驗，以得到每種坐姿下的主動預(yù)緊器的最佳預(yù)緊力和最佳預(yù)緊觸發(fā)時刻。

3 仿真試驗

3.1 試驗設(shè)計

一般在構(gòu)建代理模型之前，需要利用試驗設(shè)計對不同的設(shè)計變量的目標(biāo)響應(yīng)值進(jìn)行取樣，選用科學(xué)的設(shè)計方式可以減少試驗的次數(shù)，節(jié)省時間成本，即在不降低試驗結(jié)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(shè)計變量劃分為多種且不重復(fù)的區(qū)間，在每個區(qū)間抽到的概率相同，保證了每個因素下在各個區(qū)間可做到隨機取樣。所以，本文采用拉丁超立方試驗設(shè)計方法。

為了得到最優(yōu)的預(yù)緊安全帶的性能參數(shù)，本文對4種坐姿進(jìn)行仿真研究。仿真試驗中選取主動預(yù)緊器中的預(yù)緊時刻、預(yù)緊力作為優(yōu)化設(shè)計變量。而目標(biāo)值的選取是為了說明安全帶對乘員起到了最好的保護(hù)效果，由于坐姿的不同無法統(tǒng)一選擇乘員的離位位移作為研究目標(biāo)。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(biāo)，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(biāo)，從而分析不同坐姿下設(shè)計變量的最優(yōu)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(xué)者的實驗研究[8]，預(yù)緊力取值為50～500 N，為了充分考慮到主動預(yù)緊在制動前后時刻觸發(fā)的影響，預(yù)緊時刻取0～400 ms。在確定設(shè)計變量的變化范圍后，利用拉丁超立方試驗設(shè)計對變量進(jìn)行取樣，共選取12組樣本，之后對每種坐姿進(jìn)行12組仿真試驗得到優(yōu)化目標(biāo)的響應(yīng)值，試驗設(shè)計如圖5所示。

圖5 試驗設(shè)計

3.2 代理模型構(gòu)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(fù)雜變量擬合效果較好。由于汽車約束系統(tǒng)的仿真中屬于高度非線性問題，故本文采用Kriging模型進(jìn)行響應(yīng)面模型的構(gòu)建[15]。

利用Kriging模型對仿真得到的試驗樣本進(jìn)行插值計算，以乘員的離位距離為設(shè)計目標(biāo)構(gòu)建響應(yīng)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(wěn)定的，本文在選取離位的數(shù)據(jù)時考慮乘員的安全情況，選擇曲線中的峰值作為研究目標(biāo)，得到的響應(yīng)面模型如圖6—9所示。

圖6 坐姿OOP1響應(yīng)模型

可以看出，曲線變化較為復(fù)雜，每種坐姿下的目標(biāo)響應(yīng)值在AEB介入下，受約束系統(tǒng)主動安全帶參數(shù)的影響，前傾與后傾坐姿有所區(qū)別。OOP1和OOP2坐姿隨著預(yù)緊力的增大，離位位移減小呈現(xiàn)負(fù)相關(guān)；OOP3和OOP4受預(yù)緊時刻影響較明顯，與預(yù)緊時刻呈正相關(guān)。因此在后續(xù)會通過優(yōu)化算法對不同的坐姿進(jìn)行單獨分析，以此找到最佳的預(yù)緊時刻和主動預(yù)緊力。

圖7 坐姿OOP2響應(yīng)模型

圖8 坐姿OOP3響應(yīng)模型

圖9 坐姿OOP4響應(yīng)模型

3.3 數(shù)據(jù)優(yōu)化

針對這4種坐姿，采用第二代非劣排序遺傳算法NSGA-Ⅱ進(jìn)行優(yōu)化。在該算法中，每個目標(biāo)參數(shù)都被單獨處理，對設(shè)計執(zhí)行變異和交叉的標(biāo)準(zhǔn)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(yōu)化運行結(jié)束時，構(gòu)建了一個帕累托集，其中每個設(shè)計都具有目標(biāo)值的“最佳”組合，并且在不犧牲一個或多個其他目標(biāo)的情況下改進(jìn)一個目標(biāo)是不可能的[16]。通過該優(yōu)化算法計算后得到安全帶最優(yōu)的預(yù)緊時刻和預(yù)緊力如表1所示。

表1 優(yōu)化結(jié)果

對比4種坐姿的最優(yōu)預(yù)緊力和預(yù)緊時刻，前傾角度大的坐姿OOP2比OOP1所需要的預(yù)緊力更大，同時，越早對乘員施加預(yù)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(yù)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(yù)緊時刻越提前，越易將乘員束縛在座椅上。

將優(yōu)化后的預(yù)緊參數(shù)輸入到軟件中計算，得到的仿真結(jié)果與優(yōu)化前的預(yù)測值進(jìn)行對比，得到的誤差如圖10所示。

圖10 預(yù)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(nèi)，這說明Kriging代理模型的精度有效。其中，第一類響應(yīng)值為H、Head_X；第二類響應(yīng)值為B、T1_X。

3.4 結(jié)果分析

將優(yōu)化后的預(yù)緊參數(shù)代入到軟件中重新計算,得到的結(jié)果與優(yōu)化前的結(jié)果進(jìn)行對比，可以看出：經(jīng)過NSGA-Ⅱ算法優(yōu)化之后，在AEB影響下OOP1和OOP2前傾坐姿的離位現(xiàn)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(yōu)化前后對比

圖12 OOP3、OOP4坐姿優(yōu)化前后對比

為分析優(yōu)化后的預(yù)緊參數(shù)的影響效果，將優(yōu)化前后的模型進(jìn)行對比，如圖13所示，優(yōu)化后乘員的離位間隙有了明顯減小。

圖13 4種坐姿優(yōu)化前后對比

對比4種坐姿的最優(yōu)預(yù)緊力和預(yù)緊時刻，可以發(fā)現(xiàn)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(yù)緊力也越來越大。同時，越早對乘員施加預(yù)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(yù)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(yù)緊時刻越提前，越易將乘員束縛在座椅上。

4 結(jié)論

通過Madymo軟件建立乘員約束系統(tǒng)模型，以未來智能車輛乘員坐姿為研究對象，構(gòu)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(yù)緊器參數(shù)預(yù)緊力、預(yù)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(gòu)建響應(yīng)面模型，代入到NSGA-Ⅱ算法進(jìn)行優(yōu)化。結(jié)果表明：OOP1和OOP2坐姿與預(yù)緊力呈現(xiàn)負(fù)相關(guān)，OOP3和OOP4與預(yù)緊時刻呈現(xiàn)正相關(guān)。前傾角度大的坐姿，主動預(yù)緊器的預(yù)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(zhì)量的影響，預(yù)緊力要小于后傾角度小的坐姿；前傾、后傾坐姿中，預(yù)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(cè)，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(jù)該情況進(jìn)行探究。