一种汽车碰撞安全零部件动态力学性能的评价方法

本发明涉及汽车零部件设计，尤其是涉及一种汽车碰撞安全零部件动态力学性能的评价方法。

背景技术：

1、碰撞安全部件是汽车的关键结构，主要包括前后保险杠、吸能盒、前后纵梁、门槛梁、车门防撞梁等。这些零部件在汽车的碰撞过程中通过自身的变形吸能来降低碰撞力并减小碰撞能量的向乘客舱的传递，降低碰撞对车内乘员和汽车自身的伤害和损坏，提高汽车的行驶安全性。

2、目前，碰撞安全部件设计过程中面临的一个技术挑战就是在没有产品几何模型的概念设计阶段如何快速的预测新产品设计的碰撞安全性能。传统的设计方法是工程师在概念设计的基础上进行技术设计，技术设计中需要对设计对象进行碰撞安全性能有限元仿真或试验，对仿真结果进行评估并改进设计，再进行改进后结构的有限元仿真或试验验证。

3、其中，结构的修改需要重新划分网格重新建模，而且碰撞仿真涉及大变形非线性分析，计算耗时长。所以传统的基于试错的方法占用了大量的时间和人力，严重影响了产品开发周期和开发成本，不适用于产品设计初期的性能预测和开发方案的决策。缺乏高效可靠的碰撞安全性能评估方法已成为汽车安全部件开发中的主要难题。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在基于试错的方法进行汽车零部件研发的方式，占用了大量的人力物力，增大了产品的开发周期和研发成本，不适用于产品设计初期的性能预测和研发方案的决策的缺陷，而提供一种汽车碰撞安全零部件动态力学性能的评价方法。

2、本发明的目的可以通过以下技术方案来实现：

3、本方案提供了一种汽车碰撞安全零部件动态力学性能的评价方法，包括以下步骤：

4、对待检测吸能零部件进行有限元分析，得到吸能零部件对应的有限元网格和属性，并作为输入信息传输到编码器；

5、所述编码器将输入信息编码为图，用于识别待检测吸能零部件的几何结构；

6、将图输入已经训练完成的预测模型，所述预测模型对吸能零部件碰撞过程中的形态变化和能量变化进行模拟，输出模拟碰撞过程中不同时刻的状态图；

7、通过解码器对预测模型的输出结果进行解码，得到预测模型对待检测吸能零部件的预测结果以及预测的误差水平。

8、进一步地，所述预测模型基于图卷积和长短期记忆神经网络建立，用于对吸能零部件的碰撞仿真结果进行时序数据记忆、传递和更新。

9、进一步地，所述预测模型通过长短期记忆神经网络获取不同时刻的特征矩阵，通过图卷积网络进行节点信息的传递和更新，用于模拟吸能零部件的形态变化和能量变化。

10、进一步地，根据吸能零部件的历史数据，将图卷积神经网络与长短期记忆神经网络结合起来，实现吸能零部件碰撞过程中不同时序数据的记忆、传递和更新，进而对新产品碰撞性能的快速准确预测。

11、进一步地，所述预测模型的训练过程为：

12、对吸能零部件进行碰撞仿真分析，记录吸能零部件的几何结构和对应的性能指标，以吸能零部件的几何结构作为输入，通过仿真分析得到的吸能零部件的性能指标作为输出，对预测模型进行训练，得到训练后的预测模型。

13、进一步地，所述碰撞仿真分析通过具备碰撞预测功能的有限元软件实现，所述有限元软件包括ls-dyna、abaqus和pamcrash。

14、进一步地，所述解码器解码获取预测结果，所述预测结果包括吸能零部件碰撞后的形态、变形量以及内能随时间的变化曲线。

15、进一步地，所述解码器解码获取误差水平，所述误差水平包括损失函数变化曲线和输出均方误差，用于评价预测模型的预测精度。

16、本方案还提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现上述的方法。

17、本方案还提供了一种计算机可读存储介质，所述计算机可读存储介质上储存有计算机程序，所述计算机程序被处理器执行上述的方法。

18、与现有技术相比，本发明具有以下优点：

19、(1)本发明无需当前产品的几何模型，只需有同类历史产品的几何模型。充分考虑了产品设计初期缺少几何模型的问题，通过有限元仿真和深度机器学习的巧妙结合，通过预测模型对历史产品数据进行训练和学习，获得新产品的性能，特别适合于新产品概念设计阶段的性能预测，在汽车产品的开发过程中往往已经存在大量的历史数据，本发明可适用于在历史数据中找到隐藏的函数映射关系，从而实现快速地预测产品性能，实用性和实施性强。

20、(2)本发明充分利用了有限元仿真与机器学习方法的优点，以历史产品数据作为输入，以仿真所得的历史产品的碰撞性能指标为输出，通过深度机器学习进行新产品的性能预测。已有的机器学习方法往往难以识别三维几何结构，本发明可以直接识别结构的有限元网格，自动编码生成可学习的隐藏信息，实现快速预测。这种方法避免了传统完全基于有限元仿真的预测方法所需的大量结构修改、模型修改等弊端，直接实现从概念结构到碰撞安全性能指标的预测，保证精度的同时有效地缩短了预测时间，提高了产品设计效率，减小了开发成本。

21、(3)本发明通过长短期记忆网络和图卷积神经网络算法模拟吸能零部件在特定工况下随时间而变化的性能数据，这种方法对产品性能的预测时间比传统预测时间降低两个数量级，也即低于传统预测时间的0.01倍，而且预测精度与有限元预测精度相当。有效缩短了预测时间，提高产品设计效率，降低产品开发成本。

技术特征：

1.一种汽车碰撞安全零部件动态力学性能的评价方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种汽车碰撞安全零部件动态力学性能的评价方法，其特征在于，所述预测模型基于图卷积和长短期记忆神经网络建立，用于对吸能零部件的碰撞仿真结果进行时序数据记忆、传递和更新。

3.根据权利要求2所述的一种汽车碰撞安全零部件动态力学性能的评价方法，其特征在于，所述预测模型通过长短期记忆神经网络获取不同时刻的特征矩阵，通过图卷积网络进行节点信息的传递和更新，用于模拟吸能零部件的形态变化和能量变化。

4.根据权利要求2所述的一种汽车碰撞安全零部件动态力学性能的评价方法，其特征在于，根据吸能零部件的历史数据，将卷积神经网络与长短期记忆神经网络结合起来，实现吸能零部件碰撞过程中不同时序数据的记忆、传递和更新，进而对新产品碰撞性能的快速准确预测。

5.根据权利要求1所述的一种汽车碰撞安全零部件动态力学性能的评价方法，其特征在于，所述预测模型的训练过程为：

6.根据权利要求5所述的一种汽车碰撞安全零部件动态力学性能的评价方法，其特征在于，所述碰撞仿真分析通过具备碰撞预测功能的有限元软件实现，所述有限元软件包括ls-dyna、abaqus和pamcrash。

7.根据权利要求1所述的一种汽车碰撞安全零部件动态力学性能的评价方法，其特征在于，所述解码器解码获取预测结果，所述预测结果包括吸能零部件碰撞后的形态、变形量以及内能与时间的变化曲线。

8.根据权利要求7所述的一种汽车碰撞安全零部件动态力学性能的评价方法，其特征在于，所述解码器解码获取误差水平，所述误差水平包括损失函数变化曲线和输出均方误差，用于评价预测模型的预测精度。

9.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～8中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上储存有计算机程序，所述计算机程序被处理器执行如权利要求1～8中任一项所述的方法。

技术总结
本发明涉及一种汽车碰撞安全零部件动态力学性能的评价方法，包括以下步骤：对待检测吸能零部件进行有限元分析，得到吸能零部件对应的有限元网格和属性，并作为输入信息传输到编码器；所述编码器将输入信息编码为图，用于识别待检测吸能零部件的几何结构；将图输入已经训练完成的预测模型，所述预测模型对吸能零部件碰撞过程中的形态变化和能量变化进行模拟，输出模拟碰撞过程中不同时刻的状态图；通过解码器对预测模型的输出结果进行解码，得到预测模型对待检测吸能零部件的预测结果以及预测的误差水平。与现有技术相比，本发明具有高精度、高效率且成本低等优点。

技术研发人员：余海燕,贺宏伟,高泽
受保护的技术使用者：同济大学
技术研发日：
技术公布日：2024/1/16