中国新车评价规程(Chinese new car assessment programme,C-NCAP)2024版乘员保护板块中新增了侧面碰撞远端乘员保护的虚拟测评项目,但是当前车辆的被动安全系统尚没有达到该评价规程要求.针对该现状,提出了在远端乘员侧添加远端气囊的...中国新车评价规程(Chinese new car assessment programme,C-NCAP)2024版乘员保护板块中新增了侧面碰撞远端乘员保护的虚拟测评项目,但是当前车辆的被动安全系统尚没有达到该评价规程要求.针对该现状,提出了在远端乘员侧添加远端气囊的解决方案,建立了远端气囊有限元模型,并进行了试验对标.首先,运用CATIA软件建立远端气囊的三维模型,利用HyperMesh对气囊模型进行几何清理及网格划分;其次,采用Primer软件折叠划分好网格的气囊有限元模型,设置远端气囊的材料属性及模型参数,应用LS-DYNA软件进行运算求解;最后,根据静态点爆与动态冲击试验结果对标远端气囊有限元模型.结果表明,静态点爆试验对标误差为1.4%,动态冲击试验对标误差在10%以内,符合新规要求.展开更多
为了提高呼吸信号判别驾驶疲劳的准确率,通过模拟驾驶试验探究呼吸信号与驾驶员疲劳状态的关系,提出呼吸疲劳节点的概念,并基于呼吸疲劳节点判别驾驶员的疲劳状态。首先,通过模拟驾驶试验采集驾驶员的呼吸信号,采用Karolinska嗜睡量表(K...为了提高呼吸信号判别驾驶疲劳的准确率,通过模拟驾驶试验探究呼吸信号与驾驶员疲劳状态的关系,提出呼吸疲劳节点的概念,并基于呼吸疲劳节点判别驾驶员的疲劳状态。首先,通过模拟驾驶试验采集驾驶员的呼吸信号,采用Karolinska嗜睡量表(Karolinska sleepiness scale, KSS)对疲劳程度进行主观自评量化。其次,把单位时间内眼睛闭合百分比(percentage of eyelid closure over the pupil over time, PERCLOS)作为参考,与主观自评反馈结合,对驾驶员呼吸疲劳节点进行标定。最后,基于呼吸疲劳节点利用随机树算法(random tree, RT)获得轻/重度呼吸疲劳变化节点的判别模型。结果表明:该模型能更加及时、准确地判别出驾驶员的疲劳状态;基于随机树算法获得的筛选条件对轻度呼吸疲劳变化节点识别的准确性要高于重度呼吸疲劳变化节点;轻/重度呼吸疲劳变化节点的平均识别误差分别为3.50 min和3.66 min,预测准确率分别为92.09%和92.03%。展开更多
文摘中国新车评价规程(Chinese new car assessment programme,C-NCAP)2024版乘员保护板块中新增了侧面碰撞远端乘员保护的虚拟测评项目,但是当前车辆的被动安全系统尚没有达到该评价规程要求.针对该现状,提出了在远端乘员侧添加远端气囊的解决方案,建立了远端气囊有限元模型,并进行了试验对标.首先,运用CATIA软件建立远端气囊的三维模型,利用HyperMesh对气囊模型进行几何清理及网格划分;其次,采用Primer软件折叠划分好网格的气囊有限元模型,设置远端气囊的材料属性及模型参数,应用LS-DYNA软件进行运算求解;最后,根据静态点爆与动态冲击试验结果对标远端气囊有限元模型.结果表明,静态点爆试验对标误差为1.4%,动态冲击试验对标误差在10%以内,符合新规要求.
文摘为了提高呼吸信号判别驾驶疲劳的准确率,通过模拟驾驶试验探究呼吸信号与驾驶员疲劳状态的关系,提出呼吸疲劳节点的概念,并基于呼吸疲劳节点判别驾驶员的疲劳状态。首先,通过模拟驾驶试验采集驾驶员的呼吸信号,采用Karolinska嗜睡量表(Karolinska sleepiness scale, KSS)对疲劳程度进行主观自评量化。其次,把单位时间内眼睛闭合百分比(percentage of eyelid closure over the pupil over time, PERCLOS)作为参考,与主观自评反馈结合,对驾驶员呼吸疲劳节点进行标定。最后,基于呼吸疲劳节点利用随机树算法(random tree, RT)获得轻/重度呼吸疲劳变化节点的判别模型。结果表明:该模型能更加及时、准确地判别出驾驶员的疲劳状态;基于随机树算法获得的筛选条件对轻度呼吸疲劳变化节点识别的准确性要高于重度呼吸疲劳变化节点;轻/重度呼吸疲劳变化节点的平均识别误差分别为3.50 min和3.66 min,预测准确率分别为92.09%和92.03%。
