殷文強(qiáng)，郭厚銳，劉玉云，白中浩

（湖南大學(xué) 汽車車身先進(jìn)設(shè)計(jì)制造國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖南，長(zhǎng)沙 410082）

在保護(hù)駕駛員和乘員安全方面，安全氣囊系統(tǒng)已成為了一種基本配置[1]。與其它的安全系統(tǒng)不同，安全氣囊系統(tǒng)作為汽車碰撞發(fā)生后保護(hù)人身安全的最后一道防線，它關(guān)系到駕駛員和乘員的生命安全。因此，確保安全氣囊精確可靠的點(diǎn)火是非常必要的。當(dāng)前，關(guān)于安全氣囊控制器點(diǎn)火算法的研究主要集中在兩個(gè)方面，一是提高算法的抗路面干擾能力，二是在需要點(diǎn)火的時(shí)刻，研究如何提高控制點(diǎn)火時(shí)刻的精度[2]。為了提高路面抗干擾性能，研究了雙向加速度合成的氣囊控制算法，引入了汽車行駛過程中的z向加速度[3-4]。為提高氣囊點(diǎn)火的精確度，研究了基于預(yù)碰撞信息的安全氣囊控制器點(diǎn)火算法和采用神經(jīng)網(wǎng)絡(luò)的方法[5-10]，通過多參數(shù)引入，在汽車碰撞之前對(duì)汽車的運(yùn)行狀態(tài)進(jìn)行判斷，采用預(yù)判斷的方法提高了安全氣囊點(diǎn)火的可靠性。相對(duì)第一種研究，該方法只是研究了如何提高抗路面干擾，并沒有對(duì)對(duì)如何提高氣囊控制器點(diǎn)火時(shí)刻精度進(jìn)行進(jìn)一步的研究。第二個(gè)方面，在積累了第一方面研究成果的同時(shí)，采用預(yù)判斷方法提高抗干擾能力和點(diǎn)火可靠性，但是該方法采用的基礎(chǔ)算法依然是傳統(tǒng)的點(diǎn)火算法。傳統(tǒng)的點(diǎn)火算法對(duì)碰撞嚴(yán)重性靈敏度不高，汽車在不同速度不同角度的碰撞下，傳統(tǒng)點(diǎn)火算法可靠性不高[11]。有研究表明，在所有的汽車與汽車碰撞事故中，汽車發(fā)生100%正面碰撞的概率為16%，其它各種斜角碰撞的概率占23%[12]。關(guān)于斜角碰撞安全性，美國(guó)FMVSS208法規(guī)規(guī)定了48 km/h的30°斜角碰撞安全性要求，而在我國(guó)，并沒有針對(duì)汽車斜角碰撞中乘員保護(hù)的相關(guān)試驗(yàn)標(biāo)準(zhǔn)。在交通事故中，安全氣囊在發(fā)生角度碰撞時(shí)不起爆的情況常有發(fā)生，由此造成的用戶與制造商的糾紛也不在少數(shù)。乘員不能得到很好的保護(hù)，導(dǎo)致的人員和經(jīng)濟(jì)損失巨大。因此，在我國(guó)進(jìn)行斜角碰撞研究，提高斜角碰撞中安全氣囊點(diǎn)火算法的判斷可靠性和準(zhǔn)確度，對(duì)于提高碰撞中乘員的保護(hù)有著重要的意義。

汽車在不同速度和角度的碰撞下，根據(jù)力與加速度的關(guān)系，其y向加速度與斜角碰撞強(qiáng)度具有一定的關(guān)聯(lián)性，本文從這一特性出發(fā)，構(gòu)建一個(gè)考慮斜角碰撞差異的可靠性更高的安全氣囊控制器點(diǎn)火算法。

1 傳統(tǒng)算法點(diǎn)火準(zhǔn)確性分析

對(duì)于單一的碰撞模式，汽車的碰撞嚴(yán)重程度和乘員的損傷程度與汽車的碰撞加速度密切相關(guān)。根據(jù)這一特性，構(gòu)建的傳統(tǒng)點(diǎn)火算法主要有：速度增量法、比功率法、加速度增量法、移動(dòng)窗積分法、神經(jīng)網(wǎng)絡(luò)算法、加速度平方累積算法、基于速度變化的判別算法、加速度增量絕對(duì)值累積算法等[3,11]。

為了評(píng)估傳統(tǒng)算法的點(diǎn)火可靠性，獲取了某車型不同碰撞形式下5種點(diǎn)火算法得到的TTF，并與相應(yīng)碰撞形式下的RTTF對(duì)比。一般情況下，RTTF是基于127 mm-30 ms準(zhǔn)則。因此有必要先獲得假人向前移動(dòng)127 mm所需要的時(shí)間。通常有兩種方法可以確定假人移動(dòng)127 mm的時(shí)間，第一種是根據(jù)高速攝像資料來判斷假人移動(dòng)的時(shí)間；第二種方法就是對(duì)碰撞加速度進(jìn)行兩次積分來獲取假人移動(dòng)127 mm的時(shí)間[11]。本文采用第2種方法獲取所需要的時(shí)間。

表1 某乘用車不同碰撞模式和算法下的TTF/ RTTF值[1]%

傳統(tǒng)算法的TTF和RTTF對(duì)比結(jié)果見表1。表中“N”表示在該模式下，安全氣囊沒有被觸發(fā)。比率大于100表示該碰撞模式下，氣囊的點(diǎn)火時(shí)刻滯后于RTTF。從表1中可知，5種點(diǎn)火算法在不需要點(diǎn)火的狀態(tài)下安全氣囊都沒有點(diǎn)火。各算法在不同正碰模式下都能較好地控制TTF，比率基本上能達(dá)到70%以上，但是，各種算法在用于斜碰撞中時(shí)，都不能較好地控制TTF。在斜碰撞中的比率都在30%～40%間，因此，現(xiàn)有的點(diǎn)火算法不能滿足實(shí)際需要，有必要對(duì)現(xiàn)有的算法進(jìn)行改進(jìn)或構(gòu)建一種新的算法來提高汽車在發(fā)生斜碰撞時(shí)的點(diǎn)火準(zhǔn)確性與可靠性，提高氣囊在斜碰撞中對(duì)乘員的保護(hù)。

2 汽車斜角碰撞的動(dòng)力學(xué)分析

汽車安全氣囊的控制器通常是通過剛架結(jié)構(gòu)與汽車固結(jié)在一起，以保證控制器能夠真實(shí)地感知汽車碰撞過程中的加速度。當(dāng)汽車發(fā)生碰撞時(shí)，相互接觸部分發(fā)生劇烈變形，同時(shí)，劇烈的沖擊通過車架傳遞給傳感器，形成x向和y向陡峭的加速度前沿。在發(fā)生斜角碰撞時(shí)，車輛的前部只有一側(cè)參與碰撞中能量的吸收，這種碰撞形態(tài)下碰撞變形大，剛度小，所以碰撞中車體沖擊的加速度峰值小。因而在同樣的速度下發(fā)生碰撞時(shí)，發(fā)生正面碰撞的點(diǎn)火時(shí)刻要早于斜角碰撞的時(shí)刻，但是RTTF變化量與加速度增量并不是呈線性關(guān)系。因此在兩種碰撞形式中采用只考慮x向加速度的點(diǎn)火算法無法對(duì)斜角碰撞做出準(zhǔn)確的判斷。

在汽車事故中，汽車發(fā)生斜角碰撞，相互碰撞的汽車受到的碰撞力與碰撞方向相反，根據(jù)力與加速度的關(guān)系，受斜角碰撞的汽車將產(chǎn)生沿x和y兩個(gè)方向的力，如圖1所示。碰撞過程中車體的總能量和瞬時(shí)受力由式（1）和式（2）表示。

式中，E為碰撞總能量；m為汽車質(zhì)量；u為碰撞速度；F為碰撞力；hr為撞壓系數(shù)；t為接觸時(shí)間；Δu為速度變化量。

根據(jù)式（1）和式（2），車身相應(yīng)的受力方向上產(chǎn)生的加速度反映碰撞強(qiáng)度。圖2是一次典型的斜角碰撞（30°）試驗(yàn)中采集的雙向加速度曲線。由圖2可知，在碰撞的前30 ms（點(diǎn)火算法判斷的有效區(qū)間），y向加速度與x向的加速度具有很強(qiáng)的相關(guān)性。根據(jù)國(guó)內(nèi)外的研究，車輛在65 km/h以下的速度發(fā)生碰撞時(shí)，汽車的變形量與碰撞的速度基本成線性關(guān)系，碰撞速度越高，變形量越大，相應(yīng)的加速度也就越大。由于碰撞前駕駛采取了制動(dòng)等措施，大部分車輛在碰撞前一刻已降至較低的速度。因此，根據(jù)碰撞加速度的特征，可以考慮利用汽車碰撞時(shí)y向的加速度作為輔助判斷因子，使汽車發(fā)生斜角碰撞時(shí)對(duì)安全氣囊點(diǎn)火算法進(jìn)行控制，提高算法可靠性和精度。

當(dāng)汽車發(fā)生斜碰撞時(shí)，在不同速度下，發(fā)生不同角度的碰撞工況下，x向和y向的加速度信號(hào)的關(guān)聯(lián)性，從圖1的受力圖分析可知。同一速度下不同角度碰撞，偏角越大，y向加速度所占的比例越大，也就是說y向碰撞強(qiáng)度越大。而在相同角度不同速度下碰撞時(shí)，汽車所受的橫向和縱向加速度因速度的增大而增大，但比值不變。汽車在不同速度和不同角度碰撞工況中加速度的差異，為新算法的構(gòu)建提供了可能。

3 基于y向加速度干預(yù)合成算法

通過表1中對(duì)各傳統(tǒng)算法點(diǎn)火準(zhǔn)確性的分析可知，基于加速度平方累積算法在各碰撞形式下的TTF與RTTF比值比較均衡，因此選擇對(duì)加速度平方累積算法作改進(jìn)，式（3）為傳統(tǒng)加速度平方累積算法。

式中，So為傳統(tǒng)算法積分量；n為當(dāng)前時(shí)間點(diǎn)；k為算法考慮的采樣點(diǎn)數(shù)，即積分窗寬；fs為采樣頻率；r為z向權(quán)重因子。

利用斜碰撞中x向和y向加速度信號(hào)的相關(guān)性，及y向加速度對(duì)斜角碰撞的敏感性，突破了傳統(tǒng)算法只考慮x向加速度的限制，構(gòu)建了基于y向加速度的安全氣囊控制器點(diǎn)火算法。算法表達(dá)式如下。

式中，Sc為基于y向加速度干預(yù)的合成算法積分量；n、k、fs、r的定義同式(3)；r為權(quán)重因子，表征y向加速度在合成算法積分量Sc中的權(quán)重。

為避免碰撞信號(hào)因?yàn)閥向加速度的引入導(dǎo)致合成的Sc過度的變形，需要對(duì)r進(jìn)行控制，一般取0≤r≤1。碰撞過程中，y向碰撞越劇烈，正向加速度越大。由于碰撞前y向的本身沒有速度，碰撞使其獲得橫向的速度，碰撞后又回歸到速度0，因此，y向加速度有正有負(fù)。根據(jù)能量守恒，正向加速度與負(fù)向加速度是相等的，即y向加速度取平方求和反映的是橫向碰撞強(qiáng)度。

為了比較新算法的可靠性，y向因子引入對(duì)判斷曲線的影響程度，采用兩種算法對(duì)同一斜碰撞進(jìn)行對(duì)比，比較新舊算法積分值的變化趨勢(shì)，新算法能否根據(jù)斜角碰撞強(qiáng)度對(duì)積分值進(jìn)行相應(yīng)調(diào)節(jié)，從而實(shí)現(xiàn)點(diǎn)火時(shí)刻的調(diào)節(jié)。考慮到實(shí)車斜角碰撞試驗(yàn)成本高及臺(tái)車試驗(yàn)不便于模擬斜角碰撞等因素，本文采用通過試驗(yàn)驗(yàn)證的整車有限元模型進(jìn)行仿真，獲取斜角碰撞的加速度。圖3為左側(cè)30°速度為48 km/h斜角碰撞分別采用y向加速度干預(yù)的合成算法（r=0.5）求得的Sc值和不考慮y向加速度干預(yù)的傳統(tǒng)算法求得的So值的比較曲線。從圖3可以得出，考慮y向加速度干預(yù)的算法求得的Sc曲線的變化趨勢(shì)與傳統(tǒng)算法求得的Sc曲線的變化趨勢(shì)一致，而使用Sc代替So作為點(diǎn)火參數(shù)可以根據(jù)斜碰撞的碰撞強(qiáng)度的感知，對(duì)點(diǎn)火時(shí)刻進(jìn)行相應(yīng)的調(diào)節(jié)，提高判斷準(zhǔn)確性，從而提高系統(tǒng)的在斜角碰撞中對(duì)乘員的保護(hù)能力。

4 算法的有效性驗(yàn)證

4.1 參數(shù)選取

在斜角碰撞中，TTF因采用y向加速度干預(yù)而得到調(diào)節(jié)，但是TTF需要調(diào)節(jié)多少，可以通過設(shè)置合理的權(quán)重因子r來實(shí)現(xiàn)。窗寬k的選取和點(diǎn)火時(shí)刻、信號(hào)采樣頻率等有關(guān)，可變范圍比較小。z向權(quán)重因子r與相應(yīng)車型的抗干擾能力有關(guān)，對(duì)斜角碰撞TTF的影響較小。因此，首先選擇合適的k值和r值，然后再漸近修改r的值。在本文中k=3 000，r=0.7[3]。r選取的方法是在30 km/h的速度下發(fā)生正面碰撞時(shí)的RTTF決定的積分值S，在相同速度的斜角碰撞時(shí)，r的取值使合成積分值Sc等于S的時(shí)刻為RTTF，即調(diào)節(jié)r值，使得在30 km/h的斜角碰撞下TTF等于RTTF。圖4為應(yīng)用該方法選擇r值的優(yōu)化曲線。在30 km/h的正面碰撞中，RTTF為23 ms，斜角碰撞RTTF為33.5 ms。根據(jù)此方法求得當(dāng)r=0.5時(shí)，30 km/h的斜角碰撞下TTF=RTTF。

4.2 有效性驗(yàn)證

為了評(píng)價(jià)基于y向加速度干預(yù)的合成積分量Sc相對(duì)于傳統(tǒng)積分量So的優(yōu)化性能，使用有限元仿真的方法得到表1中各工況的碰撞加速度曲線，使用相同方法獲取RTTF，對(duì)各碰撞形態(tài)使用基于y向干預(yù)的合成算法，得到的TTF與RTTF的比值見表2。

表2 合成算法的TTF/ RTTF值%

由表2可知，基于y向加速度干預(yù)的合成算法與傳統(tǒng)算法相比，在正面碰撞工況下，點(diǎn)火準(zhǔn)確性沒有太多變化，但是在斜角碰撞工況下，其點(diǎn)火準(zhǔn)確性有了很大的提高。在斜角碰撞中，TTF與RTTF的比值均能達(dá)到70%以上，表明基于y向加速度干預(yù)的合成算法能夠有效提高斜角碰撞的準(zhǔn)確性，基本達(dá)到算法設(shè)計(jì)的目標(biāo)。

本文中，盡管有關(guān)斜角碰撞曲線是通過有限元仿真的方法獲取的，但是并不影響基于y向加速度干預(yù)的方法有效性的驗(yàn)證，而只影響參數(shù)的選取。在實(shí)際碰撞過程中，由于車輛本身結(jié)構(gòu)、傳感器安裝位置等因素都會(huì)對(duì)氣囊控制器的加速度信號(hào)產(chǎn)生影響，所以在具體設(shè)計(jì)時(shí)，需要根據(jù)實(shí)車試驗(yàn)綜合分析來決定r的值，提高安全氣囊在斜角碰撞中的點(diǎn)火準(zhǔn)確性。當(dāng)然，安全氣囊控制作為一個(gè)系統(tǒng)，包括碰撞識(shí)別、抗干擾等方面，本文所做的改進(jìn)側(cè)重于斜角碰撞中的控制，在基本的控制算法中尋找突破，提高了安全氣囊在斜角碰撞中的保護(hù)性能。

5 結(jié)論

（1）傳統(tǒng)的安全氣囊控制器點(diǎn)火算法在斜角碰撞工況下點(diǎn)火時(shí)刻不理想。

（2）分析發(fā)現(xiàn)汽車在發(fā)生斜角碰撞的過程中x、y兩向加速度存在很強(qiáng)的相關(guān)性，且y向加速度與斜角碰撞強(qiáng)度具有相關(guān)性。

（3）利用斜角碰撞過程中x向和y向加速度的相關(guān)性，構(gòu)建了一種基于y向加速度的安全氣囊控制器合成算法。

（4）利用合成算法，在斜角碰撞工況中TTF與RTTF的比值提高到了70%以上。這一事實(shí)說明，合成算法與傳統(tǒng)算法相比在處理斜角碰撞工況中具有更高的準(zhǔn)確性。

References)

[1]張金換， 杜匯良， 馬春生，等. 汽車碰撞安全性設(shè)計(jì)[M].北京市：清華大學(xué)出版社，2010：370.

Zhang Jinhuan，Du Huiliang，Ma Chunsheng，et al.Automotive Design for Crash Safety[M]. Beijing：Tsinghua University Press，2010：370.(in Chinese)

[2]唐國(guó)強(qiáng)，朱西產(chǎn). 汽車安全氣囊點(diǎn)火算法的研究[J]. 公路與汽運(yùn)，2009(2)：1-5.

Tang Guoqiang，Zhu Xichan. Reseach on the Airbag Deployment Algorithm [J]. Highways & Automotive Applications，2009(2)：1-5. (in Chinese)

[3]葛如海，朱文婷，臧綾. 基于改進(jìn)移動(dòng)窗算法的碰撞識(shí)別控制策略的研究[J]. 汽車工程，2011，33(7)：590-593，622. (in Chinese)

Ge Ruhai，Zhu Wenting，Zang Ling. A Study on the Control Strategy for Vehicle Impact Identification Based on Improved Moving Window Algorithm[J]. Automotive Engineering，2011，33(7)：590-593，622.(in Chinese)

[4]鄭維，黃世霖，張金換. 雙向加速度合成氣袋控制算法及其抗路面干擾特性[J]. 清華大學(xué)學(xué)報(bào)(自然科學(xué)版)，2003，43(2)：250-253. (in Chinese)

Zheng Wei，Huang Shilin，Zhang Jinhuan. Bidirectional Acceleration Airbag Control Algorithm and Its Anti Road Agitation Characteristics[J]. Tsinghua University(Sci &Tech)，2003，43(2)：250-253. (in Chinese)

[5]PIETZSCH S，VU T D，BURLET J，et al. Results of a Precrash Application Based on Laser Scanner and Short-Range Radars[J]. IEEE Transactions on Intelligent Transportation Systems，2009，10(4)：584-593.

[6]Yang Ying，Zao Guangyao，Sheng Jing. Occupant Pose and Location Detect for Intelligent Airbag System Based on Computer Vision[C].ICNC'08 Proceedings of the 2008 Fourth International Conference on Natural Computation，October 18-20，2008，Jinan，China，2008(6)：179-182.

[7]JOHNSON A，WILLSON R，CHENG Y，et al. Design Through Operation of an Image-Based Velocity Estimation System for Mars Landing[J]. International Journal of Computer Vision，2007，74(3)：319-341.

[8]CHO K，CHOI S B，SHIN K，et al. A Pre-Crash Discrimination System for an Airbag Deployment Algorithm[C].2010 American Control Conference，ACC 2010，June 30-July 2，2010，Baltimore，MD，United States：IEEE Computer Society，2010：6949-6954.

[9]秦孟蘇. 基于模糊神經(jīng)網(wǎng)絡(luò)的汽車安全氣囊智能點(diǎn)火控制算法[D]. 長(zhǎng)沙：湖南大學(xué)，2008.

Qin Mengsu. The Intelligent Fire Control Algorithm of Automotive Airbag Based on Fuzzy Logic and Neutral Network[D]. Changsha： Hunan University，2008. (in Chinese)

[10]劉杰，孫吉貴，李紅建，等. 基于BP神經(jīng)網(wǎng)絡(luò)的氣囊點(diǎn)火算法模型[J]. 吉林大學(xué)學(xué)報(bào)(工學(xué)版)，2008，38(2)：414-418.

Liu Jie，Sun Jigui，Li Hongjian，et al. Setup of BP ANNBased Crash Sensing Algorithm[J]. Journal of Jilin University(Engineering and Technology Edition)，2008，38(2)：414-418. (in Chinese)

[11]JEONG H Y，KIM Y H. New Algorithm and Accelerometer Locations for Frontal Crash Discrimination[J]. Proceedings of the Institution of Mechanical Engineers，Part D：Journal of Automobile Engineering，2001，215(11)：1171-1178.

[12]周航飛. 轎車前部斜角碰撞仿真及駕駛員損傷防護(hù)研究[D]. 長(zhǎng)沙： 湖南大學(xué)， 2009.

Zhou Hangfei. A Research on Drivers' Injury Biomechanics and Countermeasures in Vehicle Oblique Impact[D].Changsha：Hunan University，2009. (in Chinese)