基于BP神經(jīng)網(wǎng)絡(luò)模型的白車身輕量化安全性探討論文

　　1 引言

　　實車碰撞試驗與真實汽車碰撞事故情形最為接近，是綜合評價汽車碰撞安全性能的最基本和最有效的方法。目前各國頒布的汽車被動安全法規(guī)包括 FMVSS、ECE 和 GB 等。NCAP 是獨立于法規(guī)及管理體系之外，綜合評價汽車安全性能，其由具公正地位和權(quán)威性的機構(gòu)實施，目前，美國、歐洲、日本、澳大利亞、韓國、中國、海灣、南美等國家和地區(qū)分別采用不同的評價方法，但基本以歐、美、日為主要代表。中國的汽車碰撞標(biāo)準(zhǔn)參考ECE法規(guī)，C-NCAP引進(jìn)EURO-NCAP的測試評價體系并進(jìn)行了消化吸收。整車的碰撞安全試驗，上述不同地區(qū)的標(biāo)準(zhǔn)法規(guī)和 NCAP 大多采用正碰、偏碰和側(cè)碰等方式，但在實施細(xì)節(jié)上有所差別。汽車滾翻事故是單車事故的主要表現(xiàn)形式之一，汽車滾翻時車頂受沖擊載荷作用，若車頂強度不達(dá)標(biāo)會發(fā)生大變形并有侵入乘客室的危險，對乘員造成傷害。目前我國參考FM?VSS 216《轎車車頂抗壓強度》頒布實施了 GB26134—2010《乘用車頂部抗壓強度法規(guī)》。

　　人工神經(jīng)網(wǎng)絡(luò)是國際上從 20 世紀(jì) 80 年代中期以來迅速發(fā)展和崛起的一個新興研究領(lǐng)域。它是研究模擬人腦的結(jié)構(gòu)、思維和智能的一門新興學(xué)科，具有自學(xué)習(xí)、自組織、自適應(yīng)和非線性動態(tài)處理等特性，已成功地用于非線性系統(tǒng)的建模、性能預(yù)測、模式識別、故障診斷和自適應(yīng)控制等研究。目前最具代表性的人工神經(jīng)網(wǎng)絡(luò)模型之一是由 Rumelhart 和 Mclelland 在 1986 年提出的以信號處理理論為基礎(chǔ)發(fā)展起來的前向多層神經(jīng)網(wǎng)絡(luò)及其誤差反向傳播（BP）。

　　人工神經(jīng)網(wǎng)絡(luò)預(yù)先不需要給出一定模型，只是從大量數(shù)據(jù)中提取規(guī)則，通過聯(lián)想記憶和推廣能力來獲取所需數(shù)據(jù)，這對于解決復(fù)雜的非線性問題具有廣闊的應(yīng)用前景。神經(jīng)網(wǎng)絡(luò)具有良好的映射逼近能力；網(wǎng)絡(luò)本身具有良好的可靠性、魯棒性和容錯性；采用并行處理方式處理信息，使大量信息的快速運算成為可能。BP人工神經(jīng)網(wǎng)絡(luò)是一種分層型網(wǎng)絡(luò)結(jié)構(gòu)形式，具有輸入層、中間層（隱藏層）和輸出層三層結(jié)構(gòu)，每一層的權(quán)值都可以通過學(xué)習(xí)來調(diào)整。BP神經(jīng)網(wǎng)絡(luò)不需要事先給出數(shù)學(xué)模型,具有通過學(xué)習(xí)逼近任意非線性映射的能力,將神經(jīng)網(wǎng)絡(luò)應(yīng)用于非線性系統(tǒng)的建模與識別, 可以不受非線性模型的限制。當(dāng)給定一個輸入模式時，輸入信號由輸入層到輸出層的傳遞是一個向前傳遞的過程，如果輸出信號與期望信號存在誤差，則轉(zhuǎn)入誤差反向傳遞的過程，并根據(jù)各層誤差值調(diào)節(jié)各層權(quán)值。

　　本文擬以白車身為研究對象，通過有限元模擬與BP人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，開展基于白車身對整車安全性能的評價。建立白車身輕量化安全性能和整車安全性能的關(guān)系，通過白車身輕量化安全性能評價對整車安全性能進(jìn)行判斷。通過白車身安全系數(shù)、輕量化系數(shù)和彎曲剛度對整車安全星級進(jìn)行評價。

　　2 仿真模型及BP神經(jīng)網(wǎng)絡(luò)模型的建立

　　2.1 白車身安全系數(shù)

　　白車身是碰撞中的主要吸能部分和力的承受部件，它與汽車正碰、偏碰、側(cè)碰和頂壓性能息息相關(guān)。目前評價轎車的輕量化效果是在滿足碰撞法規(guī)要求下，以寶馬公司提出的白車身輕量化系數(shù)L來衡量。

　　2.2 試驗方案

　　為計算白車身安全系數(shù)S，對10款白車身進(jìn)行了正碰、側(cè)碰和頂壓試驗。制定表1所示有限元分析方案，通過試驗可以獲得白車身安全系數(shù)計算所需參數(shù)。

　　2.3 BP神經(jīng)網(wǎng)絡(luò)模型建立

　　擬采用3層BP網(wǎng)絡(luò)結(jié)構(gòu)，可以看出，三層 BP 神經(jīng)網(wǎng)絡(luò)包括輸入層、一個隱含層和輸出層。上、下層之間實現(xiàn)全連接，每層神經(jīng)元之間無連接。當(dāng)一對學(xué)習(xí)樣本提供給網(wǎng)絡(luò)后，神經(jīng)元的激活值從輸入層經(jīng)隱含層向輸出層傳播，輸出層的各神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng)。之后，按照減少目標(biāo)輸出與實際誤差的方向，從輸出層經(jīng)過隱含層修正各連接權(quán)值，最后回到輸入層。這種算法稱為“誤差逆?zhèn)鞑ニ惴ā�，即BP算法。隨著這種誤差逆?zhèn)鞑バ拚�的不斷進(jìn)行，網(wǎng)絡(luò)對輸入模式響應(yīng)的正確率也不斷提高。

　　在MATLAB軟件中組建基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型：a.輸入樣本；b.建立BP神經(jīng)網(wǎng)絡(luò)；c.對網(wǎng)絡(luò)進(jìn)行訓(xùn)練；d.對網(wǎng)絡(luò)進(jìn)行仿真驗證；e.應(yīng)用網(wǎng)絡(luò)解決問題。

　　3 結(jié)果與討論

　　采用有限元模擬和BP人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，基于白車身輕量化安全性能對整車安全性能進(jìn)行評價。采用10款白車身的正碰、側(cè)碰和頂壓試驗，結(jié)合其整車安全性能情況，在 BP 人工神經(jīng)網(wǎng)絡(luò)中建立白車身輕量化安全性能與整車安全性能的關(guān)系，在訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中只需輸入白車身輕量化安全性能評價相關(guān)參數(shù)，即可對整車安全性能進(jìn)行判斷。同時還對白車身輕量化安全性能和整車安全性能關(guān)系進(jìn)行回歸分析。

　　輸入層的白車身安全系數(shù)S、輕量化系數(shù)L和彎曲剛度Cb3個參數(shù)均對整車安全性能有重要影響，如白車身正碰、側(cè)碰和頂壓試驗獲得的不同部位的加速度曲線、最大變形量和最大頂壓力，同時輕量化系數(shù)中扭轉(zhuǎn)剛度和彎曲剛度也對整車安全性能有重要影響。

　　4 結(jié)束語

　　利用有限元仿真和BP人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，對10款車型進(jìn)行有限元分析，通過白車身安全系數(shù)，輕量化系數(shù)和彎曲剛度可以較好地預(yù)測整車安全星級，使白車身在設(shè)計開發(fā)階段就可以判斷整車的碰撞安全是否滿足星級開發(fā)目標(biāo)，進(jìn)而及時進(jìn)行優(yōu)化，本文建立的基于白車身輕量化安全性能的 BP 人工神經(jīng)網(wǎng)絡(luò)可以更好地預(yù)測整車安全星級。

【基于BP神經(jīng)網(wǎng)絡(luò)模型的白車身輕量化安全性探討論文】相關(guān)文章：

基于BP神經(jīng)網(wǎng)絡(luò)的飛行體姿態(tài)預(yù)測模型05-02

基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的職業(yè)危害預(yù)警模型04-25

基于BP神經(jīng)網(wǎng)絡(luò)的地震預(yù)測04-30

基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建城市時需水量預(yù)測模型05-02

基于AHP法與BP神經(jīng)網(wǎng)絡(luò)的應(yīng)急物流風(fēng)險評估與預(yù)測模型05-02

基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)模型的飛行事故預(yù)測研究04-28

BAF處理系統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型04-25

基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制系統(tǒng)05-01

基于BP神經(jīng)網(wǎng)絡(luò)的湘西金礦成礦預(yù)測05-07

基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型在公路貨運量預(yù)測中的應(yīng)用04-27