[发明专利]一种基于遗传神经网络的安全气囊起爆控制方法

说明书

技术领域

本发明主要涉及到汽车安全气囊智能控制领域，特指一种基于遗传神经网络的安全气囊起爆控制方法。

背景技术

安全气囊被称为辅助约束系统，当汽车发生碰撞时，在乘员和车内室部件之间快速形成一个弹性气囊，从而减少乘员的冲击力，保护乘员的头部、胸部、腹部以及腿部等易伤部位。安全气囊与座椅安全带共同使用，据研究表明安全带和安全气囊共同使用时可以降低乘员50%的重伤率。虽然汽车安全气囊拯救了无数乘员的生命，但是，美国在2000-2006年间，有1400多人死于安全气囊事故，其中包括600名婴幼儿。多数的安全气囊事故是由于安全气囊的误动作造成，包括安全气囊的误触发和不触发。安全气囊的核心技术是安全气囊点火算法，目前一些常见的研究算法包括加速度峰值法、加速度梯度法、速度变化量法、比功率法以及移动窗积分算法。但这些算法抗干扰性能不佳，可能会造成安全气囊在起伏路、阶梯路等干扰路况行驶时展开，而且点火时刻控制不精确，造成安全气囊早点火和迟点火。

近几年来，智能算法得到了蓬勃发展，例如神经网络、遗传算法，模糊系统、粒子群算法，这些算法在智能控制以及工业使用方面得到了广泛的应用。人工神经网络（Artificial Neural Network，ANN）是近几年来发展极为迅速的一种智能算法，它是模仿大脑神经突触连接结构进行信息处理的数学模型。目前在神经网络的多数应用中，基本上均采用BP（Back Propagation，反向传播）神经网络及其变化形式。BP神经网络是一种误差进行反向传播的多层前向型神经网络，在信号进行正向传播过程中，每一层神经元只影响下一层神经元，当网络输出与期望输出超出设定的阈值时，网络进行反向传播并修改其连接权值，在特定的学习算法下，使得误差信号越来越小。而遗传算法将待优化参数进行编码处理，并经过选择、交叉和变异等遗传算子进行计算，获得新一代群体。新一代群体通过特定的适应度函数使得符合要求的个体被保留下来，保留个体继续进行上述操作，则新群体适应度值不断提高，直至达到所要求的停止条件。遗传神经网络模型是利用遗传算法对网络权值进行优化，在网络训练前期对神经网络权值和偏差进行实数编码，将获得的最优解进行解码作为神经网络训练的初始值，神经网络利用自身优势进行局部范围内的最优解搜索。本发明根据遗传神经网络模型设计了安全气囊起爆的智能控制方法，该智能控制方法可正确预测碰撞速度并将起爆时刻误差控制在2ms以内，有效降低了乘员的损伤。

发明内容

本发明要解决的技术问题就在于：针对现有的安全气囊起爆控制方法易产生误起爆和不起爆的问题，本发明提供一种安全可靠、准确度高、实时性强的安全气囊起爆智能控制方法。本方法基于遗传神经网络模型进行搭建，可实时处理外界输入的汽车加速度数据，并可准确预测汽车碰撞速度和最佳点火时刻。

为解决上述技术问题，本发明提出的解决方案为：

发明了一种基于遗传神经网络的安全气囊起爆控制方法，其特征在于：根据某款车型建立其仿真模型，利用仿真模型获得不同碰撞速度下的整车加速度数据以及乘员响应数据，以整车加速度数据作为输入参数，以碰撞速度和乘员头部位移作为输出参数，建立多层BP（Back Propagation，反向传播）神经网络模型，同时采用遗传算法对神经网络参数进行优化，获得最佳的神经网络参数，然后对最佳的网络模型进行程序编写并输入到控制器中，控制器对汽车加速度传感器输入的加速度数据进行实时处理，并在有效的时间范围内输出预测的碰撞速度和最佳点火时刻，其流程图如图1所示，具体步骤如下：

1）根据特定车型数据建立其完整的整车有限元模型以及完整的车辆-乘员-约束系统多刚体模型，并通过试验数据验证模型的有效性，一般仿真数据与试验数据具有相同的总体趋势并且峰值的大小与出现的时刻相差应在15%以内。如若试验数据与仿真数据差别过大，需要重新调整模型；

2）根据所建立的整车有限元模型进行碰撞仿真，获得车辆在不同速度下的整车碰撞加速度数据，然后将整车碰撞加速度数据施加到车辆-乘员-约束系统多刚体模型内，获得多刚体假人的损伤数据；