精彩直播預告

汽車行業市場的競爭激烈性和用戶消費理念的不斷升級驅使汽車產品需要快速迭代。用戶對安全及舒適性的高度需求、研發周期的壓縮、車輛造型、材料等各方面的不斷推陳出新，都給整車仿真工作帶來了巨大的挑戰。

如何更好的進行行人保護是整車仿真中需要重點考慮的問題也是激烈市場環境中一個有力的競爭點。針對汽車行業行人保護仿真分析問題復雜、仿真時間長等痛點，海克斯康帶來了智能實時仿真平臺ODYSSEE，以助力汽車行人保護的設計開發流程。ODYSSEE是一款跨學科、跨領域、跨專業的軟件產品，基于機器學習模型，能夠實現秒級實時的CAE靜態、動態仿真、圖像識別、智能預測等，顯著縮短計算分析周期，提高生產效率。ODYSSEE為工程、制造和質量提供了實時解決方案。

本期海克斯康直播講堂請到了嵐圖汽車科技有限公司整車輕量化仿真專家段文立，聯合海克斯康技術專家常誠為我們分享ODYSSEE基于機器學習應用于行人保護頭部碰撞仿真快速精確預測，通過實際案例從概念階段SFE-Concept參數化建模、機器學習快速預測行人保護頭碰加速度和HIC值、多學科優化平衡各性能矛盾等方面，為我們全面講解如何應用ODYSSEE應對當前挑戰。趕快預約報名吧！

2月28日 14:00 

▲ 掃碼參與報名

立即預定

直播案例搶先看

市場競爭激烈和消費理念升級決定著汽車產品需要快速迭代，各大主機廠都在盡量壓縮整車研發周期，以期在更短的時間內開發出更加優秀的產品。消費端則隨著整體的消費升級，汽車由增量市場向存量市場轉化。安全作為一個重要的競爭點，包括主動安全和被動安全兩個方面。據歐盟國家統計，交通事故中行人的死亡率是乘員的9倍。而目前常見的較激進造型、貫穿式大燈、塑包鋼風道等以及鋁合金材料的應用，對行人保護的仿真和設計提出更多的挑戰。

無論是項目周期的壓縮還是法規更加嚴苛，亦或車輛造型、材料各方面的不斷推陳出新，都給整車仿真工作提出了更大的挑戰。這也促進整車仿真行業方法更新換代和效率的不斷提升。

概念階段SFE參數化建模

概念階段常用的分析手段為基于隱式參數化建模工具SFE Concept進行參數化模型搭建和性能優化。該方法基于主要斷面、發罩與車身分縫、造型及總布置數據進行發動機罩模型搭建。根據布置等需求，挑選內板傾斜角度、加強筋間距、寬度等作為參數化研究的對象。其中內板前后端腔體大小變化（傾斜角）創建2個變量；主筋高度為1個變量；主筋間距為2個變量；主筋寬度為2個變量（左右對稱）；共計9個形狀變量。

圖1. 發罩內板參數示意模型

基于上述9個形狀設計變量，采用最優拉丁超立方方法進行DOE（實驗設計）分析，共計劃分120組發動機罩CAE模型，裝配后進行行人保護頭碰分析。

SFE模型與CAE 模型仿真及對標

行人保護頭部碰撞分析建模滿足整車CAE仿真網格建模規范和整車碰撞模型CAE搭建設計規范要求，包括：車身、外飾、動力總成、電子電器。行人保護頭部碰撞點必須在行人保護頭部碰撞區域內選擇，碰撞點為頭部模型與車體模型的接觸點。

圖2. 行人保護頭部碰撞點模型及對標點示意

考慮對稱性及撞擊點位于發罩上，選擇位于發罩上的左側76個點進行仿真分析。為了加強對比性，選擇位于內板加強筋部位的57號點和76號點對比。對比結果表明，SFE參數化模型與傳統CAE網格模型的加速度曲線對比精度滿足仿真需求，達到90%以上。因此可以利用該SFE參數化模型進行頭部碰撞分析。

圖3. SFE 參數化模型與傳統CAE 模型加速度精度對標

機器學習模型訓練和驗證

SFE參數化模型搭建的頭碰模型精度達標后，可以使用其對DOE分出的120組模型分別計算，作為機器學習訓練樣本。選擇其中110組作為訓練集樣本點，5組作為驗證集樣本點，剩余5組為預測集樣本點。使用ODYSSEE 軟件，可以在一分鐘的時間內完成上述76組、每組110條曲線的訓練。

選擇兩個不同位置（35號點和47號點）的曲線進行精度驗證：其中35號點位于內板加強筋位置，訓練加速度曲線分布較為發散；47號點位于發罩邊緣處，訓練加速度曲線分布相對收斂。隨機選擇35號點的113組驗證組數據和47號點的114組驗證組數據進行驗證。

圖4. 35和47號點驗證集加速度曲線精度驗證

結果表明：ODYSSEE 預測加速度精度很高；訓練數據越發散，其預測精度越低。

加速度曲線預測

隨機選擇35號點的119組參數和47號點的117組參數對應的加速度曲線預測，并與仿真計算結果進行對比。對比結果表明：預測集加速度曲線預測結果和驗證集精度一致。碰撞分析作為高度非線性的分析工況，其預測精度可以達到90%以上。其對比優化軟件的近似模型的精度要高很多。同時機器學習能夠在極短的時間內（秒級）對加速度曲線預測并達到相當高的精度。

圖5.  35和47號點預測加速度曲線精度對比

應用價值

整車開發項目中采用ODYSSEE 軟件的機器學習方法，在仿真效率的提升方面效果非常明顯，對項目開發周期和性能平衡具有很好的促進作用。

對于碰撞安全、約束系統和行人保護作為高度非線性的工況，目前面臨仿真精度相對低和計算量大等現實困難。借助ODYSSEE 軟件的機器學習方法，不僅可以提高仿真效率；同時其可以對曲線、后處理動畫等進行學習，對于快速直觀地了解碰撞狀態具有非常大的意義。

段文立

嵐圖汽車科技有限公司整車輕量化仿真專家

2021年加入嵐圖汽車，主要負責整車及平臺的概念階段性能開發，車身輕量化數值優化以及輕量化，同時負責新仿真和優化技術的研究及應用。

常誠

海克斯康工業軟件技術專家

畢業于清華大學工程力學系，在汽車零部件、航天航空、能源建筑等領域有豐富的仿真分析經驗。目前關注于集成材料計算工程的應用，包括材料數據的管理、復合材料多尺度仿真分析、人工智能加速新材料研發和應用等方面，為客戶提供各種材料應用及CAE解決方案。