基于深度学习的座椅抗挥鞭伤性能预测

摘要：

在传统仿真的基础上,结合深度学习,提出了一种快速预测座椅鞭打性能的方法.首先对上汽大众某车型座椅进行了一系列材料级、零部件级、分总成级和整椅级的静态与动态物理实验,其次利用实验结果对已有的仿真模型进行了标定,标定结果验证了仿真模型的有效性.然后,利用全因子法对所有影响座椅鞭打性能的因素进行了仿真.基于仿真结果,利用深度学习方法建立了长短记忆(LSTM)神经网络模型,对假人的挥鞭伤害响应进行快速预测.结果表明:基于LSTM的神经网络模型预测的假人响应曲线能与仿真得到的曲线较好地吻合,故可用于后续的座椅鞭打性能优化.

关键词：座椅抗挥鞭性能、深度学习、神经网络、有限元仿真、BioRID Ⅱ、Pam-Crash

所属期刊栏目：44

分类号：U461.91;TP391;TH311

在线出版日期：2022-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1600-1608