基于自适应RBF网格变形技术的特征人体有限元建模方法技术

本发明专利技术涉及一种基于自适应RBF网格变形技术的特征人体有限元建模方法，属于汽车被动安全领域。该方法具体包括以下步骤：S1：基准模型及特征人体有限元模型标志点选取；S2：对自适应RBF网格变形，确定RBF网格变形函数；S3：确定了RBF网格变形函数之后，将基准人体有限元模型上的节点通过空间变形方式插值到新的空间位置，加入组织材料属性，得到特征人体有限元模型。本发明专利技术极大地简化了特征人体有限元模型建模的流程，缩短了建模时间，节省了建模成本；同时与其它网格变形技术相比，本发明专利技术最大程度的保证了模型网格的质量。

Feature human body finite element modeling method based on adaptive RBF mesh deformation technology

The invention relates to a feature body finite element modeling method based on adaptive RBF mesh deformation technology, belonging to the field of vehicle passive safety. The method includes the following steps: S1: selection of marker points for reference model and feature human body finite element model; S2: determination of RBF mesh deformation function for adaptive RBF mesh deformation; S3: determination of RBF mesh deformation function, interpolation of nodes on reference human body finite element model into new space through spatial deformation mode. Position, add tissue material properties, and get the characteristic human body finite element model. The invention greatly simplifies the modeling process of the featured human body finite element model, shortens the modeling time and saves the modeling cost, and ensures the quality of the model mesh to the greatest extent compared with other mesh deformation techniques.

【技术实现步骤摘要】
基于自适应RBF网格变形技术的特征人体有限元建模方法
本专利技术属于汽车被动安全领域，涉及一种应用于被动安全仿真模拟中特征人体有限元模型的快速建模方法。
技术介绍
交通事故已经成为威胁人们生命安全的重要因素之一，乘员约束系统在交通事故中起到了极大保护车内乘员的作用。人体数值模型(主要是有限元模型)为乘员约束系统的设计以及其性能的评估、优化提供了一种很好的工具。而现有乘员约束系统的设计一般侧重于保护50百分位成人人群，并未考虑乘员体型的多样性，而乘员的体型对交通事故损伤有着很大的影响，如在遭受同样的交通事故肥胖乘员受伤害的程度普遍高于正常体型的乘员。为了在交通事故中更好的保护各种体型的乘员，有必要建立针对各年龄段各种体型(包括肥胖、瘦小等体型)的人体有限元模型以用于提升乘员约束系统性能的设计优化。目前关于用于碰撞仿真中人体有限元模型的建模主要分为三个步骤：CAD模型建立、网格划分以及添加材料属性和边界条件，该建模过程十分耗时耗力。随着计算机技术的发展，网格变形技术在各行各业得到了广泛的应用。基于现有的50百分位人体有限元模型，采用网格变形技术在保持网格精度的情况下快速建立各种体型的人体有限元模型具有广阔的应用前景。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于自适应RBF的网格变形技术，在无需重新划分网格并且保持网格质量的条件下，快速的改变基准人体有限元模型尺寸，生成特征人体有限元模型。为达到上述目的，本专利技术提供如下技术方案：一种基于自适应RBF网格变形技术的特征人体有限元建模方法，具体包括以下步骤：S1：基准模型及特征人体有限元模型标志点选取；S2：对自适应RBF函数网格变形，确定RBF网格变形函数；S3：确定了RBF网格变形函数之后，将基准人体有限元模型上的节点通过空间变形方式插值到新的空间位置，加入组织材料属性，得到特征人体有限元模型。进一步，所述步骤S1具体包括以下步骤：S11：确定待建立人体有限元模型的基本人体测量参数，包括年龄、性别、身高、体重等；S12：将人体有限元模型划分为几个部分，包括头部、颈部、胸部、腹部、臀部、大腿、小腿、上臂、前臂，然后基于相关人体测量数据库、基准模型和待建模型的各部位尺寸，并根据这些尺寸确定基准模型和待建模型之间的缩放比；S13：在HyperMesh中提取基准模型的外表面，并根据尺寸缩放比对相应的部位进行缩放，此项功能通过HyperMorph实现；S14：对上述身体部位之间的区域进行平滑处理，生成待建模型的外表面模型，在基准模型以及特征人体模型表面模型上选取相对应的标志点；S15：基于相关的肋骨统计数据获取肋骨的预测模型，在基准模型以及待建模型上选取肋骨标志点，肋骨上标志点坐标通过以下公式获得：其中Xi，Yi，Zi对应第i个标志点的坐标，年龄、身高、BMI的单位分别是年、米以及kg/m2，男性、女性分别用1和0来表示，P、C为基准矩阵，通过相关的文献查阅。进一步，所述步骤S2具体包括：RBF方法是一种使用欧氏距离进行数据插值的方法，应用于网格变形上的基本表达形式为：其中n为所选标志点数量，wj为权重系数，为核函数，||r-rj||为两点之间的欧氏距离，同时{π1,π2,π3,π4}＝{x,y,z,1}，x,y,z分别表示标志点的三维坐标，qk是线性多项式的权重系数；采用标志点空间位移变形来进行网格变形，即d(si)＝(si'-si),si'是特征人体模型上标志点的空间坐标，si是基准人体模型上标志点的空间坐标；结合边界条件以及内插约束，根据公式(2)得到以下方程：将以上选取基准模型和特征模型上的标志点代入公式(3)，即得出基准模型上节点与特征模型上节点之间的空间变形关系。进一步，由于标志点的数量以及核函数的选择对空间变形的精度以及网格质量产生一定的影响，因此在确定RBF网格变形函数的确定中加入两个自适应的过程，标志点数量的自适应过程以及核函数选择的自适应过程；在标志点数量选择的自适应过程中，通过在基准模型上额外选取50个标志点做预测，预测精度通过RSME值表征：其中R是空间预测点，L是特征人体模型上相对应的标志点；所述核函数主要有以下几种，包括等；在网格质量上是通过网格Jacobian、扁平比、翘曲度以及倾斜度来判断。本专利技术的有益效果在于：与传统的建模方法相比，本专利技术极大地简化了特征人体有限元模型建模的流程，缩短了建模时间，节省了建模成本。同时与其它网格变形技术相比，本专利技术最大程度的保证了模型网格的质量。附图说明为了使本专利技术的目的、技术方案和有益效果更加清楚，本专利技术提供如下附图进行说明：图1为本专利技术所述特征人体有限元建模方法流程图。具体实施方式下面将结合附图，对本专利技术的优选实施例进行详细的描述。如图1所示，基于自适应RBF网格变形技术的特征人体有限元建模方法，具体包括以下步骤：S1：基准模型及特征人体有限元模型标志点选取；S11：确定待建立人体有限元模型的基本人体测量参数，包括年龄、性别、身高、体重等；S12：将人体有限元模型划分为几个部分，包括头部、颈部、胸部、腹部、臀部、大腿、小腿、上臂、前臂，然后基于相关人体测量数据库、基准模型和待建模型的各部位尺寸，并根据这些尺寸确定基准模型和待建模型之间的缩放比；S13：在HyperMesh中提取基准模型的外表面，并根据尺寸缩放比对相应的部位进行缩放，此项功能通过HyperMorph实现；S14：对上述身体部位之间的区域进行平滑处理，生成待建模型的外表面模型，在基准模型以及特征人体模型表面模型上选取相对应的标志点；S15：基于相关的肋骨统计数据获取肋骨的预测模型，在基准模型以及待建模型上选取肋骨标志点，肋骨上标志点坐标通过以下公式获得：其中Xi，Yi，Zi对应第i个标志点的坐标，年龄、身高、BMI的单位分别是年、米以及kg/m2，男性、女性分别用1和0来表示，P、C为基准矩阵，通过相关的文献查阅。S2：对自适应RBF函数网格变形，确定RBF网格变形函数；RBF方法是一种使用欧氏距离进行数据插值的方法，应用于网格变形上的基本表达形式为：其中n为所选标志点数量，wj为权重系数，为核函数，||r-rj||为两点之间的欧氏距离，同时{π1,π2,π3,π4}＝{x,y,z,1}，x,y,z分别表示标志点的三维坐标，qk是线性多项式的权重系数；所述核函数主要有以下几种，包括等；采用标志点空间位移变形来进行网格变形，即d(si)＝(si'-si),si'是特征人体模型上标志点的空间坐标，si是基准人体模型上标志点的空间坐标；结合边界条件以及内插约束，根据公式(2)得到以下方程：将以上选取基准模型和特征模型上的标志点代入公式(3)，即得出基准模型上节点与特征模型上节点之间的空间变形关系。由于标志点的数量以及核函数的选择对空间变形的精度以及网格质量产生一定的影响，因此在确定RBF网格变形函数的确定中加入两个自适应的过程，标志点数量的自适应过程以及核函数选择的自适应过程；在标志点数量选择的自适应过程中，通过在基准模型上额外选取50个标志点做预测，预测精度通过RSME值表征，若预测精度达到要求，则进行下一步网络质量判断；若没有达到要求，则增加标志点数量；其中R是空间预测点，L是特征人体模型上相对应的标志点；在网格质量上是通过本文档来自技高网...

【技术保护点】
1.一种基于自适应RBF网格变形技术的特征人体有限元建模方法，其特征在于，该方法具体包括以下步骤：S1：基准模型及特征人体有限元模型标志点选取；S2：对自适应径向基函数(Radial Basis Function，RBF)网格变形，确定RBF网格变形函数；S3：确定了RBF网格变形函数之后，将基准人体有限元模型上的节点通过空间变形方式插值到新的空间位置，加入组织材料属性，得到特征人体有限元模型。

【技术特征摘要】
1.一种基于自适应RBF网格变形技术的特征人体有限元建模方法，其特征在于，该方法具体包括以下步骤：S1：基准模型及特征人体有限元模型标志点选取；S2：对自适应径向基函数(RadialBasisFunction，RBF)网格变形，确定RBF网格变形函数；S3：确定了RBF网格变形函数之后，将基准人体有限元模型上的节点通过空间变形方式插值到新的空间位置，加入组织材料属性，得到特征人体有限元模型。2.根据权利要求1所述的基于自适应RBF网格变形技术的特征人体有限元建模方法，其特征在于，所述步骤S1具体包括以下步骤：S11：确定待建立人体有限元模型的基本人体测量参数，包括年龄、性别、身高、体重；S12：将人体有限元模型划分为几个部分，包括头部、颈部、胸部、腹部、臀部、大腿、小腿、上臂、前臂，然后基于相关人体测量数据库、基准模型和待建模型的各部位尺寸，并根据这些尺寸确定基准模型和待建模型之间的缩放比；S13：在HyperMesh中提取基准模型的外表面，并根据尺寸缩放比对相应的部位进行缩放，此项功能通过HyperMorph实现；S14：对上述身体部位之间的区域进行平滑处理，生成待建模型的外表面模型，在基准模型以及特征人体模型表面模型上选取相对应的标志点；S15：基于相关的肋骨统计数据获取肋骨的预测模型，在基准模型以及待建模型上选取肋骨标志点，肋骨上标志点坐标通过以下公式获得：其中Xi，Yi，Zi对应第i个标志点的坐标，年龄、身高、BMI的单位分别是年、米以及kg/m2，男...

【专利技术属性】
技术研发人员：詹振飞，李君明，董阔，董文祥，郭钢，方宇东，杨俊祺，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50