【技术实现步骤摘要】
基于生物力学仿真限值曲线的人体模型仿真度评价方法
[0001]本专利技术涉及碰撞仿真
，尤其涉及一种基于生物力学仿真限值曲线的人体模型仿真度评价方法。
技术介绍
[0002]在现有技术中，一般通过人体模型来评价碰撞过程中人体所受伤害，进而对车辆的碰撞安全性能进行评价。可见，人体模型生物力学仿真度对试验可靠性有直接的影响。
[0003]现有人体模型生物力学仿真度评价方法是通过尸体、动物、志愿者碰撞试验获得真实的生物力学响应信号，再计算人体模型相较于尸体、动物、志愿者等试验者体型信息的缩放比，最后对真实生物力学响应信号进行相应的缩放，并得到人体模型仿真限值数据，用于评价所研究人体模型生物力学响应仿真度。该方法存在着局限性大、缩放方法精度不高等问题。其主要原因有：尸体、动物、志愿者等试验者体型信息是特定的、唯一的，所获得的生物力学响应数据具有局限性，不具有普遍性和代表性；同时运用缩放方法是基于生物力学响应与受试者体型变化呈线性相关的原理，而受试者体型变化对生物力学影响十分复杂，仅采用线性缩放获取生物力学响应仿真限值的...
【技术保护点】
【技术特征摘要】
1.一种基于生物力学仿真限值曲线的人体模型仿真度评价方法，其特征在于，包括：S1、获取人体模型的体型特征信息，所述体型特征信息包括：身高、体重、头顶到耻骨联合的距离、肩宽、臂长、骨盆宽度；S2、构建自适应降维神经网络，所述自适应降维神经网络包括降维网络、中间层和升维网络，所述降维网络和所述升维网络分别作为单独网络使用；S3、构建回归神经网络，所述回归神经网络每一层的神经元个数与所述体型特征信息的个数相同；S4、对所述自适应降维神经网络和所述回归神经网络的精度进行验证，若所述精度符合要求，则进入S5，若所述精度不符合要求，则优化所述自适应降维神经网络和所述回归神经网络，直至所述自适应降维神经网络和所述回归神经网络的精度符合要求；S5、将所述人体模型的体型特征信息输入所述回归神经网络，得到仿真生物力学响应低维数据；将所述仿真生物力学响应低维数据输入所述自适应降维神经网络的中间层后，通过所述升维网络对所述仿真生物力学响应低维数据进行升维处理，得到仿真生物力学响应高维数据，根据所述仿真生物力学响应高维数据得到所述人体模型的生物力学仿真限值曲线；S6、根据所述生物力学仿真限值曲线对所述人体模型的仿真度进行评价。2.根据权利要求1所述的基于生物力学仿真限值曲线的人体模型仿真度评价方法，其特征在于，所述步骤S3中，构建回归神经网络包括对所述回归神经网络进行训练，所述回归神经网络的训练方法包括：S31、获取受试者的体型特征信息；S32、获取受试者在碰撞试验中的生物力学响应曲线；S33、根据所述生物力学响应曲线采集生物力学响应数据；S34、采用随机分配的方法将所述体型特征信息和所述生物力学响应数据分为3个数据集，分别为训练集、测试集、验证集；S35、将所述训练集和所述测试集中的所述生物力学响应数据输入所述自适应降维神经网络的降维网络进行降维处理，从所述自适应降维神经网络的中间层输出所述训练集和所述测试集中的所述生物力学响应数据相对应的线性和/或非线性的生物力学响应低维数据；S36、使用所述训练集中的所述体型特征信息作为输入、所述生物力学响应低维数据作为输出，训练所述回归神经网络；S37、使用测试集中的数据测试所述回归神经网络的精度是否符合要求；S38、若所述回归神经网络的精度满足要求，则停止对所述回归神经网络的训练，得到训练好的回归神经网络；S39、若所述回归神经网络的精度不满足要求，则继续训练所述回归神经网络。3.根据权利要求2所述的一种基于生物力学仿真限值曲线的人体模型仿真度评价方法，其特征在于，所述步骤S33，根据所述生物力学响应曲线采集生物力学响应数据包括：S331、去除获取的所述生物力学响应曲线中出现不合理力值的生物力学响应曲线；S332、将去除不合理力值后的所有所述生物力学响应曲线以碰撞发生的时刻为零时刻，截取自零时刻起间隔t时间长度的生物力学响应曲线，所述间隔t时间长度的生物力学
响应曲线包含所述生物力学响应曲线的最大力值点；S333、从每个所述间隔t时间长度的生物力学...
【专利技术属性】
技术研发人员：朱海涛，侯志平，刘磊，刘志新，顾海明，刘灿灿，张山，谭雯霄，王立民，
申请(专利权)人：中汽研汽车检验中心天津有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。