一种车辆碰撞HIC值的人工智能预测方法技术

技术编号:44629373 阅读:12 留言:0更新日期:2025-03-17 18:25
本申请提供一种车辆碰撞HIC值的人工智能预测方法,用于改善头部伤害准则HIC值的预测精度较低的问题。该方法包括:获取目标车辆在碰撞过程中的人员头部的加速度时间序列数据;使用混合神经网络模型中的长短时记忆网络LSTM模块对加速度时间序列数据进行特征提取,获得时序特征;使用混合神经网络模型中的卷积神经网络CNN模块对加速度时间序列数据进行特征提取,获得局部特征;使用混合神经网络模型中的融合整合模块对时序特征和局部特征进行预测,获得目标车辆在碰撞过程中的头部伤害准则HIC值。

【技术实现步骤摘要】

本申请涉及人工智能、机器学习与汽车安全的,具体而言,涉及一种车辆碰撞hic值的人工智能预测方法。


技术介绍

1、头部伤害准则(head injury criterion,hic)是一种用于评估汽车碰撞中头部损伤程度的一个重要指标,通过计算头部重心在碰撞过程中的加速度的变化来评估头部损伤的风险,从而量化头部受到冲击时的潜在伤害程度。

2、目前,对汽车等车辆碰撞过程中的头部伤害准则hic值进行预测的方式,大都是通过有限元仿真计算来预测的,然而,这种有限元仿真方法的计算成本较高,且对复杂非线性碰撞行为的模拟精度受限。因此,目前的头部伤害准则hic值的预测精度较低。


技术实现思路

1、本申请实施例的目的在于提供一种车辆碰撞hic值的人工智能预测方法,用于改善头部伤害准则hic值的预测精度较低的问题。

2、本申请实施例提供了一种车辆碰撞hic值的人工智能预测方法,包括:获取目标车辆在碰撞过程中的人员头部的加速度时间序列数据;使用混合神经网络模型中的长短时记忆网络lstm模块对加速度时间序列数据进本文档来自技高网...

【技术保护点】

1.一种车辆碰撞HIC值的人工智能预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述融合整合模块,包括:特征融合层和全连接层;所述使用所述混合神经网络模型中的融合整合模块对所述时序特征和所述局部特征进行预测,包括:

3.根据权利要求1所述的方法,其特征在于,在所述获得所述目标车辆在碰撞过程中的头部伤害准则HIC值之后,还包括:

4.根据权利要求3所述的方法,其特征在于,所述获取所述头部伤害准则HIC值的置信区间,包括:

5.根据权利要求3所述的方法,其特征在于,所述获取所述头部伤害准则HIC值的置信区间,包括:...

【技术特征摘要】

1.一种车辆碰撞hic值的人工智能预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述融合整合模块,包括:特征融合层和全连接层;所述使用所述混合神经网络模型中的融合整合模块对所述时序特征和所述局部特征进行预测,包括:

3.根据权利要求1所述的方法,其特征在于,在所述获得所述目标车辆在碰撞过程中的头部伤害准则hic值之后,还包括:

4.根据权利要求3所述的方法,其特征在于,所述获取所述头部伤害准则hic值的置信区间,包括:

5.根据权利要求3所述的方法,其特征在于,所述获取所述头部伤害准则hic值的置信区间,包括:

6.根据权利要求1-5任一所述的方法,其特征在于,还包括:

7.根据权利要求6所述的方法,其特征在于,所述根据所述增量学习损失值更新所...

【专利技术属性】
技术研发人员:康飞张鑫刘鑫
申请(专利权)人:宁波索为科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1