[论文解读] Dynamic Human Body Models in Vehicle Safety: An Overview

Niklas Fahse, Millard, M.+4 more|arXiv (Cornell University)|Jan 1, 2023

Vehicle Dynamics and Control Systems被引用 1

一句话总结

本综述全面概述了车辆安全领域中动态人体模型（HBMs）的应用，比较了多体与有限元方法在不同驾驶模式下模拟乘员响应的表现。研究结果表明，HBMs 能够实现精确的物理驱动伤情预测，尤其在复杂场景（如摩托车碰撞和接管事件）中表现优异，同时指出了计算成本、模型差异性和生理真实性方面的挑战。

ABSTRACT

Significant trends in the vehicle industry are autonomous driving, micromobility, electrification and the increased use of shared mobility solutions. These new vehicle automation and mobility classes lead to a larger number of occupant positions, interiors and load directions. As safety systems interact with and protect occupants, it is essential to place the human, with its variability and vulnerability, at the center of the design and operation of these systems. Digital human body models (HBMs) can help meet these requirements and are therefore increasingly being integrated into the development of new vehicle models. This contribution provides an overview of current HBMs and their applications in vehicle safety in different driving modes. The authors briefly introduce the underlying mathematical methods and present a selection of HBMs to the reader. An overview table with guideline values for simulation times, common applications and available variants of the models is provided. To provide insight into the broad application of HBMs, the authors present three case studies in the field of vehicle safety: (i) in-crash finite element simulations and injuries of riders on a motorcycle; (ii) scenario-based assessment of the active pre-crash behavior of occupants with the Madymo multibody HBM; (iii) prediction of human behavior in a take-over scenario using the EMMA model.

研究动机与目标

• 为应对自动驾驶、微移动出行和共享出行等趋势带来的车辆设计复杂性提升，需开展更多样化且精确的乘员安全评估。
• 为研究人员和工程师提供多体与有限元人体模型（HBMs）在车辆安全应用中的对比综述。
• 识别 HBM 模拟中的关键挑战，包括计算成本、模型变异性，以及肌肉活动与反射的准确表征。
• 根据应用需求（如实时性能或组织水平伤情预测）指导合适 HBM 及模拟方法的选择。
• 推动虚拟测试在 HBM 中的应用，以提升车辆安全开发效率，减少对昂贵物理碰撞试验的依赖。

提出的方法

• 系统性综述与整合现有动态人体模型（HBMs），包括多体系统（MBS）与有限元（FE）模型，重点关注其数学基础与实现方式。
• 在三个案例研究中应用 HBMs：(i) 使用 FE 模型模拟摩托车碰撞，预测头部与下肢伤情；(ii) 使用 MADYMO 多体 HBM 模拟主动预碰撞行为；(iii) 使用 EMMA 模型预测接管场景中的人体行为。
• 采用冗余坐标系与索引-1微分代数方程（DAEs）来建模具有运动副约束与关节动力学的多体系统。
• 应用 Hill 型肌肉模型以模拟主动肌肉反应及其对乘员运动学与伤情风险的影响。
• 采用快速且精确的接触力模型公式，以减少复杂接触密集场景下的模拟时间。
• 基于预先计算的有限元模拟数据库开发并应用代理模型，实现在降低计算成本的同时保持高精度。

实验结果

研究问题

• RQ1 在车辆碰撞中，不同类型的 HBM（多体 vs. 有限元）在预测乘员响应与伤情风险方面有何差异？
• RQ2 在各类 HBM 类型中，模拟速度、解剖细节与计算成本之间的权衡关系如何？
• RQ3 主动肌肉反应与生理反射在碰撞模拟中对伤情结果的影响程度如何？
• RQ4 代理建模技术如何在不牺牲精度的前提下降低高保真有限元模拟的计算负担？
• RQ5 即使在人体测量参数相似的情况下，HBM 预测中的主要变异性来源是什么？

主要发现

• 有限元模型（如 VIVA+、GHBMC）可提供高保真度的组织水平伤情预测，但计算成本高昂，模拟时间显著慢于实时。
• 多体模型（如 EMMA、MADYMO）可实现实时或超实时模拟，支持预碰撞事件中乘员行为的动态、场景化分析。
• 在具有相似人体测量参数的模型之间，头部峰值加速度存在显著差异——例如，50百分位男性与女性 VIVA+ 模型的响应与 Hybrid III 模型表现不同，凸显了模型特异性生物力学行为。
• 主动肌肉反应显著影响伤情结果，已在“驾驶员在回路”实验中得到验证，但其建模与验证仍具挑战性。
• 在多体系统中，接触力建模占主导模拟时间，因此亟需快速且精确的公式以提升效率。
• 基于有限元模拟数据库训练的代理模型可实现高保真响应的高性价比复现，使可扩展的虚拟测试成为可能。