導(dǎo)航：安全管理網(wǎng)>> 安全論文>> 交通安全論文>>正文

汽車安全氣囊點火算法綜述

文檔作者：殷文強(qiáng)1 王玉龍徐盼盼2 白中浩文檔來源： 1．湖南大學(xué)汽車車身先進(jìn)設(shè)計制造國家重點實驗室 2．上海聯(lián)創(chuàng)汽車電子有限公司		點擊數(shù)：	更新時間： 2021年05月09日
下載地址：點擊這里	文件大?。?1.96 MB 共9頁	文檔格式： EXCEL	下載點數(shù)： 1 點（VIP免費(fèi)）

全屏查看

內(nèi)容預(yù)覽 [文件共9頁]

本文件共9頁，如需編輯使用，請下載。

注：預(yù)覽效果可能會出現(xiàn)部分文字亂碼（如口口口）、內(nèi)容顯示不全等問題，下載是正常的。

	文件大小：1.96 MB 共9頁文件格式：EXCEL 下載點數(shù)：1 點（VIP會員免費(fèi)）

下一篇：輪軌動力學(xué)與安全性試驗方法對比

上一篇：汽車安全新技術(shù)TPMS

文本預(yù)覽

僅提取頁面文字內(nèi)容，供快速閱讀使用。

第3卷第2期
2013年3月
汽車工程學(xué)報
C
— —
hinese Journal of Automotive Engineering
Vl0l_3 NO．2
M ar．201 3
汽車安全氣囊點火算法綜述
殷文強(qiáng)1，：F 3i,龍 ，徐盼盼2，白中浩
(1．湖南大學(xué)汽車車身先進(jìn)設(shè)計制造國家重點實驗室，湖南，長沙410082；
2．上海聯(lián)創(chuàng)汽車電子有限公司，上海201206)
摘 要：目前安全氣囊已在汽車上得到普遍應(yīng)用，但其點火算法卻沒有統(tǒng)一的設(shè)計標(biāo)準(zhǔn)。詳細(xì)論述了設(shè)計安全氣囊點火
算法的理論依據(jù)，包括乘員損傷準(zhǔn)則、氣囊點火條件和點火時刻確定法則。介紹了幾種傳統(tǒng)的安全氣囊點火算法，并對
其優(yōu)缺點進(jìn)行了對比。著重闡述了幾種智能安全氣囊點火算法的研究成果和發(fā)展前景，指出了安全氣囊點火算法未來的
發(fā)展方向。
關(guān)鍵詞：安全氣囊；點火算法；智能控制
中圖分類號： U461．91 文獻(xiàn)標(biāo)識碼：A DOI：10．3969／j．issn．2095—1469．2013．02．01
Review of Ignition Algorithms of Vehicle Airbag
W enqiang ，W ang Yulong ， Xu Panpan ， Bai Zhonghao
(1．State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body，Hunan University，Changsha 410082
Hunan， China；2．DIAS Automotive Electronic Systems Co．，Ltd，Shanghai 201206，China)
Abstract： Airbag has been widely used in vehicles，
however，there is no uniform design standards for
the ignition algorithm．The theoretical basis of airbag ignition algorithms was reviewed in this paper,
including occupant iN ury criteria，airbag ignition conditions and ignition timing．Based on these theories，
several traditional airbag ignition algorithms were introduced and their advantages and disadvantages were
compared．The research results and future of the intelligent ignition algorithms were sum marized and the
development direction of airbag ignition algorithm was also pointed out．
Key words： airbag；ignition algorithm；intelligent control
自從20世紀(jì)80年代在汽車上應(yīng)用以來，安全 汽車安全氣囊點火算法是安全氣囊控制系統(tǒng)的
氣囊已經(jīng)挽救了無數(shù)乘員的生命，尤其是其與安全 核心，它依據(jù)各安全法規(guī)的乘員碰撞損傷要求，并
帶配合使用，可以使車輛在發(fā)生碰撞事故時前排乘
員的死亡率降低61％?。然而， 由于氣囊不適當(dāng)?shù)?
展開造成乘員損傷甚至死亡的事件也愈見頻繁。據(jù)
NHTSA報道，在2001～ 2006年間，美國有大約
1 400位乘員因為安全氣囊的誤點火死亡，這為安
全氣囊的應(yīng)用前景蒙上了一層陰影 。
收稿日期：2013—02 28
基金項目： 國家自然科學(xué)基金(51105137)
綜合判斷點火條件，來解決氣囊是否需要點火以及
何時點火的問題。如果算法判斷氣囊在不需要點火
的低速碰撞、干擾路況時誤點火，或者在高速柱碰
撞時漏點火、遲點火都會對乘員造成生命危險。由
于算法計算誤差造成氣囊在高強(qiáng)度碰撞時早點火，
則會引起乘員在碰撞過程中接觸已泄氣的氣囊，而

082 汽車工程學(xué)報 第3卷
度信號進(jìn)行很好的濾波，這樣就造成了碰撞檢測時
間的增加，并提高了氣囊控制系統(tǒng)的開發(fā)成本。不
過，正如加速度梯度法的提出者美國ASL實驗室
的Tony Gioutsos指出的那樣，加速度梯度參數(shù)對
碰撞具有預(yù)測能力，它能夠在碰撞發(fā)生之前預(yù)測到
即將發(fā)生的碰撞，并預(yù)測乘員的位移，在控制氣囊
的點火時刻方面有著其它傳統(tǒng)算法無法比擬的優(yōu)
越性n 引。因此，將加速度梯度算法與其它算法，
如抗干擾能力較強(qiáng)的移動窗算法結(jié)合使用，可以綜
合兩者的優(yōu)點，并彌補(bǔ)加速度梯度法抗干擾能力差
的缺點。
2．3 移動窗積分算法
在介紹移動窗算法之前，簡要介紹一下速度變
化量法。對碰撞過程中的加速度信號進(jìn)行積分可以
得到速度變化量，當(dāng)速度變化量超過預(yù)先設(shè)定的閾
值時就發(fā)出點火信號。速度變化量算法的關(guān)鍵是確
定積分開始的時刻， 現(xiàn)在一般通過加速度閾值來確
定碰撞的起始時刻， 同時認(rèn)為碰撞的起始時刻為積
分開始時刻。
為了避免選取積分開始時刻帶來的誤差和不
便，一般使用移動窗積分算法代替速度變化量法。
選取一個適當(dāng)?shù)拇皩?，對當(dāng)前時刻之前 時間段
內(nèi)的加速度數(shù)據(jù)進(jìn)行積分，并將積分結(jié)果與閾值比
較，如果超過預(yù)先設(shè)定的閾值，則發(fā)出點火信號。
由移動窗積分算法得到的速度變化量曲線比較平
滑， 有一定的抗干擾能力， 在汽車發(fā)生100％正面
碰撞時，能夠很容易判斷車輛碰撞的嚴(yán)重程度，確
定氣囊是否需要點火。但是僅僅利用速度變化量參
數(shù)AV， 不能區(qū)分碰撞類型， 當(dāng)車輛發(fā)生柱碰撞、
角度碰撞時，氣囊會發(fā)生漏點火現(xiàn)象。
文獻(xiàn)[14]和[15]在移動窗積分算法的基礎(chǔ)上
引入了另外一個參數(shù)，用加速度曲線的長度 來判
斷汽車的碰撞形式(a為加速度)。
= ]．
因為高速柱碰撞的加速度比低速正面碰撞的加
速度振蕩幅度更大，振蕩頻率也更快，即加速度曲
線上的褶皺更加嚴(yán)重、密集，因此利用移動窗內(nèi)加
速度曲線的長度參數(shù)可以輕易地將高速柱碰撞從低
速正面碰撞中區(qū)分出來，避免高速柱碰撞時由于安
全氣囊不展開而造成的乘員傷害。然而，當(dāng)汽車緊
急制動或者在起伏路、搓板路等崎嶇不平的道路上
行駛時，加速度曲線長度值也會很大，抗干擾能力
變差。因此只有同時使用速度變化量和加速度曲線
長度兩個參數(shù)，才能實現(xiàn)對安全氣囊系統(tǒng)的準(zhǔn)確控
制。另外，為了提高移動窗算法的路面抗干擾能力，
文獻(xiàn)[16]提出同時對水平方向a 和垂直地面方向
a 進(jìn)行兩向加速度合成積分，來削弱路面干擾信號
對碰撞信號的影響。
(，z，k，p)= 1Σ ( (j)一pla~(i)1)，
f：，卜 十l
式中：．S，為雙向合成積分量； 為當(dāng)前時間點；k為
算法考慮的采樣點數(shù)， 即窗寬； 為采樣頻率；P為
合成因數(shù)，表征兩個方向加速度在合成算法中的權(quán)重。
2．4 比功率算法
1
對碰撞過程中汽車的動能E= ·v(t)2兩邊進(jìn)
行求導(dǎo)， 可以得到汽車碰撞過程中的功率e(t)=
m· (f)． (f)。接著對其兩邊再進(jìn)行求導(dǎo)可以得到比
功率公式dP(t)：m[a2(t)+v(t)· (，)]，將得到的結(jié)
果與閾值進(jìn)行比較， 可以判斷氣囊是否需要點
火 一 。
比功率算法綜合了加速度、速度變化量和加速
度梯度3個參數(shù)， 同時融合了加速度峰值法、移動
窗算法和加速度坡度法3種算法的優(yōu)點。(1)對于
偏置碰撞、柱碰撞和角度碰撞等碰撞形式，單純的
速度變量參數(shù)不能很好地識別碰撞，而較敏感的加
速度梯度參數(shù)可以解決這一問題。(2)加速度坡度
法比較敏感，在進(jìn)行長時間的車輛狀態(tài)判斷中會出
現(xiàn)混亂，而速度變量法比較穩(wěn)定，可以長時間判斷
汽車安全氣囊是否需要點火。(3)加速度梯度法在
起伏路等干擾路況中很敏感，容易出現(xiàn)誤點火的情
況，在比功率算法中綜合了速度變化量參數(shù)，就可

084 汽車工程學(xué)報 第3卷
3．1 基于乘員檢測的自適應(yīng)安全氣囊算法
乘員檢測技術(shù)應(yīng)用在汽車上至少可以帶來3個
方面的好處。(1)降低乘車成本。如果檢測到乘員
座位無人，當(dāng)車輛發(fā)生碰撞時乘員側(cè)安全氣囊不需
要點爆，這樣就減少了更換安全氣囊?guī)淼幕ㄙM(fèi)。
(2)提高乘車舒適性。當(dāng)檢測到乘員座位有人乘坐
時，可以自動打開空調(diào)等系統(tǒng)，使乘員乘車舒適。(3)
提高乘車安全性。當(dāng)乘員座位為小個子乘員、嬰兒
或乘員處于離位狀態(tài)時可以使安全氣囊不展開或者
低級展開，避免因氣囊全力展開對乘員造成傷害。
乘員檢測的內(nèi)容包括：乘員占座檢測、乘員大小分
類、乘員坐姿檢測和乘員佩戴安全帶狀態(tài)檢測n 。
近年來，乘員檢測系統(tǒng)致力于融合多種乘員信
息，綜合考慮乘員大小、乘員坐姿以及乘員佩戴安
全帶的狀態(tài)，為安全氣囊點火系統(tǒng)提供豐富的乘員
信息。文獻(xiàn)[223和[23]首先利用重力傳感器檢測
乘員占座情況，根據(jù)體重對乘員進(jìn)行分類，并根據(jù)
重心初步檢測乘員的位置，然后利用視覺傳感器跟
蹤乘員頭部運(yùn)動軌跡，實時檢測乘員的坐姿。文獻(xiàn)
[24]基于不同類型乘員的體壓分布特征，采用支
持矢量機(jī)(Support Vector Machine，SVM)算法，
通過壓力傳感器測得不同乘員類型在不同坐姿下的
體型特征樣本對SVM 進(jìn)行了訓(xùn)練及檢驗，最終得
到滿足精度要求的乘員坐姿識別器。隨著攝像機(jī)和
立體圖像處理技術(shù)的發(fā)展，僅僅使用視覺檢測系
統(tǒng)來識別乘員綜合狀態(tài)的目標(biāo)正在逐步實現(xiàn)。文獻(xiàn)
[253和[263開發(fā)的視覺傳感系統(tǒng)主要檢測乘員臉
部位置， 其中文獻(xiàn)[25]提出了適用于乘員臉部檢
測的3種算法即Viola-Jones算法，Kienzle算法和
Nilsson算法，雖然通過驗證發(fā)現(xiàn)這3種算法在人
臉檢測系統(tǒng)中還存在不穩(wěn)定的缺點，但是為乘員檢
測算法指出了一個有效的研究方向。文獻(xiàn)[27]介
紹了視覺傳感器與先進(jìn)的數(shù)字信號處理器DSP的應(yīng)
用，結(jié)果顯示乘員分類以及乘員坐姿分析的正確率
可以達(dá)到97％，但耗時為970 ms，這對于實現(xiàn)實時
跟蹤乘員頭部位移以及控制氣囊在最佳時刻點火的
目標(biāo)仍然存在一定的差距?，F(xiàn)在基于視覺傳感器以
及體壓分布的乘員識別系統(tǒng)所采用的模式識別技術(shù)
跟模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用密不可分 。。。
3．2 模糊神經(jīng)網(wǎng)絡(luò)算法
模糊神經(jīng)網(wǎng)絡(luò)算法將模糊算法的非線性信息
處理能力和神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)自適應(yīng)功能應(yīng)用于
汽車安全氣囊控制系統(tǒng)中， 有以下兩個方面的用
途 一 。(1)與乘員識別系統(tǒng)相結(jié)合，實現(xiàn)乘員分類、
乘員坐姿識別以及乘員頭部跟蹤。(2)與汽車加速
度傳感器結(jié)合使用，通過對加速度序列的訓(xùn)練，實
現(xiàn)對碰撞嚴(yán)重程度、碰撞形式的判斷。模糊神經(jīng)網(wǎng)
絡(luò)的基本構(gòu)造思想為：構(gòu)造一個包含輸入層、隱含
層和輸出層的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，應(yīng)用實際碰撞試驗中
的加速度序列值或者乘員圖像信息作為輸入量，利
用反向傳播算法(BP算法)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，逐步修
改模糊隸屬度函數(shù)，確定相關(guān)參數(shù)閾值，最終獲得
精準(zhǔn)的模糊規(guī)則，應(yīng)用于實際汽車碰撞事故時安全
氣囊的點火控制b 。
文獻(xiàn)[35]和[36]介紹了一種基于自適應(yīng)模
糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)(ANFIS)的安全氣囊控制算法，
其中文獻(xiàn)[36]設(shè)計了一種“兩階段模糊算法” 的
ANFIS結(jié)構(gòu)，利用了多個設(shè)計參數(shù)來支持算法。當(dāng)
加速度信號G超過預(yù)先設(shè)定值后，利用該時間段內(nèi)
對加速度信號兩次積分得到一個距離值“disp1”與
設(shè)定的閾值作比較，判斷碰撞是否是“嚴(yán)重”碰撞。
如果不是嚴(yán)重碰撞或者不能判斷，則進(jìn)入第二層判
斷， 引入了加速度值對時間的導(dǎo)數(shù)“jerk” ，加速
度超過閾值后“jerk”值超過閡值的次數(shù)“njerk”
以及加速度超過閾值與“jerk”值第1次超過閾值
的時間間隔“tw”這3個參數(shù)，利用當(dāng)前時間段內(nèi)
的“disp2”， “njerk”和“tw”3個參數(shù)來判斷碰
撞的嚴(yán)重程度。文獻(xiàn)[37]利用遺傳算法對模糊神
經(jīng)網(wǎng)絡(luò)的隸屬度函數(shù)進(jìn)行訓(xùn)練，通過隨機(jī)但有向的
搜索機(jī)制尋找全局最優(yōu)解。解決了由人類經(jīng)驗產(chǎn)生
的模糊控制規(guī)則固定不變的問題，并且在設(shè)計空間
可以進(jìn)行多點搜索，大大降低了系統(tǒng)陷入局部最優(yōu)

086 汽車工程學(xué)報 第3卷
[5]
[6]
[7]
[8]
[9]
[10]
[12]
[13]
[14]
[15]
[16]
制算法[D]．長沙：湖南大學(xué)，2008．
Qin Mengsu．The Intelligent Fire Control Algorithm of
Automotive Airbag Based on Fuzzy Logic and Neural
Network[D]．Changsha：Hunan University，2008．(in
Chinese)
Federal Safety Standards．FMVSS 208： Occupant Crash
Protection[S]．2010：28—43．
E．C．E．ECE R94．"Uniform Provisions Concerning the
Approval of Vehicles with Regard to the Protection of the
Occupants[S]．1999(2)．
GB 11511．乘用車正面碰撞的乘員保護(hù)[s]．全國汽車標(biāo)
準(zhǔn)化技術(shù)委員會，2003．
GB l1 55 1．Protection of the Occupants of Passenger Cars
Head．on Collision[S]．National Technical Committee of
Auto Standardization，2003．(in Chinese)
BREED D S．A Smart Airbag System：United States，
5282134[P]．1991．8．19[1994．11．25]．
石哲．新型進(jìn)口汽車ABS·SRS檢修手冊[M]．福州：福
建科學(xué)技術(shù)出版社，2000．
Shi Zhe。Repair M anual of ABS·SRS of New Im port
Car[M]．Fuzhou：Fujian Science and Technology Press，
2010．(in Chinese)
肖偉權(quán)．基于多傳感器信息融合的安全氣囊控制系統(tǒng)
[D]．合肥：中國科技大學(xué)，2007．
Xiao Weiquan．Airbag Control System Based on Multi—
sensor Information Fusion[D]．Hefei：University of
Science and Technology of China，2007．(in Chinese)
王軼聞．豐田花冠安全氣囊的原理與檢修[J]．科技信
息，2009(11)：101-102．
W ang Yiwen．Toyota Corolla Airbags Principle and
Maintenance[J]．Science，2009(11)：10l—l02．(in
Chinese)
GIOUTSOS A Predictive Based Algorithm for Actuation
of an Airbag[C]．SAE Paper 920479．
GIOUTSOS T．Slant Transform／Signal Space Crash
Discriminator：United States，6532408 B1[P]．1997．5．29
[2003．3．11]．
ALRABADY A I，MAHM UD S M．Development of a
Decision Making Algorithm for Airbag Control[C]．IEEE
1993： 8l一84．
M AHMUD S M ，ALRABADY A I．A New Decision
Making Algorithm for Airbag Control[C]．Transactions on
Vehicular Technology，IEEE 1995：690—697．
鄭維，黃世霖，張金換 雙向加速度合成氣袋控制算
法及其抗路面干擾特性[J]．清華大學(xué)學(xué)報，2003，
43(2)： 250—253．
Zheng Wei，Huang Shilin，Zhang Jinhuan．Bidirectional
Acceleration Airbag Control Algorithm and Its Anti—
road Agitation Characteristics[J]．Journal of Tsinghua
University (Science and Technology)，2003，43(2)：
250-253．(in Chinese)
[1 7] ALLEN J L．Power-Rate Crash Sensing Method for Safety
Device Actuation[C]．SAE Paper 920478．
[18] ALLEN J L，GIOUTSOS T．Power Rate System and
Method for Actuating Vehicle Safety Device：United
States，5363302[P]．1991．1．4[1994．11．8]．
[1 9] GIIIIS E J，GIOUTSOS T．The Use of Signal Processing
Techniques in an Occupant Detection System[C]．SAE
Paper 940906：65—70．
[20] TRIVEDI M M．Occupant Posture Analysis with Stereo
and Thermal Infrared Video：Algorithms and Experimental
Evaluation[C]．Transactions on Vehicular Technology，
IEEE 2004： 1698—1712．
[21] 朱紅艷，舒少龍．乘員分類系統(tǒng)研究綜述[J]．汽車電器，
201l(1)，1—3．
Zhu Hongyan，Shu Shaolong．A Review on Occupant
Classification System[J]．Automotive Electric，2011(1)，
1—3．(in Chinese)
『22] HUSSAIN A， HANNAN M A，MOHAMED A．
Decision Algorithm for Smart Airbag Deployment Safety
Issues lJj．International Journal of Electrical and Computer
Engineering，2006， 1(1)： 3 1—37．
[23] HANNAN M A，HUSSAIN A，SAMAD S A．Sensing
Systems and Algorithms for Airbag Deployment Decision[C]．
IEEE 201 1： 888—890．
[24]高振海， 肖振華，李紅建．基于體壓分布檢測和支持
矢量機(jī)分類的汽車成員坐姿識別[J]．機(jī)械工程學(xué)報，
2009，45(7)：216—220．
Gao Zhenhai，Xiao Zhenhua，Li Hongjian．Occupant
Position Recognition with Seat Surface Pressure Dis—
tributions and Support Vector Machines Classifier[J]．
Chinese Journal of Mechanical Engineering，2009，
45(7)：2 1 6—220．(in Chinese)
『25]MAKRUSHIN A，VIELHAUER C，LANGNICKEL M．
The Feasibility Test of State．．of-the．．Art Face Detection
Algorithms for Vehicle Occupant Detection[C]．SCI Paper
2009：7532—31．
[26]Yang Ying，Zao Guangyao，Sheng Jing．Occupant
the Feasibility Test of State．．of．．the-．Art Face Detection
Algorithms for Vehicle Occupant Detection Pose and

網(wǎng)友評論 more

交通安全論文最新內(nèi)容

02-21