基于深度学习的汽车乘员腰椎损伤预测及影响因素分析

摘要

基于CT影像数据，构建高生物逼真度的腰椎损伤仿生模型，并对标尸体实验数据验证模型的有效性。解耦汽车正面碰撞中乘员上躯干由于惯性作用向前俯冲后受约束系统作用回位时与座椅接触所受压迫的历程，设计跌落实验进行仿真分析。基于深度学习算法对仿真输出结果进行训练预测，并验证训练后所得神经网络预测模型的准确性。采用主成分分析和交叉逆向方法对关键参数进行相关性分析。结果表明：训练所得腰椎结构损伤预测模型具有较高可靠性（R²>0.9）。综合分析发现，腰椎结构在受轴向冲击后L₄椎体承受最大冲击载荷，可将其作为腰椎损伤量化评价代表。各环境变量中，L₄腰椎轴向力主要受躯干质量及跌落高度影响，二者均对其具有正相关影响。躯干质量、后倾角度及跌落高度对内能影响均存在正向影响；而躯干质量及跌落高度对应力影响呈负相关性。该研究结果为进一步理清智能座舱环境中腰椎损伤机理以制订相应的安全防护策略及汽车乘员安全保护评价等提供科学的参考依据。

关键词

腰椎损伤仿生模型 / 损伤机理 / 机器学习 / 主成分分析 / 神经网络

基金资助

国家重点研发计划（2018YFC0807203-1）; 国家自然科学基金（81471274,81371360）