深度学习算法在改款车型假人伤害评估中的应用研究

摘要

基于卷积神经网络-长短时记忆（convolutional neural network and long short-term memory, CNN-LSTM）模型开展了曲线变量的假人伤害预测应用研究.分别使用标定后1D简化模型和约束系统CAE模型开展变量和响应采集，搭建训练和测试数据库，使用Pytorch搭建假人头部加速度和胸部压缩量CNN-LSTM预测模型，研究了样本数量对训练后模型精度的影响.结果显示，当训练样本数量达到一定规模后，继续增加训练样本数量对模型泛化能力提升有限，然而，在本文应用场景中，当样本数量到50时，测试样本预测精度R均值超过0.85，满足工程开发的预测精度要求.

关键词

约束系统 / 深度学习 / 假人伤害评估 / 卷积神经网络-长短时记忆