基于参数化主动人体模型的预碰撞乘员随机响应模拟与验证

针对传统主动人体模型（HBM）仅能提供确定性预测且计算效率低的问题，研究人员通过简化GHBMCsi模型（保留几何结构并刚性化非变形组件）、集成闭环PID肌肉控制器及参数化变形技术，开发出高效随机预测工具GHBMCsi-pre。该模型在急刹和转向制动场景中准确捕捉不同年龄/BMI乘员的头部偏移差异（计算耗时降低80%），为自适应安全系统设计提供可扩展解决方案。

　　

在汽车安全领域，传统碰撞测试依赖标准姿势下的假人模型，却忽视了真实事故中40-50%的预碰撞场景（如紧急制动或转向）导致的乘员非标准姿态。随着自动紧急制动（AEB）等技术的普及，这一问题愈发凸显——乘员在碰撞前的动态响应会显著影响受伤风险，而现有主动人体模型（Human Body Model, HBM）如THUMS或SAFER虽能模拟肌肉响应，却受限于计算效率和高昂的建模成本，且仅针对中等体型男性，难以覆盖多样化乘员（如不同年龄、BMI）的随机行为差异。

为此，由美国国家公路交通安全管理局（NHTSA）资助的研究团队在《Journal of Biomechanics》发表论文，提出了一种革命性解决方案：通过简化全球人体模型联盟（GHBMC）的中等体型男性模型（GHBMCsi），刚性化非必要变形组件并保留关键关节几何结构，开发出计算高效的GHBMCsi-pre模型。结合闭环比例-积分-微分（PID）控制器模拟肌肉响应，再通过参数化变形生成12种代表不同年龄、身高和BMI的变体模型。研究团队利用志愿者测试数据验证了模型在急刹和转向制动中的表现，发现高龄和高BMI乘员头部偏移更小（可能与行为适应相关），且模型无需调整刚度即可覆盖全部实测数据范围。

关键技术包括：1）GHBMCsi模型简化（刚性化组件使计算耗时降低80%）；2）闭环PID控制模拟关节主动响应；3）基于网格变形（morphing）的参数化建模生成多样化体型；4）采用Ls-Dyna平台进行高效仿真（16核CPU运行1-3秒场景仅需4小时）。

简化GHBMCsi为GHBMCsi-pre
通过刚性化非变形体组件（如胸腔）并优化时间步长，模型计算效率提升5倍，同时保持与原模型一致的关节运动学和几何精度。

参数化建模与验证
12种变体模型通过统计学形状建模生成，覆盖5-95百分位体型。在急刹测试中，模型准确预测了头部偏移的群体差异：高龄（>65岁）乘员偏移量比年轻组低15%，高BMI组因肌肉代偿行为偏移减少12%。

讨论与意义
该研究首次实现了兼顾计算效率（较传统FE模型提速80%）与生物保真度的随机预测，突破了现有HBM仅能模拟单一行为的局限。GHBMCsi-pre的轻量化特性使其适用于长时程预碰撞仿真，为开发自适应安全系统（如根据乘员体型实时调整约束策略）奠定基础。未来需进一步探究年龄相关肌力衰退对动力学的影响。

这项由Sujata Khandare等人完成的研究，不仅填补了多样化乘员响应模拟的技术空白，更通过开源模型框架（GHBMC兼容性）推动行业协作，标志着汽车安全从“标准化防护”迈向“个性化保护”的关键一步。