两车正面碰撞试验有限元分析

运用汽车碰撞理论,根据国家C-NCAP的有关规定以及CMVDR 294关于正面碰撞乘员保护的设计规则,以某型号轿车为研究对象,利用有限元分析软件Hypermesh和LS-DYNA等建立两车正面碰撞有限元模型,对两车正面碰撞进行了仿真分析,并参考有关文献验证其仿真的正确性。通过对整车以及前保险杠、前钣金件、前门框和速度、加速度时间历程曲线的分析,评价整车的安全性。     

基于ABAQUS的保险杠低速碰撞的仿真研究

以某轿车为例,利用三维建模软件CATIA建立保险杠系统及碰撞器的三维仿真模型,HYPERMESH作前处理软件、有限元分析软件ABAQUS作求解器,根据欧洲的ECE—R42法规要求对轿车前保险杠进行正面低速碰撞仿真分析,得到了整个碰撞过程中保险杠系统的变形过程及应力分布情况．并对模拟结果进行了分析,总结了建立仿真模型的经验．对深入研究保险杠及整车碰撞仿真具有重要的参考价值．     

某乘用车正面碰撞性能分析及结构优化

在有限元软件Hypermesh中建立了某乘用车有限元模型,利用LS-DYNA有限元软件对某轿车进行了100%的正面碰撞仿真分析。以降低碰撞中B柱加速度及前围侵入量为优化目标,对其主要吸能部件进行了结构改进,使该型车碰撞性能得到了提升。     

轿车-行人交通事故中下肢损伤重建分析

行人下肢的损伤重建分析在交通事故成因鉴定中起重要作用。为进一步明确轿车-行人交通事故中下肢损伤的成因机制及动力学响应,利用THUMS4.0人体有限元模型对轿车-行人碰撞中的下肢损伤进行重建。首先选取一例行人损伤的轿车-行人碰撞真实案例,并通过EDR技术得到轿车事发时的碰撞速度为40 km/h。再将该碰撞速度作为轿车-行人碰撞仿真的输入参数,采用THUMS4.0人体有限元模型对行人下肢损伤进行重建。仿真结果显示:行人右下肢的胫骨及腓骨的von Mises等效应力分别为198、243 MPa。尸检报告及CT影像片提示:行人与轿车发生碰撞后右下肢胫、腓骨骨折。有限元模拟仿真中行人下肢的动力学响应与行人下肢的实际损伤较为吻合。该方法有利于研究分析行人下肢损伤的成因机制,同时对交通事故司法鉴定有着重要的指导意义。     

有限元分析方法在保险杠碰撞仿真中的应用

根据汽车与正面刚性墙的碰撞特性,应用有限元方法和碰撞模拟技术,采用Hypermesh软件建立汽车保险杠与刚性墙的正面碰撞仿真模型,并用ANSYS/LS-DYNA求解器求解该模型,研究其在碰撞过程中的动态响应,分析保险杠的耐撞性;同时对保险杠的厚度进行优化分析,通过对保险杠碰撞时的变形、吸能状况和仿真计算结果来预测保险杠的耐撞性。     

完全正面碰撞时轿车的安全仿真分析

在显式非线性有限元理论的基础上,应用PAM-CRASH软件建立了整车有限元模型。针对完全正面碰撞情况,对B柱减速度曲线和碰撞后汽车不同部位的变形情况进行模拟仿真,并与实验结果进行了对比和验证,表明与试验结果基本吻合,同时对本车车身结构的薄弱环节提出了相应的改进方案。     

基于LS-DYNA的微型客车正面碰撞分析

在CAD模型的基础上采用HyperMesh软件建立了某微型客车的有限元分析模型.在LS-DYNA环境下,对整车进行了正面碰撞的非线性仿真,得到了碰撞时相关参数,并对该车在碰撞过程中主要吸能部件进行了分析,最后通过实车碰撞验证了仿真结果的正确性.通过仿真和实车碰撞结果表明:利用有限元分析对于汽车正面碰撞仿真是有效的.     

一起钻入碰撞交通事故初速度计算

针对一起高速公路严重钻入追尾碰撞交通事故,结合关于典型交通事故形态车辆行驶速度技术鉴定的国家标准,根据事故现场道路环境及路面情况、事故现场勘测数据、事故车辆损坏变形部位和特征(照片)以及实车损坏测量结果和两车车型基本参数,利用能量法与变形相结合的方法,计算得到碰撞前两车的行驶速度。计算结果为钻入碰撞事故的分析处理提供了理论依据和实践经验。     

基于陆风某SUV车型50 km/h 100℅正面碰撞仿真分析及验证

以陆风某SUV车型为对象,在设计开发阶段,建立了整车碰撞有限元模型,按照GB 11551—2003的要求进行了整车50 km/h 100℅正面碰撞仿真,对整车左右B柱下减速度曲线、前部变形、前纵梁变形以及前地板变形进行了分析,并将仿真结果与实车碰撞试验测试结果进行对比,两者吻合度较好,验证了该整车碰撞有限元模型的有效性。     

微车正面碰撞建模与仿真分析

为分析微车前部构件的耐撞性,根据碰撞仿真理论,建立了基于求解器LSDYNA的微车正面刚性墙碰撞有限元模型,对微车正面碰撞过程进行仿真计算,并将仿真结果与真实试验结果进行对比,验证仿真模型的有效性。通过分析前纵梁和前围板的变形及吸能情况,可知前围板变形在可接受的范围内,前纵梁变形吸能情况不理想,需要进一步优化。