선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 가 진행되었으나 여성 동승자 상해(Female passenger injury)와 관련한 안전벨트 설계인자 최적화 연구는 미비하다. 따라서 본 연구에서는 안전벨트 설계인자에 대한 여성 승객의 상해를 평가하고 최적화 연구를 수행하였다. 먼저 안전벨트의 설계인자(Belt design parameter)를 정하고 각 설계인자가 승객의 상해에 미치는 경향을 알아보았다.
- 본 연구에서는 동승자의 상해를 최소화하는 안전벨트 설계를 위하여 최적화된 로드 리미터의 한계하중(limit force)과 프리텐셔너의 조합을 찾았다.
제안 방법
- 31부터 62까지의 인자를 이용하여 설계인자의 교호 작용을 평가하였고, Fig. 7에서 51, 52인자의 기울기가 가장 크므로 Table 3의 1×4, 2×7 열 즉, A인자와 C인자 그리고 B인자와 D인자의 교호 작용을 평가하였다.
- Fig. 8과 같이 인자간의 교호 작용 분석에서 A1B1C1D2의 조합이 상해 가능성이 가장 낮게 나타났지만 직교 배열표상에 나타나지 않아 A1B1C1D2의 조합으로 시뮬레이션을 수행하였다. 시뮬레이션 결과 94.
- 각 설계인자가 여성 동승자 상해에 미치는 영향을 알아보기 위해 실험 계획법을 이용하여 Table 2와 같이 조건을 정하였고 각 인자의 변화에 대한 최적조건을 찾기 위해 시뮬레이션을 수행하였다.
- 먼저 안전벨트의 설계인자(Belt design parameter)를 정하고 각 설계인자가 승객의 상해에 미치는 경향을 알아보았다. 도출된 결과를 실험계획법(Design of experiment method)을 이용하여 승객의 상해를 최소화하는 안전벨트의 최적 설계조합을 찾아내었고, 최적화된 설계조합을 바탕으로 노이즈 인자에 대한 상해 가능성의 변화 값을 알아보았다.
- 머리 상해와 목 상해에 에어백의 영향이 가장 크기때문에 이번 시뮬레이션 결과는 가슴 상해에 초점을 두고 분석하였다.8)
- 따라서 본 연구에서는 안전벨트 설계인자에 대한 여성 승객의 상해를 평가하고 최적화 연구를 수행하였다. 먼저 안전벨트의 설계인자(Belt design parameter)를 정하고 각 설계인자가 승객의 상해에 미치는 경향을 알아보았다. 도출된 결과를 실험계획법(Design of experiment method)을 이용하여 승객의 상해를 최소화하는 안전벨트의 최적 설계조합을 찾아내었고, 최적화된 설계조합을 바탕으로 노이즈 인자에 대한 상해 가능성의 변화 값을 알아보았다.
- 본 연구에서는 Table 4에서와 같이 4개의 설계인자와 2자 유도 조건에 맞는 총 8번의 시뮬레이션을 수행하여 상해 가능성 수치를 구하고 이를 통해 동승자의 상해를 최소화하는 최적의 조합을 찾았다. 이를 검증하기 위해 민감도 및 교호작용을 분석하였다.
- 설계에 반영될 수 있는 설계인자 수준 최적 조합에 추가하여 노이즈 인자로써 탑승자의 탑승 위치와 관련한 H-point 위치에 따른 상해치 경향을 알아보았다.
- 시뮬레이션은 최적 조합으로 선정된 A1B1C1D1 조합을 기준으로 수행하였으며, Fig. 9는 H-point의 상대적인 위치를 H1부터 H9까지 표현한 것이다. H-point는 H-5를 기준으로 X축과 Z축으로 ±10mm 씩 움직여 평가하였다.
- 본 연구에서는 Table 4에서와 같이 4개의 설계인자와 2자 유도 조건에 맞는 총 8번의 시뮬레이션을 수행하여 상해 가능성 수치를 구하고 이를 통해 동승자의 상해를 최소화하는 최적의 조합을 찾았다. 이를 검증하기 위해 민감도 및 교호작용을 분석하였다. Fig.
- 충돌 시뮬레이션은 탑승자 안전해석(Occupant Safety Analysis)분야에서 널리 사용되고 있는 MADYMO를 사용하였다. 정확도를 높이기 위해 유한 요소 모델을 사용하였고, 해석 속도를 높이기 위해 앞 보닛을 제거한 하프카 모델로 BIW(body-in- white), 인스투르먼트 패널(instrument panel), 시트(seat), 카페트(capet), 에어백(air-bag)을 모델링하였다. 동승자 상해를 평가하기 위하여 5th % tile 여성 더미를 하프카 모델에 앉혔다.
대상 데이터
- 정확도를 높이기 위해 유한 요소 모델을 사용하였고, 해석 속도를 높이기 위해 앞 보닛을 제거한 하프카 모델로 BIW(body-in- white), 인스투르먼트 패널(instrument panel), 시트(seat), 카페트(capet), 에어백(air-bag)을 모델링하였다. 동승자 상해를 평가하기 위하여 5th % tile 여성 더미를 하프카 모델에 앉혔다. 벨트의 궤적은 XMADgic을 이용하였다.
- 동승자 상해를 평가하기 위하여 5th % tile 여성 더미를 하프카 모델에 앉혔다. 벨트의 궤적은 XMADgic을 이용하였다. XMADgic에서는 벨트 착용 도구를 제공하고 있으며 이렇게 생성된 벨트 궤적은 충돌 시뮬레이션을 가능하게 한다.
이론/모형
- 위의 시뮬레이션을 바탕으로 각 인자가 상해에 미치는 영향도 및 인자간의 교호 작용을 알아보기 위해 Table 3의 L8(24) 직교 배열표를 사용하였다.
- 충돌 시뮬레이션은 탑승자 안전해석(Occupant Safety Analysis)분야에서 널리 사용되고 있는 MADYMO를 사용하였다. 정확도를 높이기 위해 유한 요소 모델을 사용하였고, 해석 속도를 높이기 위해 앞 보닛을 제거한 하프카 모델로 BIW(body-in- white), 인스투르먼트 패널(instrument panel), 시트(seat), 카페트(capet), 에어백(air-bag)을 모델링하였다.
성능/효과
- 1) 실험계획법을 이용하여 안전벨트 설계인자 수준을 최적화하였으며, 이에 따라 여성 동승자의 상해치가 FMVSS208 조항을 만족하면서 USNCAP의 등급을 개선할 수 있었다.
- 2) 여성 동승자를 고려한 상황에서 4개의 안전벨트 설계인자 중 로드리미터의 한계하중이 탑승자의 상해에 가장 큰 영향을 미치는 것으로 나타났다. 따라서 로드리미터의 한계하중을 작게하여 설계에 반영한다면 상해를 줄이는 것이 가능하다.
- 3) H-point 위치에 따른 상해가능성 변화는 기준 위치인 H-5에 대해 ±10% 이하로 나타났다. 이는 약 12%의 변화 폭을 가지는 것이다.
- 7은 설계인자의 민감도를 분석한 결과이다. A인자의 기울기가 가장 큰 것으로 나타났으며, 이는 A인자가 결과에 미치는 영향이 가장 크다는 것을 의미한다.
- 직교 배열표에 따른 8개의 모델에 대해 교호작용을 고려하지 않은 예상 최적 조합은 A1B1C1D1이다. 민감도 분석을 통하여 A 인자가 상해 가능성에 약 19%의 변화폭으로써 가장 큰 영향을 미치는 것을 확인할 수 있었으며, 또한 B 인자와 C 인자의 경우 상해 가능성에 미치는 민감도는 A 인자보다 상대적으로 작게 나타났다. D 인자의 경우 상해에 커다란 영향을 주지 않았다.
- 이는 약 12%의 변화 폭을 가지는 것이다. 설계인자 중 가장 민감한 것으로 나타난 로드리미터 한계하중이 약 19%의 변화폭을 가지는 것에 비교하면 충돌 시 탑승자의 탑승 위치 또한 상해 가능성에 적지않은 영향을 주는 것으로 보인다.
- 8과 같이 인자간의 교호 작용 분석에서 A1B1C1D2의 조합이 상해 가능성이 가장 낮게 나타났지만 직교 배열표상에 나타나지 않아 A1B1C1D2의 조합으로 시뮬레이션을 수행하였다. 시뮬레이션 결과 94.8%로 A1B1C1D1조합의 상해 가능성 수치 93.5%보다 더 크게 나왔으므로 A1B1C1D1 조합을 최적 조합으로 선정하였다. 이것은 최적화 이전 모델에 비해 상해 가능성이 약 21.
후속연구
- 4) 추후에 여성이 아닌 남성(50th % tile) 및 다른 신체 사이즈를 조건으로 같은 연구를 수행하여 신체 사이즈에 따른 설계인자 최적화와 상해치를 비교할 수 있을 것이라 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.