研究方向

[1]

基于大数据和机器学习方法的新能源汽车安全性能研究

新能源汽车安全防护与智能设计

        本研究聚焦电动汽车动力电池包在碰撞工况下的安全风险演化机制与多层级防护技术。通过实验与仿真相结合的方法，研究碰撞载荷下电池包箱体结构变形、模组压溃及电芯机械滥用之间的耦合作用机制，揭示从机械损伤到热失控的级联失效路径。重点开发基于异形截面吸能结构、梯度缓冲材料的耐撞性优化设计方法，以及碰撞触发式主动断电与定向泄压的集成防护系统。结合多物理场耦合技术，构建涵盖机械-电气-热力学的碰撞安全评估体系，为新一代动力电池包的结构安全设计与行业标准制定提供理论支撑和技术解决方案，推动电动汽车被动安全性能的突破性提升。

本研究聚焦仿生设计方法在汽车安全领域的创新应用，通过模拟生物体的结构、材料或功能特性，提升车辆被动安全、碰撞防护及轻量化性能。例如，借鉴甲虫外壳的耐冲击结构优化车身吸能设计，模仿鸟类骨骼的轻质高强特性开发新型安全材料，或模拟生物柔性变形机制改进缓冲部件。结合数值仿真与实验验证，探索仿生结构与汽车安全系统的多尺度耦合机制，旨在突破传统安全技术的性能瓶颈，实现更高效、环保的汽车安全解决方案，为智能出行提供新思路。

虚拟测评技术在车辆安全性能评价中的应用，是通过计算机建模与仿真替代或辅助传统实车测试的新兴研究方向。该技术依托多体动力学、有限元分析和机器学习等方法，构建高精度数字孪生模型，在虚拟环境中重现碰撞工况、主动安全系统响应等复杂场景。其核心优势在于能突破物理测试的成本与伦理限制，实现极端工况的反复验证（如高速碰撞、罕见交通事故模式），同时支持参数化快速迭代设计。当前研究聚焦于材料失效模拟精度提升、人体生物力学模型优化及传感器数据融合等关键技术，应用覆盖NCAP评价体系开发、自动驾驶安全验证等领域。随着ISO 34502等国际标准的建立，虚拟测评正成为智能网联汽车安全评估的重要支柱，但仍需解决模型验证、实时性等挑战以实现与物理测试的深度协同。