Improvement of the Correlation between Sled FEA and Test of Vehicle Seatbelt System Using the Statistics Technique

(1)

< 기 술 논 문 >

통계적 기법을 이용한 차량 안전벨트 시스템의 슬레드 해석과 시험 상관성 개선

이 광 섭^*1)․김 두 용¹⁾․윤 홍 식²⁾․이 경 상¹⁾

우신세이프티시스템 기술연구소 선행개발팀¹⁾․우신세이프티시스템 품질보증팀²⁾

Improvement of the Correlation between Sled FEA and Test of Vehicle Seatbelt System Using the Statistics Technique

Kwangseop Lee^*1)․Dooyong Kim¹⁾․Hongsik Yun²⁾․Kyeongsang Lee¹⁾

1)Advanced Research & Development Team, Wooshin Safety Systems, 295 Toseong-ro, Hyangnam-eup, Hwaseong-si, Gyeonggi 445-924, Korea

2)Quality Assurance Team, Wooshin Safety Systems, 295 Toseong-ro, Hyangnam-eup, Hwaseong-si, Gyeonggi 445-924, Korea (Received 9 March 2015 / Revised 15 April 2015 / Accepted 17 April 2015)

Abstract : This study compares the results of a sled test and FEA(Finite Element Analysis) of a vehicle seatbelt system and aims to propose a method to efficiently reduce the error rate in the results of the FEA. This study evaluates the relative importance of potential causes, applying AHP(Analytic Hierarchy Process) technique in order to improve the reliability of the result of the FEA, and draw a highly reliable result of FEA, conducting a Taguchi Method and optimization for reducing the error rate in the FEA through the design of experiments.

Key words : Sled FEA(슬레드 해석), Seatbelt(안전벨트), Statistics technique(통계 기법), Dummy(더미)

1. 서 론¹⁾

소프트웨어와 하드웨어를 비롯한 해석 기법의 비 약적인 발전으로 인하여 오늘날 해석 주도형 설계 및 설계 초기 단계에 상당 부분 CAE를 접목하고 있 다. 하지만 실제 물리적 현상을 CAE로 구현하기 위 해서는 미분 방정식, 행렬 방정식을 비롯한 경계 조 건 등 많은 가정들을 적용해야 하며, 그 결과 실제 물리적 현상과 해석 결과에는 오차율이 존재하게 된다. 본 연구에서는 이러한 오차율을 효율적으로 감소시키기 위해 통계적 기법을 이용하여 차량 안 전벨트 시스템의 전방 슬레드 해석과 시험을 수행 하여 상관성을 검증하고, 해석 결과의 신뢰성을 향 상시켰다.

*Corresponding author, E-mail: [email protected]

2. 해석 신뢰성 및 잠재 원인 변수 선정 2.1 Fe Model

본 연구에서는 동적 외연적(Dynamic Explicit) 유 한 요소 해석 프로그램인 LS-Dyna¹⁾를 Solver로 사용 하였으며, Fig. 1의 해석용 더미(Dummy)는 LSTC에서 제공하는 HybridIII 50% Beta²⁾를 사용하였다. 이는 172cm, 78kg의 성인 남성을 대표하는 인체 모형이다.³⁾

Fig. 1 Sled test & FEA model of seatbelt system

(2)

Fig. 2 EURO NCAP crash pulse

Fig. 2는 저자3이 슬레드 시험을 통해 얻은 값으 로 ECE 법규⁴⁾를 만족하며, 해석 모델의 경계 조건 으로 동일하게 적용하였다.

2.2 평가식 선정

시험 대비 해석 결과의 오차율을 평가하기 위해 주요 관심 구간인 0 ~ 60msec 구간의 MSE(Mean Squared Error)와 최대치(Peak Value)를 상대 비교하 여 오차율을 검증하였다.

   _{ }



 

  



_^

(ε=Test Value - FEA Value)

평가식에서 ε은 시험과 해석 결과에서 나타나는 동일 시점 수치의 차이를 의미하고, k는 Time Interval between Output의 개수를 정의한다. 본 연구 에서는 1.0msec 간격으로 총 61개 지점의 평가를 수 행하여 해석 결과의 오차율을 검증하였다.

2.3 현수준 해석 결과 신뢰성 검증

Table 1과 Fig. 3, 4, 5, 6, 7은 해석 결과의 신뢰성 검증을 위해 Shoulder, Lap, Retractor의 하중과 RPT(Retractor Pretensioner), LPT(Lap Pretensioner)의 Webbing 인입량을 비롯한 5가지 항목의 해석과 2회 시험 결과를 상대 비교한 결과이다.

시험 결과 대비 해석 결과를 상대 비교 평가 시 오 차율은 10.39 ~ 49.7%, MSE는 0.33 ~ 8.83 수준으로 나타났다. 목표치는 사내 평가 기준인 전체 항목 오 차율 10%, MSE는 1.5이하 수준으로 확립하였다.

Table 1 Comparison of test & FEA results

Fig. 3 Test & FEA results of shoulder load

Fig. 4 Test & FEA results of lap load

Fig. 5 Test & FEA results of retractor load

2.4 잠재 원인 변수 발굴 및 중요도 평가 해석 결과 오차율과 MSE에 영향을 미치는 것으 로 예상되는 주요 잠재 원인 7가지를 Table 2와 같이 선정하였으며, 통계 기법 중 하나인 AHP(Analytic Hierarchy Process)⁵⁾ 기법을 적용하여 잠재 원인의 상대적 중요도를 평가하였다.

(3)

Kwangseop Lee․Dooyong Kim․Hongsik Yun․Kyeongsang Lee

Fig. 6 Test & FEA results on 0 ~ 50msec dummy behavior

Fig. 7 Test & FEA results on 75 ~ 125msec dummy behavior 각각의 인자들의 교호작용은 고려하지 않고 결과 에 영향을 미치는 주효과를 검토하기 위해 AHP 기 법을 적용 후 3가지 주요 인자를 선정하여 L12(2수 준 7인자) 모델의 1, 2, 4열에 배치하였다.

Table 2 Potential cause relative importance evaluation applied AHP method

3. 해석 신뢰성 향상을 위한 원인 분석 3.1 실험 계획법

잠재 원인별 주효과도 검증을 위해 2수준 7인자 L12 Matrix를 Table 3, 4, 5와 같이 생성하고, 해석을 수행하였으며 결과는 Fig. 8, 9, 10과 같다.

Table 3 Potential cause variable and level selection

Table 4 L12 model FEA results of load

(4)

Improvement of the Correlation between Sled FEA and Test of Vehicle Seatbelt System Using the Statistics Technique

Table 5 L12 model FEA results of pretensioner pull-in

3.2 잠재 원인 주효과도 분석

L12 실험 계획법을 통한 해석 결과로 다구찌 방 법(Taguchi Method)⁶⁾을 수행하여 평균에 대한 최적 수준을 선정하였다. 각 항목별 최대치와 MSE를 비 롯하여 Fig. 11과 같은 방법으로 총 8회 분석을 하였 으며, Table 6의 결과와 같이 Dummy vs Belt, Retrac- tor Stay Friction 두 항목의 최적 수준을 선정하였다.

Fig. 11 MSE main effects of shoulder load Table 6 Potential cause main effects analysis results

4. 최적화

4.1 실험 계획법 이용 1차 최적화

잠재 원인 주효과도 분석 결과를 통해 확정된 2개 의 인자 수준과 경험치를 적용하여 Table 7과 같이 주요 인자의 수준을 확정하고, 해석 결과에 대한 민

(5)

이광섭․김두용․윤홍식․이경상

Table 7 Main factor level subdivision for primary optimization

Table 8 L9 model FEA results on the load

Table 9 L9 model FEA results on the webbing insert

Table 10 Optimum level selection result for primary optimization

감도가 높을 것으로 예측되는 2개의 인자를 선정하 여 3수준 2인자로 세분화하여 L9 Matrix를 통해 1차 최적화를 수행하였다.

Table 8, 9는 L9 Matrix 해석 결과를 나타내며, 해 석 결과의 오차율과 MSE 수준을 정의하여 색으로 표시하였다. Case 4는 오차율과 MSE 수치가 가장 우수한 결과를 도출해냈으며, 결과 분석을 통해 인 자별 최적 수준을 Table 10과 같이 선정하여 1차 최 적화 해석을 진행하였다.

4.2 1차 최적화 해석 결과

1차 최적화 해석 결과 Shoulder, Lap Load 및 RPT (Retractor Pretensioner) 인입량 항목은 오차율 1.47 ~ 7.25%, MSE 0.23 ~ 1.10으로 Fig. 12, 13, 14와 같이 목표치를 만족하는 수준으로 나타났다. 하지만 Retractor Load, LPT(Lap Pretensioner) 인입량 항목에 서는 오차율 10.39 ~ 12.95%로 목표치를 만족하지 못하는 결과를 도출하였다.

4.3 2차 최적화

1차 최적화 해석 분석 결과 Shoulder Load의 결과 가 시험 대비 다소 높은 수치를 나타내는 결론을 얻 게 되었다. 이 경우 통상적으로 Retractor Static Curve 의 미세한 보정(Correlation)을 통해 목표치 근접 수 준으로 접근하게 된다. 따라서 1차 최적화와 동일 조건으로 미세 보정을 통해 2차 최적화를 하였다.

(6)

4.4 2차 최적화 해석 결과

2차 최적화 해석 결과 Shoulder Load는 Fig. 15와 같이 3.7kN으로 시험 결과 평균 3.45kN 대비 오차율 +7.25%, Lap Load는 Fig. 16과 같이 8.19kN으로 시험 결과 상한치 8.20kN과 하한치 8.10kN 대비 시험 편 차 내 결과를 도출하여 오차율 0%를 나타내었다.

Retractor Load는 Fig. 17과 같이 2.7kN으로 시험 결 과 상한치 2.91kN과 하한치 2.66kN 대비 시험 편차 내 결과를 도출하여 오차율 0%를 나타내었으며, Retractor Pull-In 또한 57.17mm로 2회의 시험 편차 내 결과를 도출하여 오차율 0%를 나타내었다.

마지막으로 LPT(Lap Pretensioner) Pull-In의 경우 74.85mm로 시험 결과 평균 72.5mm 대비 +3.24% 오 차율을 나타내 목표치 오차율 10% 이하 조건을 만 족하였으며, Fig. 18, 19에서는 0 ~ 125msec 구간의 더미 거동을 나타내었다.

5. 결 론

본 연구에서는 차량 안전벨트 시스템으로 구성된 전방 슬레드 해석을 동적 외연적(Dynamic Explicit) 유한 요소 프로그램인 LS-Dyna를 이용하여 수행하 였다. 시험 결과와의 오차율과 MSE의 효율적인 보

(7)

Kwangseop Lee․Dooyong Kim․Hongsik Yun․Kyeongsang Lee

정을 위해 실험 계획법을 비롯한 여러 통계적 기법 을 사용하여 주요 인자의 최적 수준을 선정하여 1차 최적화 해석을 진행하였고, 미세 보정을 통한 2차 최적화를 진행하여 해석 결과 대 시험 결과에 대한

Fig. 20 Test & CAE results of shoulder load

Fig. 21 Test & CAE results of lap load

Fig. 22 Test & CAE results of retractor load

Fig. 23 Test & CAE results of retractor pretensioner pull-in

(8)

Improvement of the Correlation between Sled FEA and Test of Vehicle Seatbelt System Using the Statistics Technique

Fig. 24 Test & CAE results of lap pretensioner pull-in

상관성을 Fig. 20, 21, 22, 23, 24와 같이 10% 이내로 확보한 결과를 얻게 되었다.

본 연구를 통해 다음과 같은 결론을 얻게 되었다.

1) 통계 기법을 이용하여 주요 인자들이 해석 결과 에 미치는 주효과도를 효율적으로 확인할 수 있 었으며, 해석 대 시험의 오차율 10%, MSE 1.5 이 내로 축소하여 상관성을 확보하였다.

2) 전방 슬레드 해석의 주요 인자의 최적 수준을 확 립하게 되었고, 향후 타 차종 수평 전개시 시험

대비 해석 결과를 보정하는데 있어 시간 단축 및 해석 신뢰성을 향상 시킬 수 있게 되었다.³⁾

References

1) LSTC Inc., LS-DYNA Keyword User's Manual Ver.971 R6.1.0, 2012.

2) LSTC Inc., Dummy Models, http://www.lstc.

com, 2015.

3) K. S. Lee, A Study on Improvement of the Correlation between Frontal Sled FEA and Test of Vehicle Seatbelt System, M. S. Thesis, Ajou University, Suwon, Korea, 2014.

4) ECE R16, http://www.unece.org, 2015.

5) B. Lee and Y. Cho, “Priority Decision Based on Users' Requirements for the Development of Military Vehicles,” Transactions of KSAE, Vol.18, No.6, pp.122-129, 2010.

6) J. Kim and M. Song, “Quasi-static Seatbelt Anchorage Simulation Using by Taguchi Method,” KASE Fall Conference Proceedings, pp.1605-1609, 2005.