在现代汽车工业领域中,产品设计与研发对仿真的需求日益提高,与此同时,仿真时间和计算量也随着模型复杂程度的提升而迅速增加。在保证模型仿真结果满足精度要求的前提下,如何简化仿真模型并高效地评估模型简化的误差已成为汽车工业领域的一个研究热点。模型在进行简化操作后,可以有效减少不必要的计算量,提高仿真效率,降低计算资源的占用。但随着模型简化程度的提升,模型仿真精度会不可避免地逐渐降低。尤其是在汽车安全研究领域中,由于整车试验的成本过高,大量的产品研发和设计都是通过计算机仿真来完成的。因此,如何有效地、量化地预测与评估模型简化带来的误差,对指导汽车产品的设计和研发和设计有着十分重要的研究意义。本文围绕上述内容,进行了以下四个方面的研究:(1)基于特征抑制的模型简化及误差评估方法。依据有限元模型简化经验规则,并借鉴模型验证与确认的相关方法,研究了针对特征抑制的模型简化及误差评估方法,建立了模型简化误差的量化评价指标。同时,根据第四章预测模型的开发应有大量训练数据的需求,研究了针对特征尺寸数据的参数化建模方法,为后续预测模型的训练数据建立提供了方法基础;(2)基于点云的有限元模型简化特征提取及识别方法。本文提出了基于点云的模型简化特征提取以及识别方法,并以某车型钣金件为案例,展示了该方法的实现过程。该方法包括特征提取、特征判断和特征几何信息数据化三个主要步骤,主要解决了几何模型特征与神经网络输入数据不兼容的问题,将模型简化特征的几何信息数据化,实现了预测模型有效读取几何特征信息的目的;(3)基于机器学习的模型特征简化误差预测模型。本文基于机器学习的预测模型算法,提出了针对特征抑制的模型简化误差预测方法。预测模型的开发过程中,以汽车前保险杠横梁模型的碰撞仿真为案例,展示了预测模型的训练数据建立、预测模型训练过程和预测模型精度验证过程,结果表明该方法可以较好地对汽车碰撞仿真模型的模型简化误差进行预测和评价;(4)基于第四章提出的模型简化误差预测方法,并结合第二章和第三章的研究内容,开发了针对特征抑制简化的误差预测原型系统,并代入汽车安全研究领域中较为复杂的仿真模型对该原型系统的可行性进行了验证。本文围绕汽车安全仿真中模型简化误差的预测和评价问题,提出了一套完善的模型特征简化误差评价算法,并基于提出的方法开发了模型简化误差评价的软件平台。依据该方法,工程人员可以在产品研发和设计阶段高效地对模型简化中什么几何特征可以简化,以及简化或抑制后带来的误差等问题进行判断和分析。本文提出的方法是对模型简化误差评估问题的一套行之有效的解决方案。