一种电池包系统挤压应力与振动疲劳寿命优化方法 专利技术说明

计算;推算;计数设备的制造及其应用技术1.本发明涉及电动汽车领域，具体是一种电池包系统挤压应力与振动疲劳寿命优化方法。背景技术：2.电池包系统作为电动汽车上的关键核心部件，在动力供给方面起着至关重要的作用。由于行驶道路环境恶劣，交通环境日益复杂，不同的机械情况(比如车辆碰撞、电池包振动、障碍物冲击等)将对电池包系统产生难以估计的损伤，严重时会发生火灾，爆炸等安全事故，这将极大影响电动汽车的行驶安全性和交通安全性。另外，若不对挤压，振动工况下的电池包系统进行应力分析，将无法评估受振动后电池包系统的可靠性，将对未来电池包的继续使用及车辆行驶留下安全隐患。3.电池包系统是纯电动汽车以及混合动力汽车的动力来源，一般由下底壳、上盖、电池模组、纵梁/边、横梁/边、模组安装板、吊耳、长/短支架、加强板等部件构成。对于确定结构的电池包系统，其安全性能主要由关键部件的厚度和材料参数决定。若通过改变不同部件的厚度参数制造不同的电池包样件，开展实验分析来研究其振动工况下的安全性，时间成本和经济成本都会非常高昂。所以，采用有限元仿真与深度学习相结合的方法来对电池包系统振动应力及疲劳寿命进行预测具有非常重要的工程实用价值。4.近年来，相关企业及高校致力于对不同电池包系统部件厚度参数下的振动疲劳安全性进行研究，国内外专家学者对电池包系统的振动疲劳安全性也开展了较为系统的研究，包括优化厚度参数、采用新型材料、采用不同的电池包模组布置方式等方法，但是缺乏对电池包系统在多种载荷下的力学响应评估。技术实现要素：5.本发明的目的是提供一种电池包系统挤压应力与振动疲劳寿命优化方法，包括以下步骤：6.1)建立电池包系统有限元模型，并设置电池包系统有限元模型部件厚度；7.2)测试在不同挤压载荷下，电池包系统有限元模型的系统挤压应力；8.3)测试在不同振动工况下，电池包系统有限元模型的系统疲劳寿命；9.4)修改电池包系统有限元模型部件厚度，并重复步骤2)至步骤3)，得到在不同部件厚度下电池包系统有限元模型的系统挤压应力和振动疲劳寿命；10.5)搭建三阶响应面模型，并利用电池包系统有限元模型部件厚度、电池包系统有限元模型的系统挤压应力和振动疲劳寿命训练三阶响应面模型，得到挤压应力及疲劳寿命的表征模型；11.6)利用多目标遗传算法对挤压应力及疲劳寿命的表征模型进行优化，得到电池包系统挤压应力与振动疲劳寿命的双目标评估模型；12.7)利用电池包系统挤压应力与振动疲劳寿命的双目标评估模型筛选出电池包系统部件厚度的帕累托解集。13.进一步，建立电池包系统有限元模型的步骤包括：14.1)根据电池包系统的壳体尺寸、壳体结构和壳体材料，建立壳体有限元模型；15.2)根据电池包系统的电池模组尺寸和材料，建立电池模组有限元模型；16.3)根据电池包系统各个部件的连接关系，耦合壳体有限元模型和电池模组有限元模型，得到电池包系统有限元模型。17.进一步，建立电池模组有限元模型的步骤包括：18.1)根据电池模组的尺寸参数，建立电池模组几何模型；19.2)对电池模组材料进行均质化处理；20.3)根据均质化处理得到的电池模组材料信息定义电池模组几何模型的材料参数，从而得到电池模组有限元模型。21.进一步，所述部件厚度包括电池包系统有限元模型中长托架厚度、吊耳厚度、底壳厚度、下支撑横梁厚度、上下连接支架厚度和上支架厚度。22.进一步，所述振动工况包括随机振动工况、正扫频振动工况和定频振动工况。23.进一步，测试在不同振动工况下，电池包系统有限元模型的系统疲劳寿命的步骤包括：24.1)在有限元软件中定义振动工况参数，并进行有限元分析，得到电池包系统应力；所述振动工况参数包括功率谱密度曲线、振动频率、幅值；25.2)根据电池包系统应力确定在当前部件厚度下电池包系统有限元模型所能承受的最大应力幅水平，进而计算出电池包系统有限元模型的疲劳寿命；26.3)重复步骤1)至步骤2)，从而得到在不同振动工况下，电池包系统有限元模型的系统疲劳寿命。27.进一步，所述疲劳寿命通过达到疲劳破断时的应力循环次数n表征；28.应力循环次数n满足下式：29.σmn＝cꢀꢀ(1)30.式中，σ为最大应力，n为达到疲劳破断时的应力循环次数；m、c为电池包系统材料常数。31.进一步，所述三阶响应面模型如下所示：[0032][0033]式中，β0、βi、βii、βij表示多项式系数，ρ表示变量数；y(x)为输出；xi、xj为输入。[0034]进一步，利用多目标遗传算法对挤压应力及疲劳寿命的表征模型进行优化时，电池包系统挤压应力和振动疲劳寿命为多目标遗传算法的优化目标，以电池包系统有限元模型部件厚度为多目标遗传算法的约束条件。[0035]进一步，利用多目标遗传算法对挤压应力及疲劳寿命的表征模型进行优化的步骤包括：[0036]1)采用实数编码解方式随机生成设定规模的初始解集种群；初始解集种群包括若干解个体，任一解个体为优化目标的一个解；[0037]2)根据优化目标和约束条件计算初始解集种群中任一解个体的适应度和约束违反值，并根据适应度和约束违反值评价每个解个体的优劣程度；[0038]3)通过选择、交叉和变异三个基本遗传步骤对初始解集种群操作得到初始解集种群的子代解集种群；[0039]4)根据适应度和约束违反值评价子代解集种群中的任一解个体的优劣程度；[0040]5)合并父代解集种群与子代解集种群得到新的解集种群，根据新的解集种群中每个解个体对应的目标函数值的空间位置计算每个解个体的拥挤距离，进而根据每个解个体的优劣程度和拥挤距离在新的解集种群中挑选出设定的规模数量的解个体，生成新的父代解集种群；[0041]6)重复步骤3)至步骤5)，直到达到设定的最大迭代次数，完成挤压应力及疲劳寿命的表征模型的优化。[0042]本发明的技术效果是毋庸置疑的，本发明建立的nsga‑ⅱ评估模型可以较好的评估电池包系统的挤压应力及振动疲劳寿命，并筛选出理想的电池包系统部件厚度组合，可以用作电池包系统在挤压与振动时的应力及疲劳寿命双目标优化，由此进行高效、低成本的电池包系统设计。此外，这种双目标优化方法可以用于电池安全预警系统设计。用于分析多种工况对电池包系统安全性的影响，以实现稳健及安全的电池包系统设计。本发明解决了对挤压工况下及振动工况下的电池包系统力学响应的多目标优化问题。附图说明[0043]图1为本发明方法流程图；[0044]图2为电池包系统的结构图；[0045]图中，上盖1、底壳2、上下连接支架3、下支撑横梁4、长托架5、短托架6、上支架7、吊耳8、纵梁9、模组安装板10。具体实施方式[0046]下面结合实施例对本发明作进一步说明，但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。[0047]实施例1：[0048]一种电池包系统挤压应力与振动疲劳寿命优化方法，包括以下步骤：[0049]1)建立电池包系统有限元模型，并设置电池包系统有限元模型部件厚度；[0050]建立电池包系统有限元模型的步骤包括：[0051]1.1)根据电池包系统的壳体尺寸、壳体结构和壳体材料，建立壳体有限元模型；[0052]1.2)根据电池包系统的电池模组尺寸和材料，建立电池模组有限元模型；[0053]建立电池模组有限元模型的步骤包括：[0054]1.2.1)根据电池模组的尺寸参数，建立电池模组几何模型；[0055]1.2.2)对电池模组材料进行均质化处理；[0056]1.2.3)根据均质化处理得到的电池模组材料信息定义电池模组几何模型的材料参数，从而得到电池模组有限元模型。[0057]1.3)根据电池包系统各个部件的连接关系，耦合壳体有限元模型和电池模组有限元模型，得到电池包系统有限元模型。[0058]所述部件厚度包括电池包系统有限元模型中长托架厚度、吊耳厚度、底壳厚度、下支撑横梁厚度、上下连接支架厚度和上支架厚度。[0059]2)测试在不同挤压载荷下，电池包系统有限元模型的系统挤压应力；[0060]3)测试在不同振动工况下，电池包系统有限元模型的系统疲劳寿命；[0061]所述振动工况包括随机振动工况、正扫频振动工况和定频振动工况。[0062]测试在不同振动工况下，电池包系统有限元模型的系统疲劳寿命的步骤包括：[0063]3.1)在有限元软件中定义振动工况参数，并进行有限元分析，得到电池包系统应力；所述振动工况参数包括功率谱密度曲线、振动频率、幅值；[0064]3.2)根据电池包系统应力确定在当前部件厚度下电池包系统有限元模型所能承受的最大应力幅水平，进而计算出电池包系统有限元模型的疲劳寿命；[0065]3.3)重复步骤3.1)至步骤3.2)，从而得到在不同振动工况下，电池包系统有限元模型的系统疲劳寿命。[0066]所述疲劳寿命通过达到疲劳破断时的应力循环次数n表征；[0067]应力循环次数n满足下式：[0068]σmn＝cꢀꢀ(1)[0069]式中，σ为最大应力，n为达到疲劳破断时的应力循环次数；m、c为电池包系统材料常数。[0070]4)修改电池包系统有限元模型部件厚度，并重复步骤2)至步骤3)，得到在不同部件厚度下电池包系统有限元模型的系统挤压应力和振动疲劳寿命；[0071]5)搭建三阶响应面模型，并利用电池包系统有限元模型部件厚度、电池包系统有限元模型的系统挤压应力和振动疲劳寿命训练三阶响应面模型，得到挤压应力及疲劳寿命的表征模型；[0072]所述三阶响应面模型如下所示：[0073][0073][0074]式中，β0、βi、βii、βij表示多项式系数，ρ表示变量数；y(x)为输出；xi、xj为输入。[0075]6)利用多目标遗传算法对挤压应力及疲劳寿命的表征模型进行优化，得到电池包系统挤压应力与振动疲劳寿命的双目标评估模型；[0076]利用多目标遗传算法对挤压应力及疲劳寿命的表征模型进行优化时，电池包系统挤压应力和振动疲劳寿命为多目标遗传算法的优化目标，以电池包系统有限元模型部件厚度为多目标遗传算法的约束条件。[0077]利用多目标遗传算法对挤压应力及疲劳寿命的表征模型进行优化的步骤包括：[0078]6.1)采用实数编码解方式随机生成设定规模的初始解集种群；初始解集种群包括若干解个体，任一解个体为优化目标的一个解；[0079]6.2)根据优化目标和约束条件计算初始解集种群中任一解个体的适应度和约束违反值，并根据适应度和约束违反值评价每个解个体的优劣程度；[0080]6.3)通过选择、交叉和变异三个基本遗传步骤对初始解集种群操作得到初始解集种群的子代解集种群；[0081]6.4)根据适应度和约束违反值评价子代解集种群中的任一解个体的优劣程度；[0082]6.5)合并父代解集种群与子代解集种群得到新的解集种群，根据新的解集种群中每个解个体对应的目标函数值的空间位置计算每个解个体的拥挤距离，进而根据每个解个体的优劣程度和拥挤距离在新的解集种群中挑选出设定的规模数量的解个体，生成新的父代解集种群；[0083]6.6)重复步骤6.3)至步骤6.5)，直到达到设定的最大迭代次数，完成挤压应力及疲劳寿命的表征模型的优化。[0084]7)利用电池包系统挤压应力与振动疲劳寿命的双目标评估模型筛选出电池包系统部件厚度的帕累托解集。[0085]实施例2：[0086]一种电池包系统挤压应力与振动疲劳寿命优化方法，包括以下步骤：[0087]1)建立电池包系统有限元模型，并设置电池包系统有限元模型部件厚度；[0088]2)测试在不同挤压载荷下，电池包系统有限元模型的系统挤压应力；[0089]3)测试在不同振动工况下，电池包系统有限元模型的系统疲劳寿命；[0090]4)修改电池包系统有限元模型部件厚度，并重复步骤2)至步骤3)，得到在不同部件厚度下电池包系统有限元模型的系统挤压应力和振动疲劳寿命；[0091]5)搭建三阶响应面模型，并利用电池包系统有限元模型部件厚度、电池包系统有限元模型的系统挤压应力和振动疲劳寿命训练三阶响应面模型，得到挤压应力及疲劳寿命的表征模型；[0092]6)利用多目标遗传算法对挤压应力及疲劳寿命的表征模型进行优化，得到电池包系统挤压应力与振动疲劳寿命的双目标评估模型；[0093]7)利用电池包系统挤压应力与振动疲劳寿命的双目标评估模型筛选出电池包系统部件厚度的帕累托解集。[0094]实施例3：[0095]一种电池包系统挤压应力与振动疲劳寿命优化方法，主要步骤见实施例2，其中，建立电池包系统有限元模型的步骤包括：[0096]1)根据电池包系统的壳体尺寸、壳体结构和壳体材料，建立壳体有限元模型；[0097]2)根据电池包系统的电池模组尺寸和材料，建立电池模组有限元模型；[0098]3)根据电池包系统各个部件的连接关系，耦合壳体有限元模型和电池模组有限元模型，得到电池包系统有限元模型。[0099]实施例4：[0100]一种电池包系统挤压应力与振动疲劳寿命优化方法，主要步骤见实施例3，其中，建立电池模组有限元模型的步骤包括：[0101]1)根据电池模组的尺寸参数，建立电池模组几何模型；[0102]2)对电池模组材料进行均质化处理；[0103]3)根据均质化处理得到的电池模组材料信息定义电池模组几何模型的材料参数，从而得到电池模组有限元模型。[0104]实施例5：[0105]一种电池包系统挤压应力与振动疲劳寿命优化方法，主要步骤见实施例2，其中，所述部件厚度包括电池包系统有限元模型中长托架厚度、吊耳厚度、底壳厚度、下支撑横梁厚度、上下连接支架厚度和上支架厚度。[0106]实施例6：[0107]一种电池包系统挤压应力与振动疲劳寿命优化方法，主要步骤见实施例2，其中，所述振动工况包括随机振动工况、正扫频振动工况和定频振动工况。[0108]实施例7：[0109]一种电池包系统挤压应力与振动疲劳寿命优化方法，主要步骤见实施例2，其中，测试在不同振动工况下，电池包系统有限元模型的系统疲劳寿命的步骤包括：[0110]1)在有限元软件中定义振动工况参数，并进行有限元分析，得到电池包系统应力；所述振动工况参数包括功率谱密度曲线、振动频率、幅值；[0111]2)根据电池包系统应力确定在当前部件厚度下电池包系统有限元模型所能承受的最大应力幅水平，进而计算出电池包系统有限元模型的疲劳寿命；[0112]3)重复步骤1)至步骤2)，从而得到在不同振动工况下，电池包系统有限元模型的系统疲劳寿命。[0113]实施例8：[0114]一种电池包系统挤压应力与振动疲劳寿命优化方法，主要步骤见实施例2，其中，所述疲劳寿命通过达到疲劳破断时的应力循环次数n表征；[0115]应力循环次数n满足下式：[0116]σmn＝cꢀꢀ(1)[0117]式中，σ为最大应力，n为达到疲劳破断时的应力循环次数；m、c为电池包系统材料常数。[0118]实施例9：[0119]一种电池包系统挤压应力与振动疲劳寿命优化方法，主要步骤见实施例2，其中，所述三阶响应面模型如下所示：[0120][0121]式中，β0、βi、βii、βij表示多项式系数，ρ表示变量数；y(x)为输出；xi、xj为输入。[0122]实施例10：[0123]一种电池包系统挤压应力与振动疲劳寿命优化方法，主要步骤见实施例2，其中，利用多目标遗传算法对挤压应力及疲劳寿命的表征模型进行优化时，电池包系统挤压应力和振动疲劳寿命为多目标遗传算法的优化目标，以电池包系统有限元模型部件厚度为多目标遗传算法的约束条件。[0124]实施例11：[0125]一种电池包系统挤压应力与振动疲劳寿命优化方法，主要步骤见实施例2，其中，利用多目标遗传算法对挤压应力及疲劳寿命的表征模型进行优化的步骤包括：[0126]1)采用实数编码解方式随机生成设定规模的初始解集种群；初始解集种群包括若干解个体，任一解个体为优化目标的一个解；[0127]2)根据优化目标和约束条件计算初始解集种群中任一解个体的适应度和约束违反值，并根据适应度和约束违反值评价每个解个体的优劣程度；[0128]3)通过选择、交叉和变异三个基本遗传步骤对初始解集种群操作得到初始解集种群的子代解集种群；[0129]4)根据适应度和约束违反值评价子代解集种群中的任一解个体的优劣程度；[0130]5)合并父代解集种群与子代解集种群得到新的解集种群，根据新的解集种群中每个解个体对应的目标函数值的空间位置计算每个解个体的拥挤距离，进而根据每个解个体的优劣程度和拥挤距离在新的解集种群中挑选出设定的规模数量的解个体，生成新的父代解集种群；[0131]6)重复步骤3)至步骤5)，直到达到设定的最大迭代次数，完成挤压应力及疲劳寿命的表征模型的优化。[0132]实施例12：[0133]一种电池包系统挤压应力与振动疲劳寿命优化方法，包括以下步骤：[0134]1)建立电池包系统有限元模型.[0135]建立电池包系统有限元模型的步骤包括：[0136]1.1)根据电池包系统的壳体尺寸、壳体结构和壳体材料，建立壳体有限元模型；[0137]1.2)根据电池包系统的电池模组尺寸和材料，建立电池模组有限元模型；[0138]建立电池模组有限元模型的步骤包括：[0139]1.2.1)根据电池模组的尺寸参数，建立电池模组几何模型；[0140]1.2.2)对电池模组材料进行均质化处理；[0141]1.2.3)根据均质化处理得到的电池模组材料信息定义电池模组几何模型的材料参数，从而得到电池模组有限元模型。[0142]1.3)根据电池包系统各个部件的连接关系，耦合壳体有限元模型和电池模组有限元模型，得到电池包系统有限元模型。[0143]2)设置电池包系统有限元模型部件厚度；所述部件厚度包括电池包系统有限元模型中长托架厚度、吊耳厚度、底壳厚度、下支撑横梁厚度、上下连接支架厚度和上支架厚度。[0144]3)测试在不同挤压载荷下，电池包系统有限元模型在不同厚度组合下的系统挤压应力；[0145]4)测试在不同振动工况(振动工况包括随机振动工况、正扫频振动工况和定频振动工况)下，电池包系统有限元模型的系统疲劳寿命，其主要方法为：在有限元软件中通过定义不同的功率谱密度曲线或者是振动频率，幅值等定义不同的振动工况，而后进行有限元分析，并利用软件所自带的疲劳寿命分析模块或者专用的疲劳寿命分析软件获取电池包系统有限元模型的疲劳寿命；[0146]5)修改电池包系统有限元模型部件厚度，并返回步骤3)及4)，直至获取若干电池包系统有限元模型的系统挤压应力和振动疲劳寿命；[0147]6)根据电池包系统有限元模型部件厚度、电池包系统有限元模型的系统挤压应力和振动疲劳寿命建立训练数据集，以此搭建三阶响应面模型，得到挤压应力及疲劳寿命的表征模型；[0148]7)利用多目标遗传算法(nsga‑ⅱ)得到电池包系统挤压应力与振动疲劳寿命的双目标评估模型并筛选出电池包系统部件厚度的帕累托解集。[0149]实施例13：[0150]参见图1至图2，一种电池包系统挤压应力与振动疲劳寿命优化方法，包括以下步骤：[0151]1)建立电池包系统有限元模型.[0152]建立电池包系统有限元模型的步骤包括：[0153]1.1)根据电池包系统的壳体尺寸、壳体结构和壳体材料，建立壳体有限元模型；所述电池包系统包括上盖1、底壳2、上下连接支架3、下支撑横梁4、长托架5、短托架6、上支架7、吊耳8、纵梁9、模组安装板10。[0154]1.2)根据电池包系统的电池模组尺寸和材料，建立电池模组有限元模型；[0155]建立电池模组有限元模型的步骤包括：[0156]1.2.1)根据电池模组的尺寸参数，建立电池模组几何模型；[0157]1.2.2)对电池模组材料进行均质化处理；[0158]1.2.3)根据均质化处理得到的电池模组材料信息定义电池模组几何模型的材料参数，从而得到电池模组有限元模型。[0159]1.3)根据电池包系统各个部件的连接关系，耦合壳体有限元模型和电池模组有限元模型，得到电池包系统有限元模型。[0160]2)设置电池包系统有限元模型部件厚度；所述部件厚度包括电池包系统有限元模型中长托架厚度、吊耳厚度、底壳厚度、下支撑横梁厚度、上下连接支架厚度和上支架厚度。[0161]3)测试在不同挤压载荷下，电池包系统有限元模型在不同厚度组合下的系统挤压应力；[0162]4)测试在不同振动工况(振动工况包括随机振动工况、正扫频振动工况和定频振动工况)下，电池包系统有限元模型的系统疲劳寿命，其主要方法为：在有限元软件中通过定义不同的功率谱密度曲线或者是振动频率，幅值等定义不同的振动工况，而后进行有限元分析，并利用软件所自带的疲劳寿命分析模块或者专用的疲劳寿命分析软件获取电池包系统有限元模型的疲劳寿命；[0163]5)修改电池包系统有限元模型部件厚度，并返回步骤3)及4)，直至获取若干电池包系统有限元模型的系统挤压应力和振动疲劳寿命；[0164]6)根据电池包系统有限元模型部件厚度、电池包系统有限元模型的系统挤压应力和振动疲劳寿命建立训练数据集，以此搭建三阶响应面模型，得到挤压应力及疲劳寿命的表征模型；[0165]7)利用多目标遗传算法(nsga‑ⅱ)得到电池包系统挤压应力与振动疲劳寿命的双目标评估模型并筛选出电池包系统部件厚度的帕累托解集。[0166]实施例14：[0167]一种电池包系统挤压应力与振动疲劳寿命优化方法，包括以下步骤：[0168]s1、建立电池包系统有限元模型；[0169]s2、测试在不同挤压载荷下，电池包系统有限元模型在不同厚度组合下的系统挤压应力；[0170]s3、测试不同振动工况下，电池包系统有限元模型在不同厚度组合下的系统疲劳寿命；[0171]s4、修改电池包系统有限元模型部件厚度，直至获取若干电池包系统有限元模型的系统挤压应力和振动疲劳寿命；[0172]s5、根据电池包系统有限元模型部件厚度、电池包系统有限元模型的系统挤压应力和振动疲劳寿命搭建三阶响应面模型，得到挤压应力及疲劳寿命的表征模型；[0173]s6、利用多目标遗传算法(nsga‑ⅱ)得到电池包系统挤压应力与振动疲劳寿命的双目标评估模型并筛选出电池包系统部件厚度的帕累托解集。[0174]其中，所述步骤s1包括以下分步骤：[0175]s11、根据电池包系统的壳体尺寸、壳体结构和壳体材料，建立壳体有限元模型；[0176]s12、根据电池包系统的电池模组的尺寸和材料，建立电池模组有限元模型；[0177]s13、根据电池包系统各个部件的连接关系，耦合壳体有限元模型和电池模组有限元模型，得到电池包系统有限元模型。[0178]上述方案的有益效果为：本发明通过电池包系统的真实结构关系建立电池包系统有限元模型，通过电池包系统有限元模型获取完善的数据集，降低数据集的获取成本。[0179]所述步骤s12包括以下分步骤：[0180]s121、根据电池模组的尺寸参数，建立电池模组几何模型；[0181]s122、对电池模组材料进行均质化处理；[0182]s123、根据均质化处理得到的电池模组材料信息定义电池模组几何模型的材料参数，得到电池模组有限元模型。[0183]所述步骤s3中厚度类型包括：长托架厚度、吊耳厚度、底壳厚度、下支撑横梁厚度、上下连接支架厚度和上支架厚度。[0184]所述步骤s5包括以下分步骤：[0185]s51、利用不同部件的厚度组合及其组合下的电池包系统挤压应力搭建三阶响应面模型；[0186]s52、利用不同部件的厚度组合及其组合下的电池包系统振动疲劳寿命搭建三阶响应面模型；[0187]所述步骤s51和s52中搭建三阶响应面模型时，将不同部件的厚度组合数据作为输入，对应的挤压应力或振动疲劳寿命作为输出。[0188]上述方案的有益效果为：通过搭建三阶响应面模型表达不同厚度组合数据与系统挤压应力及疲劳寿命之间复杂的映射关系，其实现过程简单。[0189]实施例15：[0190]如图1所示，一种电池包系统挤压应力与振动疲劳寿命优化方法，包括以下步骤：[0191]s1、建立电池包系统有限元模型；[0192]在本实施例中，有限元模型可在不同的有限元软件上实现，例如：ls-dyna或abaqus。[0193]步骤s1包括以下分步骤：[0194]s11、根据电池包系统的壳体尺寸、壳体结构和壳体材料，建立壳体有限元模型；[0195]在本实施例中，步骤s11的具体操作为：在获得壳体尺寸、壳体结构和壳体材料后，在有限元软件中定义壳体模型的类型、尺寸、厚度和材料等参数，建立壳体有限元模型。[0196]s12、根据电池包系统的电池模组的尺寸和材料，建立电池模组有限元模型；[0197]所述步骤s12包括以下分步骤：[0198]s121、根据电池模组的尺寸参数，建立电池模组几何模型；[0199]s122、对电池模组材料进行均质化处理；[0200]s123、根据均质化处理得到的电池模组材料信息定义电池模组几何模型的材料参数，得到电池模组有限元模型。[0201]s13、根据电池包系统各个部件的连接关系，耦合壳体有限元模型和电池模组有限元模型，得到电池包系统有限元模型。[0202]所述步骤s13中耦合即为建立壳体有限元模型和电池模组有限元模型的连接关系，连接关系包括：焊接、摩擦等接触连接关系。[0203]s2、测试在不同挤压载荷下，电池包系统有限元模型在不同厚度组合下的系统挤压应力；[0204]在本实施例中，步骤s2具体为：在国标gb38031-2020要求的基础上，根据实际研发需求，选取120kn的挤压载荷，开展电池包系统挤压仿真分析，并获取电池包系统部件在不同厚度组合情况下的系统挤压应力数据，表1所示为电池包系统不同部件的厚度水平。[0205]s3、测试不同振动工况下，电池包系统有限元模型在不同厚度组合下的系统振动应力及疲劳寿命；[0206]在本实施例中，步骤s3具体为：在国标gb38031-2020要求的基础上，根据实际研发需求，施加三个方向的振动载荷，开展电池包系统振动仿真分析，并获取电池包系统部件在不同厚度组合情况下的系统振动应力及疲劳寿命数据。[0207]表1.电池包系统不同部件的厚度水平[0208][0209]s4、修改电池包系统有限元模型部件厚度，直至获取若干电池包系统有限元模型的系统挤压应力和振动疲劳寿命，表2所示为电池包系统不同部件的厚度水平下的系统挤压应力和振动疲劳寿命。；[0210]s5、根据电池包系统有限元模型部件厚度、电池包系统有限元模型的系统挤压应力和振动疲劳寿命搭建三阶响应面模型，得到挤压应力及疲劳寿命的表征模型；[0211]s51、利用不同部件的厚度组合及其组合下的电池包系统挤压应力搭建三阶响应面模型；[0212]s52、利用不同部件的厚度组合及其组合下的电池包系统振动疲劳寿命搭建三阶响应面模型；[0213]所述步骤s51和s52中搭建三阶响应面模型时，将不同部件的厚度组合数据作为输入，对应的挤压应力或振动疲劳寿命作为输出。[0214]s6、利用多目标遗传算法(nsga‑ⅱ)得到电池包系统挤压应力与振动疲劳寿命的双目标评估模型并筛选出电池包系统部件厚度的帕累托解集。[0215]实验结果：[0216]1、利用不同部件的厚度组合及其组合下的电池包系统挤压应力搭建三阶响应面模型如下所示：[0217][0218]2、利用不同部件的厚度组合及其组合下的电池包系统振动疲劳寿命搭建三阶响应面模型如下所示：[0219][0220]3、利用多目标遗传算法(nsga‑ⅱ)得到电池包系统挤压应力与振动疲劳寿命的双目标评估模型并筛选出电池包系统部件厚度的帕累托解集，其筛选出的35组帕累托解集如表3所示。[0221]表2.电池包系统不同部件的厚度水平下的系统挤压应力和振动疲劳寿命[0222][0223]表3.nsga‑ⅱ筛选的35组帕累托解集[0224][0225]综上所述，本实施例综合考虑了电池包系统挤压应力与振动疲劳寿命优化方法问题。结果显示，建立的nsga‑ⅱ评估模型可以较好的评估电池包系统的挤压应力及振动疲劳寿命，并筛选出理想的电池包系统部件厚度组合，可以用作电池包系统在挤压与振动时的应力及疲劳寿命双目标优化，由此进行高效、低成本的电池包系统设计。此外，这种双目标优化方法可以用于电池安全预警系统设计。用于分析多种工况对电池包系统安全性的影响，以实现稳健及安全的电池包系统设计。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!