基于单网络混合优化算法的电池包框架轻量化设计方法技术

本发明专利技术属于车辆设计领域，具体涉及一种基于单网络混合优化算法的电池包框架轻量化设计方法、系统及装置。轻量化设计方法如下：首先，创建电池包框架的三维模型和有限元模型，然后确定设计变量和不确定变量，并采用OLHD方法对涉及变量进行均匀采样，利用有限元模型生成每个样本点对应性能参数，接着，利用样本数据训练一个可根据设计变量和不确定变量生成性能参数的ANN模型。结合优化目标和约束函数创建轻量化设计的多目标优化模型，并利用罚函数法转换为单目标优化模型，最后通过基于IP_GA的双嵌套优化算法对单目标优化模型进行求解，得到最优设计变量。本发明专利技术解决了电池包框架制约电动汽车电池能量密度以及续航性能的问题。

【技术实现步骤摘要】

本专利技术属于车辆设计领域，具体涉及一种基于单网络混合优化算法的电池包框架轻量化设计方法、系统及其装置。

技术介绍

1、电动汽车作为新能源汽车中的典型代表，具有零排放、效率高等突出优点，已逐渐成为各大汽车制造商未来车型的主要发展方向。电动汽车的续航里程一直是市场关注的重点之一，采用高比能量的电池系统和轻量化车身和组件结构无疑是提高车辆续航里程最有效且直接的方式。在新能源汽车中，电池箱是最主要的动力来源，同时也为众多的电动辅助系统提供能量，因此，电池箱的可靠性、耐久性、安全性和工作效率指标直接关系到车辆的动力性能。设计电池箱结构的时候往往以挤压、振动、冲击性能指标为主要的开发依据，其中以电池箱的振动疲劳性能为最严苛的性能指标，其模态的性能直接影响到振动疲劳性能，因此，在电池包优化的过程中，模态优化极为重要。为了减少环境污染，节约不可再生能源，促进全球可持续发展。

2、另外，在车身结构已经极大优化的基础上，提升电动汽车的续航能力主要有两种途径：一是提高单体电芯质量的能量密度，二是对电池包壳体进行轻量化设计。在目前电池能量密度提高较困难、电池成本居高本文档来自技高网...

【技术保护点】

1.一种基于单网络混合优化算法的电池包框架轻量化设计方法，其特征在于，其包括如下步骤：

2.如权利要求1所述的基于单网络混合优化算法的电池包框架轻量化设计方法，其特征在于：步骤S1中采用AutoCAD、CATIA、Solidworks、Pro/Engineer、Cimatron、3DS Max、FormZ、UnigraphicsNX中的任意一种完成电池包框架的三维建模；步骤S2中，采用HyperMesh、ANSA、TurboGrid或Patran创建用于进行载荷分析的有限元模型。

3.如权利要求1所述的基于单网络混合优化算法的电池包框架轻量化设计方法，其特征在于：...

【技术特征摘要】

1.一种基于单网络混合优化算法的电池包框架轻量化设计方法，其特征在于，其包括如下步骤：

2.如权利要求1所述的基于单网络混合优化算法的电池包框架轻量化设计方法，其特征在于：步骤s1中采用autocad、catia、solidworks、pro/engineer、cimatron、3ds max、formz、unigraphicsnx中的任意一种完成电池包框架的三维建模；步骤s2中，采用hypermesh、ansa、turbogrid或patran创建用于进行载荷分析的有限元模型。

3.如权利要求1所述的基于单网络混合优化算法的电池包框架轻量化设计方法，其特征在于：步骤s3中，所述设计变量x中的结构参数包括选定的任意一处或多处关键构件或组合体的长度、宽度、高度、厚度、弧形/圆形结构的半曲率/半径中的一项或多项；所述不确定变量u中属性参数包括材料的泊松比、密度、弹性模量和/或硬度。

4.如权利要求1所述的基于单网络混合优化算法的电池包框架轻量化设计方法，其特征在于：步骤s5中，所述bp_ann模型采用包含输入层、隐含层和输出层的邻层连接多层前向网络；所述输入层的节点数为设计变量x的参数量与不确定变量的参数量之和；输出层节点数为3，隐含层的层数和每层节点数在训练前进行人工预设；训练策略基于bp学习算法，进而根据输入的设计变量x和不确定性变量u，输出目标函数f和约束函数g1、g2的值。

5.如权利要求4所述的基于单网络混合优化算法的电池包框架轻量化设计方法，其特征在于，步骤s5中，训练阶段将样本数据分...

【专利技术属性】
技术研发人员：谷先广，徐陈运，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：