CN107729657A - 一种基于等效静态载荷法的电池舱防撞梁拓扑优化方法 - Google Patents

Abstract

本发明公开一种基于等效静态载荷法的电池舱防撞梁拓扑优化方法，明确等效静态载荷提取点的时间步，将防撞梁质量作为目标函数，以位移作为约束，通过不断的迭代优化过程，最终得到最优的防撞梁结构形式。其他技术领域等效静态载荷的提取往往贯穿于整个动态过程中，而本发明等效静态载荷仅提取碰撞结束前6个时间步，提高了优化效率，本发明采用基于变密度法的拓扑优化，最终可以得到一种具有最优结构的客车电池舱防撞梁。

Description

一种基于等效静态载荷法的电池舱防撞梁拓扑优化方法

技术领域：

本发明涉及一种基于等效静态载荷法的电池舱防撞梁拓扑优化方法，其属于机械装备设计领域。

背景技术：

在交通事故中,侧面碰撞是发生频次最高的事故形态,侧面碰撞导致的事故和死亡人数仅次于正面碰撞。国标《GBT 31498-2015电动汽车碰撞后安全要求》对电池包提出了碰撞后物理防护和电解液泄漏的要求。由于动力电池安装在公交车底盘下部与电池侧舱门之间，并且没有足够的空间产生足够的变形来吸收碰撞能量,因此需要在动力电池与电池舱门之间安装防撞梁以防止侧面撞击下电池侧舱门对动力电池的接触挤压，从而造成电池的损伤。

由于目前在纯电动公交车侧面碰撞安全仿真方面，国内研究较少，尤其在基于可移动变形壁障侧面碰撞工况下电池舱防撞梁拓扑优化设计更是少之又少。目前国内纯电动公交车电池舱防撞梁的设计方法，主要还是依靠工程设计人员的经验或是参考其他类似车型的设计方式。此类设计方式依靠工程设计人员的经验较为严重，随意性较大。因此不仅客车企业之间电池舱防撞梁的布置形式千差万别，而且企业内部相似车型的布置方案也是不尽相同。这不仅提高了企业的设计成本，也降低了售后维修的便利性。

发明内容：

本发明是为了解决上述现有技术存在的问题而提供一种基于等效静态载荷法的电池舱防撞梁拓扑优化方法。

本发明采用如下技术方案：一种基于等效静态载荷法的电池舱防撞梁拓扑优化方法，步骤如下：

步骤1利用三维软件设计电池舱防撞梁概念模型；

步骤2将步骤1中的防撞梁和整车进行装配，并建立侧面碰撞仿真有限元模型；

步骤3根据步骤2的模型进行可变形移动壁障侧面碰撞仿真，并设置仿真结束时间为h，1ms为一个时间步，获得防撞梁模型在碰撞完成前i个时间步上的位移信息，时间步记为t_i；

步骤4根据步骤3获得的防撞梁位移信息，计算获得对应时间步上的等效静态载荷；

步骤5建立防撞梁的拓扑优化模型，确定防撞梁的设计域和非设计域；

步骤6根据步骤4所得的等效静态载荷和非设计域自由度约束作为边界条件，采用变密度法和遗传算法进行拓扑优化设计；

步骤7根据步骤6中获取的最新结构设计变量，更新步骤2中的碰撞仿真有限元模型，并重新进行3-4-5-6步的运算，直至满足收敛条件；

步骤8根据步骤7中满足收敛条件的最终设计变量对应的相对密度信息转换成厚度信息；

所述步骤6的拓扑优化设计的数学模型如下式所示：

Find b∈R^m

min F(b，z)

s.t.K(b)z(t_i)-f_eq(b,t_i)＝0 t_i＝h-(6-i)

i＝1,2,3,4,5,6

g_j(b,z)≤0,j＝1,2,...,l

0.0＜b_min＜b_s＜1.0,s＝1,2,...,m

其中，R^m为设计域；F为目标函数；K(b)是刚度矩阵为设计变量b的函数，z(t_i)是第t_i时间步处的节点位移，f_eq(b,t_i)表示第t_i时间步处的设计变量对应的等效静态载荷，g_j(b,z)表示约束条件，h表示动态分析过程中总的时间，l表示优化模型中的约束数量，m表示设计变量中的元素数量。

本发明具有如下有益效果：本发明将防撞梁质量作为目标函数，以位移作为约束。其他技术领域等效静态载荷的提取往往贯穿于整个动态过程中，而本发明等效静态载荷仅提取碰撞结束前6个时间步，提高了优化效率，本发明采用基于变密度法的拓扑优化，最终可以得到一种具有最优结构的客车电池舱防撞梁。

附图说明：

图1为本发明基于等效静态载荷法的电池舱防撞梁拓扑优化方法的流程框图。

具体实施方式：

下面结合附图对本发明作进一步的说明。

本发明的核心在于提供一种基于等效静态载荷法的电池舱防撞梁拓扑优化方法，明确等效静态载荷提取点的时间步，将防撞梁质量作为目标函数，以位移作为约束，通过不断的迭代优化过程，最终得到最优的防撞梁结构形式。为了使本领域的技术人员更好的理解本发明的技术方案，下面结合附图对本发明作进一步详细的描述。

本发明通过模拟电池舱防撞梁的侧面碰撞工况，得到防撞梁的动态载荷，并采用等效静态载荷法计算其在碰撞完成前6个时间步的等效静态载荷。以等效静态载荷施加于防撞梁上，基于变密度法得到防撞梁的最优材料分布，最终得到最优结构分布的防撞梁，如图1。

等效静态载荷法，其原理如下：

在某一时刻下，如果结构在某一静态载荷作用下形成的位移场与动态载荷下的位移场一样，则称该静态载荷为那一时刻的动态载荷的等效静态载，即通过位移场等效原理引入等效静态载荷。这样，可以通过有限元法来求动态载荷在某一时刻下的等效静态载荷。

若不考虑阻尼因素的影响，受动态载荷结构的运动方程为：

式中，M和K分别为机构的质量矩阵和刚度矩阵，z(t_i)为位移，r(t_i)为结构所受的外力。

根据有限元理论，静态分析中存在如下表达式：

K(b)z＝f_eq (2)

式中z为静态位移，f_eq为外部静态载荷。

在某一时刻，等效静态载荷将使物体内部形成与动载荷作用时相同的位移场，即

K(b)z(t_i)＝f_eq (3)

带入式(1)，得

式中，就是t_i时刻的等效静态载荷。

在有限元方法中，由式(1)和(4)计算得到t_i时刻的等效静态载荷为，

l为整个过程中所取的时间点个数，即等效静态载荷的数目。

对于汽车耐撞性等动态非线性问题，没有必要等效所有时间步的位移，只需要求得最后若干个时间步对应的等效静载荷并提交优化即可。

本发明基于等效静态载荷法的电池舱防撞梁拓扑优化方法，步骤如下：

步骤1利用三维软件设计电池舱防撞梁几何模型；

步骤2将步骤1中的防撞梁和整车进行装配，并建立侧面碰撞仿真有限元模型；

步骤3根据步骤2的模型进行可变形移动壁障侧面碰撞仿真，并设置仿真结束时间为h，1ms为一个时间步，获得防撞梁模型在碰撞完成前6个时间步上的位移信息，时间步记为t_i，其中i＝1,2,3,4,5,6；

步骤4根据步骤3获得的防撞梁位移信息，计算获得对应时间步上的等效静态载荷。

等效静态载荷f_eq(b,t_i)可由以下方式表达：

步骤5建立防撞梁的拓扑优化模型，确定防撞梁的设计域和非设计域；

步骤6根据步骤4所得的等效静态载荷和非设计域自由度约束作为边界条件，采用变密度法进行拓扑优化设计；

步骤7根据步骤6中获取的最新结构设计变量，更新步骤2中的碰撞仿真有限元模型。并重新进行3-4-5-6步的运算，直至满足收敛条件；

步骤8根据步骤7中满足收敛条件的最终设计变量对应的相对密度信息转换成厚度信息。

所述步骤6的拓扑优化设计的数学模型如下式所示：

Find b∈R^m

min F(b，z)

s.t.K(b)z(t_i)-f_eq(b,t_i)＝0 t_i＝h-(6-i)

i＝1,2,3,4,5,6

g_j(b,z)≤0,j＝1,2,...,l

0.0＜b_min＜b_s＜1.0,s＝1,2,...,m

其中，R^m为设计域；F为目标函数；K(b)是刚度矩阵为设计变量b的函数。z(t_i)是第t_i时间步处的节点位移，f_eq(b,t_i)表示第t_i时间步处的设计变量对应的等效静态载荷，g_j(b,z)表示约束条件，h表示动态分析过程中总的时间，l表示优化模型中的约束数量，m表示设计变量中的元素数量。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (1)

1.一种基于等效静态载荷法的电池舱防撞梁拓扑优化方法，其特征在于：步骤如下：

步骤1利用三维软件设计电池舱防撞梁概念模型；

步骤2将步骤1中的防撞梁和整车进行装配，并建立侧面碰撞仿真有限元模型；

步骤3根据步骤2的模型进行可变形移动壁障侧面碰撞仿真，并设置仿真结束时间为h，1ms为一个时间步，获得防撞梁模型在碰撞完成前i个时间步上的位移信息，时间步记为t_i；

步骤4根据步骤3获得的防撞梁位移信息，计算获得对应时间步上的等效静态载荷；

步骤5建立防撞梁的拓扑优化模型，确定防撞梁的设计域和非设计域；

步骤6根据步骤4所得的等效静态载荷和非设计域自由度约束作为边界条件，采用变密度法和遗传算法进行拓扑优化设计；

步骤7根据步骤6中获取的最新结构设计变量，更新步骤2中的碰撞仿真有限元模型，并重新进行3-4-5-6步的运算，直至满足收敛条件；

步骤8根据步骤7中满足收敛条件的最终设计变量对应的相对密度信息转换成厚度信息；

所述步骤6的拓扑优化设计的数学模型如下式所示：

Find b∈R^m

min F(b，z)

s.t. K(b)z(t_i)-f_eq(b,t_i)＝0 t_i＝h-(6-i)

i＝1,2,3,4,5,6

g_j(b,z)≤0,j＝1,2,...,l

0.0＜b_min＜b_s＜1.0,s＝1,2,...,m

其中，R^m为设计域；F为目标函数；K(b)是刚度矩阵为设计变量b的函数，z(t_i)是第t_i时间步处的节点位移，f_eq(b,t_i)表示第t_i时间步处的设计变量对应的等效静态载荷，g_j(b,z)表示约束条件，h表示动态分析过程中总的时间，l表示优化模型中的约束数量，m表示设计变量中的元素数量。