CN113127944A - 一种电池箱轻量化的优化方法 - Google Patents
一种电池箱轻量化的优化方法 Download PDFInfo
- Publication number
- CN113127944A CN113127944A CN202110468964.9A CN202110468964A CN113127944A CN 113127944 A CN113127944 A CN 113127944A CN 202110468964 A CN202110468964 A CN 202110468964A CN 113127944 A CN113127944 A CN 113127944A
- Authority
- CN
- China
- Prior art keywords
- battery box
- population
- individual
- thickness
- battery
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000005457 optimization Methods 0.000 title abstract description 14
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 15
- 239000013585 weight reducing agent Substances 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims abstract description 5
- 239000000463 material Substances 0.000 claims description 20
- 230000035772 mutation Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000005284 excitation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Battery Mounting, Suspending (AREA)
Abstract
本发明涉及电池重量优化技术领域,提供了一种电池箱轻量化的优化方法,包括具体如下:S1、基于目标函数和约束条件构建适应度函数;S2、对电池箱各零件的厚度进行基因编码,确定个体基因和电池箱各零部件厚度的映射关系;S3、通过NSGA‑Ⅱ算法获取适应度值最优的个体基因,即电池箱各零部件厚度的最优值。利用NSGA‑Ⅱ非常强的全局寻优能力,综合考虑电池箱轻量化设计时所需满足的约束条件,在多种约束条件下寻求最优的尺寸设计方案,以达到电池箱最大化的减重需求,实现更有效的电池箱轻量化设计。
Description
技术领域
本发明涉及到动力电池重量优化技术领域,提供了一种电池箱轻量化的优化方法。
背景技术
新能源汽车由于其低碳、环保、节能的特点,已成为我国汽车发展的重要方向之一。为了提高新能源汽车的续航里程,新能源汽车通常具有较大的整车质量。在电池技术取得重大突破之前,要提高动力系统的比能量,对电池箱进行结构优化设计尤为重要。
发明内容
本发明提供了一种电池箱轻量化的优化方法,旨在改善上述问题。
本发明是这样是实现的,一种电池箱轻量化的优化方法,所述方法具体如下:
S1、基于目标函数和约束条件构建适应度函数,以电池箱质量最小的为目标函数,以电池箱模态分析和刚度分析为约束条件;
S2、对电池箱各零件的厚度进行基因编码,确定个体基因和电池箱各零部件厚度的映射关系;
S3、通过NSGA-Ⅱ算法获取适应度值最优的个体基因,即电池箱各零部件厚度的最优值。
进一步的,目标函数表示为:
其中,M为电池箱的总质量,ai为零件i的材料密度,Si为零件i的截面面积,ti为零件i的厚度值。
进一步的,约束条件表示为:
s.t.ξm<<ξ
δ<δm
d<dm
tmin<ti<tmax
其中,ξ为一阶固有频率,ξm为车辆固有频率,d为负载条件下最大应变,dm为材料许用应变,δ为负载条件下最大应力,δm为材料许用应力,tmin、tmax分别为厚度最大值及厚最小值。
进一步的,适应度函数为:
其中,C1、C2、C3、C4为权重因子,且M为电池箱总质量,Mm为优化前电池箱总质量,ξ为一阶固有频率,ξm为车辆固有频率,d为负载条件下最大应变,dm为材料许用应变,δ为负载条件下最大应力,δm为材料许用应力。
进一步的,所述步骤S3具体包括如下步骤:
S31、设置种群规模在,在各零部件的厚度尺寸约束条件下随机生成初始种群;
S32、计算个体适应度值;
S33、采用随机配对方式对父代种群中的个体进行比较,利用快速非支配排序算子和个体拥挤距离算子进行个体选择;
S35、采用SBX算子和随机变异算子对步骤S31得到种群进行交叉变异操作,以得到新的子代种群Di;
S36、精英策略选择算子按非支配序irark及个体拥挤距离对父代种群Ci和子代种群Di进行优选,以组成新父代种群Ci+1;
S37、确定是否达到收敛条件,若不满足,则重复S32,若满足,则直到输出适应度值最优个体。
进一步的,所述步骤S36具体如下:
按非支配序irark从低到高排序,将整层种群依次放入Ci+1,直到放入某一层Fj时出现Ci+1大小超出种群规模限值N,则依据Fj中的个体拥挤距离由大到小的顺序继续填充Ci+1直到种群数量达到N时终止。
进一步的,所述电池为电动汽车上的动力电池。
该发明利用NSGA-Ⅱ非常强的全局寻优能力,综合考虑电池箱轻量化设计时所需满足的约束条件,在多种约束条件下寻求最优的尺寸设计方案,以达到电池箱最大化的减重需求,实现更有效的电池箱轻量化设计。
附图说明
图1为本发明是实施例提供的电池箱轻量化优化方法的流程图。
具体实施方式
下面对照附图,通过对最优实施例的描述,对本发明的具体实施方式作进一步详细的说明。
动力电池的电池箱由电池壳本体、加强板、内横梁、外横梁组成,在进行轻量化设计之前,这是通常已有电池箱完整的三维模型。本发明旨在确定电池箱大体结构的基础上,以电池箱质量最小的为目标函数,以电池箱模态分析和刚度分析为约束,通过NSGA-Ⅱ算法优化电池箱不同部位的厚度尺寸。
图1为本发明是实施例提供的电池箱轻量化优化方法的流程图,该方法具体包括如下步骤:
S1、确定电池箱轻量优化的优化目标及约束条件,本实例中优化目标选为电池箱质量最小,目标函数设为:
其中,M为电池箱的总质量,ai为零件i的材料密度,si为零件i的截面面积,ti为零件i的厚度值,电池箱总质量为电池箱各零件的质量和,零件质量由零件材料密度,零件中截面面积和零件厚度值相乘得到,其中零件材料密度和零件中截面面积在优化初期即可知道,零件厚度值则由优化得到的最优个体基因值换算而来。
在本发明实施例中,约束条件选为电池箱模态分析一阶固有频率和负载条件下电池箱的最大应力;其中负载工况为极限垂向,前向刹车,反向刹车,刹车过弯,转弯五个工况,负载以不同方向的加速度值添加,约束条件表示如下:
s.t.ξm<<ξ
δ<δm
d<dm
tmin<ti<tmax
其中,ξ为电池箱的一阶固有频率,ξm为车辆固有频率,d为电池箱在负载条件下最大应变,dm为材料许用应变,δ为电池箱在负载条件下最大应力,δm为材料许用应力,tmin、tmax分别为电池箱的厚度最大值及厚最小值。
约束条件的作用是:(1)ξm为车辆怠速激振频率。为了减少零件损伤,提高驾驶舒适性,要求行驶车辆零件的固有频率远离车辆怠速激振频率,防止共振;(2)负载条件下,其最大应力δ<δm,其中δm为材料许用应力;为了防止零件应力集中,导致零件出现断裂,危害汽车行驶安全,要求零件最大应力在零件材料许用应力范围内。(3)负载条件下,其最大应力d<dm,其中dm为材料许用应力;(4)优化厚度ti在厚度约束范围tmin~tmax内。
根据确定的目标函数和约束条件,选择电池箱的可优化参数,确定编码规则,本实例中可优化变量选为电池箱零部件厚度,根据编码规则对电池箱零部件分类编号,确定个体基因和电池箱各零部件厚度的映射关系,即一个个体基因对应一组电池箱零部件的厚度值,并通过仿真的方式获取每个基因对应的电池箱总质量M,电池箱的一阶固有频率ξ,电池箱在负载条件下最大应变d,电池箱在负载条件下最大应力δ,用于计算各基因个体的适应度值,设置种群规模N在各零部件的厚度尺寸约束条件下随机生成初始种群;
S2、根据步骤S1确定的优化目标和约束条件映射得到适应度函数,计算种群的适应度值;
依据适应度函数计算每个个体的适应度值,本实例中适应度函数可设为:
其中:C1、C2、C3、C4为权重因子,且M为电池箱的总质量,Mm为优化前电池箱总质量,ξ为电池箱一阶固有频率,ξm为车辆固有频率,d为电池箱在负载条件下最大应变,dm为材料许用应变,δ为电池箱在负载条件下最大应力,δm为材料许用应力
S3、采用随机配对方式对父代种群中的个体进行比较,利用快速非支配排序算子和个体拥挤距离算子进行个体选择,选择指定数量的个体;依据个体的非劣解水平对父代种群Ci进行分层,标记每个个体的非支配序irark,同一分层内的个体具有相同的非支配序,非支配序irark按从低到高排序,优先选择非支配序irark较低的个体,对同一分层内的个体进行拥挤距离计算,优先选择拥挤距离较大的个体。
S4、采用SBX算子和随机变异算子对步骤三得到种群进行交叉变异操作,以得到新的子代种群Di,子代种群Di的规模与父代种群规模相同。
S5、精英策略选择算子按非支配序irark及个体拥挤距离对父代种群Ci和子代种群Di进行优选,以组成新父代种群Ci+1。
首先按非支配序irark从低到高排序,将整层种群依次放入Ci+1,直到放入某一层Fj时出现Ci+1大小超出种群规模限值N的情况;最后依据Fj中的个体拥挤距离由大到小的顺序继续填充Ci+1直到种群数量达到N时终止。
S6、确定是否达到收敛条件,若不满足,则重复上述操作,若满足,则输出适应度值最优个体,该个体的基因即为电池箱各零部件厚度的最优值。
该发明利用NSGA-Ⅱ非常强的全局寻优能力,综合考虑电池箱轻量化设计时所需满足的约束条件,在多种约束条件下寻求最优的尺寸设计方案,以达到电池箱最大化的减重需求,实现更有效的电池箱轻量化设计。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (7)
1.一种电池箱轻量化的优化方法,其特征在于,所述方法具体如下:
S1、基于目标函数和约束条件构建适应度函数,以电池箱质量最小的为目标函数,以电池箱模态分析和刚度分析为约束条件;
S2、对电池箱各零件的厚度进行基因编码,确定个体基因和电池箱各零部件厚度的映射关系;
S3、通过NSGA-Ⅱ算法获取适应度值最优的个体基因,即电池箱各零部件厚度的最优值。
3.如权利要求1所述电池箱轻量化的优化方法,其特征在于,约束条件表示为:
s.t.ξm<<ξ
δ<δm
d<dm
tmin<ti<tmax
其中,ξ为一阶固有频率,ξm为车辆固有频率,d为负载条件下最大应变,dm为材料许用应变,δ为负载条件下最大应力,δm为材料许用应力,tmin、tmax分别为厚度最大值及厚最小值。
5.如权利要求1所述电池箱轻量化的优化方法,其特征在于,所述步骤S3具体包括如下步骤:
S31、设置种群规模在,在各零部件的厚度尺寸约束条件下随机生成初始种群;
S32、计算个体适应度值;
S33、采用随机配对方式对父代种群中的个体进行比较,利用快速非支配排序算子和个体拥挤距离算子进行个体选择;
S35、采用SBX算子和随机变异算子对步骤S31得到种群进行交叉变异操作,以得到新的子代种群Di;
S36、精英策略选择算子按非支配序irark及个体拥挤距离对父代种群Ci和子代种群Di进行优选,以组成新父代种群Ci+1;
S37、确定是否达到收敛条件,若不满足,则重复S32,若满足,则直到输出适应度值最优个体。
6.如权利要求5所述电池箱轻量化的优化方法,其特征在于,所述步骤S36具体如下:
按非支配序irark从低到高排序,将整层种群依次放入Ci+1,直到放入某一层Fj时出现Ci+1大小超出种群规模限值N,则依据Fj中的个体拥挤距离由大到小的顺序继续填充Ci+1直到种群数量达到N时终止。
7.如权利要求1所述电池箱轻量化的优化方法,其特征在于,所述电池为电动汽车上的动力电池。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110468964.9A CN113127944B (zh) | 2021-04-28 | 2021-04-28 | 一种电池箱轻量化的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110468964.9A CN113127944B (zh) | 2021-04-28 | 2021-04-28 | 一种电池箱轻量化的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113127944A true CN113127944A (zh) | 2021-07-16 |
CN113127944B CN113127944B (zh) | 2024-03-26 |
Family
ID=76780936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110468964.9A Active CN113127944B (zh) | 2021-04-28 | 2021-04-28 | 一种电池箱轻量化的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113127944B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114744657A (zh) * | 2022-04-19 | 2022-07-12 | 国网浙江省电力有限公司宁波供电公司 | 一种基于微电网的电池储能系统尺寸优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108173283A (zh) * | 2018-01-02 | 2018-06-15 | 佛山科学技术学院 | 一种含风光可再生能源的热电联供系统运行方法 |
CN108544768A (zh) * | 2018-05-11 | 2018-09-18 | 奇瑞汽车股份有限公司 | 汽车悬架横臂的制造方法 |
CN113127978A (zh) * | 2021-04-28 | 2021-07-16 | 奇瑞汽车股份有限公司 | 一种仪表板横梁轻量化的优化方法 |
-
2021
- 2021-04-28 CN CN202110468964.9A patent/CN113127944B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108173283A (zh) * | 2018-01-02 | 2018-06-15 | 佛山科学技术学院 | 一种含风光可再生能源的热电联供系统运行方法 |
CN108544768A (zh) * | 2018-05-11 | 2018-09-18 | 奇瑞汽车股份有限公司 | 汽车悬架横臂的制造方法 |
CN113127978A (zh) * | 2021-04-28 | 2021-07-16 | 奇瑞汽车股份有限公司 | 一种仪表板横梁轻量化的优化方法 |
Non-Patent Citations (3)
Title |
---|
YUAN SHIJIAN等: "Hydroforming Processes and Equipments of Hollow Structures with Various Sections", 《JOURNAL OF MECHANICAL ENGINEERING》, 20 September 2012 (2012-09-20), pages 21 - 27 * |
周磊 等: "基于遗传算法的汽车仪表板横梁参数优化", 《计算机应用与软件》, vol. 34, no. 6, 15 June 2017 (2017-06-15), pages 75 - 79 * |
赵晓昱等: "电动车复合材料电池盒轻量化设计方法", 《中国机械工程》, vol. 29, no. 9, 31 May 2018 (2018-05-31), pages 1044 - 1049 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114744657A (zh) * | 2022-04-19 | 2022-07-12 | 国网浙江省电力有限公司宁波供电公司 | 一种基于微电网的电池储能系统尺寸优化方法 |
CN114744657B (zh) * | 2022-04-19 | 2024-05-28 | 国网浙江省电力有限公司宁波供电公司 | 一种基于微电网的电池储能系统尺寸优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113127944B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110956266B (zh) | 基于层次分析法的多电源电力系统多目标优化调度方法 | |
Mezura-Montes et al. | Modified differential evolution for constrained optimization | |
CN107451686B (zh) | 考虑随机预测误差的遗传算法的微电网能源优化方法 | |
CN115828437B (zh) | 汽车性能指标综合优化方法、计算设备 | |
CN108875270B (zh) | 新能源汽车基础参数的计算方法 | |
CN102867101A (zh) | 一种确定桁架结构参数的方法 | |
CN104679956A (zh) | 考虑动态特性的高速压力机底座可靠性稳健设计方法 | |
CN107958424A (zh) | 一种基于改进引力搜索算法的电力系统经济调度策略 | |
CN113127944A (zh) | 一种电池箱轻量化的优化方法 | |
CN111178487A (zh) | 电力优化调度方法、装置、计算机设备和存储介质 | |
WO2019052045A1 (zh) | 面向复杂产品拆卸再生的拆卸方案及再生方案的集成决策方法 | |
Chiou et al. | Using fuzzy logic controller and evolutionary genetic algorithm for automotive active suspension system | |
CN110816303A (zh) | 一种顺序遗传算法的双电耦合燃料电池汽车能效优化方法 | |
CN112649740A (zh) | 基于iowa算子的锂电池容量估计与寿命预测方法 | |
CN114537087A (zh) | 一种纯电动汽车集成式热管理系统性能优化方法 | |
Gharsalli et al. | Mechanical sizing of a composite launcher structure by hybridizing a genetic algorithm with a local search method | |
Donateo et al. | A two-step optimisation method for the preliminary design of a hybrid electric vehicle | |
CN116661296B (zh) | 面向增程式电动矿卡的能耗管理平台、方法、系统及存储介质 | |
CN113127978B (zh) | 一种仪表板横梁轻量化的优化方法 | |
Zheng et al. | An effective genetic algorithm to VDA with discontinuous “on-off” switches | |
CN113743003B (zh) | 考虑温度、湿度影响的高压线路对地电场强度计算方法 | |
CN109835199A (zh) | 车载复合电源功率分配优化方法 | |
CN112434374B (zh) | 一种纯电动汽车复合电源系统的容量配比方法及系统 | |
CN113627721B (zh) | 一种基于层次分析法的电动汽车能量系统运行模式分析优化方法 | |
CN117060468B (zh) | 基于改进nsga-ii算法的储能调峰容量优化配置方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |