CN115408893B - 一种基于疲劳寿命预测的电池包设计方法 - Google Patents

一种基于疲劳寿命预测的电池包设计方法 Download PDF

Info

Publication number
CN115408893B
CN115408893B CN202210769560.8A CN202210769560A CN115408893B CN 115408893 B CN115408893 B CN 115408893B CN 202210769560 A CN202210769560 A CN 202210769560A CN 115408893 B CN115408893 B CN 115408893B
Authority
CN
China
Prior art keywords
battery pack
finite element
fatigue life
pack system
element model
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.)
Active
Application number
CN202210769560.8A
Other languages
English (en)
Other versions
CN115408893A (zh
Inventor
潘勇军
张啸西
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN202210769560.8A priority Critical patent/CN115408893B/zh
Publication of CN115408893A publication Critical patent/CN115408893A/zh
Application granted granted Critical
Publication of CN115408893B publication Critical patent/CN115408893B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Battery Mounting, Suspending (AREA)

Abstract

本发明公开一种基于疲劳寿命预测的电池包设计方法，包括以下步骤：1)建立电池包系统有限元模型；2)设置电池包系统有限元模型部件参数；3)测试在不同工况下，电池包系统有限元模型的系统疲劳寿命；4)修改电池模组有限元模型部件参数，并返回步骤3)，直至获取若干电池包系统有限元模型的系统疲劳寿命；5)搭建疲劳寿命预测模型；6)利用搭建的疲劳寿命预测模型预测所有电池包系统部件参数组合下的疲劳寿命；7)依据预设需求条件筛选满足预设需求的电池包系统部件参数组合。本发明解决了在不同需求下进行电池包设计时所存在的费力，耗时，疲劳寿命预测复杂的问题。

Description

一种基于疲劳寿命预测的电池包设计方法
技术领域
本发明涉及电动汽车领域，具体是一种基于疲劳寿命预测的电池包设计方法。
背景技术
随着我国汽车工业的迅速发展，电动汽车的保有量居世界首位，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，若不对不同工况下的电池包系统进行应力分析，将无法评估受机械滥用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。
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，对电池包系统疲劳寿命进行预测从而指导电池包的设计，具有非常重要的工程实用价值。
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受载安全性进行研究，国内外专家学者对电池包系统的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。为了进行电池包系统的合理设计，设计人员必须基于有限元模型执行上万次分析来了解整个电池包系统的疲劳寿命。如图2所示，电池包系统的部件如：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、加强板等必须提供幂级数次的有限元分析从而选取适当的厚度参数以满足疲劳寿命要求，这个过程十分辛苦、昂贵且耗时，因此无法在汽车行业激烈的竞争中推广使用。
发明内容
本发明的目的是提供一种基于疲劳寿命预测的电池包设计方法，包括以下步骤：
1)建立电池包系统有限元模型；
建立电池包系统有限元模型的步骤包括：
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；
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；
建立电池模组有限元模型的步骤包括：
1.2.1)根据电池模组的尺寸参数，建立电池模组几何模型；
1.2.2)对电池模组材料进行均质化处理；
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。
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。
2)设置电池包系统有限元模型部件参数；
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。
3)测试在不同工况下，电池包系统有限元模型的系统疲劳寿命；
所述工况包括挤压工况、冲击工况、振动工况；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。
测试在不同工况下，电池包系统有限元模型的系统疲劳寿命的步骤包括：
3.1)在有限元软件中定义工况的参数，并进行有限元分析，获取当前工况下的电池包系统应力；所述工况参数包括功率谱密度曲线、振动频率、幅值、挤压速度、冲击加速度；
3.2)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；
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；
次数N满足下式：
σmN＝C (1)
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。
4)修改电池模组有限元模型部件参数，并返回步骤3)，直至获取若干电池包系统有限元模型的系统疲劳寿命；
5)搭建三阶响应面近似模型；根据电池包系统有限元模型部件参数、电池包系统有限元模型的系统疲劳寿命建立训练数据集，并对三阶响应面近似模型进行训练，得到疲劳寿命预测模型；
在建立疲劳寿命预测模型时，还利用测试集对疲劳寿命预测模型进行测试；
所述测试集的数据包括电池包系统有限元模型部件参数、电池包系统有限元模型的疲劳寿命。
测试集和训练数据集中，电池包系统有限元模型部件参数为输入数据，电池包系统有限元模型的疲劳寿命为输出数据。
所述三阶响应面模型是一种常用的近似模型，通过三阶多项式函数来拟合样本空间，以此来表征输入与输出之间的非线性关系，其表达式如下所示：
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。
6)利用搭建的疲劳寿命预测模型预测所有电池包系统部件厚度组合下的疲劳寿命；
7)依据预设需求条件筛选满足预设需求的电池包系统部件参数组合。
所述预设需求条件包括疲劳寿命大于预设阈值、电池包系统部件参数处于预设范围。
本发明的技术效果是毋庸置疑的，本发明结合了电池包系统有限元建模和三阶响应面近似预测模型，通过建立完善的电池包系统有限元模型，可获取足够的数据样本，从而能够搭建准确的三阶响应面近似预测模型，使得近似预测模型具备高精度预测疲劳寿命的特征，同时可依据不同的约束条件筛选获取需求下的电池包系统部件厚度组合，从而为电池包系统设计提供指导。
附图说明
图1为本发明方法流程图；
图2为电池包系统的结构图；
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
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。
实施例1：
参见图1至图2，一种基于疲劳寿命预测的电池包设计方法，包括以下步骤：
1)建立电池包系统有限元模型；
建立电池包系统有限元模型的步骤包括：
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；
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；
建立电池模组有限元模型的步骤包括：
1.2.1)根据电池模组的尺寸参数，建立电池模组几何模型；
1.2.2)对电池模组材料进行均质化处理；
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。
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。
2)设置电池包系统有限元模型部件参数；
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。
3)测试在不同工况下，电池包系统有限元模型的系统疲劳寿命；
所述工况包括挤压工况、冲击工况、振动工况；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。
测试在不同工况下，电池包系统有限元模型的系统疲劳寿命的步骤包括：
3.1)在有限元软件中定义工况的参数，并进行有限元分析，获取当前工况下的电池包系统应力；所述工况参数包括功率谱密度曲线、振动频率、幅值、挤压速度、冲击加速度；
3.2)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；
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；
次数N满足下式：
σmN＝C (1)
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。
4)修改电池模组有限元模型部件参数，并返回步骤3)，直至获取若干电池包系统有限元模型的系统疲劳寿命；
5)搭建三阶响应面近似模型；根据电池包系统有限元模型部件参数、电池包系统有限元模型的系统疲劳寿命建立训练数据集，并对三阶响应面近似模型进行训练，得到疲劳寿命预测模型；
在建立疲劳寿命预测模型时，还利用测试集对疲劳寿命预测模型进行测试；
所述测试集的数据包括电池包系统有限元模型部件参数、电池包系统有限元模型的疲劳寿命。
测试集和训练数据集中，电池包系统有限元模型部件参数为输入数据，电池包系统有限元模型的疲劳寿命为输出数据。
所述三阶响应面模型是一种常用的近似模型，通过三阶多项式函数来拟合样本空间，以此来表征输入与输出之间的非线性关系，其表达式如下所示：
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。输出为疲劳寿命，输入为电池包系统有限元模型部件参数。
6)利用搭建的疲劳寿命预测模型预测所有电池包系统部件厚度组合下的疲劳寿命；
7)依据预设需求条件筛选满足预设需求的电池包系统部件参数组合。
所述预设需求条件包括疲劳寿命大于预设阈值、电池包系统部件参数处于预设范围。
实施例2：
参见图1至图2，一种基于疲劳寿命预测的电池包设计方法，,包括以下步骤：
1)建立电池包系统有限元模型；
2)设置电池包系统有限元模型部件参数；
3)测试在不同工况下，电池包系统有限元模型的系统疲劳寿命；
4)修改电池模组有限元模型部件参数，并返回步骤3)，直至获取若干电池包系统有限元模型的系统疲劳寿命；
5)搭建三阶响应面近似模型；根据电池包系统有限元模型部件参数、电池包系统有限元模型的系统疲劳寿命建立训练数据集，并对三阶响应面近似模型进行训练，得到疲劳寿命预测模型；
6)利用搭建的疲劳寿命预测模型预测所有电池包系统部件厚度组合下的疲劳寿命；
7)依据预设需求条件筛选满足预设需求的电池包系统部件参数组合。
实施例3：
一种基于疲劳寿命预测的电池包设计方法，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：
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；
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；
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。
实施例4：
一种基于疲劳寿命预测的电池包设计方法，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：
1)根据电池模组的尺寸参数，建立电池模组几何模型；
2)对电池模组材料进行均质化处理；
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。
实施例5：
一种基于疲劳寿命预测的电池包设计方法，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。
实施例6：
一种基于疲劳寿命预测的电池包设计方法，主要步骤见实施例2，其中，所述工况包括挤压工况、冲击工况、振动工况；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。
实施例7：
一种基于疲劳寿命预测的电池包设计方法，主要步骤见实施例2，其中，测试在不同工况下，电池包系统有限元模型的系统疲劳寿命的步骤包括：
1)在有限元软件中定义工况的参数，并进行有限元分析，获取当前工况下的电池包系统应力；所述工况参数包括功率谱密度曲线、振动频率、幅值、挤压速度、冲击加速度；
2)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；
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；
次数N满足下式：
σmN＝C (1)
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。
实施例8：
一种基于疲劳寿命预测的电池包设计方法，主要步骤见实施例2，其中，在建立疲劳寿命预测模型时，还利用测试集对疲劳寿命预测模型进行测试；
所述测试集的数据包括电池包系统有限元模型部件参数、电池包系统有限元模型的疲劳寿命。
实施例9：
一种基于疲劳寿命预测的电池包设计方法，主要步骤见实施例2，其中，测试集和训练数据集中，电池包系统有限元模型部件参数为输入数据，电池包系统有限元模型的疲劳寿命为输出数据。
实施例10：
一种基于疲劳寿命预测的电池包设计方法，主要步骤见实施例2，其中，所述三阶响应面模型是一种常用的近似模型，通过三阶多项式函数来拟合样本空间，以此来表征输入与输出之间的非线性关系，其表达式如下所示：
其中，βi表示多项式系数，ρ表示变量数。
实施例11：
一种基于疲劳寿命预测的电池包设计方法，主要步骤见实施例2，其中，所述预设需求条件包括疲劳寿命大于预设阈值、电池包系统部件参数处于预设范围。
实施例12：
一种基于疲劳寿命预测的电池包设计方法，包括以下步骤：
1)建立电池包系统有限元模型.
建立电池包系统有限元模型的步骤包括：
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；
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；
建立电池模组有限元模型的步骤包括：
1.2.1)根据电池模组的尺寸参数，建立电池模组几何模型；
1.2.2)对电池模组材料进行均质化处理；
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。
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。
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模组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。
3)测试在不同工况(如挤压工况，振动工况，冲击工况)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，或者定义挤压速度，冲击加速度等定义挤压或冲击工况，而后进行有限元分析，获取不同工况下的电池包系统应力，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；
获取疲劳寿命的基本方法是：通过有限元分析的应力结果得到材料在该条件下所能承受的最大应力幅水平，由一定的工作应力幅对应其S-N曲线求出电池包系统所对应的疲劳寿命，其关系满足如下方程：
σmN＝C (1)
式中σ为应力幅或最大应力，N为达到疲劳破断时的应力循环次数，m，C材料常数。
S-N曲线为材料所承受的应力幅水平与该应力幅下发生疲劳破坏时所经历的应力循环次数的关系曲线。S-N曲线一般使用标准试样进行疲劳试验获得，软件材料库中嵌有不同材料的S-N曲线，因此只需将材料及部件参数导入软件即可获取电池包系统的疲劳寿命；
所述工况包括挤压工况，冲击工况，振动工况(随机振动工况、正扫频振动工况和定频振动工况)。
4)修改电池包系统的有限元模型部件厚度，并返回步骤3)，直至获取若干电池包系统有限元模型的疲劳寿命；
5)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疲劳寿命建立训练数据集，并以此搭建三阶响应面近似模型，得到疲劳寿命预测模型；
在建立疲劳寿命预测模型时，还利用测试集对疲劳寿命预测模型进行测试；
所述测试集的数据包括电池包系统有限元模型的部件厚度、电池包系统有限元模型的疲劳寿命。
测试集和训练数据集中，电池包系统有限元模型的部件厚度为输入数据，电池包系统有限元模型的疲劳寿命为输出数据。
所述三阶响应面模型是一种常用的近似模型，通过三阶多项式函数来拟合样本空间，以此来表征输入与输出之间的非线性关系，其表达式如下所示：
其中，βi表示多项式系数，ρ表示变量数。
6)利用搭建的疲劳寿命预测模型预测所有电池包系统部件厚度组合下的疲劳寿命；
7)依据不同的约束条件(如期望的疲劳寿命大于某个值，某个部件厚度小于某个值)筛选获取需求下的电池包系统部件厚度组合，从而为电池包系统设计提供指导。
实施例13：
参见图1及图2，一种基于疲劳寿命预测的电池包设计方法，包括以下步骤：
1)建立电池包系统有限元模型.
建立电池包系统有限元模型的步骤包括：
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。
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；
建立电池模组有限元模型的步骤包括：
1.2.1)根据电池模组的尺寸参数，建立电池模组几何模型；
1.2.2)对电池模组材料进行均质化处理；
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。
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。
2)设置电池模组有限元模型部件厚度；所述部件厚度包括电池模组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。
3)测试在不同工况下，电池包系统有限元模型的疲劳寿命；
4)修改电池包系统有限元模型的部件厚度，并返回步骤3)，直至获取若干电池包系统有限元模型的疲劳寿命；
5)根据电池包系统有限元模型的部件厚度、电池包系统有限元模型的疲劳寿命建立训练数据集，并以此搭建三阶响应面近似模型，得到疲劳寿命预测模型；
在建立疲劳寿命预测模型时，还利用测试集对疲劳寿命预测模型进行测试；
所述测试集的数据包括电池包系统有限元模型的部件厚度、电池包系统有限元模型的疲劳寿命。
测试集和训练数据集中，电池包系统有限元模型的部件厚度为输入数据，电池包系统有限元模型的疲劳寿命为输出数据。
6)利用搭建的疲劳寿命预测模型预测所有电池包系统部件厚度组合下的疲劳寿命；
7)依据不同的约束条件筛选获取需求下的电池包系统部件厚度组合，从而为电池包系统设计提供指导。
实施例14：
一种基于疲劳寿命预测的电池包设计方法，包括以下步骤：
S1、建立电池包系统有限元模型；
S2、测试不同工况下，电池包系统有限元模型在不同厚度组合下的疲劳寿命；
S3、将不同厚度组合数据，与对应的系统疲劳寿命构成训练数据对；
S4、采用多个训练数据对，建立三阶响应面近似预测模型；
S5、通过近似预测模型对不同厚度组合下的系统疲劳寿命进行预测。
S6、依据不同的约束条件(如期望的疲劳寿命大于某个值，某个部件厚度小于某个值)筛选获取需求下的电池包系统部件厚度组合，从而为电池包系统设计提供指导。
其中，所述步骤S1包括以下分步骤：
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；
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；
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。
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。
所述步骤S12包括以下分步骤：
S121、根据电池模组的尺寸参数，建立电池模组几何模型；
S122、对电池模组材料进行均质化处理；
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。
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。
所述步骤S4包括以下分步骤：
S41、将多个训练数据对划分为训练集和测试集；
S42、采用训练集搭建疲劳寿命的三阶响应面近似预测模型；
S43、采用测试集对搭建的疲劳寿命近似预测模型进行测试，验证其预测精度。
所述步骤S42和S43中在近似预测模型搭建或测试时，将训练数据对的厚度组合数据作为近似预测模型的输入，对应的疲劳寿命作为近似预测模型的输出。
上述方案的有益效果为：通过建立三阶响应面近似预测模型表达不同厚度组合数据与系统疲劳寿命之间复杂的映射关系，其实现过程简单，无需构建复杂的数学模型。
实施例15：
如图1所示，一种基于疲劳寿命预测的电池包设计方法，包括以下步骤：
S1、建立电池包系统有限元模型；
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。
步骤S1包括以下分步骤：
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；
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。
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；
所述步骤S12包括以下分步骤：
S121、根据电池模组的尺寸参数，建立电池模组几何模型；
S122、对电池模组材料进行均质化处理；
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。
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。
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。
S2、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；
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，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疲劳寿命数据，表1所示为电池包系统不同部件的厚度水平。
表1.电池包系统不同部件的厚度水平
S3、将不同厚度组合数据，与对应的系统疲劳寿命构成训练数据对；
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。
S4、采用多个训练数据对，建立三阶响应面疲劳寿命预测模型；
所述步骤S4包括以下分步骤：
S41、将多个训练数据(数据集)对划分为训练集和测试集；
步骤S41具体为，在500个训练数据对的情况下，可采用80％的数据作为训练集，20％的数据作为测试集。
S42、采用训练集搭建疲劳寿命预测的三阶响应面模型。
S43、采用测试集对搭建的三阶响应面疲劳寿命预测模型进行测试。
S5、通过近似预测模型对所有不同厚度组合下的系统疲劳寿命进行预测。
S6、以疲劳寿命大于102.5，长托架厚度＝2.0mm，底壳厚度＝0.9mm为约束条件筛选获取需求下的电池包系统部件厚度组合，从而为电池包系统设计提供指导。
实验结果：
1、为了详细表达三阶响应面模型的精度，选取平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、最大绝对误差(ME)、均方根误差(RMSE)和决定系数(R2)等作为精度评估指标。
2、ME、MAE、MAPE和RMSE用于评估回归预测模型，其值表示相关的误差。误差越小，模型的精度越高。R2是用来衡量回归模型的质量。R2值越大，表示模型的性能越好。表2、表3和表4分别描述了三阶响应面模型的疲劳寿命预测精度、所有电池包系统部件厚度组合下的预测结果以及约束条件下依据需求的筛选结果。
表2.三阶响应面模型的疲劳寿命预测精度
表3.所有电池包系统部件厚度组合下的预测结果
表4.约束条件下依据需求的筛选结果
从表中可以看出，MAE、MAPE和RMSE相对较小，R2接近1。结果表明，建立的三阶响应面模型可以较好地预测电池包系统的振疲劳寿命，且可以依据约束条件筛选出需求的电池包系统部件的厚度组合。
综上所述，本实施例综合考虑了基于疲劳寿命预测的电池包设计问题。结果显示，建立的三阶响应面模型可以较好的预测电池包系统的疲劳寿命，并依据约束条件筛选出需求的电池包系统部件的厚度组合，可以为电池包系统的设计提供指导。

Claims (7)

1.一种基于疲劳寿命预测的电池包设计方法，其特征在于，包括以下步骤：
1)建立电池包系统有限元模型；
2)设置电池包系统有限元模型部件参数；
3)测试在不同工况下，电池包系统有限元模型的系统疲劳寿命；
4)修改电池模组有限元模型部件参数，并返回步骤3)，直至获取若干电池包系统有限元模型的系统疲劳寿命；
5)搭建三阶响应面近似模型；根据电池包系统有限元模型部件参数、电池包系统有限元模型的系统疲劳寿命建立训练数据集，并对三阶响应面近似模型进行训练，得到疲劳寿命预测模型；
6)利用搭建的疲劳寿命预测模型预测所有电池包系统部件厚度组合下的疲劳寿命；
7)依据预设需求条件筛选满足预设需求的电池包系统部件参数组合；
建立电池包系统有限元模型的步骤包括：
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；
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；
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；
测试在不同工况下，电池包系统有限元模型的系统疲劳寿命的步骤包括：
3.1)在有限元软件中定义工况的参数，并进行有限元分析，获取当前工况下的电池包系统应力；所述工况参数包括功率谱密度曲线、振动频率、幅值、挤压速度、冲击加速度；
3.2)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；
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；
次数N满足下式：
σmN＝C(1)
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；
所述三阶响应面模型如下所示：
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。
2.根据权利要求1所述的基于疲劳寿命预测的电池包设计方法，其特征在于，建立电池模组有限元模型的步骤包括：
1)根据电池模组的尺寸参数，建立电池模组几何模型；
2)对电池模组材料进行均质化处理；
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。
3.根据权利要求1所述的基于疲劳寿命预测的电池包设计方法，其特征在于，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。
4.根据权利要求1所述的基于疲劳寿命预测的电池包设计方法，其特征在于，所述工况包括挤压工况、冲击工况、振动工况；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。
5.根据权利要求1所述的基于疲劳寿命预测的电池包设计方法，其特征在于，在建立疲劳寿命预测模型时，还利用测试集对疲劳寿命预测模型进行测试；
所述测试集的数据包括电池包系统有限元模型部件参数、电池包系统有限元模型的疲劳寿命。
6.根据权利要求5所述的基于疲劳寿命预测的电池包设计方法，其特征在于，测试集和训练数据集中，电池包系统有限元模型部件参数为输入数据，电池包系统有限元模型的疲劳寿命为输出数据。
7.根据权利要求1所述的基于疲劳寿命预测的电池包设计方法，其特征在于，所述预设需求条件包括疲劳寿命大于预设阈值、电池包系统部件参数处于预设范围。
CN202210769560.8A 2022-07-01 2022-07-01 一种基于疲劳寿命预测的电池包设计方法 Active CN115408893B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210769560.8A CN115408893B (zh) 2022-07-01 2022-07-01 一种基于疲劳寿命预测的电池包设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210769560.8A CN115408893B (zh) 2022-07-01 2022-07-01 一种基于疲劳寿命预测的电池包设计方法

Publications (2)

Publication Number Publication Date
CN115408893A CN115408893A (zh) 2022-11-29
CN115408893B true CN115408893B (zh) 2023-10-13

Family

ID=84157312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210769560.8A Active CN115408893B (zh) 2022-07-01 2022-07-01 一种基于疲劳寿命预测的电池包设计方法

Country Status (1)

Country Link
CN (1) CN115408893B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114970286A (zh) * 2022-07-01 2022-08-30 重庆大学 一种利用振动应力响应分析的电池包设计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107991103A (zh) * 2017-10-20 2018-05-04 开沃新能源汽车集团有限公司 一种基于真实路谱的电动汽车电池包结构疲劳寿命预测方法
CN111291514A (zh) * 2020-02-03 2020-06-16 华北电力大学 一种风电机组疲劳寿命的快速预测的方法
CN114282409A (zh) * 2021-12-20 2022-04-05 天津市捷威动力工业有限公司 一种电池模组结构疲劳寿命的仿真分析方法及其应用
CN114564872A (zh) * 2022-03-15 2022-05-31 重庆大学 一种用于电池包系统的挤压应力预测方法
WO2022121203A1 (zh) * 2020-12-08 2022-06-16 江苏科技大学 一种球壳表面三维裂纹扩展疲劳寿命的计算方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112710539B (zh) * 2020-12-22 2024-05-17 沈阳工业大学 含褶皱缺陷的风力机叶片主梁疲劳寿命的快速预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107991103A (zh) * 2017-10-20 2018-05-04 开沃新能源汽车集团有限公司 一种基于真实路谱的电动汽车电池包结构疲劳寿命预测方法
CN111291514A (zh) * 2020-02-03 2020-06-16 华北电力大学 一种风电机组疲劳寿命的快速预测的方法
WO2022121203A1 (zh) * 2020-12-08 2022-06-16 江苏科技大学 一种球壳表面三维裂纹扩展疲劳寿命的计算方法
CN114282409A (zh) * 2021-12-20 2022-04-05 天津市捷威动力工业有限公司 一种电池模组结构疲劳寿命的仿真分析方法及其应用
CN114564872A (zh) * 2022-03-15 2022-05-31 重庆大学 一种用于电池包系统的挤压应力预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
杨银忠 ; 姚克明 ; .基于神经网络的液压支架底座疲劳寿命预测.仪表技术与传感器.2018,(第10期),全文. *
王开山 ; 李传日 ; 庞月婵 ; 郭恒晖 ; .基于响应面法的印制电路板组件有限元模型修正.振动与冲击.2015,(第22期),全文. *
高文英 ; .农场电动汽车电池模组随机振动疲劳分析.汽车零部件.2020,(第07期),全文. *

Also Published As

Publication number Publication date
CN115408893A (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
Johannesson Extrapolation of load histories and spectra
US20050143962A1 (en) Computational design methods
CN105608263A (zh) 一种面向涡轮叶盘结构寿命概率分析的自适应处理方法
CN111125946B (zh) 一种基于mdo技术的上车体结构优化方法
CN104239734A (zh) 一种整车四轮六分力道路谱载荷分析方法
CN115408893B (zh) 一种基于疲劳寿命预测的电池包设计方法
Elerath et al. IEEE 1413: A standard for reliability predictions
CN106777478A (zh) 汽车悬臂结构件强度分析的方法
CN114491825A (zh) 一种汽车翼子板振动强度分析方法
CN112069707B (zh) 一种汽车悬臂构件的评估方法、装置、设备及存储介质
Otari et al. Statistical characterization of acceleration levels of random vibrations during transport
CN117892601B (zh) 驾驶室护栏故障位置预测方法、装置、设备及存储介质
Zhang et al. Deep learning-based vibration stress and fatigue-life prediction of a battery-pack system
Klyatis Successful prediction of product performance
CN114970286A (zh) 一种利用振动应力响应分析的电池包设计方法
Deb et al. Use of truncated finite element modeling for efficient design optimization of an automotive front end structure
CN114936485B (zh) 一种用于电池包系统的振动应力及疲劳寿命预测方法
CN117057190A (zh) 一种轨道车辆制动盘温升预测方法
CN115408899B (zh) 一种电池包系统挤压与振动双目标评估方法
CN117390903A (zh) 一种基于疲劳寿命预测的电池包壳体部件尺寸设计方法
CN114564872B (zh) 一种用于电池包系统的挤压应力预测方法
CN115408900B (zh) 一种电池包系统挤压应力与振动疲劳寿命优化方法
CN114254533B (zh) 考核疲劳振动对产品组部件固定角度影响和预测的方法
Magalhaes et al. Failure analysis and design of a front bumper using finite element method along with durability and rig tests
Levinski et al. An Innovative High-Fidelity Approach to Individual Aircraft Tracking

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