CN116090092A - 一种新能源车辆电池包的安全设计方法及其电池包 - Google Patents

一种新能源车辆电池包的安全设计方法及其电池包 Download PDF

Info

Publication number
CN116090092A
CN116090092A CN202211607597.7A CN202211607597A CN116090092A CN 116090092 A CN116090092 A CN 116090092A CN 202211607597 A CN202211607597 A CN 202211607597A CN 116090092 A CN116090092 A CN 116090092A
Authority
CN
China
Prior art keywords
battery pack
design
weight
optimization
optimal
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.)
Pending
Application number
CN202211607597.7A
Other languages
English (en)
Inventor
王爽
汪雁
冷强
武文亚
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.)
China Fire Rescue College
Original Assignee
China Fire Rescue College
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 China Fire Rescue College filed Critical China Fire Rescue College
Priority to CN202211607597.7A priority Critical patent/CN116090092A/zh
Publication of CN116090092A publication Critical patent/CN116090092A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects

Landscapes

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

Abstract

本公开涉及一种新能源车辆电池包的安全设计方法及其电池包，所述方法包括如下步骤：建立电池包的初始有限元模型；确定电池包的设计变量、优化目标和约束条件，优化目标为一阶固有频率最大、质量最小和挤压变形最小，得到多目标优化设计函数；获取设计变量的试验设计的样本点，采用响应面法对样本点及多个目标参数进行拟合得到近似模型；通过多目标优化设计获取结构多个目标的Pareto解，基于最优最劣法‑熵权法‑博弈论获取所述多个目标参数的权重值，进而获取电池包结构的优化设计后的最优解，将所述最优解输入初始有限元模型得到优化后的电池包有限元模型，最终实现了新能源车辆电池包的轻量化设计。本公开获取的优化模型在性能不降低的前提下，实现了减重。

Description

一种新能源车辆电池包的安全设计方法及其电池包
技术领域
本公开涉及新能源汽车结构领域新能源汽车结构领域，具体涉及一种新能源车辆电池包的安全设计方法及其电池包。
背景技术
随着环境污染和能源短缺问题的日益严峻，新能源汽车的研发成为汽车行业的发展重心。动力电池作为其关键技术之一，直接影响车辆的续航里程与行驶安全，而承载动力电池模组的电池包则是电动汽车的关键安全部件，因此，针对动力电池包安全性能的研究是新能源汽车被动安全的重中之重。它的力学特性同时影响着电、热和机械系统的安全与可靠性。汽车在行驶过程中，来自路面和其他外界的冲击与激励都将经由车身与底板系统传递至电池包处，同时承担了外界对汽车的冲击和挤压变形的风险。同时，现有技术中也缺少对新能源车辆电池包的多目标设计最优化的设计方法。
发明内容
本公开提供一种新能源车辆电池包的安全设计方法及其电池包，能够解决现有技术中存在的缺少新能源车辆电池包的多目标设计最优化设计的问题，实现获取最满意的优化设计结果。为实现上述目的，本公开提供一种新能源车辆电池包的安全设计方法，包括如下步骤：
S1、建立电池包的初始有限元模型；
S2、根据所述初始有限元模型模拟电池包在颠簸路面急刹车、颠簸路面急转弯和颠簸路面倒车制动工况下的受力情况以及约束条件下的前六阶模态的动态性能；
S3、将所述初始有限元模型限定的电池包进行模拟挤压测试，根据模拟挤压测试结果对电池包的材料进行部分替换，其中，上顶板采用碳纤维复合材料、中部围板采用高强钢材料、下底板采用铝合金材料；
S4、将电池包结构尺寸参数中的上顶板厚度、中部围板厚度、下底板厚度、上顶板材料、中部围板材料和下底板材料作为待优化参数设计变量，并分别设置上述待优化参数设计变量的初始值；
S5、确定电池包的优化目标和约束条件，优化目标为一阶固有频率最大、质量最小和挤压变形最小，约束条件为颠簸路面下的急刹车、急转弯和倒车制动工况下的最大变形量均不大于2mm，得到多目标优化设计函数；
S6、根据S4和S5中设置好边界条件的初始有限元模型数据计算得到所述多目标优化设计函数中的多个性能目标参数，通过初始设计变量获取初始模型试验设计样本点，然后采用响应面法对样本点及目标参数进行拟合得到近似模型；
S7、采用HyperStudy中的NSGA-II算法获取多目标的Pareto解集，然后基于最优最劣解-熵权法-博弈论获取所述多个目标参数的权重值，进而获取电池包结构的优化设计后的最优解，将所述最优解输入初始有限元模型得到优化后的电池包有限元模型。
较佳地，步骤S4中的所述待优化参数设计变量的初始值分别为：上顶板厚度2.2mm，中部围板厚度2.4mm，下底板厚度3mm，上顶板材料、中部围板材料和下底板材料均为铝合金材料。
较佳地，步骤S5中的多目标优化设计函数如下：
其中：T1、T2、T3、M1、M2、M3为设计变量，M为电池包质量，f为一阶固有频率；De为挤压变形量；Db、Dt和Dr分别为电池包颠簸急刹车时变形量、电池包颠簸状态下的急转弯时变形量和倒车制动时电池包变形量。
较佳地，采用响应面法对样本点及多个目标参数进行拟合得到近似模型，包括：基于初始有限元模型的多个目标参数，然后基于导入初始有限元模型数据的Nastran和Ls-dyna软件计算获取样本点后，运用响应面法构建所述样本点与性能响应的近似模型，随后在所述近似模型的基础上进行多目标优化设计，通过NSGA-II算法获取最终的轻量化优化结果。
较佳地，所述轻量化优化结果为Pareto解集。
较佳地，获取所述多个目标参数的权重值，包括如下步骤：
采用最优最劣法和熵权法分别获取不同的权重值，然后采用博弈论综合所述不同的权重值以获取所述权重值。
较佳地，所述最优最劣法包括：
通过最优最劣法在准则集{c1,c2,…,cn}中选取最优准则和最劣准则，按照标度打分，构建比较向量AB＝(aB1,aB2,…,aBn),其中aBi是最优准则与准则集{c1,c2,…,cn}中的ci相比的偏好程度，其中i取值为1、2，…，n；确定其他所有准则相比于最劣准则的偏好程度，构建比较向量AW＝(a1w,a2w,…,anw)T；将非线性BWM模型按照如下方式转化为线性模型：
minmax{|wB-aBiwi|,|wi-aiwwW|}
所述线性模型转化为：
minρ
求解所述线性模型得到主观权重值及ρ，其中，ρ为衡量一致性程度的指标；
和/或，基于熵权法求解出客观权重值：
首先，对评价指标建立矩阵，假如有p个评价指标，n个评价对象的指标值构成评价矩阵P：
式中，pij为第j个评价指标下第i个评价对象的评价值，求第j个评价指标下第i个评价对象指标值的比重：再求第j个评价指标的熵值：
据Shannon的信息理论，当Rij＝0,RijlnRij＝0，最后求第j个评价指标的差异系数εj和权重系数wj作为客观权重值：
权重系数体现了指标的信息量，同一评价指标对于不同的对象有不同的客观权重。
较佳地，基于博弈论对主观权重值和客观权重值进行计算，包括如下步骤：建立一个由主权权重值和客观权重值组成的初始的权重向量集合：
vl＝{vl1,vl2,…,vlm}(l＝1,2,…,η)，
定义不同向量之间的线性组合为：
式中：v为权重向量集合中存在的最优权值向量，β1为线性组合系数，其始终为正值且总和为1，通过博弈论优化η个组合系数β1，促使v与vl间距达到离差极小值，如下式：
该式对应的最优化一阶导数线性方程组表达式为：
求出最优化向量(β1，β2，…，βη)T，对此进行归一化处理后得出最满意的博弈论综合权重向量v'为：
较佳地，在获取权重值之后，还包括如下步骤：获取电池包结构的优化设计后的最优解，将获取的优化设计后的最优设计变量分别输入有限元模型，得到了优化后的电池包有限元模型。
本公开还提供一种电池包，包括上述的方法设计得到的电池包。
相对于现有技术，本公开的有益效果为：采用多目标优化的优化目标和约束条件，在计算出各个性能后再采用响应面法对样本点及性能响应进行近似模型的拟合，通过NSGA-II算法实现对电池包结构的多目标优化设计；在获取多目标优化设计后的Pareto解集后，再通过最优最劣法得到主观权重，通过熵权法获取客观权重，引入博弈论方法将主观权重和客观权重进行有机结合，避免单一赋权法的缺陷；将最满意的优化设计变量输入有限元模型得到优化后的模型进行多个工况的计算分析，获取的优化模型在性能不降低的前提下，实现了减重。
附图说明
图1为电池包初始有限元模型；
图2为Pareto解集；
图3为Pareto最优解；
图4为优化有限元模型。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
实施例1
本实施例提供一种新能源车辆电池包的安全设计方法，包括如下步骤：
S1、建立电池包的初始有限元模型；其中，可以初始的纯电动汽车驾驶室底部的铝合金电池包结构为基础，在CATIA中建立电池仓的三维实体模型，通过有限元建模原则在HyperMesh中建立有限元模型，然后对其进行模型简化、几何清理和按照10mm尺寸进行网格划分，最后对建立的有限元模型进行质量检查，获取电池包的有限元模型，如图1所示。电池仓结构所采用的材料为6082—T6铝合金，其弹性模量为7.2×104MPa,泊松比为0.32，密度为2.7×10-9t/mm3，屈服强度为281MPa，抗拉强度为355MPa，另外，采用六面体单元模拟电池模组单元，例如，设置弹性模量为0.5GPa，密度为2000kg/m3，泊松比为0.01。最终获取142846个节点，141626个单元，网格质量满足要求。
S2、根据所述初始有限元模型模拟电池包在颠簸路面急刹车、颠簸路面急转弯和颠簸路面倒车制动工况下的受力情况以及约束条件下的前六阶模态的动态性能；其中，可以参照电池包在使用过程中遇到的实际工况下的受力情况，采用Nastran计算出电池包在路面上刹车、转弯和紧急制动等工况下受力情况；具体如下：
1)颠簸路面急刹车
将电池包与车架托架螺栓孔中心的所有平动及转动自由度进行约束，垂向加速度和纵向加速度分别设为2g和1g。然后将电池总成(质量为300kg)对电池包的作用力以均布载荷在相应位置施加，最后通过Nastran进行计算分析，变形量为0.88mm。
2)颠簸路面急转弯
将电池包与车架托架螺栓孔中心的所有平动及转动自由度进行约束，垂向加速度和侧向加速度分别设为2g和1g。然后将电池总成(质量为300kg)对电池包的作用力以均布载荷在相应位置施加，最后通过Nastran进行计算分析，变形量为1.2mm。
3)颠簸路面倒车制动
将电池包与车架托架螺栓孔中心的所有平动及转动自由度进行约束，垂向加速度和侧向加速度分别设为2g和0.8g。然后将电池总成(质量为300kg)对电池包的作用力以均布载荷在相应位置施加，最后通过Nastran进行计算分析，变形量为0.65mm。
4)约束条件下的模态
将电池包与车架连接部位的螺栓孔进行全自由度的约束模拟，然后在HyperMesh中将模态分析的方式设置为EIGRL，并将电池包的有限元模型导入到Nastran中求解，获取初始模型的一阶频率为25.6Hz。
S3、将所述初始有限元模型限定的电池包进行模拟挤压测试，根据模拟挤压测试结果对电池包的材料进行部分替换，其中，上顶板采用碳纤维复合材料、中部围板采用高强钢材料、下底板采用铝合金材料；
本实施例中，可根据GB/31467.3-2005的要求，采用长度为90cm半圆柱体(半径为8cm)对电池包结构进行挤压变形分析，挤压方向为X和Y方向(汽车行驶方向为X轴)，与此同时，参考型号为CX-5067-AP的专用电池包挤压机，在挤压方向的非挤压侧设置相应的挤压板；将挤压板的三个平动和三个转动自由度进行约束，采用刚性材料MATL20对其进行模拟。将挤压柱的挤压头中除挤压方向的平动自由度之外的其他自由度进行约束，在挤压方向上施加恒定速度对电池包进行挤压。当挤压力达到100KN(GB/31467.3-2005第一号修改单)或挤压变形量在挤压方向达到电池包整体尺寸的30％时，挤压结束；保持10分钟，要求电池包无着火和爆炸现象发生；然后基于该性能结果，对该电池包的铝合金材料进行部分的替换，初步选取上顶板采用碳纤维复合材料，中部围板采用高强钢材料，下底板仍采用传统的铝合金材料。
S4、将电池包结构参数中的上顶板厚度、中部围板厚度、下底板厚度、上顶板材料、中部围板材料和下底板材料作为待优化参数设计变量，并分别设置上述待优化参数设计变量的初始值；其中，将上顶板厚度、中部围板厚度、下底板厚度、上顶板材料、中部围板材料和下底板材料分别用T1、T2、T3、M1、M2、M3进行描述，以尺寸变量初始值及上下浮动20％作为3个水平，以碳纤维复合材料、铝合金和高强钢定义为材料的3个不同的水平。基于拉丁超立方建立电池包结构参数试验设计仿真分析的因素水平表，如表1所示。
表1结构参数因素水平表
Run T1 T2 T3 M1 M2 M3
1 1.9 2 3.1 1 2 2
2 1.9 2.5 2.8 2 3 1
3 2 2.2 2.6 3 1 3
4 2.4 2.1 3 1 3 1
5 1.8 2.8 3.4 2 3 3
6 1.8 2.4 2.6 3 3 2
7 2.4 2.8 3.4 1 2 2
8 2.6 2 3.5 2 3 3
9 2.1 2 3.1 3 2 2
10 1.9 2.2 3.5 1 1 2
11 2.6 2.5 2.7 2 1 2
12 2.2 2 2.5 3 3 1
13 2.5 2.3 2.7 1 2 3
14 2.3 2.7 3.2 2 2 3
15 2 2.2 2.5 3 2 1
16 2.2 2.1 2.7 1 3 1
17 1.9 2.4 3.3 2 1 3
18 2.4 2.1 2.8 3 1 1
19 2.1 2.3 3 1 2 3
20 1.8 2.1 2.9 2 1 2
21 2.3 2.3 2.6 3 1 2
22 2 2.7 3.2 1 3 1
23 2.5 2.8 2.9 2 1 2
24 2 2.5 3.2 3 1 2
25 2.2 2.2 2.9 1 3 1
26 2.5 2.6 3.3 2 2 1
27 2.1 2.7 3.1 3 3 3
28 1.8 2.6 2.5 1 2 3
29 2.6 2.6 3 2 2 1
30 2.3 2.4 2.8 3 1 3
对定义的电池包结构尺寸参数中的上顶板厚度、中部围板厚度、下底板厚度、上顶板材料、中部围板材料和下底板材料等尺寸和材料的6个设计变量作为待优化参数设计变量，其初始值分别为2.2mm,2.4mm，3mm，铝合金材料(5052)，铝合金材料(5052)，铝合金材料(5052)；其尺寸的上下限值分别为[1.8,2.6],[2,2.8],[2.5,3.5]；材料变量的水平值(1，2，3)分别对应DP450,碳纤维复合材料和铝合金5052。
S5、确定电池包的优化目标和约束条件，优化目标为一阶固有频率最大、质量最小和挤压变形最小，约束条件为颠簸路面下的急刹车、急转弯和倒车制动工况下的最大变形量均不大于2mm，得到多目标优化设计函数；
本实施例中，多目标优化的数学模型可以表示为：
式中：T1、T2、T3、M1、M2、M3为设计变量，M为电池包质量，f为一阶固有频率；De为挤压变形量；Db、Dt和Dr分别为电池包颠簸急刹车时变形量、电池包颠簸状态下的急转弯时变形量和倒车制动时电池包变形量。
S6、根据S4和S5中设置好边界条件的初始有限元模型数据计算得到所述多目标优化设计函数中的多个性能目标参数，通过初始设计变量获取初始模型试验设计样本点，然后采用响应面法对样本点及目标参数进行拟合得到近似模型；
本实施例中，采用响应面法对样本点及多个目标参数进行拟合得到近似模型，包括：基于初始有限元模型的多个目标参数，然后基于导入初始有限元模型数据的Nastran和Ls-dyna软件计算获取样本点后，运用响应面法构建所述样本点与性能响应的近似模型，随后在所述近似模型的基础上进行多目标优化设计函数下的优化设计，获取最终的轻量化优化结果。对近似模型的拟合精度进行分析，由表2可知所有性能响应的R2值(R2值一般为[0-1]之间的值，越靠近1说明拟合的越好)都在0.89以上，满足工程设计中要求的R2值大于0.85的要求，因此该近似模型可以实现对电池包结构的多目标优化设计。其中，基于电池包初始模型的性能信息，然后基于试验设计获取样本点后，在大量样本点的基础上，运用响应面法构建样本点信息与性能响应的近似模型，随后在该近似模型的基础上运用NSGA-II算法进行优化设计，获取最终的轻量化优化结果，如图2所示，轻量化优化结果为Pareto解集。
表2电池包近似模型各响应的R2值
响应 M f <![CDATA[D<sub>e</sub>]]> <![CDATA[D<sub>b</sub>]]> <![CDATA[D<sub>t</sub>]]> <![CDATA[D<sub>r</sub>]]>
<![CDATA[R<sup>2</sup>]]> 0.9965 0.9921 0.9134 0.9546 0.9512 0.9471
S7、采用HyperStudy中的NSGA-II算法获取多目标的Pareto解集，然后基于最优最劣解-熵权法-博弈论获取所述多个目标参数的权重值，进而获取电池包结构的优化设计后的最优解，将所述最优解输入初始有限元模型得到优化后的电池包有限元模型。
本实施中，获取所述多个目标参数的权重值，包括如下步骤：
采用最优最劣法和熵权法分别获取不同的权重值，然后采用博弈论综合所述不同的权重值以获取所述权重值。
在一些优选的实施例中，通过最优最劣法在准则集{c1,c2,…,cn}中选取最优准则和最劣准则，按照标度打分，构建比较向量AB＝(aB1,aB2,…,aBn),其中aBi是最优准则与准则集{c1,c2,…,cn}中的ci相比的偏好程度，其中i取值为1、2，…，n；确定其他所有准则相比于最劣准则的偏好程度，构建比较向量AW＝(a1w,a2w,…,anw)T；将非线性BWM模型按照如下方式转化为线性模型：
minmax{|wB-aBiwi|,|wi-aiwwW|}
所述线性模型转化为：
minρ
求解所述线性模型得到主观权重值及ρ，其中，ρ为衡量一致性程度的指标；该值可以认定为衡量判断一致性关系的指标，该值越接近于0，说明一致性程度越高。
在一些优选的实施例中，熵权法计算步骤简单，有效利用了指标数据，排除了主观因素的影响，在此评价指标方法，各个评价指标在内容、量纲、取值优劣性等方面存在较大不同，一般需要进行数据的无量纲化处理，标准化处理体系包含两类指标：正向性指标、逆向性指标，同时将这两类指标进行数据的标准化处理。当指标数据越大越好，即为正指标时，其标准化公式为当指标值越小越好，即为逆指标时，其标准化公式为本实施例研究的数据指标有正指标，也有逆指标。
基于熵权法求解出客观权重值包括如下步骤：
首先，对评价指标建立矩阵，假如有p个评价指标，n个评价对象的指标值构成评价矩阵P：
式中，pij为第j个评价指标下第i个评价对象的评价值，求第j个评价指标下第i个评价对象指标值的比重：再求第j个评价指标的熵值：
据Shannon的信息理论，当Rij＝0,RijlnRij＝0，最后求第j个评价指标的差异系数εj和权重系数wj作为客观权重值：
权重系数体现了指标的信息量，同一评价指标对于不同的对象有不同的客观权重。
较佳地，基于博弈论对主观权重值和客观权重值进行计算，包括如下步骤：建立一个由主权权重值和客观权重值组成的初始的权重向量集合：
vl＝{vl1,vl2,…,vlm}(l＝1,2,…,η)，
定义不同向量之间的线性组合为：
式中：v为权重向量集合中存在的最优权值向量，β1为线性组合系数，其始终为正值且总和为1，通过博弈论优化η个组合系数β1，促使v与vl间距达到离差极小值，如下式：
该式对应的最优化一阶导数线性方程组表达式为：
求出最优化向量(β1，β2，…，βη)T，对此进行归一化处理后得出最满意的博弈论综合权重向量v'为：
最终性能M、f、De通过博弈论后获取的权重值分别为v'＝(0.4009，0.2867，0.3124)。
作为一种优选的实施方式，在获取权重值之后，还包括如下步骤：获取电池包结构的优化设计后的最优解，将获取的优化设计后的最优设计变量分别输入有限元模型，得到了优化后的电池包有限元模型。
经过上述权重值的计算，最终获取电池包结构的优化设计后的Pareto最优解如图3所示(五角星)。
S8、通过对电池包进行多目标优化设计，将上述获取的优化设计变量分别输入有限元模型，得到了优化后的电池包有限元模型。
优化前后的设计变量变化如表3所示。
表3优化前后的电池包设计变量
T1/mm T2/mm T3/mm M1 M2 M3
初始 2.2 2.4 3 铝合金5052 铝合金5052 铝合金5052
优化 1.8 2.2 2.6 DP450 碳纤维 铝合金5052
将优化后的模型针对上述工况进行计算分析后获取性能响应，将优化前后的性能响应统计如下表4所示。结果显示模型在性能不降低的前提下，实现了减重22.3％。
表4优化前后性能响应
M/kg f/Hz <![CDATA[D<sub>e</sub>/mm]]> <![CDATA[D<sub>b</sub>/mm]]> <![CDATA[D<sub>t</sub>/mm]]> <![CDATA[D<sub>r</sub>/mm]]>
初始 260 25.6 0.92 0.88 1.2 0.65
优化 202.02 29.4 1.11 1.07 1.36 0.97
相对变化率 -22.3％ 14.84％ 20.65％ 21.59％ 13.33％ 49.23％
优化后的有限元模型如图4所示。本实施例采用多目标优化的优化目标和约束函数，在计算出各个性能后再采用响应面法对样本点及性能响应进行近似模型的拟合，实现对电池包结构的多目标优化设计；在获取多目标优化设计后的Pareto解集后，再通过最优最劣法得到主观权重，通过熵权法获取客观权重，引入博弈论方法将主观权重和客观权重进行有机结合，避免单一赋权法的缺陷；将最满意的优化设计变量输入有限元模型得到优化后的模型进行多个工况的计算分析，获取的模型在性能不降低的前提下，实现了减重22.3％。
相对于现有技术，本实施例的有益效果为：采用多目标优化的优化目标和约束条件，在计算出各个性能后再采用响应面法对样本点及性能响应进行近似模型的拟合，实现对电池包结构的多目标优化设计；在获取多目标优化设计后的Pareto解集后，再通过最优最劣法得到主观权重，通过熵权法获取客观权重，引入博弈论方法将主观权重和客观权重进行有机结合，避免单一赋权法的缺陷；将最满意的优化设计变量输入有限元模型得到优化后的模型进行多个工况的计算分析，获取的模型在性能不降低的前提下，实现了减重。
实施例2
本实施例还提供一种电池包，采用实施例1中的设计方法设计得到的电池包。
尽管已经示出和描述了本公开的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本公开的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本公开的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种新能源车辆电池包的安全设计方法，其特征在于，包括如下步骤：
S1、建立电池包的初始有限元模型；
S2、根据所述初始有限元模型模拟电池包在颠簸路面急刹车、颠簸路面急转弯和颠簸路面倒车制动工况下的受力情况以及约束条件下的前六阶模态的动态性能；
S3、将所述初始有限元模型限定的电池包进行模拟挤压测试，根据模拟挤压测试结果对电池包的材料进行部分替换，其中，上顶板采用碳纤维复合材料、中部围板采用高强钢材料、下底板采用铝合金材料；
S4、将电池包结构尺寸参数中的上顶板厚度、中部围板厚度、下底板厚度、上顶板材料、中部围板材料和下底板材料作为待优化参数设计变量，并分别设置上述待优化参数设计变量的初始值；
S5、确定电池包的优化目标和约束条件，优化目标为一阶固有频率最大、质量最小和挤压变形最小，约束条件为颠簸路面下的急刹车、急转弯和倒车制动工况下的最大变形量均不大于2mm，得到多目标优化设计函数；
S6、根据S4和S5中设置好边界条件的初始有限元模型数据计算得到所述多目标优化设计函数中的多个性能目标参数，通过初始设计变量获取初始模型试验设计样本点，然后采用响应面法对样本点及目标参数进行拟合得到近似模型；
S7、采用HyperStudy中的NSGA-II算法获取多目标的Pareto解集，然后基于最优最劣解-熵权法-博弈论获取所述多个目标参数的权重值，进而获取电池包结构的优化设计后的最优解，将所述最优解输入初始有限元模型得到优化后的电池包有限元模型。
2.如权利要求1所述的新能源车辆电池包的安全设计方法，其特征在于，步骤S4中的所述待优化参数设计变量的初始值分别为：上顶板厚度2.2mm，中部围板厚度2.4mm，下底板厚度3mm，上顶板材料、中部围板材料和下底板材料均为铝合金材料。
3.如权利要求1所述的新能源车辆电池包的安全设计方法，其特征在于，步骤S5中的多目标优化设计函数如下：
其中：T1、T2、T3、M1、M2、M3为设计变量，M为电池包质量，f为一阶固有频率；De为挤压变形量；Db、Dt和Dr分别为电池包颠簸急刹车时变形量、电池包颠簸状态下的急转弯时变形量和倒车制动时电池包变形量。
4.如权利要求3所述的新能源车辆电池包的安全设计方法，其特征在于，采用响应面法对样本点及多个目标参数进行拟合得到近似模型，包括：通过拉丁超立方方法获取初始模型试验设计样本点，将各个样本点导入到初始有限元模型后，通过Nastran和Ls-dyna软件分别进行计算，运用响应面法构建所述样本点与性能响应的近似模型，随后在所述近似模型的基础上进行多目标优化设计，获取最终的轻量化优化结果。
5.如权利要求4所述的新能源车辆电池包的安全设计方法，其特征在于，所述NSGA-II算法的轻量化优化结果为Pareto解集。
6.如权利要求1-5任一项所述的新能源车辆电池包的安全设计方法，其特征在于，获取所述多个目标参数的权重值，包括如下步骤：
采用最优最劣法获取主观权重值，熵权法获取客观权重值，然后采用博弈论综合所述主观权重值和客观权重值以获取所述综合权重值。
7.如权利要求6所述的新能源车辆电池包的安全设计方法，其特征在于，所述最优最劣法包括：通过最优最劣法在准则集{c1,c2,…,cn}中选取最优准则和最劣准则，按照标度打分，构建比较向量AB＝(aB1,aB2,…,aBn),其中aBi是最优准则与准则集{c1,c2,…,cn}中的ci相比的偏好程度，其中i取值为1、2，…，n；确定其他所有准则相比于最劣准则的偏好程度，构建比较向量AW＝(a1w,a2w,…,anw)T；将非线性BWM模型按照如下方式转化为线性模型：
min max{|wB-aBiwi|,|wi-aiwwW|}
所述线性模型转化为：
minρ
求解所述线性模型得到主观权重值及ρ，其中，ρ为衡量一致性程度的指标；
和/或，基于熵权法求解出客观权重值：
对评价指标建立矩阵，假如有p个评价指标，n个评价对象的指标值构成评价矩阵P：
式中，pij为第j个评价指标下第i个评价对象的评价值，求第j个评价指标下第i个评价对象指标值的比重：再求第j个评价指标的熵值：
据Shannon的信息理论，当Rij＝0,Rij ln Rij＝0，最后求第j个评价指标的差异系数εj和权重系数wj作为客观权重值：
权重系数体现了指标的信息量，同一评价指标对于不同的对象有不同的客观权重。
8.如权利要求7所述的新能源车辆电池包的安全设计方法，其特征在于，基于博弈论对上述计算出来的主观权重值和客观权重值进行综合计算，得到综合权重值，包括如下步骤：建立一个由主权权重值和客观权重值组成的初始的权重向量集合：
vl＝{vl1,vl2,…,vlm}(l＝1,2,…,η)，
定义不同向量之间的线性组合为：
式中：v为权重向量集合中存在的最优权值向量，β1为线性组合系数，其始终为正值且总和为1，通过博弈论优化η个组合系数β1，促使v与vl间距达到离差极小值，如下式：
该式对应的最优化一阶导数线性方程组表达式为：
求出最优化向量(β1，β2，…，βη)T，对此进行归一化处理后得出最满意的博弈论综合权重向量v'为：
9.如权利要求8所述的新能源车辆电池包的安全设计方法，其特征在于，在获取权重值之后，还包括如下步骤：获取电池包结构的优化设计后的最优解，将获取的优化设计后的最优设计变量分别输入有限元模型，得到了优化后的电池包有限元模型。
10.一种电池包，其特征在于，包括如权利要求1-9任一项所述的方法设计得到的电池包。
CN202211607597.7A 2022-12-14 2022-12-14 一种新能源车辆电池包的安全设计方法及其电池包 Pending CN116090092A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211607597.7A CN116090092A (zh) 2022-12-14 2022-12-14 一种新能源车辆电池包的安全设计方法及其电池包

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211607597.7A CN116090092A (zh) 2022-12-14 2022-12-14 一种新能源车辆电池包的安全设计方法及其电池包

Publications (1)

Publication Number Publication Date
CN116090092A true CN116090092A (zh) 2023-05-09

Family

ID=86207288

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211607597.7A Pending CN116090092A (zh) 2022-12-14 2022-12-14 一种新能源车辆电池包的安全设计方法及其电池包

Country Status (1)

Country Link
CN (1) CN116090092A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116470225A (zh) * 2023-06-19 2023-07-21 中国第一汽车股份有限公司 承载式电池上盖、车辆及其制备方法
CN116485211A (zh) * 2023-06-16 2023-07-25 中国石油大学(华东) 电池堆综合性能评价多准则决策方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485211A (zh) * 2023-06-16 2023-07-25 中国石油大学(华东) 电池堆综合性能评价多准则决策方法
CN116485211B (zh) * 2023-06-16 2023-09-05 中国石油大学(华东) 电池堆综合性能评价多准则决策方法
CN116470225A (zh) * 2023-06-19 2023-07-21 中国第一汽车股份有限公司 承载式电池上盖、车辆及其制备方法
CN116470225B (zh) * 2023-06-19 2023-10-27 中国第一汽车股份有限公司 承载式电池上盖、车辆及其制备方法

Similar Documents

Publication Publication Date Title
CN116090092A (zh) 一种新能源车辆电池包的安全设计方法及其电池包
Chuang et al. Multidisciplinary design optimization on vehicle tailor rolled blank design
Wang et al. Structure-material-performance integration lightweight optimisation design for frontal bumper system
CN112685946B (zh) 基于二阶响应面模型的新能源汽车电池包壳体减重设计方法
Chu et al. Lightweight scheme selection for automotive safety structures using a quantifiable multi-objective approach
CN108920780A (zh) 一种基于应变能的车身结构优化设计方法
CN112257189B (zh) 一种客车骨架轻量化的多学科优化方法
Lei et al. Multiobjective discrete optimization using the TOPSIS and entropy method for protection of pedestrian lower extremity
Wang et al. Research on lightweight design of automobile collision safety structure based on multiple materials
Jiang et al. Reliability-based multilevel optimization of carbon fiber-reinforced plastic control arm
Sun et al. Multiscale uncertainty propagation analysis and reliability optimization of the CFRP crossbeam of the twist beam axle
Wang et al. Hierarchical optimization of a novel vehicle door system under side impact based on integrated weighting method
Li et al. Multiple-criteria evaluation of thin-walled energy-absorbing structures of train under fuzzy environment: modeling and algorithm
CN112257188A (zh) 一种混合动力客车骨架的轻量化设计方法
Donga Application of sandwich beam in Automobile front bumper for frontal crash analysis
Zhang et al. Research on the lightweight design and multilevel optimization method of B‐pillar of hybrid material based on side‐impact safety and multicriteria decision‐making
CN113127978B (zh) 一种仪表板横梁轻量化的优化方法
CN111310281B (zh) 一种汽车车架轻量化的多学科设计方法
Yasar et al. Design, analysis and optimization of heavy vehicle chassis using finite element analysis
CN113722954A (zh) 一种电动汽车电池包壳体轻量化设计方法
Sreenivas et al. Investigating the crashworthiness of kenaf/kevlar hybrid composite frontal car fascia for low-velocity impact using LS-DYNA
Li et al. Lightweight Design of Commercial Vehicle Cab Based on Fatigue Durability.
Shaikh et al. Finite Element Analysis and Machine Learning Guided Design of Carbon Fiber Organosheet-Based Battery Enclosures for Crashworthiness
Ali Use of finite element technique for the analysis of composite structures
CN116882058A (zh) 一种用于汽车地板的复合材料轻量化设计与优化方法

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