详情

原文传递基于萤火虫算法的汽车动力电池包结构多目标优化设计

论文题名：	基于萤火虫算法的汽车动力电池包结构多目标优化设计
关键词：	电动汽车;动力电池包;萤火虫算法;人工神经网络;3D拓扑优化
摘要：	电池包是电动汽车的动力核心，要求其在加工设计时要同时兼备轻量化、防共振性以及拥有足够的强度。从整车重量分布来看，电池包占据整车重量的26％-35％,且电池包每增加5公斤重，续航里程就会减少约5公里，严重影响纯电动汽车续航里程的提高，也极大地阻碍了纯电动汽车的进一步发展，因此电池包的优化设计极为必要。本文将研究重点设定为对某款小型纯电动汽车锂电池包外壳加工参数的最优选择与下壳体易损坏处结构的加强优化设计，采用有限元分析、约束模态实验模型验证、加工参数神经网络预测、仿生结构优化设计以及变密度拓扑优化等方法设计两整套优化流程，解决续航问题，主要研究的内容包括: 　　（1）对电池包进行三维建模与约束模态实验，对比进行模型合理性验证，为后文研究奠定基础。本文利用萤火虫优化算法对反向传播神经网络模型的权重和阈值进行了优化,通过模拟萤火虫捕食方案输出最优解并将其分配为神经网络的新参数。提出了一种N-FA-BP（萤火虫-反向传播）网络模型，通过RMSE（均方根误差）、MSE（均方误差）、MAE（平均绝对误差）等7个评估指标与随机森林、支持向量机和小波基等13种神经网络模型的185组数据集拟合及预测性能进行对比，证明了其更好的预测效果。　　（2）为进一步提高预测精度，比较了N-FA-BP的不同隐藏层拓扑结构，采用蒙特卡罗方法对锂电池壳尺寸参数得到7个设计变量，对采用移动渐近线法的各向同性材料插值模型SIMP（各向同性材料）调用MinGW-w64编译器进行变密度拓扑优化后的结构进行参数回归预测，选取1-3-1神经网络模型对电池壳结构各尺寸进行预测，预测整体仿Π形电池壳体各处理维度，误差均在±3％以内，验证了其良好的预测精度。对优化后的电池壳体结构的3σ随机振动计算表明，优化后的结构仍具有足够的安全系数，每个设计变量的值为[1，1.5,4.5,7.5,8,7,8]（mm）。优化结果为频率相应提高9.1％,减重率为23.6％。　　（3）纯电动汽车的快速发展，如何提高续航能力已成为研究的重点。由于电池组外壳（新能源汽车电池包外壳）的质量较大，在减轻质量的同时，有必要设计优化其结构。本文通过改进上壳材料，并按照大叶朴叶脉纤维的方向增加加强筋，对新能源汽车电池包壳模型进行了重构。基于Sobol序列的准蒙特卡洛方法和带有方差敏感性分析的拉丁超立方体设计被用来确定七个设计变量。使用基本梯度下降算法结合共轭方向法对122个数据集进行了训练和预测，并将预测结果与颠簸道路上急转弯条件下的静态机械模拟进行了比较。结果表明，新能源汽车电池包壳减重率为19.5％,最大应力减重率为27.49％,位移减重率为29.29％,满足材料要求。它的一阶模态频率增加了6.3％,有效地防止了与路面共振的发生。
作者：	高媛媛
专业：	机械工程
导师：	刘娜
授予学位：	硕士
授予学位单位：	山东建筑大学
学位年度：	2023