您當(dāng)前的位置：檢測資訊 > 科研開發(fā)
嘉峪檢測網(wǎng) 2025-04-16 12:21
摘 要：某電動汽車側(cè)面柱碰工況電池模組截面峰值力（Fmax）超標，為提升電池碰撞安全性，同時實現(xiàn)車身輕量化，開展門檻梁截面參數(shù)優(yōu)化。選取26個厚度及位置參數(shù)作為優(yōu)化變量，以減小Fmax和門檻梁質(zhì)量作為目標，以電池模組最大擠壓變形量（dmax）和塑性應(yīng)變（εpmax）作為約束。首先通過最優(yōu)Latin超立方生成樣本，基于樣本建立全連接神經(jīng)網(wǎng)絡(luò)近似模型，然后運用NSGA-Ⅱ算法開展多目標優(yōu)化，最后將優(yōu)化結(jié)果代入仿真進行驗證。結(jié)果表明：優(yōu)化后電池模組Fmax由21.8 kN降低至20 kN以下，達到了安全要求；同時，門檻梁減重1.41%～4.02%，實現(xiàn)了輕量化效果。進一步分析表明，部分方案電池模組dmax和εpmax也同步降低，在減重的同時更全面地提升了電池的碰撞安全性。
關(guān)鍵詞： 側(cè)面柱碰；電池安全；近似模型；輕量化；有限元仿真
發(fā)展新能源汽車是應(yīng)對排放污染和石油能源過度消耗的重要措施。近10年，以電動汽車為代表的新能源汽車產(chǎn)業(yè)得到了快速發(fā)展，市場保有量和滲透率逐年增加。隨著電動汽車的發(fā)展，其安全問題也受到了越來越多的關(guān)注[1]。與傳統(tǒng)燃油車相比，電動汽車的碰撞安全設(shè)計難度更大：一方面，為了提高續(xù)航能力，電動汽車需要安裝質(zhì)量較大的動力電池，導(dǎo)致整車質(zhì)量普遍高于同級別的燃油車，碰撞時慣性和能量更大，對結(jié)構(gòu)的抗撞性要求更高；另一方面，電池殼體本身在一定程度上充當(dāng)著碰撞傳力的路徑，電池模組在受到嚴重沖擊和擠壓時容易發(fā)生失效、漏電、起火甚至爆炸等現(xiàn)象，在考慮乘員安全的同時還要額外考慮對動力電池的保護[2-3]。
常見的汽車事故類型有正面碰撞、側(cè)面碰撞和追尾碰撞等。側(cè)面柱碰是側(cè)面碰撞的一種特殊形式，是指汽車橫向與路邊柱狀物(樹木、交通指示牌等)發(fā)生碰撞的情形。側(cè)面柱碰工況下，車身與障礙物接觸面小，受力集中，而車身側(cè)圍結(jié)構(gòu)又相對薄弱，幾乎沒有車身結(jié)構(gòu)變形吸能空間可以利用[4-5]，因此很容易產(chǎn)生較大的局部變形，進而擠壓到動力電池，危害電池安全。側(cè)面柱碰對電池的保護難度遠高于正面碰撞和追尾碰撞。側(cè)面柱碰試驗納入了2021版中國新車評價規(guī)程(China-New Car Assessment Program，C-NCAP)，規(guī)程中要求電動汽車強制進行測試[6]。
車身門檻梁是側(cè)面柱碰撞工況中起抵抗變形、吸收碰撞能量和保護電池作用的最主要結(jié)構(gòu)。與傳統(tǒng)沖壓鈑金結(jié)構(gòu)相比,“宮格形”截面的擠壓鋁型材門檻梁具有質(zhì)量更輕、抗彎和吸能特性更好等優(yōu)勢，是當(dāng)前電動汽車上廣泛應(yīng)用的結(jié)構(gòu)形式。門檻梁的正向開發(fā)中，概念階段主要借助拓撲優(yōu)化方法來獲得符合結(jié)構(gòu)碰撞變形策略要求的截面?zhèn)髁β窂絒7-9]，然后結(jié)合制造、裝配等工藝因素形成初始截面設(shè)計方案。在詳細設(shè)計階段，需要進一步對門檻梁截面外輪廓及內(nèi)部加強筋的厚度和形狀做參數(shù)優(yōu)化，以達到碰撞安全性和輕量化的最優(yōu)平衡。由于碰撞工況非線性程度高，通常需要利用進化算法(如遺傳算法、粒子群算法等)來搜索全局最優(yōu)解，但迭代中會進行數(shù)以千計的仿真計算，耗費巨大資源[10]。基于近似模型的優(yōu)化方法可大幅提高優(yōu)化效率，是結(jié)構(gòu)碰撞優(yōu)化領(lǐng)域常用的方法之一。姚再起等[11]通過搭建響應(yīng)面近似模型，結(jié)合遺傳算法開展了某車型門檻梁截面優(yōu)化，在抗撞性提升的同時實現(xiàn)了輕量化效果。近似模型法的主要缺點是變量較多時需要大量增加樣本才能保證其精度，導(dǎo)致仿真計算成本的增加。等效靜態(tài)載荷法(equivalent static loads method，ESLM)是另一種在結(jié)構(gòu)碰撞優(yōu)化領(lǐng)域被廣泛應(yīng)用的優(yōu)化方法，其基本原理是將瞬態(tài)非線性碰撞優(yōu)化問題轉(zhuǎn)化為靜態(tài)多工況優(yōu)化問題，而靜態(tài)問題可由梯度法進行快速求解[12]。陸善彬等[13]采用ESLM開展了汽車前端結(jié)構(gòu)抗撞性優(yōu)化，結(jié)果表明該方法可高效高精度求解碰撞優(yōu)化問題。受ESLM啟發(fā)，MA Yanhua等[14]提出了原理相近的等效靜態(tài)位移法，用于解決接觸力優(yōu)化問題。然而，當(dāng)碰撞工況的非線性非常顯著時，ESLM還存在計算效率低、數(shù)值不穩(wěn)定、收斂性變差等問題[15]，需要進一步研究和改進。除借助上述優(yōu)化方法外，在門檻梁腔內(nèi)增加泡沫鋁、復(fù)合材料體等填充物來提高局部抗撞性能也是常用且有效的優(yōu)化措施[16]。
本文以某電動汽車為研究對象，通過有限元仿真分析評估其在柱碰工況下的電池安全性。然后，選取門檻梁截面厚度和位置參數(shù)作為優(yōu)化變量，采用基于近似模型的優(yōu)化方法，按照生成實驗設(shè)計樣本、建立近似模型、遺傳算法尋優(yōu)及仿真驗證的流程開展參數(shù)優(yōu)化，實現(xiàn)電池碰撞安全性提升和車身輕量化的目的。
1. 某電動汽車側(cè)面柱碰有限元仿真
1.1 有限元模型
有限元仿真分析是車輛被動安全設(shè)計領(lǐng)域廣泛應(yīng)用的驗證方法。本文參考2021版C-NCAP側(cè)面柱碰法規(guī)建立了某電動汽車側(cè)面柱碰有限元模型，如圖1所示。整個模型共包含13 751 669個節(jié)點、7 521 432個殼單元、6 697 344個體單元以及435 580個線單元。整車模型以32 km/h (約8.89 m/s)的初速度側(cè)面撞擊直徑為254 mm的剛性立柱，撞擊方向與車輛縱向中心線之間成75°夾角，過剛性立柱中心線與假人頭部重心的平面平行于碰撞方向[17]。運用Ls-Dyna軟件進行計算，采用大規(guī)模并行處理(massively parallel processing，MPP)計算方法，中央處理器(central processing unit，CPU)核數(shù)為256，單次計算時間約8 h。
圖1 某電動汽車側(cè)面柱碰有限元模型
1.2 仿真結(jié)果分析
為了更好地展示門檻梁及電池包在碰撞過程中的局部變形過程，截取了不同時刻門檻梁和電池包撞擊位置的剖面圖，如圖2所示。碰撞初期左前門首先與剛性立柱接觸，直到15 ms時門檻梁開始正式參與碰撞變形；隨后，門檻梁受到擠壓，截面產(chǎn)生屈曲變形，發(fā)揮抗撞和吸能作用，到35 ms時基本被完全壓潰；同時，電池包殼體也在撞擊作用下產(chǎn)生較大變形，電池包邊框開始擠壓到電池模組；隨著碰撞的進行，門檻梁截面進一步潰縮，電池模組局部也產(chǎn)生肉眼可見的擠壓變形，并在48 ms左右達到最大擠壓狀態(tài)；之后，門檻梁和電池包開始回彈，直到碰撞結(jié)束。
圖2 撞擊位置門檻梁及電池包局部變形過程
為了定量評估碰撞結(jié)果，定義電池模組截面力(F)、擠壓變形量(d)和塑性應(yīng)變(εp) 3個參數(shù)來綜合表征電池包的受撞擊程度，如圖3所示。其中，F(xiàn)用來描述模組整體的受力情況，d用來描述模組整體的受擠壓情況，εp則用來描述模組局部的變形和破損情況，3個參數(shù)的數(shù)值越大表示撞擊越嚴重，電池發(fā)生失效、漏電和熱失控的風(fēng)險越大。
圖3 電池碰撞安全量化參數(shù)
基礎(chǔ)狀態(tài)下，撞擊位置每個電池模組F、d和εp在碰撞過程中的變化情況如圖4所示，其趨勢與門檻梁和電池包的變形過程相吻合。從大約15 ms開始，門檻梁開始與剛性立柱接觸，撞擊力經(jīng)門檻梁傳遞到電池包，產(chǎn)生與碰撞方向相反的加速度，在慣性作用下，電池模組內(nèi)部產(chǎn)生輕微的擠壓變形，截面力隨之上升，同時在局部也產(chǎn)生了較小的塑性應(yīng)變；隨后，門檻梁開始潰縮，吸收碰撞能量和撞擊力，電池模組整體發(fā)生回彈，截面力隨之下降；直到35 ms左右，門檻梁基本被完全壓潰，電池模組開始與邊框產(chǎn)生直接接觸，截面力F、擠壓變形量d和塑性應(yīng)變εp迅速增大，并在48 ms左右達到峰值；回彈階段，電池模組產(chǎn)生的彈性變形開始回復(fù)，擠壓變形量d逐漸下降，最后剩余穩(wěn)定的殘余塑性變形，截面力F快速下降到幾乎為零，局部不可回復(fù)的塑性應(yīng)變εp在達到峰值后基本保持不變。
圖4 電池碰撞安全量化參數(shù)vs碰撞時間曲線
根據(jù)電池生產(chǎn)廠商提供的測試數(shù)據(jù)，每一個模組的3個參數(shù)的峰值需同時滿足Fmax< 20 kN、dmax< 5 mm且εpmax< 0.4才能夠充分保證電池的碰撞安全。基礎(chǔ)狀態(tài)下，F(xiàn)max、dmax和εpmax分別為21.8 kN、4.98 mm及0.32。其中，εpmax和dmax滿足安全設(shè)計要求，但dmax安全余量較小，可進一步優(yōu)化；Fmax不滿足安全設(shè)計要求，是待優(yōu)化對象。
2. 門檻梁截面參數(shù)優(yōu)化
2.1 參數(shù)優(yōu)化問題
本文以提高電池碰撞安全性和實現(xiàn)車身輕量化為目的開展門檻梁截面參數(shù)優(yōu)化，所定義的優(yōu)化問題如式(1)-式(4)所示。式中，t = [t1, t2, …, t22]代表22個門檻梁截面厚度變量，s = [s1, s2, s3, s4]代表4個門檻梁截面位置變量，如圖5所示(4個位置變量用紅色線標出，s1和s2沿Y軸移動，s3和s4沿Z軸移動)。厚度變量的優(yōu)化范圍為在初值基礎(chǔ)上浮動(±30)%，且滿足最小值不低于1.8 mm、最大值不超過6.5 mm的工藝約束；位置變量的優(yōu)化范圍為-5～5 mm。
圖5 門檻梁截面參數(shù)優(yōu)化變量及其初值
2.2 基于近似模型法的參數(shù)優(yōu)化流程
由于仿真計算時間成本較高，工程領(lǐng)域通常采用近似模型法開展優(yōu)化以提高優(yōu)化效率。該方法主要包含生成樣本、搭建近似模型、優(yōu)化算法尋優(yōu)和仿真驗證4個步驟[18]，詳細過程如圖6所示。
圖6 基于近似模型法的參數(shù)優(yōu)化流程
本文采用最優(yōu)Latin超立方抽樣法生成優(yōu)化變量的實驗設(shè)計(design of experiment， DOE)樣本，共500組。然后通過仿真計算每個樣本對應(yīng)的響應(yīng)值Fmax、dmax和εpmax并導(dǎo)出質(zhì)量m，與變量DOE樣本合并成完整的樣本數(shù)據(jù)，用于后續(xù)搭建近似模型。
為了更好地描述碰撞工況下變量與響應(yīng)之間的高度非線性關(guān)系，選擇機器學(xué)習(xí)領(lǐng)域具有強大數(shù)據(jù)擬合和泛化能力的全連接神經(jīng)網(wǎng)絡(luò)(fully connected neural network，F(xiàn)CNN)來建立近似模型。為降低難度，為每一個響應(yīng)分別建立FCNN模型并單獨訓(xùn)練。每個FCNN模型均包含3層隱藏層，每層15個神經(jīng)元，激活函數(shù)為雙曲正切函數(shù)，損失函數(shù)為計算值與真實值的均方誤差，通過誤差反向傳播法更新網(wǎng)絡(luò)參數(shù)。樣本數(shù)據(jù)的80%用于訓(xùn)練模型，剩余的20%用于驗證訓(xùn)練效果，并通過決定系數(shù)(coefficient of determination)R2來量化模型預(yù)測精度，數(shù)值越大表示精度越高，最大為1。最終驗證結(jié)果如圖7所示。可以看出，質(zhì)量m預(yù)測精度極高，R2接近為1，這是由于質(zhì)量m與變量之間為簡單線性關(guān)系，擬合難度低；Fmax、dmax和εpmax 3個響應(yīng)與變量之間為高度非線性關(guān)系，擬合難度大大增加，R2降低到0.86～0.89，但總體滿足近似模型的精度要求。
圖7 FCNN近似模型預(yù)測精度驗證
在尋優(yōu)階段，本文選擇第 2 代非支配排序遺傳算法(non-dominated sorting genetic algorithms-Ⅱ，NSGA-Ⅱ)作為優(yōu)化算法，該算法在處理多變量、多目標、多約束的復(fù)雜非線性優(yōu)化問題時具有較強的全局尋優(yōu)能力[19]。相關(guān)參數(shù)設(shè)置為：初始種群數(shù)量60、交叉率0.8、交叉分布指數(shù)4，變異分布指數(shù)6，最大迭代次數(shù)500，變量格式設(shè)置為離散變量(取值間隔0.1)。優(yōu)化過程中，NSGA-Ⅱ調(diào)用訓(xùn)練好的FCNN計算目標響應(yīng)Fmax和m以及約束響應(yīng)dmax和εpmax，并執(zhí)行排序、擇優(yōu)和交叉/變異操作，實現(xiàn)種群的優(yōu)化迭代。
2.3 參數(shù)優(yōu)化結(jié)果
由于是多目標優(yōu)化問題，最終得到的最優(yōu)解為一組Pareto解集，如圖8所示，該解集共包含21個解，各個解相互之間均為非支配關(guān)系，沒有絕對最優(yōu)解[20]。圖中A區(qū)域的4個解具有較高的輕量化水平，且電池模組截面峰值力Fmax也低于基礎(chǔ)狀態(tài)，電池安全性得到提升，但仍沒有達到Fmax< 20 kN的安全區(qū)間；相反，圖中C區(qū)域的11個解電池模組截面峰值力Fmax更低，電池安全性更好，但門檻梁質(zhì)量m增大，犧牲了輕量化；圖中B區(qū)域的6個解既將電池模組截面峰值力Fmax優(yōu)化至滿足安全性要求，同時也實現(xiàn)了輕量化效果，達到了預(yù)期優(yōu)化目的，是綜合相對較優(yōu)的方案，后續(xù)將作為備選優(yōu)化方案代入仿真做進一步驗證，詳細結(jié)果見表1和表2。
表1 備選優(yōu)化方案變量值 單位：mm
表2 備選優(yōu)化方案目標與約束值
表3 備選優(yōu)化方案仿真驗證結(jié)果
圖8 門檻梁截面參數(shù)優(yōu)化Pareto最優(yōu)解集
3. 優(yōu)化方案仿真驗證
由近似模型精度驗證結(jié)果可知，除了門檻梁質(zhì)量 m以外，近似模型對其余 3 個響應(yīng)Fmax、dmax和εpmax的預(yù)測精度均不能完全代替仿真結(jié)果。因此，還需要將表1中所列的備選優(yōu)化方案代入有限元模型進行計算，并提取電池碰撞安全量化參數(shù)的峰值Fmax、dmax和εpmax，驗證其是否滿足Fmax < 20 kN、dmax < 5 mm 且 εpmax < 0.4的安全約束條件，以最終確定優(yōu)化方案的有效性，驗證結(jié)果如表 3 所示。從表中可以看出，基于近似模型法優(yōu)化得到的方案2和方案 5 的仿真驗證結(jié)果不滿足Fmax < 20 kN、dmax < 5 mm且εpmax < 0.4 的安全設(shè)計要求，為無效方案；其他4個方案為有效方案，與基礎(chǔ)狀態(tài)相比，不僅電池模組截面峰值力Fmax由21.8 kN 降低至 20 kN以下，達到安全要求，同時門檻梁減重1.41%～4.02%，實現(xiàn)了不同程度的輕量化效果。優(yōu)化前后門檻梁截面對比如圖9 所示，圖中藍色數(shù)字表示優(yōu)化后厚度增加，綠色數(shù)字表示優(yōu)化后厚度減小。
圖9 優(yōu)化前后門檻梁截面對比
另外，對于方案 1 和方案 4，不僅電池模組截面峰值力 Fmax 降低，電池模組最大擠壓變形量 dmax 和最大塑性應(yīng)變 εpmax 也都同步減小，為電池碰撞預(yù)留了更大的安全余量，降低了失效、漏電和熱失控風(fēng)險，在減重的同時更全面地提高了電池的碰撞安全性。優(yōu)化前后電池碰撞安全量化參數(shù) F、d 和 εp的變化過程對比如圖10 所示(僅選擇峰值最大的情況做對比)。其中，方案 1 門檻梁質(zhì)量m 由 19.14 kg降低至 18.37 kg， 減重 4.02%，F(xiàn)max、dmax和εpmax分別下降 13.35%、13.25%和12.50%；方案 4 門檻梁質(zhì)量 m 由19.14 kg 降低至 18.71 kg，減重 2.25%，F(xiàn)max、dmax和 εpmax分別下降 15.96%、15.66% 和 6.25%。
圖10 優(yōu)化前后電池碰撞安全量化參數(shù)變化過程對比
4. 結(jié)論
車身門檻梁是側(cè)面柱碰工況中起抗撞和吸能作用的主要結(jié)構(gòu)之一。為了降低某電動汽車側(cè)面柱碰工況電池模組截面峰值力(Fmax)，提升電池碰撞安全性，同時實現(xiàn)車身輕量化，開展了門檻梁截面參數(shù)優(yōu)化。優(yōu)化變量為截面26個厚度及位置參數(shù)，優(yōu)化目標為減小Fmax和門檻梁質(zhì)量，約束為電池模組最大擠壓變形量(dmax)和塑性應(yīng)變(εpmax)，采用基于近似模型的優(yōu)化方法進行優(yōu)化，最后將優(yōu)化結(jié)果代入仿真進行驗證。所得到的結(jié)論總結(jié)如下：
1) 采用全連接神經(jīng)網(wǎng)絡(luò)(FCNN)近似模型來描述變量與響應(yīng)之間的高度非線性關(guān)系。經(jīng)驗證，電池模組的Fmax、dmax和εpmax的預(yù)測精度(R2)在0.86～0.90，總體滿足精度要求。
2) 最終獲得4個有效優(yōu)化方案，與基礎(chǔ)狀態(tài)相比，電池模組Fmax由21.8 kN降低至20 kN以下，達到了安全要求，同時門檻梁減重1.41%～4.02%，實現(xiàn)了不同程度的輕量化效果。
3) 4個有效方案中， 方案 1 和方案 4 電池模組dmax和εpmax也同步減小，為電池碰撞預(yù)留了更大的安全余量，降低了失效、漏電和熱失控風(fēng)險，在減重的同時更全面地提高了電池的碰撞安全性。
來源：期刊-《汽車安全與節(jié)能學(xué)報》作者：何榮 海1,3，蔣建中1，姚再起2，馬 凱2
（1. 浙江大學(xué) 材料科學(xué)與工程學(xué)院，杭州 310000，中國； 2. 吉利汽車研究院（寧波）有限公司，寧波 315000，中國；3. 寧波吉利汽車研究開發(fā)有限公司，寧波 315000，中國）
來源：Internet
