一种新能源薄壁电池壳多道次变薄拉深稳健优化的方法与流程
本发明涉及新能源汽车动力电池壳制造及金属塑性成形,尤其涉及一种新能源薄壁电池壳多道次变薄拉深稳健优化的方法。
背景技术:
1、新能源汽车动力电池壳体作为电池包的核心结构件,其性能直接关系到整车的能量密度与安全可靠性。目前,该壳体普遍采用3003-h14系列铝合金,并通过多道次冲压变薄拉深工艺连续成形。在这一过程中,壳体的壁厚均匀性与尺寸精度是衡量成形质量的关键指标,对电池包的整体性能具有决定性影响。为了优化成形工艺参数,基于代理模型的优化方法已得到广泛应用,然而现有方法在建模时通常将各拉深道次视为相互独立的工序,仅以当前道次的工艺参数作为输入变量,未能充分考虑上一道次成形后材料中残留的残余应力、塑性应变累积以及加工硬化等历史效应。这种简化处理导致所建立的代理模型难以准确表征多道次连续成形中历史因素对后续道次材料状态的非线性影响,因而基于此类模型获得的最优工艺参数在实际多道次成形过程中往往无法持续保障预期的壁厚均匀性与尺寸精度,限制了工艺优化的实际效果。
2、此外,现有优化方法大多局限于确定性优化框架,即在假设材料性能理想、润滑条件稳定的前提下寻求最优解。然而,在工业量产环境中,多种噪声干扰不可避免,例如不同批次板材的初始厚度公差、屈服强度的自然波动、以及因润滑油膜破裂导致的摩擦系数突变等。确定性优化所得的最优解往往处于工艺窗口的边缘区域,对这些噪声极为敏感,一旦在实际生产中出现扰动,极易引发壳体拉裂或壁厚超差等缺陷,导致量产良品率显著下降。尽管已有部分研究开始关注多道次效应的建模问题,通过在有限元模型中实现跨道次的应力应变传递,提升了工艺模拟的连贯性,但其工艺参数优化仍主要集中于确定性范畴,仅以壁厚均值等物理指标的期望值为优化目标,未能引入方差惩罚项来量化并抑制多源噪声的干扰。这类方法未能将道次间历史效应的耦合建模与面向多源噪声的稳健优化设计进行有机结合,本质上仍属于未考虑稳健性的多道次耦合优化方法。因此,即使考虑了历史效应,所得最优解在实际噪声扰动下仍会产生较大的质量波动,难以在吸收工艺波动的条件下稳定保证壁厚均匀性,从而制约了电池壳体成形工艺在高可靠性量产中的实际应用。
技术实现思路
1、为解决以上问题,本发明通过构建能够描述道次间塑性应变累积与残余应力传递的映射关系,将多道次历史效应耦合引入工艺模型,并结合不确定性量化与稳健优化策略,在有效提升壁厚均匀性的同时,显著增强工艺参数对批量生产中多源噪声的抗干扰能力,从而实现量产良品率的提升。
2、根据本发明的实施例,提供了一种新能源薄壁电池壳多道次变薄拉深稳健优化的方法。
3、在本发明的第一方面,提供了一种新能源薄壁电池壳多道次变薄拉深稳健优化的方法。该方法包括:
4、步骤s01:建立控制变量矩阵及噪声变量矩阵,并采用最优拉丁超立方抽样生成初始样本矩阵;
5、步骤s02:建立多道次连续变薄拉深有限元分析模型,并基于初始样本矩阵完成连续成形仿真分析,获得成形结果;
6、步骤s03:根据成形结果建立多目标稳健优化评价模型,并计算各组初始样本对应的质量响应值;
7、步骤s04:根据初始样本矩阵及质量响应值集建立工艺参数与质量响应值之间的代理模型;
8、步骤s05:基于代理模型进行多目标稳健优化,获得最优控制变量组合,根据最优控制变量组合完成新能源薄壁电池壳制造。
9、进一步地,步骤s01中所述的控制变量矩阵包括第一道次拉深比、各道次变薄率、各道次凹模半锥角以及压边力;所述的噪声变量矩阵包括板料初始厚度公差、材料屈服强度波动以及润滑导致的摩擦系数波动,各噪声因子相互独立且服从正态分布。
10、进一步地,步骤s02中所述的基于初始样本矩阵完成连续成形仿真分析时,在完成第道次有限元求解后,通过隐式/显式算法切换机制,提取第道次卸载后的网格节点坐标,壳单元厚度、残余应力张量以及累积等效塑性应变,并将其作为第道次的初始边界条件进行强制映射,其中累积等效塑性应变的传递关系为:
11、,
12、其中,为第道次变薄拉深过程的起始时刻,为第道次变薄拉深过程的结束时刻。
13、进一步地,步骤s03中所述的多目标稳健优化评价模型基于最终成形电池壳侧壁的壁厚数据构建,其评价指标包括表征拉裂风险的最大减薄率以及表征壁厚均匀性的壁厚标准差;所述模型进一步将评价指标作为随机变量,通过计算其统计均值及标准差,并结合权重因子矩阵,建立联合优化目标函数。
14、进一步地,所述的多目标稳健优化评价模型还设定基于准则的拉裂失效物理约束:,其中,为最大减薄率在噪声变量空间中的均值,为为最大减薄率在噪声变量空间中的标准差的三倍,为许用最大减薄率极限值。
15、进一步地,步骤s04中所述的代理模型为kriging模型,其输入为所述初始样本矩阵,输出为所述质量响应值集,用于建立控制变量矩阵、噪声变量矩阵与质量响应值之间的非线性映射关系,其预测模型表达式:
16、,
17、其中,为多项式回归基函数矩阵,为回归系数向量,为均值为0且服从高斯分布的系统偏差,其空间相关性通过高斯相关函数建立。
18、进一步地,步骤s05中所述的基于代理模型进行多目标稳健优化具体为:采用非支配排序遗传算法对控制变量矩阵进行外层搜索,生成候选工艺组合;对于每一组候选工艺组合,在其内层嵌套蒙特卡洛模拟,在特定控制变量附近对噪声变量空间进行高频随机抽样,得到噪声样本矩阵;将候选工艺组合和噪声样本矩阵代入所述代理模型中快速计算统计特征,并依据目标函数计算结果驱动种群进化,直至收敛输出pareto前沿。
19、在本发明的第二方面,提供了一种新能源薄壁电池壳多道次变薄拉深稳健优化的装置。该装置包括:
20、初始样本生成模块:用于建立控制变量矩阵及噪声变量矩阵,并采用最优拉丁超立方抽样生成初始样本矩阵;
21、有限元模型建立模块:用于建立多道次连续变薄拉深有限元分析模型,并基于初始样本矩阵完成连续成形仿真分析,获得成形结果;
22、评价模型构建模块:用于根据成形结果建立多目标稳健优化评价模型,并计算各组初始样本对应的质量响应值;
23、代理模型建立模块:用于根据初始样本矩阵及质量响应值集建立工艺参数与质量响应值之间的代理模型;
24、多目标寻优模块:用于基于代理模型进行多目标稳健优化,获得最优控制变量组合,根据最优控制变量组合完成新能源薄壁电池壳制造。
25、在本发明的第三方面,提供了一种电子设备。该电子设备包括:存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如根据本发明的第一方面的方法。
26、在本发明的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如根据本发明的第一方面的方法。
27、本发明通过构建能够描述道次间塑性应变累积与残余应力传递的映射关系,将多道次历史效应耦合引入工艺模型,并结合不确定性量化与稳健优化策略,在有效提升壁厚均匀性的同时,显著增强工艺参数对批量生产中多源噪声的抗干扰能力,从而实现量产良品率的提升。
28、应当理解, 技术实现要素: 部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征,亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
29、本发明的有益效果:
30、1、构建了反映真实物理演变的跨道次映射模型,将多道次加工硬化与应力累积作为边界条件进行传递,克服了传统单道次孤立优化导致的预测失真问题,确保在真实物理空间中寻找到真正稳健的工艺解;
31、2、采用kriging代理模型替代传统稳健优化中嵌套的数十万次有限元非线性迭代,将寻优耗时从数月缩短至数小时,显著缩短了研发周期,同时降低了高额算力成本;
32、3、将跨道次映射模型、以最终壁厚质量与方差为导向的代理模型、以及嵌套概率寻优三者有机结合,构建了一个完整的多道次成形稳健优化框架,为同类复杂工艺的稳健设计提供了可复用的方法论,使优化得到的工艺参数对材料厚度波动、润滑不良等噪声因素具备极强的抗干扰能力,将实际量产良品率从常规的85%-90%稳定提升至98%以上,突破了方形电池壳多道次成形的技术瓶颈。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com