碳纤维复合材料电池箱轻量化研究

doi:10.19936/j.cnki.2096-8000.20220528.009

复合材料科学与工程 ›› 2022, Vol. 0 ›› Issue (5): 66-70.DOI: 10.19936/j.cnki.2096-8000.20220528.009

碳纤维复合材料电池箱轻量化研究

康元春^1,2, 刘俊峰¹, 孟紫薇¹

1.湖北汽车工业学院,十堰 442002;
2.汽车动力传动与电子控制湖北省重点实验室,十堰 442002

收稿日期:2021-05-07 出版日期:2022-05-28 发布日期:2022-07-19
作者简介:康元春(1981-),女,硕士,副教授,主要从事结构及材料轻量化方面的研究。
基金资助:
汽车动力传动与电子控制湖北省重点实验室创新基金(2015xtzx0407)

Study on lightweight of carbon fiber composite battery box

KANG Yuan-chun^1,2, LIU Jun-feng¹, MENG Zi-wei¹

1. Hubei University of Automotive Technology, Shiyan 442002, China;
2. Key Laboratory of Automotive Power Train and Electronics, Shiyan 442002, China

Received:2021-05-07 Online:2022-05-28 Published:2022-07-19

摘要/Abstract

摘要： 为减轻电池箱下箱体重量,采用轻质材料铝合金和碳纤维复合材料替换原Q235钢制材料。材料替换后,为得到新材料的最佳厚度尺寸,提出以神经网络为代理模型,同时优化铝合金和碳纤维部件厚度尺寸的方法。通过拉丁超立方试验得到尺寸变量对应的响应,基于神经网络进行优化,得到铝合金支架和加强梁最佳厚度以及碳纤维各角度厚度;最后在Optistruct中对碳纤维下箱体铺层顺序进行优化。优化结果表明,所采用的方案在减轻电池箱重量的同时,强度刚度和一阶模态频率也得到了提高。

关键词: 碳纤维复合材料, 电池箱, 神经网络

Abstract: In order to reduce the weight of the lower box of the battery box, the light material aluminum alloy and carbon fiber composite were used to replace the original Q235 steel material. After material replacement, in order to get the best thickness of new materials, a method of optimizing the thickness of aluminum alloy and carbon fiber parts is proposed by using neural network as the proxy model. The response of dimension variable was obtained by Latin hypercube test, and the optimum thickness of aluminum alloy support and reinforced beam and the thickness of carbon fiber angle were obtained based on neural network optimization. Finally, the optimal laying sequence of the box under carbon fiber is carried out in Optistruct. The optimization results show that the strength stiffness and the first mode frequency are improved while the weight of the battery box is reduced.

Key words: carbon fiber composite, battery box, neural network

中图分类号:

TB332

康元春, 刘俊峰, 孟紫薇. 碳纤维复合材料电池箱轻量化研究[J]. 复合材料科学与工程, 2022, 0(5): 66-70.

KANG Yuan-chun, LIU Jun-feng, MENG Zi-wei. Study on lightweight of carbon fiber composite battery box[J]. COMPOSITES SCIENCE AND ENGINEERING, 2022, 0(5): 66-70.

参考文献

[1] 季鑫盛, 刘宁宁, 杨超, 等. 电动汽车动力电池箱模态分析及结构优化[J]. 轻工机械, 2020, 38(3): 83-91.
[2] 陈静, 彭博, 王登峰, 等. 碳纤维增强复合材料电池箱轻量化设计[J]. 汽车工程, 2020, 42(2): 257-277.
[3] 汪佳农, 赵晓昱. 碳纤维环氧树脂复合材料电池箱的轻量化研究[J]. 玻璃钢/复合材料, 2016(12): 99-102, 33.
[4] 鲁亚妮, 王继辉. 基于Optistruct的FSEC赛车电池箱轻量化结构设计及优化[J]. 塑料工业, 2019, 47(8): 57-64.
[5] 王国旺. 复合材料电动汽车电池包轻量化设计研究[D]. 吉林: 吉林大学, 2020.
[6] ZHAO X Y, ZHANG S R. Lightweight design method for electric vehicle battery boxes made by composite materials[J]. China Mechanical Engineering, 2018, 29(9): 1044-1049.
[7] LIU Z, ZHU C, ZHU P, et al. Reliability-based design optimization of composite battery box based on modified particle swarm optimization algorithm[J]. Composite Structures, 2018, 204: 239-225.
[8] 毛占稳, 李炜, 刘宇强. 复合材料在电动车辆电池包中的应用及分析[J]. 电源技术, 2016, 40(5): 977-978.
[9] 刘朝晖. 复合材料在电动车辆电池包中的应用及分析[J]. 化工管理, 2020(27): 9-10.
[10] 孙冬鸣, 马其华, 孙佳睿. 基于等刚度原理的碳纤维汽车B柱抗撞性分析[J]. 玻璃钢/复合材料, 2018(11): 58-63.
[11] 张增, 张锦光, 宋春生, 等. 铺层参数对碳纤维复合材料板的隔振性能影响研究[J]. 机械工程师, 2016(8): 23-27.
[12] 段端祥, 赵晓昱. 纯电动汽车碳纤维复合材料电池箱体的铺层设计研究[J]. 玻璃钢/复合材料, 2018(6): 83-88.
[13] 孙海明. 纯电动汽车铝合金电池箱结构优化设计[J]. 电源技术, 2020, 44(6): 891-895.
[14] 李海燕. 基于PCA-GA-BPNN模型对股价预测的研究[D]. 西安: 西安理工大学, 2018, 6: 28.
[15] 周欣, 王宜怀, 姚望舒, 等. 基于GA-BP神经网络的非线性模拟量回归[J]. 仪表技术与传感器, 2021(1): 84-101.
[16] 焦聪, 杨庆东, 王然, 等. 基于MEA优化BP神经网络的刀具磨损预测[J]. 北京信息科技大学学报(自然科学版), 2021, 36(3): 69-75.

碳纤维复合材料电池箱轻量化研究

Study on lightweight of carbon fiber composite battery box

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	郑子君, 乔英, 邵家儒. 基于机器视觉的短纤维复合材料的取向度提取方法[J]. 复合材料科学与工程, 2024, 0(3): 65-72.
[2]	苏桐, 胡果馨, 刘振. 全碳纤维复合材料太阳能无人机机翼结构优化设计[J]. 复合材料科学与工程, 2024, 0(3): 79-83.
[3]	伍强, 赵凯, 刘鹏飞, 张涛涛, 朱德勇. Z形纤维增强复合材料层压板固化变形分析[J]. 复合材料科学与工程, 2024, 0(3): 84-90.
[4]	李洪年, 石强斌, 王轩, 邹润文, 张峰. 复合材料蜂窝夹芯结构低速冲击后压缩强度的可靠性与灵敏度分析[J]. 复合材料科学与工程, 2024, 0(2): 5-12.
[5]	韩善灵, 王涛, 光新杰, 李志勇, 李勇. CFRP在汽车轻量化与安全中的应用进展[J]. 复合材料科学与工程, 2024, 0(2): 119-128.
[6]	杨威亚, 高东晨, 铁瑛, 张臻臻, 葛超坤. 基于多尺度分析的EMAA自修复缝线复合材料层间增韧作用研究[J]. 复合材料科学与工程, 2023, 0(9): 29-35.
[7]	李原昊, 胡少伟, 单常喜, 牟钊, 潘福渠, 李江. 基于PSO-BP神经网络的玻璃钢管首层失效预测研究[J]. 复合材料科学与工程, 2023, 0(9): 61-66.
[8]	张克群, 孙会来, 李航, 邢文涛, 赵方方. CFRP套料钻制孔工艺及轴向力预测研究[J]. 复合材料科学与工程, 2023, 0(9): 85-91.
[9]	曹雨函, 郭姝含, 欧阳俊杰, 孔繁淇, 王付胜. 高温预损伤对碳纤维复合材料冲击后压缩剩余强度影响规律研究[J]. 复合材料科学与工程, 2023, 0(6): 30-36.
[10]	毕一凡, 程宝发, 朱祥东. 聚酰胺6/氧化石墨烯改性碳纤维复合材料机械性能与导热性能研究[J]. 复合材料科学与工程, 2023, 0(3): 34-38.
[11]	胡业发, 孟由, 张锦光, 邓伟, 徐胜风. 含夹杂缺陷碳纤维复合材料层压板的无损检测与评估研究[J]. 复合材料科学与工程, 2023, 0(2): 94-100.
[12]	徐胜风, 胡业发, 张锦光, 杨继, 袁春辉, 孟由. 起重机伸缩臂架CFRP轻量化材料的摩擦磨损试验研究[J]. 复合材料科学与工程, 2023, 0(2): 101-106.
[13]	李磊, 曹东风, 冀运东, 刘鹏飞, 谭永青, 陈剑平. 三维自动光学检测设备CFRP光学系统挂架的制备及固有频率分析[J]. 复合材料科学与工程, 2023, 0(1): 70-76.
[14]	史启通, 李冰, 冯聪, 明平文, 张存满. 基于显微CT技术的碳纸微观结构特征分析[J]. 复合材料科学与工程, 2022, 0(6): 65-69.
[15]	蒋朕琦, 黄文健, 曹诗宇, 吴超群. 不同刀具对超声辅助钻削CFRP分层损伤的影响研究[J]. 复合材料科学与工程, 2022, 0(2): 56-61.