基于EGO加点策略的动力电池包多目标优化

doi:10.19562/j.chinasae.qcgc.2021.10.006

摘要/Abstract

摘要：

为了动力电池包的轻量化和提高其模态频率，提出一种基于EGO加点策略的多目标优化方法。首先通过实验设计和帕累托法则分析了设计变量对优化目标的影响，选出对电池包的质量和1阶模态频率影响较大的变量作为优化对象，以降低求解难度。其次采用MOPSO算法，辅以Kriging代理模型求解优化问题，再利用EGO加点策略和物理模型分别获得的新设计点和样本，进而更新代理模型直至优化收敛。最后，利用测试函数验证了所提方法的可行性，并将其用于随机振动下电池包多目标优化问题的求解。结果表明，该方法高效可行，在获得较高1阶模态频率的同时，电池包的质量减小了4.89 kg。

关键词: 电池包, 多目标优化, 代理模型, EGO加点策略

Abstract:

For the lightweighting of battery pack and increasing its modal frequency， a multi-objective optimization scheme based on efficient global optimization （EGO） strategy with additive sample points is proposed. Firstly， by using the design of experiment and Pareto rule， the effects of design variables on the optimization objectives are analyzed， and the variables having more significant influences on the mass and 1st-order modal frequency of battery pack are chosen to be optimized so as to reduce the problem-solving difficulty. Then， multi-objective particle swarm optimization （MOPSO） algorithm is adopted assisted with Kriging surrogate model to solve the optimization problem， and the EGO strategy with additive sample points is employed to get the new design points and samples respectively， with the surrogate model updated until the optimization procedure converges. Finally， the test functions are utilized to verify the effectiveness of the scheme proposed， which is then applied to the multi-objective optimization of battery pack. The results show the scheme is efficient and feasible， with which the mass of battery pack reduces by 4.89 kg while maintaining a higher 1st order modal frequency.

Key words: battery pack, multi?objective optimization, surrogate model, EGO with additive sample points

王普毅,白影春,林程,武振江,王保华. 基于EGO加点策略的动力电池包多目标优化[J]. 汽车工程, 2021, 43(10): 1457-1465.

Puyi Wang,Yingchun Bai,Cheng Lin,Zhenjiang Wu,Baohua Wang. Multi⁃objective Optimization of Traction Battery Pack Based on EGO Strategy with Additive Sample Points[J]. Automotive Engineering, 2021, 43(10): 1457-1465.

图/表 20

表1

图1

图2

图3

图4

图5

表2

图6

图7

表3

表4

表5

图8

图9

图10

图11

表6

表7

表8

随机振动工况下（Z轴）的优化解"

序号	质量/kg	1阶模态频率/Hz	最大1 $σ$ 应力/MPa
1	540.43	30.592	75.782
2	540.53	30.595	78.204
3	542.80	31.067	78.881
4	544.61	31.567	46.259
5	544.79	31.572	46.495

表8

图12

参考文献 21

1	赵红伟，陈潇凯，林逸. 电动汽车动力电池仓拓扑优化［J］. 吉林大学学报，2009，39（4）：846-850.
	ZHAO Hongwei， CHEN Xiaokai， LIN Yi. Topology optimization of power battery cabin in electric vehicle ［J］. Journal of Jilin University， 2009， 39（4）： 846-850.
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）：257-263.
	CHEN Jing， PENG Bo， WANG Dengfeng， et al. Light-weight design of carbon fiber reinforced composite battery box ［J］. Automotive Engineering， 2020， 42（2）：257-263.
3	CHEN X， LI M， LI S， et al. Design optimization of multi-material battery enclosure for electric vehicle ［C］. Proceedings of the 19th Asia Pacific Automotive Engineering Conference & SAE-China Congress 2017， 2017： 853-864.
4	孙小卯. 某型电动汽车电池包结构分析及改进设计［D］.长沙：湖南大学，2013.
	SUN Xiaomao. Structure analysis and improvement design of battery pack in electric vehicle ［D］. Changsha： Hunan University， 2013.
5	CHOI C H， CHO J M， KIL Y， et al. Development of polymer composite battery pack case for an electric vehicle［C］. SAE Paper 2013-01-1177.
6	朱新春. 电动汽车电池包结构轻量化优化［D］. 长春：吉林大学，2018.
	ZHU Xinchun. Lightweight optimization design of battery encl⁃osure for electric vehicle［D］. Changchun：Jilin University， 2018.
7	兰凤崇，陈元，周云郊，等. 轻质多材料电池包箱体选材与优化［J］. 吉林大学学报（工学版），2020，50（4）：1227-1234.
	LAN Fengchong， CHEN Yuan， ZHOU Yunjiao， et al. Multi-material selection and optimization of lightweight battery pack enclosure ［J］. Journal of Jilin University （Engineering and Technology Edition）， 2020， 50（4）： 1227-1234.
8	李志杰，陈吉清，兰凤崇，等. 机械外力下电池包的系统安全性分析与评价［J］. 机械工程学报，2019，55（12）：137-148.
	LI Zhijie， CHEN Jiqing， LAN Fengchong， et al. Analysis and evaluation on system safety of power battery pack under mechanical loading ［J］. Journal of Mechanical Engineering， 2019， 55（12）： 137-148.
9	黄培鑫，陈吉清，兰凤崇，等. 车用电池包结构动力学建模及分析方法研究［J］. 机械工程学报，2018，54（8）：157-164.
	HUANG Peixin， CHEN Jiqing， LAN Fengchong， et al. Study on the method of structural dynamic modeling and analyzing of the EV’S battery pack ［J］. Journal of Mechanical Engineering， 2018， 54（8）： 157-164.
10	兰凤崇，刘金，陈吉清，等. 电动汽车电池包箱体及内部结构碰撞变形与响应分析［J］. 华南理工大学学报（自然科学版），2017，45（2）：1-8.
	LAN Fengchong， LIU Jin， CHEN Jiqing， et al. Deformation and response analysis of pack and internal structure of electrical vehicle battery in collision ［J］. Journal of South China University of Technology （Natural Science Edition）， 2017， 45（2）： 1-8.
11	JONES D， MATTHIAS S， WILLIAM J. Efficient global optim- ization of expensive black-box functions ［J］. Journal of Global Optimization， 1998， 4（13）： 445-492.
12	KOJI S， SATO K， JEONG S， et al. Updating Kriging surrogate models based on the hypervolume indicator in multi-objective optimization ［J］. Journal of Mechanical Design， 2013， 135（9）： 94503-1-94503-7.
13	YANG Zan， QIU Haobo， GAO Liang， et al. A surrogate assisted particle swarm optimization algorithm based on efficient global optimization for expensive black-box problems［J］. Engineering Optimization， 2019，51（4）： 1-18.
14	LIN C， GAO F， BAI Y. An intelligent sampling approach for metamodel-based multi-objective optimization with guidance of the adaptive weighted-sum method［J］. Structural & Multidiplin- ary Optimization， 2017， 57（3）： 1047-1060.
15	WILLIAM T， MARIE D. Theory of vibration with applications ［M］. Beijing： Tsinghua University Press，1998.
16	SIMPSON T， POPLINSKI J， KOCH P， et al. Meta⁃model for computer⁃based engineering design： survey and recomme⁃ndations［J］. Engineering with Computers， 2001， 17（2）： 129-150.
17	龙腾，刘建，WANG G，等. 基于计算试验设计与代理模型的飞行器近似优化策略探讨［J］. 机械工程学报，2016，52（14）：79-105.
	LONG Teng， LIU Jian， WANG G， et al. Discuss on approximate optimization strategies using design of computer experiments and meta⁃models for flight vehicle design［J］. Journal of Mechanical Engineering， 2016， 52（14）： 79-105.
18	杨景明，穆晓伟，车海军，等. 多策略改进的多目标粒子群优化算法［J］. 控制与决策，2017，32（3）：435-442.
	YANG Jingming， MU Xiaowei， CHE Haijun， et al. Improved multi-objective particle swarm optimization algorithm based on multiple strategies［J］. Control and Decision， 2017， 32（3）： 435-442.
19	ECKART Z， KALYANMOY D， LOTHAR T. Comparison of multi-objective evolutionary algorithms： empirical results［J］. Evolutionary Computation， 2000， 8（2）： 173-195.
20	COELLO C， GARY B， DAVID A. Evolutionary Algorithms for solving multi⁃objective problems second edition［M］. New York： Springer， 2007.
21	庄表中，陈乃立. 随机振动的理论及实例分析［M］. 北京：地震出版社，1985.
	ZHUANG Biaozhong， CHEN Naili. Random vibration theory and study［M］. Beijing： Seismological Press， 1985．

零件	材料代号	厚度/mm	密度/（g·mm^-3）	弹性模量/GPa	泊松比	屈服强度/MPa
上箱盖	DC06	0.7	7.85	210	0.3	180
下箱体	DC06	1.2	7.85	210	0.3	180
支板	HC420/780DP	1.5	7.85	210	0.3	460
横梁	HC420/780DP	1.5	7.85	210	0.3	460
纵梁	HC420/780DP	1.5	7.85	210	0.3	460
托架	HC420/780DP	2.0	7.85	210	0.3	460
压板	B280VK	2.5	7.80	206	0.3	360

代号	x₁	x₂	x₃	x₄	x₅	x₆	x₇
取值	［0.6，1.2］	［0.8，1.5］	［1，3］	［1，3］	［1，3］	［1，3］	［1，3］
初始值	0.7	1.2	1.5	1.5	1.5	1.5	1.5

样本序号	MOPSO		EGO?MOPSO
样本序号	平均IGD	平均耗时/s	平均IGD	平均耗时/s
1	0.025 63	284	0.021 26	305
2	0.025 51	273	0.020 75	287
3	0.024 37	295	0.226 30	310

样本序号	MOPSO		EGO?MOPSO
样本序号	平均IGD	平均耗时/s	平均IGD	平均耗时/s
1	0.213 5	1 034	0.204 9	1 045
2	0.208 1	1 100	0.203 7	1 281
3	0.224 6	1 106	0.196 0	1 121

评价指标	质量		1阶模态频率
评价指标	优化前	优化后	优化前	优化后
决定系数R²	0.956 9	0.979 9	0.888 2	0.913 1
均方根误差RMSE	1.39 kg	0.98 kg	0.15 Hz	0.14 Hz