基于Ncode的新能源汽车电池包随机振动疲劳分析

电池包是新能源汽车的关键零部件,其耐久性影响着新能源汽车整体的可靠性,按照国标GB/T31467.3-7.1振中的要求,电池包需要在振动试验台上进行三个方向上疲劳耐久,测试从Z轴开始,然后是Y轴,最后是X轴。每个方向的测试时间是21个小时。

本文基于某车型动力电池包,使用 Hypermesh-Optistruct-Ncode联合仿真分析手段,进行随机振动疲劳分析。按照振动台架边界条件进行工况设置,求解电池包振动疲劳寿命。

  1. 有限元模型建立

分析模型包括电池包壳体、模组以及车身连接支架,与车身安装处采用rbe2模拟螺栓。通过节点耦合,在rbe2耦合单元主节点处施加激励,模拟台架状态。本文使用联合仿真进行电池包台架随机振动疲劳分析,主要包括单位加速度激励下应力结果,振动加速度频谱,疲劳材料及参数设置以及后处理等。根据台架测试要求,从ZYX三个方向依次进行,时间为21h。本文建立的电池包模型如下图所示:

图1 某电池包有限元模型

  1. 频率响应分析

2.1 边界约束,固定约束电池包支架,如下所示:

图2 电池包约束示意图

2.2 模态频率提取,在EIGRL模态分析卡片中定义特征模态频率提取范围V1-V2为0-200Hz:

2.3 频率响应分析,为了保证和PSD载荷表中的单位保持一致,需要保证频响分析中的激励单位协调统一,因为PSD输入是按g^2/Hz,因此频响分析的激励需要换算成9810mm/s^2。如对三个方向X/Y/Z分别采用1G加速度进行激励,并与载荷幅值TABLED1关联,即为实际载荷谱激励。

2.4 为了保证计算精度,在结构响应的峰值位置增加计算频率(FREQ1)。采用FREQ1,本分析频率范围为1-200Hz,扫频方式选择为频率初始值2Hz,扫频增量5Hz,扫频增量步40步。

2.5 输出模型应力响应结果,作为随机振动疲劳输入。频率响应分析工况设置如下图所示:

图3 电池包频响分析设置

  1. 基于Ncode的随机振动疲劳分析

3.1 频率分析结果读入,首先搭建疲劳分析五框图,将频响分析结果导入到五框图中的FEinput模块

图4 随机振动疲劳分析流程图

3.2 定义PSD曲线,选择Vibration on Generator,生成ZYX三个方向PSD加速度频谱。

图5 加速度PSD响应谱生成

3.3 振动疲劳分析设置,选择Vibration on CAE Fatigue,建立三条振动载荷通道,分别是Z、Y及X。

在Vibration on CAE Fatigue模块设置中,右键点击Advanced Edit 点Yes;选择duty cycle,并建立三个方向载荷,并将repeat count改为21h,即75600s。

3.4 材料设置 按照电池包安装支架材料牌号,设置材料SN曲线,材料SN曲线如图6所示:

图6 材料SN曲线设置

上述步骤设置完毕后提交计算,在Ncode软件中完成电池包随机振动疲劳分析,分析全流程如图7所示:

图7 计算流程

3.5分析结果读取

通过台架振动疲劳分析,得到该支架最大损伤节点75842812为0.848,RMS应力值为58.16MPa,最小寿命为1.770次,即电池包振动疲劳在三个方向各经过21小时后,可以循环1.77次。

图8 损伤结果

图9 寿命结果

图10 应力均方根

四、结果评价

对电池包支架进行振动疲劳分析,可以将电池包振动疲劳分析整个流程固化下来,包括PSD载荷、求解参数设置等,若后续需要更新模型或材料,直接在此模型上进行修改即可完成振动疲劳分析;通过分析可以预测电池包的支架疲劳损伤是否满足要求,如本例中根据《GBT 31467.3-2015 电动汽车用锂离子动力蓄电池包和系统 第3部分 安全性要求与测试方法》中7.1振动疲劳法规要求,按规定的功率谱密度及仿真时间,电池包总损伤为0.848。小于1,理论满足法规要求。

相关推荐
文心快码BaiduComate7 分钟前
百度云与光本位签署战略合作:用AI Agent 重构芯片研发流程
前端·人工智能·架构
风象南1 小时前
Claude Code这个隐藏技能,让我告别PPT焦虑
人工智能·后端
Mintopia2 小时前
OpenClaw 对软件行业产生的影响
人工智能
陈广亮2 小时前
构建具有长期记忆的 AI Agent:从设计模式到生产实践
人工智能
会写代码的柯基犬2 小时前
DeepSeek vs Kimi vs Qwen —— AI 生成俄罗斯方块代码效果横评
人工智能·llm
Mintopia3 小时前
OpenClaw 是什么?为什么节后热度如此之高?
人工智能
爱可生开源社区3 小时前
DBA 的未来?八位行业先锋的年度圆桌讨论
人工智能·dba
叁两6 小时前
用opencode打造全自动公众号写作流水线,AI 代笔太香了!
前端·人工智能·agent
前端付豪6 小时前
LangChain记忆:通过Memory记住上次的对话细节
人工智能·python·langchain