公开(公告)号：CN118520739A

公开(公告)日：2024-08-20

申请号：CN202410691335.6

申请日：2024-05-30

Applicant: 江铃汽车股份有限公司

Inventor： 陈为欢 ,  黄晖 ,  赵素娟 ,  熊伟 ,  余显忠 ,  段龙杨

IPC: G06F30/23 ,  G06F30/27 ,  G06F30/15 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06F119/14 ,  G06F119/04

Abstract: 本发明提供了一种基于卷积神经网络的电池包系统疲劳分析方法，包括以下步骤：对物理样车进行加速度传感器安装以及加速度荷载谱的采集；构建电池包系统的有限元模型和电池包系统的刚柔耦合多体动力学模型；训练卷积神经网络模型并反求电池包系统的载荷边界条件；基于电池包系统载荷，对电池包系统的有限元模型进行疲劳耐久寿命仿真分析。采用本发明所提供的分析方法能解决基于虚拟迭代法的载荷边界求解的周期长、效率低的问题，从而更高效，更高精度地进行电池包系统的载荷边界求解以及疲劳分析，显著缩短产品开发周期。

公开(公告)号：CN118520740A

公开(公告)日：2024-08-20

申请号：CN202410691336.0

申请日：2024-05-30

Applicant: 江铃汽车股份有限公司

Inventor： 陈为欢 ,  吴和兴 ,  赵素娟 ,  王宇航 ,  熊伟 ,  黄晖 ,  余显忠 ,  段龙杨

IPC: G06F30/23 ,  G06F30/27 ,  G06F30/15 ,  G06N3/048 ,  G06N3/084 ,  G06F119/14 ,  G06F119/04

Abstract: 本发明提供了一种基于机器学习的驾驶室疲劳耐久分析方法，包括以下步骤：物理样车的配重、传感器的安装以及加速度的采集；驾驶室和车架有限元模型的建立；驾驶室和车架的多体动力学建模；多体动力学模型仿真以及极限学习机的训练；基于极限学习机的驾驶室载荷边界的反向求解；驾驶室的疲劳耐久性仿真分析。通过使用以上方法进行基于机器学习的驾驶室的疲劳耐久分析，与传统的虚拟迭代法相比，本方法在驾驶室的疲劳耐久分析中具有更高的精度，更高的效率，可以缩短开发周期，加快产品开发速度，降低产品成本，具有巨大的工程价值。