[发明专利]动力电池模组轻量化方法、设备及最大应力值计算方法在审
| 申请号： | 201811653720.2 | 申请日： | 2018-12-29 |
| 公开（公告）号： | CN109800485A | 公开（公告）日： | 2019-05-24 |
| 发明（设计）人： | 王邦祥;张爱国;罗登红;罗志高;邓宇;张康康 | 申请（专利权）人： | 江苏塔菲尔新能源科技股份有限公司;东莞塔菲尔新能源科技有限公司;深圳塔菲尔新能源科技有限公司 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/04;G06N3/08 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 张艳美;龙莉苹 |
| 地址： | 210000 江苏省南京*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于神经网络的动力电池组轻量化方法，包括以下步骤：确定设计变量的第一约束范围以及最大应力值的第二约束范围；获得变量样本集，变量样本集中包括若干符合第一约束范围的设计变量组合，设计变量组合包括与动力电池模组的应力值相关的多个设计变量；依据神经网络近似模型计算设计变量组合对应的最大应力值和电池模组重量；以电池模组重量为目标，依据遗传算法计算最优设计变量组合。本发明采取神经网络和遗传算法相结合的求解方法，避免了传统方法容易陷入局部最优解的问题，且可快速计算动力电池组最大应力值。本发明还公开了一种基于神经网络的动力电池模组最大应力值计算方法。 | ||
| 搜索关键词： | 设计变量 动力电池模组 神经网络 动力电池组 变量样本 电池模组 轻量化 神经网络和遗传算法 多个设计 近似模型 快速计算 遗传算法 最优设计 最优解 求解 | ||
【主权项】：
1.一种基于神经网络的动力电池模组最大应力值计算方法，其特征在在：包括步骤：获得训练好的神经网络近似模型，将设计变量组合输入训练好的神经网络近似模型中获得最大应力值，所述设计变量组合包括与动力电池模组的应力值相关的多个设计变量；其中，“获得训练好的神经网络近似模型”包括以下步骤：(1)确定所述设计变量组合；(2)建立以动力电池组的最大应力值和动力电池组重量为输出值，设计变量组合为输入值的神经网络模型，获得动力电池模组的数据库，所述数据库包括若干个设计变量组合、以及对应的动力电池组重量以及多个工况条件下动力电池模组的最大应力值；(3)采用误差反向传播学习算法将所述数据库中的数据导入所述神经网络模型，并将设计变量组合作为输入变量，将对应的动力电池组重量和最大应力值作为输出值训练所述神经网络模型以获得训练好的神经网络近似模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏塔菲尔新能源科技股份有限公司;东莞塔菲尔新能源科技有限公司;深圳塔菲尔新能源科技有限公司，未经江苏塔菲尔新能源科技股份有限公司;东莞塔菲尔新能源科技有限公司;深圳塔菲尔新能源科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811653720.2/，转载请声明来源钻瓜专利网。
