GA和BP神经网络在电池散热中的应用

针对电池散热问题,利用GA与BP神经网络对电池间隙与进风口风速进行了优化并利用FLUENT进行了仿真验证。为了获取较高泛化能力的BP神经网络,在建立能反映电池组间隙、进风口风速与电池组最高温度关系的神经网络的同时,利用GA对BP神经网络的初始权值阈值进行了优化,并对训练好的神经网络进行寻优求解,获得最高温度最低时所对应的电池间隙和进风口风速。在此基础上进行仿真验证,仿真结果与寻优结果基本一致,电池组流场平稳,温度得到有效降低且与预测温度基本差别不大。     

基于CFD与智能算法的电池组散热优化设计

针对电动挖掘机电池包的形状及电池排布方式,对三种散热方案进行了CFD仿真研究,并通过神经网络获得电池单体间隙与电池组最高温度的映射关系,利用遗传算法进行寻优,获得最优电池组排布。结果表明,与其他两种散热方式相比,正交风向的通风方式可以有效降低电池组最高温度,同时可以保证电池组各电池单体温度一致性,在此基础上通过神经网络及遗传算法进行电池组间隙优化,使得电池最高温度降低5 K,电池组体积减小13%,使得其排布更加合理。