本發明涉及新能源汽車，具體涉及一種新能源車輛能量系統托架結構的設計方法及系統。
背景技術：
1、對于新能源汽車，動力系統一般采用動力電池或者氫燃料電池，能量系統托架是其關鍵的承載部件，其性能的優劣直接影響著能量系統的安全并間接影響著行車安全和續航里程。而重型新能源商用車的能量系統托架結構安全性需滿足整車狀態下急轉彎、緊急制動和顛簸3種靜力工況下的結構強度要求，以及模態分析的動力學特性要求。
2、目前的重型商用車能量系統托架的結構設計主要根據人為經驗設計出來，比如托架結構的各種加強筋的位置和尺寸都是人為根據經驗確定的，初始設計結構進行cae分析經常難以滿足結構安全性能要求，為了滿足要求通常增加很多無效的加強筋或者零部件厚度增加較多，最終導致能量系統托架結構整體質量較大。如果沒有進行cae優化設計，通常會導致結構設計會存在較大冗余，輕量化減重的設計空間會較大，或者強度不滿足要求，沒有有效的結構加強方案；如果進行cae優化設計，一般采用傳統的優化設計方法，如拓撲+尺寸優化，或者只進行尺寸優化，這種優化結果受優化參數輸入的影響較大，需要長時間反復迭代才能獲得優化結果，但是這種優化設計方法的準確度低，優化速度慢且優化成本高。
技術實現思路
1、本發明提供的一種新能源車輛能量系統托架結構的設計方法及系統，有效解決了現有能量系統托架在進行優化設計時準確度低，優化速度慢且優化成本高的問題。
2、根據第一方面，一種實施例中提供一種新能源車輛能量系統托架結構的設計方法，包括：
3、步驟100：根據所述能量系統托架結構的初始cad幾何模型創建初始cae有限元模型；
4、步驟200：對所述初始cae有限元模型進行基于機器學習的拓撲優化分析，得到拓撲優化分析結果；
5、步驟300：根據所述拓撲優化分析結果確定所述初始cad幾何模型的加強筋的結構，以形成新的cad幾何模型；
6、步驟400：根據所述新的cad幾何模型創建精細化cae有限元模型；
7、步驟500：對所述精細化cae有限元模型進行基于機器學習的尺寸、形狀優化分析，得到尺寸、形狀優化分析結果；
8、步驟600：根據所述尺寸、形狀優化分析結果對所述能量系統托架結構進行尺寸、形狀優化，得到優化后的能量系統托架結構；
9、步驟700：根據所述優化后的能量系統托架結構重新構建cad幾何模型；
10、步驟800：根據重新構建的所述cad幾何模型創建最終的cae有限元模型；
11、步驟900：對所述最終的cae有限元模型進行安全工況校核，若校核成功，則所述優化后的能量系統托架結構為最優結構，優化結束；若校核失敗，則返回步驟500，直至校核成功。
12、在一種能夠實現的實施方式中，所述根據所述能量系統托架結構的初始cad幾何模型創建初始cae有限元模型，包括：
13、對所述初始cad幾何模型進行外部結構材料填充，形成一個基于所述能量系統托架結構外輪廓面包絡的簡化幾何模型；
14、根據所述簡化幾何模型創建所述初始cae有限元模型。
15、在一種能夠實現的實施方式中，所述對所述初始cae有限元模型進行基于機器學習的拓撲優化分析，包括：
16、將所述初始cae有限元模型放入訓練好的機器學習模型中進行拓撲優化分析，得到預測結果；
17、通過有限元分析或實驗對所述預測結果進行驗證，得到驗證結果；
18、根據所述驗證結果對所述機器學習模型進行迭代優化，直至得到最優拓撲優化分析結果。
19、在一種能夠實現的實施方式中，所述將所述初始cae有限元模型放入訓練好的機器學習模型中進行拓撲優化分析之前，還包括：
20、收集設計案例的數據集；所述數據集包括設計參數、載荷條件、邊界條件以及性能目標；
21、從所述數據集中提取目標特征以作為所述機器學習模型的輸入；所述目標特征包括幾何特征、材料屬性、載荷條件；
22、根據所述目標特征和其對應的性能目標對所述機器學習模型進行訓練；
23、采用擴展-拆分方法對所述機器學習模型的訓練數據進行豐富，以得到訓練好的機器學習模型。
24、在一種能夠實現的實施方式中，所述根據所述拓撲優化分析結果確定所述初始cad幾何模型的加強筋的結構，以形成新的cad幾何模型，包括：
25、基于所述拓撲優化分析結果對所述初始cad幾何模型的加強筋進行設計，以得到新的加強筋結構；所述加強筋結構包括尺寸、厚度及布置位置；
26、基于所述新的加強筋結構對所述初始cad幾何模型進行重構，形成所述新的cad幾何模型。
27、在一種能夠實現的實施方式中，所述對所述精細化cae有限元模型進行基于機器學習的尺寸、形狀優化分析，包括：
28、確定所述能量系統托架結構的尺寸設計參數以及形狀設計參數；
29、確定優化目標和約束條件對所述尺寸設計參數和形狀設計參數進行優化設計，得到優化設計結果；
30、將所述優化設計結果作為所述訓練好的機器學習模型的輸入，采用隨機森林算法進行尺寸、形狀優化分析。
31、根據第二方面，一種實施例中提供一種新能源車輛能量系統托架結構的設計系統，包括：
32、初始有限元模型創建模塊，用于根據所述能量系統托架結構的初始cad幾何模型創建初始cae有限元模型；
33、拓撲優化分析模塊，用于對所述初始cae有限元模型進行基于機器學習的拓撲優化分析，得到拓撲優化分析結果；
34、cad幾何模型優化模塊，用于根據所述拓撲優化分析結果確定所述初始cad幾何模型的加強筋的結構，以形成新的cad幾何模型；
35、精細化有限元模型創建模塊，用于根據所述新的cad幾何模型創建精細化cae有限元模型；
36、尺寸、形狀優化分析模塊，用于對所述精細化cae有限元模型進行基于機器學習的尺寸、形狀優化分析，得到尺寸、形狀優化分析結果；
37、結構優化模塊，用于根據所述尺寸、形狀優化分析結果對所述能量系統托架結構進行尺寸、形狀優化，得到優化后的能量系統托架結構；
38、cad幾何模型重構模塊，用于根據所述優化后的能量系統托架結構重新構建cad幾何模型；
39、最終有限元模型創建模塊，用于根據重新構建的所述cad幾何模型創建最終的cae有限元模型；
40、校核模塊，用于對所述最終的cae有限元模型進行安全工況校核，若校核成功，則所述優化后的能量系統托架結構為最優結構，優化結束；若校核失敗，則返回尺寸、形狀優化分析的步驟，直至校核成功。
41、在一種能夠實現的實施方式中，所述初始有限元模型創建模塊包括：
42、填充單元，用于對所述初始cad幾何模型進行外部結構材料填充，形成一個基于所述能量系統托架結構外輪廓面包絡的簡化幾何模型；
43、初始有限元模型創建單元，用于根據所述簡化幾何模型創建所述初始cae有限元模型。
44、在一種能夠實現的實施方式中，所述拓撲優化分析模塊包括：
45、結果預測單元，用于將所述初始cae有限元模型放入訓練好的機器學習模型中進行拓撲優化分析，得到預測結果；
46、驗證單元，用于通過有限元分析或實驗對所述預測結果進行驗證，得到驗證結果；
47、拓撲優化分析單元，用于根據所述驗證結果對所述機器學習模型進行迭代優化，直至得到最優拓撲優化分析結果。
48、根據第三方面，一種實施例中提供一種計算機程序產品，包括計算機程序和/或指令，所述計算機程序和/或指令被處理器執行時實現如上所述的方法。
49、據上述實施例的一種新能源車輛能量系統托架結構的設計方法/系統，首先根據托架結構的初始cad幾何模型創建初始的cae有限元模型，對有限元模型進行基于機器學習的拓撲優化分析，根據拓撲優化分析結果來確定cad幾何模型的加強筋的結構，并形成新的cad幾何模型，然后再根據新的cad幾何模型創建精細化的cae有限元模型，之后對精細化的cae有限元模型進行基于機器學習的尺寸、形狀優化分析，再根據尺寸、形狀優化分析結果對托架結構進行尺寸、形狀優化；最后，根據優化后的托架結構重新構建cad幾何模型，再根據該幾何模型創建最終的cae有限元模型，并對該最終的cae有限元模型進行安全工況校核，當校核后的cae有限元模型符合安全性能要求，那么該尺寸、形狀優化方案即為最優的組合方案，若校核后的cae有限元模型不符合安全性能要求，那么重新對精細化cae有限元模型進行基于機器學習的尺寸、形狀優化分析，以確定出滿足要求的尺寸、形狀優化方案。通過采用申請的設計方法/系統，相比傳統技術可以更準確更快速的得到優化結果，提高優化一輪即能得到最優結果的準確性，優化方案也能更好的滿足實際加工工藝要求，可在滿足安全性能要求下，實現最大程度的快速準確地降低結構的質量。