有限元分析与机器学习引导的碳纤维有机片基电池外壳耐撞性设计
机器学习
2023-09-06 v1 信号处理
摘要
碳纤维复合材料因其更优的比强度与耐腐蚀性，有望替代当前电动汽车（E.V.s）金属基电池外壳。然而，碳纤维基结构的强度取决于若干应谨慎选择的参数。本工作中，我们实施了基于高通量有限元分析（FEA）的热成型仿真，利用不同设计与工艺参数虚拟制造电池外壳。随后，我们进行虚拟碰撞仿真以模拟侧柱碰撞，评估电池外壳的耐撞性。该高通量碰撞仿真数据集被用于构建预测模型，以理解未知集合的耐撞性。我们的机器学习（ML）模型在预测耐撞性指标（即压溃载荷效率、吸收能量、侵入量与碰撞中最大减速度）方面表现出优异性能（R2 > 0.97）。我们相信此 FEA-ML 工作框架将有助于筛选碳纤维基部件设计的工艺参数，并可迁移至其他制造技术。
引用
@article{arxiv.2309.00637,
title = {Finite Element Analysis and Machine Learning Guided Design of Carbon Fiber Organosheet-based Battery Enclosures for Crashworthiness},
author = {Shadab Anwar Shaikh and M. F. N. Taufique and Kranthi and Balusu and Shank S. Kulkarni and Forrest Hale and Jonathan Oleson and Ram Devanathan and Ayoub Soulami},
journal= {arXiv preprint arXiv:2309.00637},
year = {2023}
}