电气设备骨架的钣金厚度优化方法、优化装置与流程

本发明涉及电气设备，具体涉及一种电气设备骨架的钣金厚度优化方法和一种电气设备骨架的钣金厚度优化装置。

背景技术：

1、近年来国内外mw级电池储能技术发展迅速，集装箱式电池电气设备具有容量高、可靠性强、灵活性高、环境适应性强等优点，在电网系统具有广泛的应用前景。

2、电气设备（例如储能柜、充电桩等）内部因有大量电气模组，导致电气设备整体质量过大，为了通过地震测试，往往会增大设备骨架钣金零件的厚度来减小地震引起的振动位移，这样，也会造成成本的增加，若降低骨架厚度，则必将导致扭转刚度的降低。因此，如何在满足gr63标准的前提下，设计不同骨架质量权衡扭转刚度和整体质量当前亟待解决的问题。

3、相关技术中，一般采用有限元仿真设计电气设备骨架钣金零件的厚度组合方式，有限元仿真虽然可以仿真钣金零件在不同厚度下的电气设备的位移响应以及扭转刚度，但需要较长的计算时间及较高的计算资源，例如，如果一个电气设备骨架包括10个钣金零件，每个钣金零件有5种常用厚度，那么具有105种组合方式，需要105次有限元仿真，效率极低。

技术实现思路

1、本发明为解决上述技术问题，本发明第一方面实施例提供了一种电气设备电骨架的钣金厚度优化方法。

2、本发明第二方面实施例提供了一种电气设备骨架的钣金厚度优化装置。

3、本发明采用的技术方案如下：

4、本发明的第一方面实施例提出了一种电气设备骨架的钣金厚度优化方法，包括以下步骤：获取电气设备骨架的钣金零件的常用厚度值，采用doe（design of experiment，试验设计）试验算法获取骨架钣金零件的n种组合方式，n为正整数；在仿真软件中建立电气设备的地震有限元模型和扭转刚度有限元模型，并导出对应的地震计算文件和扭转刚度计算文件；将n种厚度组合方式写入至所述地震计算文件和扭转刚度计算文件中，以获取不同厚度组合方式对应的地震计算文件和扭转刚度计算文件；自动化计算所述地震计算文件和扭转刚度计算文件，得到地震结果文件和扭转刚度结果文件；遍历所述地震结果文件，以得到每种厚度组合方式的地震位移响应，遍历所述扭转刚度结果文件，以得到每种厚度组合方式的扭转刚度；根据所述厚度组合方式、地震位移响应、扭转刚度和电气设备骨架质量组成列表；根据所述列表训练神经网络，得到地震位移神经网络模型和扭转刚度的神经网络模型；以地震位移响应为约束条件，以扭转刚度和质量为优化目标编写nsgaⅱ算法；根据训练后的地震位移神经网络模型、扭转刚度的神经网络模型运行所述nsgaⅱ算法，以得到多种电气设备骨架的钣金厚度优化方案。

5、本发明上述的电气设备骨架的钣金厚度优化方法还具有如下附加技术特征：

6、根据本发明的一个实施例，所述仿真软件为abaqus（一种有限元软件）、ls-dyna（一种有限元软件）、nastra（一种有限元软件）、ansys（一种有限元软件）和optistruct（一种有限元软件）。

7、根据本发明的一个实施例，遍历所述地震结果文件，以得到每种厚度组合方式的地震位移响应，遍历所述扭转刚度结果文件，以得到每个厚度组合方式的扭转刚度，具体包括：利用python语言对所述仿真软件进行二次开发，遍历所述地震结果文件在不同频率下的最大地震虚位移a和实位移b，根据所述最大地震虚位移a和实位移b得到最大的地震位移响应；遍历所述扭转刚度结果文件中的施加在电气设备的扭矩和对应的扭转角，根据所述扭矩和对应的扭转角计算扭转刚度；将获取到的最大地震位移响应和扭转刚度分别作为对应厚度组合方式的地震位移响应和扭转刚度。

8、根据本发明的一个实施例，上述的优化方法还包括：采用遗传算法ga（geneticalgorithm）优化神经网络的初始权重与偏置。

9、根据本发明的一个实施例，根据训练后的地震位移神经网络模型、扭转刚度的神经网络模型运行所述nsgaⅱ算法，以得到多种电气设备骨架的钣金厚度优化方案，具体包括：将训练好的神经网络作为所述nsgaⅱ算法的适应度函数的计算，得到帕累托解，根据所述帕累托解得到多种电气设备骨架的钣金厚度优化方案。

10、根据本发明的一个实施例，利用bat（批处理文件处理类型）文件自动化计算所述地震计算文件和扭转刚度计算文件。

11、本发明的第二方面实施例提出了一种电气设备骨架的钣金厚度优化装置，包括：第一获取模块，所述第一获取模块用于获取电气设备骨架钣金零件的常用厚度值，采用doe试验算法获取骨架钣金零件的n种厚度组合方式，n为正整数；仿真模块，所述仿真模块用于在仿真软件中建立电气设备的地震有限元模型和扭转刚度有限元模型，并导出对应的地震计算文件和扭转刚度计算文件；第二获取模块，所述第二获取模块用于将n种厚度组合方式写入至所述地震计算文件和扭转刚度计算文件中，以获取不同厚度组合方式对应的地震计算文件和扭转刚度计算文件；第三获取模块，所述第三获取模块用于自动化计算所述地震计算文件和扭转刚度计算文件，得到地震结果文件和扭转刚度结果文件；第四获取模块，所述第四获取模块用于遍历所述地震结果文件，以得到每种厚度组合方式的地震位移响应，遍历所述扭转刚度结果文件，以得到每种厚度组合方式的扭转刚度；第五获取模块，所述第五获取模块用于根据所述厚度组合方式、地震位移响应、扭转刚度和电气设备骨架质量组成列表；训练模块，所述训练模块用于根据所述列表训练神经网络，得到地震位移神经网络模型和扭转刚度的神经网络模型；编写模块，所述编写模块用于以地震位移响应为约束条件，以扭转刚度和质量为优化目标编写nsgaⅱ算法；优化模块，所述优化模块用于根据训练后的地震位移神经网络模型、扭转刚度的神经网络模型运行所述nsgaⅱ算法，以得到多种电气设备骨架的钣金厚度优化方案。

12、本发明上述的电气设备骨架的钣金厚度优化装置还具有如下附加技术特征：

13、根据本发明的一个实施例，所述仿真软件为abaqus、ls-dyna、nastra、ansys和optistruct。

14、根据本发明的一个实施例，所述第四获取模块具体用于：利用python语言对所述仿真软件进行二次开发，遍历所述地震结果文件在不同频率下的最大地震虚位移a和实位移b，根据所述最大地震虚位移a和实位移b得到最大地震位移响应；遍历所述扭转刚度结果文件中的施加在电气设备的扭矩和对应的扭转角，根据所述扭矩和对应的扭转角计算扭转刚度；将获取到的最大地震位移响应和扭转刚度分别作为对应厚度组合方式的地震位移响应和扭转刚度。

15、根据本发明的一个实施例，所述训练模块还用于：采用遗传算法ga优化神经网络的初始权重与偏置。

16、本发明的有益效果：

17、本发明先采用有限元模型进行仿真计算，根据计算结果生成训练样本，采用训练样本训练神经网络，结合nsgaⅱ算法进行优化，从而可以快速得到多种电气设备骨架的钣金厚度优化方案，相较于传统的有限元方法每次迭代都需要进行一次仿真计算，本发明可以极大提高优化效率和性能。

18、借助遗传算法对神经网络算法的初始权重和偏置进行参数优化，避免了神经网络陷入局部最优解。