电池冷电池板的设计正变得越来越具有挑战性。创成式设计已经进入了这一专业领域，以自动优化的方式助力设计师面对挑战。在本期谷.专栏中，安世亚太阐述了电池冷板借助拓扑优化的创成式设计基础，并通过传统设计方法与创成式设计优化实例与比较，说明了创成式设计的附加价值。
挑战
电动汽车（EVs）是一种燃油交通的清洁替代品。它们以高效率闻名，在市场中越来越受欢迎。电动汽车使用可充电电池作为动力，也给这个行业带来了一些挑战。
虽然电动汽车公司一直寻求更有效的替代方案来设计电池冷却系统，但是传统的冷板设计仍被广泛用于为电动汽车的电池提供冷却，人工的参与和试错在工程设计过程中仍然占主导地位。借助拓扑优化的创成式设计使这一设计过程更加顺畅。
高效的电池热管理是延长电池使用寿命的关键。因此，工程师在冷板设计过程中遇到的最常见问题是确保电池在较低的整体温度运行，保持其温度均匀性和冷板内液体压降在可接受的范围内。此外，工程师关注产品的可制造性的同时也要追求产品重量的最小化。
©3D科学谷白皮书
最近在创成式设计领域引入的一种新技术可以克服上述的挑战。将拓扑优化与流体力学相结合，可以在一个简单而稳定的工作流程中将约束条件与设计目标结合起来，从而获得高性能的冷板设计。
本文将按照以下顺序进行。首先介绍创成式设计，然后是拓扑优化分析的步骤说明。接下来是一系列的电池冷板研究和比较电池冷板性能的方法，这部分探讨了冷板建模及其分析的假设，总结了各种冷板的性能结果。最后，本文对各种冷板设计系统进行了比较。
创成式设计
在传统的设计周期中，工程师直接参与从设计概念到解决方案的所有步骤。这个过程从创造者设想的模型构想开始。负责人通过建模、仿真、后处理和分析所选择的设计来验证其性能。如果最终的设计没有达到令人满意的水平，就会产生新的设计迭代。这种耗时的设计程序被创成式设计技术打破了，它需要最少的用户输入和互动。
只需给定系统要求，如设计空间、目标和约束，创成式设计使用人工智能 (AI) 技术自动生成一个或多个设计。该算法根据输入的约束探索不同的输出，并使用收集到的信息来生成新的和可能更好的解决方案。循环往复，直到找到满足给定约束条件的可行设计[1,2]。
当数值模拟在设计周期中评估生成的设计时，优化过程就变得完全自动化。由于用户不需要提供初始设计，整个周期中人为的影响被减少到问题设置和最终的设计评估。将人的偏见从设计过程中去除，可以对设计空间进行更彻底的探索，增加找到全局最优设计的可能性。
使用拓扑结构优化的创成式设计
图1 拓扑优化过程的流程图
在创成式设计中，存在不同的技术收集和处理来自后续设计迭代的信息。一个流行的创成式设计策略是使用拓扑优化。对于这种技术，优化设计空间中的材料分布会产生一个新的设计[3,4,5]，从广义上讲，母体材料的一部分转变为新的材料，这就生成了一个新设计。
与传统的设计方法 (如形状优化) 相反，拓扑优化不需要初始设计输入。设计空间可以被更详尽地探索，从而减少了设计收敛到局部最优的风险。如图1所示，实际的优化过程由四个步骤组成，重复这些步骤，直到获得一个最佳设计。
01设计评估：
通过CFD (计算流体力学)仿真来评估给定设计的流体流动和温度分布。仿真结果描述了流体域的速度场、压力场和温度场以及整个固体域的温度场。
02性能评估：
在设计评估中得到的仿真结果用于优化目标的设计性能评估。如果性能达到优化目标，则优化过程结束，导出设计。否则，优化循环将继续。
03敏感性分析：
这一步涉及到如何更改设计以提高性能，实现的方法是评估材料分布的设计性能敏感性。考虑到设计空间具有较大的自由度，采用伴随方法计算材料分布的敏感性。在分析中，伴随量是根据连续伴随量建立的，该数学框架允许以一种高效的方式进行敏感度度分析[6]。
04设计更新
优化算法在现有设计和敏感性分析的基础上提出了新的设计方案。此设计作为下一个优化迭代的起点。
在实例分析中，将拓扑优化方法应用于冷板冷却通道的设计。流体冷却问题的拓扑优化旨在找到最优的材料分布，寻求在受工艺和制造限制的情况下将成本目标最小化。换句话说，通过增加或减少每个单元的固体，在流体母体区域内产生一个最佳的固体设计。
对冷却系统进行建模
一个电池组通常由一个或多个固体部件和液体冷却剂组成，这类系统的仿真被称为共扼传热(CHT)问题。在CHT问题中，纳维-斯托克斯方程和能量方程描述流体行为，热传导方程描述固体域的传热，求解不同域的解决方案是共扼求解。
流体区域建模
固体区域建模
流固耦合
固体和流体之间的热交换仅取决于相邻壁面的各自单元之间的温差。在壁面处，施加界面平衡条件(公式6)，要求界面上的热流是连续的。从流体方面看，热流只取决于有效导热系数，有效导热系数解释了流体的热导率和湍流扩散率。值得注意的是固体之间的界面可以包括一个额外的接触热阻。
这种方法虽然计算成本很高，但数学建模更符合物理实际，为每个优化设计的提供更真实的性能评估。一个符合实际情况的数学描述是正确优化设计空间并最终找到最佳设计的根本。
冷板案例研究
案例研究比较了传统电池冷板设计与创成式电池冷板设计。该冷板的尺寸为447*图片220*图片10.5mm，如图2所示，上部图显示了入口、出口和流体区域，底部图显示了与冷板相关的电池，表示系统的热源。
图2 冷板系统
冷板材质是铝，热导率图片=237WmK，该系统冷却剂是用50%的水和50%的乙二醇生产的，进口温度为20 ℃，流量为3 L/min，热源为800W。当某些因素得到满足时，冷却系统会达到最佳性能。冷板上均匀的温度分布对电池寿命至关重要，因此，变化温度ΔT=5℃被认为是冷板的最佳温度。值得注意的，ΔT的值通常更小，为了保护专利信息才选择了5℃，这种选择并不影响所提出方法的有效性。另一个重要因素是液体在冷板通道的压降，对于本案例研究，最大压降目标为5.5kPa。
可制造性
当涉及到制造过程时，许多因素是决定的关键，如成本和最终产品的质量。
可制造性过程被视为设计问题的约束，在建立设计区域时设置可制造的工艺约束，在本案例研究中，所选用的制造工艺为钣金发泡。图3显示了一个金属板发泡板的草图。红线代表底部，蓝线是可变形的顶板。金属板成型工艺需要定义以下可制造性参数， 是通道宽度，是弯曲半径，t是厚度，delta是流体区域的高度，angle是通道的倒角。这些参数取决于公司的供应商，并在很大程度上取决于生产设备，选择这种技术保证了最终产品的可制造性。
图3 金属板参数
传统的设计
对三种传统的冷板设计，即S形设计、开放式凹陷设计和精细凹陷设计进行了仿真分析，评估了它们的性能。这些设计经过优化，以匹配前文提及的至少一个目标或约束，不同的配置会导致不同的性能。
图4 传统冷板设计
s型设计包含11个49mm的通道，如图4a所示。第二块板由220个开放的凹陷组成，单个尺寸为52毫米，间距为8毫米(图4b)。将凹陷的数量增加到874个，保持相同的尺寸，并将它们之间的距离减小到5mm，定义为精细凹陷设计 (图4c)。
图5 传统冷板仿真结果。上图是电池上的温度，下图是冷板内冷却剂的速度
可视化仿真结果包括电池(热源)的温度和流体通道内冷却剂的温度。s型设计(图5a)结果表明，电池单元上的温度分布不均匀，朝着冷板出口方向，电池单元温度逐渐升高。此外，可以观察到液体通过通道加热和通道内的高流速区域。
开放式凹陷设计的仿真结果显示，电池温度沿着出口方向增加，这种不均匀的温度分布导致电池上出现冷区和热点，长期使用对电池有害；同时，该设计内流道液体的流速较低。
对于第三种常规设计，电池温度分布同样不均匀，沿着对角线方向出现局部的冷区和热点 (图5c)；该设计内液体沿平板通道流速比较均匀。
创成式设计
创成式设计设置目标和约束条件，以获得一个优化的模型。压降和温度约束条件分别调整为5.5kPa和ΔT=5℃，制造工艺的约束条件是钣金发泡，此外，电池峰值温度优化是热设计目标。图6显示了最终的创成式冷板设计。
图6创成式冷板设计
图7 创成式冷板仿真结果。上图是电池上的温度，下图是冷板内冷却剂的速度。
创成式设计冷板的仿真结果如图7所示，电池上温度分布均匀，冷区较少，同样识别出流场中的不均匀流动区域。
讨论
图8 电池与进口温差的最大值、平均值和最小值
图9显示了一个频率图，展示了冷板上温度分布的概况。该图帮助我们直观地看到之前关于两个凹陷设计的结论，温度范围约为10℃。作为设计标准之一（ΔT = 5°C），创成式设计保持仿真开始时设定的温度变化标准。
图9 每种设计在电池上的温度分布
s型设计满足温度的目标性能要求，但是压降为23.5kPa，是目标压降5.5kPa的4倍。只有开放式凹陷设计和创成式设计的压降在约束范围内。
图10 每种设计的压降
表1总结了每种设计的结果，包含温度的峰值、均匀性、通道内的压降以及该冷板是否可制造。无论是峰值温度，温度均匀性，还是压降，传统的设计可以根据需要优化改进。但是，每个传统设计不像创成式设计那样能够同时满足所有约束。通过对结果的概述，很明显创成式设计的冷板具有极限的性能。
表1 冷板设计结果
补充例子
所有的分析和设计都是使用Diabatix专有平台ColdStream[8]创建的。在图11中，显示了由ColdStream生成的另外两个电池板的例子。
ColdStream是一个基于云的平台，不限于电池冷板的设计。所有的热分析、散热器选择和创成式设计都包括在热工程软件中。
图11 ColdStream生成的电池冷板设计的其他例子
结论
创成式热设计过程的附加价值通过电池冷板的设计来说明。该方法自动优化冷却系统的几何形状，设计的冷板为自由形状，以满足优化设计的约束和目标。创成式冷板设计与两种传统的冷板设计（一个s形和两个凹陷设计）做性能对比，传统设计只能以更高的压降或更高的温度分布为代价，实现与创成式设计相类似的功能。
刘强
动力工程及工程热物理工学硕士，安世亚太DfAM赋能业务部流体仿真工程师，擅长三维流体仿真和流道拓扑优化，目前从事DfAM换热器流体仿真工作。
参考文献
[1] K. Shea, R.Aish, and M. Gourtovaia.”Towards[1]integrated performance-driven generativedesign tools”. ln: Automation in Construction14.2(2005),pp.253-264.
[2] S. Oh et al. “Deep generative design: Integration of topology optimization and generativemodels”. In: Journal of Mechanical Design141.11 (2019).
[3] M. P. Bendsoe and o. Sigmund. Topology optimization: theory, methods, and applications.Springer Science & Business Media, 2003.o. Sigmund and K. Maute.“Topology op-timization approaches”. ln: Structural andMultidisciplinary ptimization 48.6 (2013),pp.1031-1055.
[4] O. Sigmund and K. Maute.“Topology optimization approaches”. n: Structural andMultidisciplinary Optimization 48.6 (2013)pp.1031-1055.
[5] J. Alexandersen and C. S.Andreasen.“A review of topology optimisation for fluid-basedproblems”. In: Fluids 5.1 (2020), p. 29
[6] S.Nadarajah and A. Jameson.“A comparisonof the continuous and discrete adjoint approach to automatic aerodynamic optimiza-tion”. In: 38th Aerospace Sciences Meetingand Exhibit.2000, p.667.
[7] C. Hirsch. Numerical computation of internal and external flows: The fundamentals ofcomputational fluid dynamics. Elsevier, 2007.
[8] Diabatix ColdStream @. VersionColdstream 2.url: https://coldstream.diabatix. com.
l 谷专栏 l
欢迎高校及科研机构、企业科学家加入谷专栏，与业界分享对推动增材制造发展起关键作用的共性基础科研与应用成果，欢迎扫描下方图片二维码提交您的信息。
白皮书下载 l 加入3D科学谷QQ群：106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源3D科学谷 l 链接到3D科学谷网站原文。
