基于概率盒模型的林用电池结构可靠性分析方法

为评估林用锂电池在实际使用中的性能表现,并识别潜在的故障和风险,对其进行结构可靠性分析,用于指导电池结构的改进和优化。本研究将电池初始堆叠压力、端板厚度和垫片厚度作为不确定性变量,并描述为非参数化概率盒模型。在双层代理模型构建过程中,基于K折交叉验证原理构建指示函数以度量深度学习模型在候选样本点的局部预测不确定性,并考虑候选样本点与训练样本之间距离的影响,结合以上两因素制定主动学习函数。在内层中构建原始功能函数响应关于3个输入变量的深度学习模型,停止准则采用基于主动学习函数而制定的一个阈值。在外层中建立功能函数累积分布函数(CDF)边界所对应的辅助响应关于一系列标准均匀分布变量的深度学习代理模型。借助于外层代理模型使用蒙特卡洛仿真方法获得电池结构的失效概率上下边界。通过双层深度学习代理模型方法,成功计算出电池结构在不同条件下的失效概率边界,明确了各不确定性变量对电池结构可靠性的影响程度。本文所提出的结构可靠性分析方法有效评估了软包电池在使用过程中的安全性,为其设计和应用提供了重要的理论支持。