2201_75375391的博客

本研究采用Simcenter ROM软件V2404版本构建新能源汽车热管理系统的稳态神经网络模型。通过导入1000组稳态工况数据，按20%验证集、80%训练集划分数据。建模过程包括：执行Model Sweep命令设置输入输出变量，选择神经网络方法并采用Slower搜索细节以增强训练效果，最终导出高精度模型（如FMU、ONNX等格式）。研究重点应用了前馈神经网络的前向传播和反向传播机制，通过梯度下降法优化模型参数，为新能源汽车热管理系统提供有效的建模方法。

反向传播（BP）是神经网络训练的核心算法，通过前向传播计算预测输出，反向传播误差信号，利用链式法则计算各层参数的梯度。BP算法采用梯度下降优化权重和偏置，最小化预测误差。其优势在于高效支持大规模参数优化和通用性，但也面临梯度消失/爆炸、局部极小值等问题。现代通过自适应优化器、残差结构等改进方法提升BP效果，使其成为深度学习模型训练的关键技术，广泛应用于图像识别、自然语言处理等领域。

误差函数是神经网络的核心组件，用于量化预测值与真实值的差异，并指导模型优化。不同任务需选用匹配的误差函数：回归任务常用MSE或MAE（后者对异常值更鲁棒），分类任务采用交叉熵损失（二分类用二元交叉熵，多分类用分类交叉熵）。误差函数需满足可导性、任务适配性和鲁棒性要求，通过反向传播机制与梯度下降算法协同工作。实践中还需结合数据特性（如样本不平衡时用FocalLoss）和激活函数特性进行选择。合理选择误差函数能显著提升模型性能，在医疗、金融等领域还可定制混合损失函数以满足复杂需求。

激活函数是神经网络实现非线性建模的关键组件。饱和函数（如Sigmoid/Tanh）易导致梯度消失，适用于特定输出场景；非饱和函数（如ReLU/Swish）通过保持正区间梯度有效缓解深层网络训练问题。选择策略建议：隐藏层优先ReLU变体，输出层按任务选用Sigmoid（二分类）或Softmax（多分类）。发展趋势指向动态自适应函数和物理约束融合，以进一步提升模型性能。合理选择激活函数对网络表达能力和训练效率具有决定性作用。

全连接神经网络（FCNN）是深度学习的基础模型，其层间神经元全互联结构通过权重矩阵实现全局信息传递。该网络包含输入层、隐藏层和输出层，采用非线性激活函数处理数据。训练机制基于反向传播和优化算法（如SGD、Adam），具有强大非线性拟合能力，但存在参数量大、过拟合等挑战。在热管理系统代理建模等领域有广泛应用，未来改进方向包括参数量压缩和物理约束嵌入。尽管存在不足，FCNN仍是处理结构化数据的重要框架。

本文系统探讨了生物神经元与人工神经元的对应关系及应用价值。生物神经元通过树突接收信号、胞体整合、轴突传导和突触传递完成信息处理，这一机制启发了人工神经元的设计。人工神经元由输入、权重、偏置和激活函数构成，通过非线性变换实现复杂映射。典型激活函数如ReLU、Sigmoid和Tanh分别模拟不同生物特性。神经网络通过层级结构（输入层、隐藏层、输出层）逐步抽象特征，并利用反向传播优化参数。在图像识别、异常检测和热管理等领域展现出强大应用价值，未来结合神经科学和轻量化技术将推动更高效的类脑智能发展。

本文探讨了神经网络在新能源汽车热管理系统中的应用。神经网络通过模拟生物神经元结构，能够处理复杂的非线性数据，适合构建热管理系统的降阶模型(ROM)。相比传统1D模型，神经网络ROM可大幅提升仿真速度，同时保持精度，并能跨平台部署。文章详细介绍了神经网络的结构原理、训练优化技术及在电池热管理、热泵系统等场景的应用，同时也指出实时性优化和物理约束嵌入等未来发展方向。总体而言，神经网络为新能源汽车热管理系统的设计与控制提供了高效的技术解决方案。

AMESim中的runstats元件（子模型RSTAT）是仿真性能分析的"数据采集器"，主要用于统计仿真过程中的关键运行参数，帮助工程师快速定位模型卡顿、运算缓慢等问题。

在AMESim中，sim_params元件并非标准元件库中的公开组件，可能属于特定应用场景或自定义子模型中的参数配置模块。

参数扫描功能：用户可以指定模型中一个或多个参数的取值范围和步长，批处理功能会自动遍历这些参数组合，进行多次仿真计算。比如在研究车辆悬挂系统时，可以通过批处理功能对弹簧刚度、阻尼系数等参数进行不同取值的设置，快速得到不同参数下悬挂系统的性能表现，从而确定最优参数组合。自动化仿真执行：结合脚本语言，如 Python、MATLAB 或 Visual Basic for Applications 等，AMESim 批处理功能可以实现自动化的仿真流程5。

在Amesim中也有相应的快捷键与组合键来提高建模操作。1 提高工作效率:减少操作时间;2 增强操作流畅性:保持工作节奏;3 精准操作:精准定位功能;在子模型、参数模式或仿真模式下设置全局参数。在全局设置窗口中创建实数参数。在全局设置窗口中创建整型参数。在全局设置窗口中设置文本参数。在全局设置窗口中设置枚举参数。在全局设置窗口中上下移动参数。Shift+滚动鼠标滚轮。在仿真模式下设置运行参数。调整视图到适合屏幕大小。Ctrl+滚动鼠标滚轮。Ctrl+上/下方向键。Alt+滚动鼠标滚轮。

随着时间的推移，或者在调用他人的不同版本模型时，若想了解不同版本之间的差异，逐个模型进行对比是极为费时费力的。这里需要注意的是，上文提到的两个模型必须在参数模块下（PARAMETER），若是其中一个没有在参数模块下（PARAMETER），下图中的Configure—Compare systems…⑤ 分析结束后回事差存在差异的模型，选择差异的模型查看就会在左侧的模型中高亮两个存在差异的元件，如下图5-1与5-2所示；③ 点击③处的按钮，在左侧的操作界面中将两个对比的模型左右布局显示两个模型；

使用 AC 库的建模如下所示，为Amesim中自带的案例，案例中包含的元件有压缩机、冷凝器、蒸发器、膨胀阀、同轴管（红色框）。在汽车空调系统中，高压制冷剂在内管中流动，低压制冷剂在外管与内管之间的环形通道中流动。综上所述，汽车空调系统中的同轴管是一种具有重要作用的部件，它通过提高换热能力、提升制冷能力和降低油耗等方面，为汽车空调系统的性能提升和整车节能做出了贡献。螺旋式同轴管：螺旋式同轴管通过特殊的螺旋结构设计，增加了换热面积，提高了换热效率。在实际应用中，螺旋式同轴管表现出更好的换热效果和性能提升。

PID 即比例（Proportional）、积分（Integral）、微分（Derivative）控制。比例环节根据偏差的大小成比例地对系统进行调节，偏差越大，调节作用越强。积分环节用于消除系统的稳态误差，它对偏差进行积分运算，只要存在偏差，积分作用就会持续累积，直到偏差为零。微分环节则根据偏差的变化率来调整控制量，能在偏差变化趋势变大之前就进行抑制，增强系统的稳定性和动态性能。

电子膨胀阀是一种可按预设程序调节进入制冷装置的制冷剂流量的节流元件1。它利用被调节参数产生的电信号，控制施加于膨胀阀上的电压或电流，从而改变阀的开度，达到调节制冷剂流量的目的。其核心部件包括转子、定子、阀针（芯）和阀体。转子相当于同步电机的转子，连接阀杆控制阀孔开度大小；定子将电能转为磁场驱动转子转动；阀针受转子驱动，端部呈锥形，上下移动进行流量调节；阀体一般采用黄铜制造。

简单地说，代数环其实就是一个输入信号包含输出信号，同时输出信号也包含输入信号的特殊反馈回路。在simulink中，这是由于直通模块（无延时的模块）的原因造成的，simulink中大部分的模块都是直通模块，因此很容易形成代数环。在整个回路中，只包含直通模块就会形成代数环，反馈回路有延时模块就会消除代数环。Amesim中的解决办法也可以参考该方法。当输入信号直接取决于输出信号，同时输出信号也直接取决于输入信号时，由于数字计算的时序性，而出现的由于没有输入无法计算输出，没有输出也无法得到输入的“死循环”。

是一个开关，它将其多个输入信号之一作为输出返回。输入变量的数量由用户在图标选择期间选择。要提取的项是连续变量。它四舍五入到最接近的整数，以形成要提取的项目的索引。的输入）高于或等于用户提供的阈值时，此子模型生成的输出从一个值（端口。从多路复用信号中提取项目。项的索引由项设置，以提取端口。当命令信号降至阈值以下时，输出从端口。唯一要设置的参数是将用作输出的输入变量的索引。仿真过程中可以从一个信号切换到另一个信号。从多路复用信号链中提取有用的信息。个以上的信号之间切换，可以使用。的输入）切换到另一个值（端口。

Amesim-帮助文件翻译与总结-重要元件之fofx（函数）

新能源动力电池一维仿真与三维仿真的主要区别在与，一维仿真中无法在仿真中精准的得到各个点的温度变化，其仅为质量块的平均温度。由于在1D计算中，每个质量块的温度代表的是该质量块的平均温度，因此代表动力电池模组上表面的温度需要通过顶部的两个质量块进行计算获得；理论上来说拆分的数量越多则仿真的精度越高，但是如果拆分的太多则失去了快速评估的意义，且计算量也较大。即在动力电池一维温度场仿真过程中，建议将每个模组在高度方向上分成10等份，或是将整个动力电池包在高度方向上分成10等份进行计算。

Amesim中界面显示字体设置

若输出值在high input threshold Value与low input threshold value之间输出上一秒的历史输出值。而初始值在high input threshold Value与low input threshold value之间则输出initial output value对应的输出值。如果输入在两个阈值之间，则根据图标中所示的方案，结合初始值设置，输出将处于高输出值或低输出值。请注意，如果输入信号在仿真开始时介于 2 个阈值之间，则没有历史记录来确定要设置的输出值。

Amesim在工程应用中计算的结果文件有时会很大，为了节省电脑存储空间，项目结束后可以将计算结果删除进行保存以存档。此处需要注意的是切记进行文件保存，一定要直接关闭才可真正完成计算结果删除操作。Step2：在草图②（SKETCH）界面，点击①File选择Purge，进入相应的界面；Step1：在①File下打开（Open）需要删除计算结果的项目文件；Step4：点击④Purge后在弹出的窗口处点击⑤Yes；Step5：点击⑥OK即可完成计算结果文件清除操作；Step3：在③处勾选需要删除计算结果的文件；

如下图所示，选中目标元件，在参数中选择“display label”选择一个英文字母，可以同时在“display digit”中选择一个数字进行组合编号。针对该问题，Amesim中也提供相应的元件dynamic_transmittery与dynamic_receiver来进行信号输出与接收，从而实现信号传递，同时解决由于连接线过多造成的界面混乱问题。但是需要注意的是，无论是一个传递信号对应一个接收还是多个接收，其信号的名称必须相同。4 一个传递必须至少对应一个接收，同理，接收必须对应一个传递。

在一个项目中可能存在几十甚至上百的零件，每个零件中都有一些参数需要设置，有时他们的参数还是相同的。若是工况变化，还需要对每个部件的参数重新设置。例如初始条件，工况中每个部件的初始条件基本上都是一样的（如初始温度）。Amesim中的参数模块下提供了一个全局参数的模块，可以通过该模块设置全局参数。本文将介绍全局参数的设置与调用方法。打开全局参数窗口。

前文已完成流体库常用的元件参数与使用方法简单的介绍。本文将对液体回路系统管路的压降标定仿真方法与注意事项进行讨论。首先，本案例应用到的元件有膨胀水壶、水泵、阻力管、常规管路等元件。将上述元件进行串联组成液冷循环回路。

本文将通过一个案例继续对Thermal库的元件进一步讲解。案例1：一个300mm*300mm*1000mm（长*宽*高）的铝板初始温度为45℃，竖直在环境为25℃的空间内静置60min。对流换热系数设置为5W/m2·K。本文将通过两种建模方法对铝块的温度变化进行对比。假设，铝块底部与地面接触为绝热，通过侧面与顶面与空气进行换热。

Amesim基础篇-元件详解-流体库管路

传热方式分为导热、对流、辐射。在Amesim中也有相应的元件实现相应的功能，本文将就此展开介绍。

Amesim基础篇-元件详解-压缩机

Amesim基础篇-元件详解-换热器

如之前介绍的Thermal库，本文将展开对thermal mass（capacity）元件应用进行介绍。该模块用来表征实体的质量、体积。

在动力电池仿真中中我们不免会用到该元件库中的模型，该库中包含基本的电路元件与电池模型。

流体库、管路库在热管理中是必备模块，如动力电池液冷循环系统均需要Thermal Hydraulic /Resistance库的元件建模。

基于上文对空调库各个元件的介绍，本文进一步将其中的管路展开。摩擦阻力管（R）：具有阻力特性的管路，通过管长以及管截面计算阻力。可调节阻力管（R）：只具有阻力特性，不具有容积特性。其余参数设置参考阻力管（R）。突变管路（R）：只具有阻力特性，不具有容积特性。需要输入变径尺寸。管路进出口（R）：只具有阻力特性，不具有容积特性。1号口为管路的进口位置，通常在散热器的进出口位置上使用。其阻力系数有方向性。常规管路（RC）：既有容性特性，也有阻力特性。带换热功能的管路（RC。

该文主要介绍空调库中各个元件的含义。主要包括压缩机、冷凝器、蒸发器、膨胀元件、管路以及相应附件。

固体传热库是AMEsim做热管理分析的基本模块。主要是固体传热、热对流、热辐射这三类。本文将一一进行介绍。

信号模块是AMEsim的基础模块，具有非常强大的逻辑运算能力，在理解底层逻辑的情况下单纯通过搭建信号模型即可完成大部分工况的仿真，其他库内很多元器件都是由该库内模型封装而成。信号不仅仅是该库内模块，在其他模块中，只要可以读取和监测出的数据都属于信号，都可参与策略的制定。

在草图界面都连线完成后，可以点击左上角的“SUBMODEL”（子模型），进入子模型选择界面。进入这个界面后可以发现一些原本是白色背景的模型变成了红色背景，说明这些模型具有多种子模型存在，需要选择具体使用的子模型。通过双击红色背景模型的方式进入子模型选择界面，选择需要的模型。首先在SKETCH（草图）界面上，将模型库内的模型拖拽至绘图界面，利用连线将各模块连接好。在完成子模型选择后点击“PARAMETER”（参数）进入参数设置界面，右侧出现参数输入框，每个模型需要输入的参数不同，依次输入完毕即可。