20阶模态一句话搞定！AI 全自动完成动力电池包模态分析全过程

当CAE软件的学习曲线，挡住了90%想做仿真的工程师；当几何清理、网格调参、后处理判读这些重复劳动，吃掉了研发团队一半以上的时间——我们不禁要问：仿真的价值，到底应该耗在软件操作上，还是花在工程判断上？

自《2026研发仿真开学季-让AI接入仿真研发》主题月开展以来，研发工程师案例征集活动随之而来。我们收到了来自行业一线研发工程师的踊跃投稿。今天的这份投稿，来自近蓝科技PhySpire团队。他们用AI完成了车用动力电池系统 20 阶模态完整实录：一句话需求输入，输出一条贯通几何前处理、网格划分、求解与结果解读的自动化链路。

一、写在文前

本文的案例对象是一个真实的动力电池包：192 个实体、128 只电芯、7 类材料，原始结构树无法直接用于分析，必须先进行完整的几何前处理。文章关注的不是它算出了什么，而是一次完整分析从需求输入到工程结论的全部执行过程——全过程由 AI 仿真软件 PhySpire 独立完成。文中所有界面截图、频率数据与工程判断，均取自一次真实运行的完整记录。

PhySpire 是一款 AI 驱动的仿真设计软件，由近蓝科技上海有限公司研发，软件主要通过对话理解仿真需求，可全自动完成包括复杂几何处理到仿真求解的全流程。

二、电池包的模态分析：为什么绕不开

电池包是安装于车身的大质量部件，路面激励、驱动系统振动以及制动与过坎冲击都会直接传递至其结构。结构设计中需要重点规避的情况是：电池包自身的固有频率落在上述激励的工作频段内。一旦发生频率重合，轻度影响是异响与结构疲劳，严重时会导致电芯模组松动、连接件失效。

因此设计阶段必须回答三个问题：

1.电池包前几阶固有频率具体落在何处？

2.每一阶的振型是整包弯曲、扭转，还是局部模组或护板共振？

3.这些频率与整车常见激励频段（路面激励 0 至 50 Hz、动力系统振动 50 至 200 Hz、电机高频激励等）之间的安全余量是否充足？

这三个问题，理论上一次模态分析即可全部回答。但从工程实践看，从确定要做分析到拿到可用结论，制约因素从来不在理论层面，而在于一整条冗长且琐碎的操作链——对于电池包这类复杂装配体，这条链比常规机械零件长得多。

三、原理并不复杂，难点在八个操作环节

模态分析的力学原理，在机械专业本科的振动理论课程中已有完整讲授，本身并不构成障碍。真正制约复杂装配体仿真的，是 CAE 的软件操作门槛——它不是"学会某一款软件"的问题，而是一系列必须逐项掌握的操作环节：

环节一：几何识别与整理。 供应商提供的 STEP 装配体常包含上百个实体，层级划分混乱、零件重名现象普遍。本案例模型打开时，原始结构树的情况是：

（1）原结构树组 1 下混装了 96 个电芯实体、12 个端板、17 个绝缘隔板、7 个隔热垫，分组语义与零件类型并不对应；

（2）原结构树组 2 中，箱体、箱盖、密封垫、液冷板、钢护板、PVC 护板六类零件被归入同一个复合体节点；

（3）原结构树组 3 仅包含 32 个电芯，其余电芯在组 1 中重复编号，端板与隔板的命名也不含位置信息。

面对这样的结构树，传统流程的第一步是人工对电池系统结构进行完整深入理解，然后对几何做重新整理，仅这一项工作就可能耗时半天以上。

环节二：几何清理与修复。 CAD 导入的模型无法直接用于计算：破面、自由边、自相交、重叠干涉、悬空零件等缺陷难以避免。本案例中，0.8 mm 钢护板、1.0 mm PVC 膜、0.93 mm 绝缘隔板、0.8 mm 隔热垫等超薄件，其中还存在着微小间隙、干涉等几何缺陷，不进行完整修复后续网格划分即会失败。

环节三：压印与接触定义，最依赖工程经验。 电池包中箱体、箱盖、液冷板、电芯、端板、隔板、隔热垫、护板等多类零件相互贴合。哪些面需要压印、压印后哪些组需要合并、275 对接触关系如何定义，在传统流程中完全依赖工程师的经验与逐个检查。

环节四：材料与仿真设置。 电池包涉及 7 类材料：6061-T6 铝、电芯等效体、MPP 绝缘隔板、硅胶导热垫、EPDM 密封垫、PVC 护板、Q235 钢护板。每一类材料的参数来源、定义方式及其对结果的影响，求解类型、参数与输出项的设置，均需逐项确认。

环节五：边界条件的生成与设置，最容易失真。 约束如何定义才能贴合实际安装状态？本案例用户仅指定 4 个箱体安装面；若只固定这 4 个面，实际只能约束部分平动与转动方向，会残留刚体模态。如何补充约束、补充在何处、补充多少，均依赖经验判断。

环节六：网格划分，依赖参数经验。 单元尺寸如何确定、何处需要加密、薄壁件厚度方向是否需要保证层数、质量指标不合格时如何调整，这些都来自实际项目积累。本案例中，AI 首先尝试 NETGEN 算法，生成的百万级单元中出现负体积，网格质量检查直接拦截；改用 GMSH 后得到 41.9 万可用单元。这种尝试与修正的过程，在传统流程中由工程师反复手动迭代完成。

环节七：求解策略。 提取阶数、特征值方法、结果验证方式，不同问题对应不同答案。选择不当，轻则浪费算力，重则导致结论失真。

环节八：结果提取与深入分析。 云图只是起点：频率提取、振型逐阶判读、各阶能量集中在哪些零件、薄弱部位在何处、与设计要求如何对照、结论如何撰写——这一步决定了分析结果是"算完了"还是"能用"。

行业内的普遍经验是：一名研究生从安装软件到独立完成第一次电池包模态分析，通常需要 1 至 2 个月；要使结果可靠，还需经历若干实际项目的验证。这不是某一款软件的问题——CAE 本身即高度专业化的工具，这一学习周期是行业现状。

那么，是否存在一种方式：原理由使用者掌握、判断由使用者做出，而软件操作层整体交由系统完成？ 下面的案例回答了这个问题。

四、一种不同的做法：需求描述清楚，其余交由 AI 执行

PhySpire 采用"对话式"交互：在模型视口中选中需要操作的面，通过右键发送至右侧 AI 面板，再用一句自然语言描述工况，系统会自动判断这些面应施加约束还是载荷，并直接写入仿真设置。

本案例发送给 AI 的需求原文如下，未做任何补充说明：

对这个车用电池系统做模态仿真。这四个面固定，结构树比较乱，你需要重新整理，零件材料你根据具体零件合理自行设定。

图 1：选中 4 个安装面后，将需求发送至右侧 AI 面板

其中不含材料参数，不含网格要求，也未指定求解器。需求提交后，未再追加任何说明。以下为 AI 随后自动完成的全部工作。

五、全过程实录：一条无需人工值守的执行链

第 1 步：解析需求，规划执行链  

接收到需求后，AI 首先将其解析为电池包约束模态分析任务，随后拆解为可执行流程：几何识别 → 结构树重组 → 几何检查与修复 → 压印 → 网格划分 → 网格质量检查与修复 → 仿真设置 → 求解 → 结果分析。每一次工具调用与执行进度都实时记录在右侧面板中——过程完全可查，不存在黑箱。有经验的用户可以逐项核对每一步决策，必要时随时介入。  

第 2 步：几何识别与结构树重组——定位问题根源  

AI 的第一步不是建模，而是完整读取整个电池包 192 个实体的结构树。  

它首先识别出这是一个约 2006×1498×252 mm 的车用动力电池系统液冷整包，内部沿车长方向并排布置 2 个模组（模组 A / 模组 B），每个模组 16 列 × 4 排 = 64 只方形电芯，共 128 只电芯；液冷板位于整包底部，底部另有钢制底护板与 PVC 护板。  

随后确认结构树存在以下问题：  

（1）原结构树组 1 下混装 96 个电芯、12 个端板、17 个隔板、7 个隔热垫，分组语义与零件类型完全不对应；（2）原结构树组 2 下混装箱体、箱盖、密封垫、液冷板、钢护板、PVC 护板六类零件；（3）电芯编号重复，端板与隔板的命名不含位置信息，无法判断所属模组与排次。  

AI 的处理方式如下：  

（1）按零件类型重新分组并命名（电芯按模组-列-排系统命名，端板、隔板、隔热垫分别归类）；（2）将 192 个零件全部归入单一总成根节点，清理原有混乱结构；（3）对 0.8 mm 超薄隔热垫等关键特征进行标注，作为后续网格策略的依据。

第 3 步：几何检查与修复——自动完成几何质量校核  

结构树重组完成后，AI 自动执行几何质量检查，确认无体积干涉、无自由边、无自相交。同时处理了端板与液冷板之间 0.8 mm 的悬空问题：将端板沿 Z 负方向平移 0.8 mm，使其贴合液冷板顶面，避免形成自由体。  

随后进行接触面处理：AI 对 192 个实体之间的接触面执行压印，共处理 1924 个面，形成 275 对接触绑定。压印完成后再次检查，确认无孤立件与自由面。  

最后处理边界条件。用户指定的 4 个安装面均位于箱体底部同一水平面（z≈964 mm）。AI 判断：仅固定这 4 个面，只能约束部分平动与转动方向，会残留 3 个刚体模态。因此它在箱体外表面补充了一个位移约束面，使 6 个刚体自由度全部消除，从而得到真正的约束模态。

  图   2：几何前处理全过程——结构树重组、几何修复、质量检查、接触面压印与固定面创建  

第 4 步：网格划分——自适应策略与质量修复  

网格策略由 PhySpire 结合分析场景与几何特征自动确定。但电池包的薄壁特征使首次尝试未能通过质量检查：

（1）NETGEN_1D2D3D，max40/min10：生成 132.6 万四面体，出现负体积单元，长宽比均值 103、最大 828003，被网格质量检查拦截，无法进入求解。（2）AI 未要求人工调整参数，直接切换算法。（3）GMSH，同参数 max40/min10：生成 41.9 万四面体、46.1 万节点，无负体积，长宽比均值 14.6、最大 1523，满足求解要求。  

这次切换是关键：GMSH 在处理 0.8 至 1.0 mm 大面积薄片时更稳定。AI 通过一次失败尝试自动完成算法选型，替代了工程师的大量试错过程。  

 图 3：网格生成与质量检查——NETGEN 失败后自动切换 GMSH，并完成质量修复  

第 5 步：仿真设置——材料、约束与求解策略自动生成  

AI 自动完成：  

（1）7 类材料参数赋值（6061-T6、电芯等效体、MPP 绝缘隔板、硅胶导热垫、EPDM 密封垫、PVC、Q235）；（2）4 个安装面固定约束 + 补充刚体消除约束；（3）提取前 20 阶模态。  

求解策略同样由 AI 确定：模态分析选用 Code_Aster 特征值求解器，20 阶全部收敛，误差范数约 1e-9，无警告。  

这些参数不要求使用者预先掌握，但每一项决定都完整记录在面板中。既可以逐条审核每一项设置，也可以直接采用结果——两种使用方式都成立。  

第 6 步：结果分析——输出不止云图，而是工程结论  

求解完成后，20 阶模态云图全部自动提取。关键结果汇总如下：

前 10 阶频率与主振型：

第 11 至 20 阶进入局部高频模态：箱盖、模组端板、密封垫、隔热垫等局部参与逐渐增加，最高 446.27 Hz。

更重要的是，AI 并未停留在输出云图，而是进一步完成了能量分布分析：

第 1 阶（66.35 Hz，整包一阶弯曲）：

(1) 箱体应变能占比约 92%；

(2) 电芯动能占比最高（模组 A 约 38%、模组 B 约 40%）；

(3) 有效质量 Z 向占比 81%。

这说明一阶振型主要由整包在 Z 向的弯曲变形成，箱体提供刚度，电芯主要作为质量参与。对应工程结论：提升一阶频率最有效的途径是提高箱体 Z 向刚度。

图 4：结果分析——模态云图、20 阶频率表、能量分布与薄弱环节评定

在此基础上，AI 进一步给出薄弱环节清单与对应的加强方向：

并给出具体加强方向：

(1) 箱体局部刚度不足区域优先加厚或加筋；

(2) 底部护板可考虑增加厚度或改为复合结构；

(3) 模组与液冷板之间的导热垫/支撑刚度需结合实际电池包设计权衡。

回到第一节提出的三个问题——固有频率落在何处、各阶振型形态如何、与整车激励频段的安全余量是否充分——至此均已得到回答。

六、结果怎么用：从数据到设计决策

得到结果只是分析工作的一半，另一半是正确解读。以本案例为例，AI 输出的是一条可直接用于后续决策的链路：

(1) 66.35 Hz 的一阶弯曲反映电池包的整体刚度水平，可用于结合整车激励频段判断安全余量；

(2) 若需提高一阶频率，AI 依据能量分布指出最有效方向是提升箱体 Z 向刚度，而非按经验加厚电芯隔板；

(3) 需要验证改进方案时，回到第 2 步修改几何尺寸或结构描述、重新提交即可，前后结果可自动对比。同型号零件的多工况、多方案批量对比，同样以这一方式一次完成。

这也是 PhySpire 与传统后处理流程最本质的区别：传统流程交付的是数据集 合，这里交付的是可直接写入设计报告的工程结论。

七、人的时间应投入在哪个环节

同一次电池包模态分析，两条路径下人工投入的差异如下：

八、直播预告：AI 原生仿真设计平台 PhySpire 介绍与现场演示

看完文章还不过瘾？想亲眼看看"一句话做仿真"到底是怎么跑通的？

9月16日（下周三）19:30，PhySpire开发负责人邱阳（中科大硕士、前蔚来汽车主任工程师、30+项专利持有者）将做客仿真秀，带来平台深度介绍与现场演示——从一句话需求到工程报告的完整闭环，当场验收。报名后还支持反复会看，请识别下方二维码报名观看。

1、直播看点

（1）PhySpire 核心功能与技术架构全解析

（2）现场演示：一句话描述需求 → AI 自动完成几何/网格/求解/后处理 → 生成可解读报告

（3）AI 仿真设计的痛点与未来方向现场讨论

2、关于 PhySpire（作者介绍）

这个案例用到的工具是 PhySpire(AI 仿真设计平台)。如果想在自己的零件上试一试，可以关注我在仿真秀技术服务专栏——PhySpire 产品技术团队（近蓝科技上海有限公司）——PhySpire 是一款 AI 驱动的仿真设计软件，用自然语言对话完成工程仿真全过程：

完整工具链闭环：几何建模/导入、几何识别与检查修复、网格划分、仿真配置、求解、结果分析全链路内置，无需在多个软件之间来回切换；常用分析场景全覆盖：静力校核、模态分析、瞬态冲击、热分析、热-结构耦合；文献复现：把论文 PDF 直接发给 AI，它自动提取几何参数、材料、载荷与约束，自建模型完成仿真复现；通用办公助手：除仿真外内置通用办公助手，文档处理、数据整理等日常工作同样可以对话完成。

适合人群： 一线机械/热仿真工程师、仿真团队负责人、高校科研师生、工业软件与AI应用开发者

2026研发仿真开学季是仿真秀面向研发工程师推出的主题活动月，9月1日至10月31日以"从工具到智能——让AI接入仿真研发"为主线，覆盖结构、流体、电磁、多物理场和AI驱动仿真五个方向。仿真秀力邀企业资深研发工程师，围绕LS-DYNA、Workbench、Abaqus、Star-CCM+、HyperWorks、Maxwell、Fluent、CST、Flotherm、SolidWorks、ANSYS等主流软件，演示如何用LLM、Agent、Codex、Claude、DeepSeek等大模型能力打通建模、求解、后处理与优化全流程，让仿真从"手工操作"升级为"AI驱动"；

此外仿真秀精选100余门研发仿真精品视频课限时秒杀1元起售，并叠加专属券，秒杀课程覆盖从基础到前沿的完整学习路径；活动期间，仿真秀还发起案例征集，以"我的研发仿真故事——从工具到智能的进阶之路"为题，面向工程师征集攻坚实录、工具进化、AI接入、成长与团队四类真实故事，图文或视频，通过即获“满意现金稿酬和百人千万"内容扶持计划，优秀作品还将在仿真秀APP、官网、公 众号、视频号四端专题展示并邀请连麦直播。整个主题月既是一场系统化的技术充电，也是工程师用AI重塑研发工作流的一次集中练兵。