随着功率模块集成化程度的提高,其散热结构优化已成为研发中的关键。拓扑优化可通过变换散热器形貌、结构来最大化地提升散热效果,因此受到了广泛关注。但在拓扑优化过程中,每步迭代均需要计算模块与散热器温度分布,占用较庞大的计算资...随着功率模块集成化程度的提高,其散热结构优化已成为研发中的关键。拓扑优化可通过变换散热器形貌、结构来最大化地提升散热效果,因此受到了广泛关注。但在拓扑优化过程中,每步迭代均需要计算模块与散热器温度分布,占用较庞大的计算资源和计算时间。为加速传统散热器拓扑优化进程,在基于传统固体各向同性材料惩罚SIMP(solid isotropic material with penalization)散热器拓扑优化方法的基础上,提出一种嵌套神经网络NN(neural network)同步学习的快速迭代方法。首先,构建散热器基于编码器-解码器结构的NN预测模型,即基于散热器形貌迭代进化过程实现优化结构的快速预测;其次,将NN模型与散热器SIMP拓扑优化流程相嵌套,利用迭代过程中的中间形貌同步训练NN;最后,针对单芯片、两芯片模块结构,对比所提方法与传统迭代方法的拓扑优化结果,验证了所提NN同步学习方法的准确性和快速性。展开更多
针对COB-LED(Chip on Board-Light Emitting Diode)散热问题,文中基于二维热传导方程建立了一个可快速计算COB-LED散热器表面热分布的数学模型。为了便于模型求解,采用有限差分法求解该数学模型并选择交替方向隐格式作为其差分格式。根...针对COB-LED(Chip on Board-Light Emitting Diode)散热问题,文中基于二维热传导方程建立了一个可快速计算COB-LED散热器表面热分布的数学模型。为了便于模型求解,采用有限差分法求解该数学模型并选择交替方向隐格式作为其差分格式。根据模型中的边界条件和初始条件设计COB-LED常温点亮实验,并基于ANSYS有限元分析软件进行仿真分析。通过比较求解结果、仿真结果和实验结果验证该数学模型的合理性。结果表明,求解结果与实验结果中最高温度相对误差约23.57%,且两者的温度变化趋势一致。求解结果与仿真结果中最高温度相对误差约34.84%,且温度分布较为接近,证明了该数学模型的合理性与正确性。展开更多
文摘随着功率模块集成化程度的提高,其散热结构优化已成为研发中的关键。拓扑优化可通过变换散热器形貌、结构来最大化地提升散热效果,因此受到了广泛关注。但在拓扑优化过程中,每步迭代均需要计算模块与散热器温度分布,占用较庞大的计算资源和计算时间。为加速传统散热器拓扑优化进程,在基于传统固体各向同性材料惩罚SIMP(solid isotropic material with penalization)散热器拓扑优化方法的基础上,提出一种嵌套神经网络NN(neural network)同步学习的快速迭代方法。首先,构建散热器基于编码器-解码器结构的NN预测模型,即基于散热器形貌迭代进化过程实现优化结构的快速预测;其次,将NN模型与散热器SIMP拓扑优化流程相嵌套,利用迭代过程中的中间形貌同步训练NN;最后,针对单芯片、两芯片模块结构,对比所提方法与传统迭代方法的拓扑优化结果,验证了所提NN同步学习方法的准确性和快速性。
文摘针对COB-LED(Chip on Board-Light Emitting Diode)散热问题,文中基于二维热传导方程建立了一个可快速计算COB-LED散热器表面热分布的数学模型。为了便于模型求解,采用有限差分法求解该数学模型并选择交替方向隐格式作为其差分格式。根据模型中的边界条件和初始条件设计COB-LED常温点亮实验,并基于ANSYS有限元分析软件进行仿真分析。通过比较求解结果、仿真结果和实验结果验证该数学模型的合理性。结果表明,求解结果与实验结果中最高温度相对误差约23.57%,且两者的温度变化趋势一致。求解结果与仿真结果中最高温度相对误差约34.84%,且温度分布较为接近,证明了该数学模型的合理性与正确性。
