散热器优化参数确定方法技术

一种确定散热器的优化设计参数的方法，其特征在于包括：根据所述散热器的热力学特性参数，在所述散热器的设计参数值的解空间中确定使一个综合目标函数（Ｍ（Ｘ））的值最小的一组参数组合，所述综合目标函数与所述散热器的动态响应特性和压降损失特性正相关，其中，所述确定使所述综合目标函数的值最小的一组参数组合的处理包括：对所述综合目标函数进行参数寻优，从而得到满足散热器综合评价指标的优化设计参数。

【技术实现步骤摘要】

本专利技术涉及一种基于遗传算法的散热器优化设计方法，属于热工 科学

技术介绍
随着微电子技术的发展，集成度高、功率大、体积小的硅芯片 越来越深入地运用工业的各个领域，这些芯片的共同之处就是单个芯片的散热量很大。80年代中期，每一个芯片上就已有106个元件， 虽然每个元件的功率很小，但这样高的集成度使热流密度高达5 x 105W/m2。当芯片的热流密度增加，电子设备的温度就迅速上升，这 严重影响着电子设备的可靠性与安全性。为了将发热量较高的电子元件维持在合适的温度下，就要采用 相应的散热技术。目前风冷散热是高功率电子芯片散热的主要方 式，电子芯片风冷散热的工作原理是通过散热片将芯片产生的热量 传导出来，再通过风扇转动，加强空气与散热片的对流换热，通过 强制对流的方式将散热片上的热量散发到周围环境。散热器的主要 作用是为了增大散热面积，提高散热能力；而通过使用风扇提高风 速，改善气流组织。在工业运用中，提出了很多具有高散热性能的不同形状的肋 片，如波浪形肋片，带有分叉的条形肋片，空心肋，加百叶窗的肋 片，以及六边形肋，锥形肋等。因为拥有不同肋片形状的散热器的 种类繁多，其工作状况又分为自然对流和强制对流，所以在设计中 找出不同形状散热器的热力学特性以及如何使其达到最佳工作状态 是很重要的。因而，应当在设计过程中引入优化措施，根据设计要 求对每一个和优化目标有关的参数都进行评估，得出综合考虑了所 有这些参数的最优解。但是在工程实际中找出这样一个最优解并非 易事，因为不同的设计准则对应着不同的优化模型，而且一个参数 的每一个可能取值都对应着一个由优化模型所决定的目标函数值， 因此，迫切需要对设计对象进行^t优化设计的有效方法。相关领域的研究人员一直在探索不同的优化设计方法。已有的求 优化问题最优解或近似最优解的方法主要有枚举法、启发式算法 和搜索算法。其中枚举法可以枚举出可行解集合内的所有可行解，6求出精确最优解，但是其效率较低，非常耗时；启发式算法通过寻求一种产生可行解的启发式规则来寻找最优解，虽然效率较高，但启发式规则不具有通用性；搜索算法通过在可行解集合的子集内进行搜索操作来寻找问题的最优解或近似最优解，它可以在近似解的质量和求解效率上达到较好的平衡。针对散热器的优化设计问题，研究人员的侧重点也各有不同，主要从以下几方面确定优化目标a.散热器热阻最小；b.散热器的制造费用最少；c.最节约材料；d.压降较小。无论单目标优化还是多目标优化，已有的优化设计方法虽然考虑了散热器的传热性能等特性，但都没有考虑散热器的动态特性。 一种综合考虑散热器的热阻、时间常数和压降的优化设计方法不仅可以反映散热器的传热特性而且还反映其动态响应特性；通过遗传算法来实现优化过程不仅可以保证求解的质量而且可以提高求解效率。
技术实现思路
根据本专利技术的一个方面，提供了一种确定散热器的优化设计参数的方法，其特征在于包括根据所述散热器的热力学特性参数，在所述散热器的设计参数值的解空间中确定使一个综合目标函数(#0))的值最小的一组参数组合，所述综合目标函数与所述散热器的动态响应特性和压降损失特性正相关，其中，所述确定使所述综合目标函数的值最小的一组参数组合的处理包括对所述综合目标函数进行参数寻优，从而得到满足散热器综合评价指标的优化设计参数。根据本专利技术的另一个方面，提供了一种具有优化参数的散热器，包括一个底座，设置在所述底座上的多个翅片，所述多个翅片排成翅片阵列，其特征在于所述翅片阵列的设计#值是按照一种确定方法确定的，该确定方法包括根据所述散热器的热力学特性参数，在所述设计参数值的解空间中确定使一个综合目标函数的值最小的一组参数组合，所述综合目标函数与所述散热器的动态响应特性和压降损失特性正相关，其中，所述确定使所述综合目标函数的值最小的一组参数组合的处理包括对所述综合目标函数进行参数寻优，从而得到满足散热器综合评价指标的优化设计参数。附图说明图l为包含本专利技术的实施例的散热器优化设计流程图。图2为根据本专利技术的一个实施例的圆柱形针肋散热器结构3为根据本专利技术的一个实施例的圆柱形针肋散热器的俯视图。图4为根据本专利技术的一个实施例所涉及的决策变量的多参数级联编码与解码示意图。图5为根据本专利技术的一个实施例所涉及的单点交叉示意图。图6为根据本专利技术的一个实施例所涉及的均匀变异示意图。图7为根据本专利技术的 一个实施例的运用遗传算法对圆柱形针肋散热器进行综合目标优化的算法进化图。具体实施例方式遗传算法(Genetic Algorithm,简记为GA)是由J. Holland教授提出的一种具有全局优化能力的随机搜索算法，它是模仿自然界中生物进化发展而来的。根据达尔文的生物进化论中"优胜劣汰"原则，在自然界生物的进化过程中，适应性强的生物个体生存的机率较大。并且，由此组成的父代个体可以生成更为优良的子代个体。遗传算法运用的就是这个道理，将自然界中生物进化规律模拟运用到寻找问题最优解的应用中。研究表明遗传算法有很强的全局搜索能力，尤其在解决复杂的优化问题方面，如多目标问题，多峰值，非线性问题方面。GA算法鲁棒性强，是一种适应性强的全局最优搜索算法。在综合考虑多项评价指标问题的研究中，可以找到优化问题的Pareto解。Pareto解是优化问题的一组均衡解，又称其为非劣解，是指不存在一个比该解的各个目标函数值都优的更优解，可表述为设"6A若不存在ieA满足尸U)《尸(")，则称"为多目标问题的有效解(或称Pareto解)。本专利技术针对散热器优化中面临的问题采用遗传算法对散热器进行优化设计，提供了 一种有效的运用遗传算法进行芯片散热器参数优化的方法，该方法为综合考虑散热器的传热特性、动态响应特性和压降损失特性的优化设计提供了 一个基准。在本专利技术的解决方案中， 一种基于遗传算法的芯片散热器参数优化设计方法以解决传统散热器参数设计方法耗时而又不能实现散热器参数综合优化设计的问题；在研究散热器的热力学特性时以所研究的散热器的动态响应特性和压降损失特性为综合优化目标构建算法优化的目标函数，在多维参数值的解空间中寻找使综合目标函数值最小的一组^t组合，以得到使所设计的散热器满足不仅动态响应快而且压强损失小的模型参数体系。如图l所示的本专利技术的实施例的技术方案主要包括如下步骤(图l中虚线框中部分为遗传算法流程)(1) 确定以时间常数和压降损失最小为综合性能评价指标的散热器优化数学模型散热器主要热力学特性参数有热容量G，热阻i 以及时间常数r,压降损失J户，散热量"它们晃良映散热器静态特性与动态特性的指标量。对散热器热力学特性有直接或间接影响的参数有散热器的几何参数、散热器的材质、冷却介质的类型以及冷却条件(层流、潘流)J根据散热器的热容、热阻、时间常数及压强损失，确定综合考虑时间常数r与压强损失』所为对所设计散热器的性能评价指标。在本实施例所用的针肋散热器优化中，决策变量为针肋的肋间距，约束条件为散热器满足所冷却电子器件的散热需求，依此确定优化问题的数学模型。(2) 针对(1)中散热器优化模型，运用遗传算法对散热器进行优化。调整程序运行参数，寻找遗传算法优化的Pareto最优解，包括a. 生成初始种群。首先(釆用二进制级联编码方法)对散热器可行解进行编码，生成P组染色本文档来自技高网...

【技术保护点】
一种确定散热器的优化设计参数的方法，其特征在于包括：　根据所述散热器的热力学特性参数，在所述散热器的设计参数值的解空间中确定使一个综合目标函数（Ｍ（Ｘ））的值最小的一组参数组合，所述综合目标函数与所述散热器的动态响应特性和压降损失特性正相关。　其中，所述确定使所述综合目标函数的值最小的一组参数组合的处理包括：　对所述综合目标函数进行参数寻优，从而得到满足散热器综合评价指标的优化设计参数。

【技术特征摘要】

【专利技术属性】
技术研发人员：李运泽，王玉莹，刘东晓，刘佳，李运华，王浚，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11[中国|北京]