基于热流隔离的大功率LED热管理解耦与协同优化框架
《International Journal of Heat and Mass Transfer》:A heat-flux isolation-based decoupling and co-optimization framework for thermal management of high-power LEDs
【字体:
大
中
小
】
时间:2026年09月23日
来源:International Journal of Heat and Mass Transfer 6.6
编辑推荐:
热通量隔离实现了多源高功率LED的热解耦。降阶网络提供了1561倍在线评估加速。FLOEFD验证了平衡设计中结温降低6.56°C。
缩写
AISA——绝热隔离面
FEM——有限元法
LED——发光二极管
MOPSO——多目标粒子群优化
PCB——印制电路板
PET——光电热
热通量隔离实现了多源高功率LED的热解耦。降阶网络提供了1561倍在线评估加速。FLOEFD验证了平衡设计中结温降低6.56°C。
缩写
AISA——绝热隔离面
FEM——有限元法
LED——发光二极管
MOPSO——多目标粒子群优化
PCB——印制电路板
PET——光电热
RMSE——均方根误差
符号说明
A——传热介质的横截面积(m2)
Ab——所评估复合截面底板横截面积(mm2)
Ab,m——参数化质量模型中使用的固定底板横截面积(m2)
Ac——散热鳍片在轴向导热方向上的垂直横截面积(m2)
Af——所评估复合截面中单个鳍片的横截面积(mm2)
C——热容(J·K?1)
H——鳍片垂直高度(m)
h——局部对流换热系数(W·m?2·K?1)
hc——对流-辐射综合换热系数(W·m?2·K?1)
hrad——等效辐射换热系数(W·m?2·K?1)
I——复合散热器截面关于形心弯曲轴的惯性矩(mm?)
Ib,c——底板的形心惯性矩(mm?)
If,c——单个鳍片的形心惯性矩(mm?)
If——恒定驱动电流(A)
k——热导率(W·m?1·K?1)
l——等效映射中的有效扩展厚度(m)
Lb——底板长度(m)
Lc——修正鳍片长度(m)
Lcond——导热路径长度(m)
Lf——鳍片从根部到尖端的轴向长度(m)
m——质量(g)
Nf——鳍片数量
P——鳍片周长(m)
P0——光辐射功率(W)
q——热通量(W·m?2)
Q——在既定电学工作条件下LED的产热率(W)
Rc——等效对流-辐射综合热阻(K·W?1)
Rcond——导热热阻(K·W?1)
Rconv——对流热阻(K·W?1)
Req——PCB子区域的等效热阻(K·W?1)
Ri——纵向导热热阻(K·W?1)
Rij——耦合热阻(K·W?1)
Rjb——结到板热阻(K·W?1)
Rjc——结到壳热阻(K·W?1)
Rk——扩展热阻(K·W?1)
Rth——热阻(K·W?1)
T——绝对温度(K)
Ta——鳍片模型中的环境温度(K)
Tf——环境流体温度(K)
Tj,max——最大LED结温(°C)
Tb——鳍片根部温度(K)
Tw——外壁温度(K)
t——鳍片厚度(m)
tb——底板厚度(m)
U——测量不确定度(°C)
V——体积(m3)
Vc——有效LED加热体积(m3)
Vref——参考温度下的正向电压(V)
x——从鳍片根部测量的轴向坐标(m)
Z——等效扩展系数(m·K·W?1)
希腊字母
α——鳍片参数(m?1)
ΔT——温差(K或°C)
ΔV——正向电压差(V)
ε——发射率
yb——底板的形心位置(mm)
yf——单个鳍片的形心位置(mm)
n——AISA的局部单位法向量
ρ——密度(kg·m?3)
Φ——热流率(W)
Φ∞——无限长鳍片的极限热流率(W)
Φlm——光通量(lm)
1. 引言
高功率发光二极管(LED)因其优良的光电性能被广泛应用于汽车先进照明系统[1]。虽然高功率LED的密集封装提高了光强,但也增加了局部热通量[2]。由于超过60%的输入功率转化为废热[3],现代前照灯的封闭空间带来了严峻的热管理挑战[4,5]。LED性能对结温(Tj)高度敏感;持续的热应力会加速效率退化,据报道器件故障率每升高10°C便翻一番[6,7]。因此,深入理解此类密集集成架构中的传热演变至关重要。相应地,有效的系统级热管理仍然是下一代高功率LED系统开发中的关键挑战。
三维有限元法(FEM)被广泛用于求解高功率电子系统中的热通量演变[8,9]。尽管FEM能够提供关于结构改进(如修改鳍片几何形状和多孔阵列)的高保真见解[[10],[11],[12],[13]],但由于所需的空问离散化,其计算成本仍然高昂。这一限制对于数据驱动的代理模型同样存在[14,15],后者通常需要大量训练数据,且可能无法跨拓扑变体进行泛化[16,17]。在涉及大量结构迭代和动态性能评估的工程应用中,传统求解器的计算成本限制了快速系统级优化[18]。
为降低FEM的计算成本,集总参数Cauer网络提供了一种高效的光电热分析方法[19]。然而,将其应用于密集集成的多源阵列时,热串扰使问题变得复杂[20]。传统方法通过半经验互热阻来表示横向扩展[21,22],通常通过热扩展角理论估算几何重叠来构建校正阻抗矩阵[23,24]。当非线性对流-辐射边界条件和局部热扩展使简单线性叠加失效时,这些近似方法变得不够可靠[25]。在各向异性介质中的经验拟合会模糊物理阻抗网络,并大幅增加参数数量。此外,试图通过将对耦合温升转化为虚拟热生成来规避高维矩阵的方法,从根本上混淆了热生成与热响应之间的物理因果关系[26,27]。因此,开发一种在保留多源热流拓扑的同时减少重复高保真计算且具有物理可解释性的降阶模型仍然是重要的挑战。
密集集成的高功率LED系统(包括汽车先进前照灯)受到耦合多物理场约束[28]。在严格的质量和空间限制下,架构必须提供低热阻,同时保留在典型路面载荷条件下的足够弯曲刚度[29,30]。这些要求在热性能、结构质量和弯曲刚度之间产生了多维帕累托权衡[31]。然而,当缺乏基于物理的计算高效解耦模型时,重复正向模拟的成本限制了优化算法的使用[32,33]。因此,当前设计通常依赖于顺序折中和启发式试错,这可能导致局部最优而非全局最优解。
为应对FEM高计算成本、传统热网络物理失真以及多目标协同优化局限性这三重挑战,本研究提出了一种基于热通量隔离的多物理场框架。首先,利用精确的宽温度光电热(PET)标定建立了高保真FEM基线模型。基于邻近热通量场的相互作用,所提出的绝热隔离面(AIS)理论识别了自然形成的法向零热通量面,将耦合域划分为独立的单源子域。这种物理解耦消除了经验互热阻矩阵的需求。随后,不规则平面等效映射算法被用于构建具有高保真度和低计算成本的全局离散化热网络。解耦模型与多目标粒子群优化(MOPSO)算法集成,以评估结温、结构质量和惯性矩之间的三维帕累托权衡。这种基于物理的公式提高了降阶热网络的可解释性,并支持密集集成高功率LED系统的高效正向设计。
本文其余部分组织如下:第2节详细介绍了LED器件PET特性的实验标定,建立并验证了高保真三维有限元基线模型。第3节提出了多源耦合机制,开发了基于AIS的空间解耦方法,并构建了系统级热网络。第4节利用降阶模型分析主要设计变量的敏感性,并对散热结构进行基于MOPSO的帕累托优化。第5节总结了结论和局限性。
2. 实验平台与基线模型验证
2.1 实验装置与动态热负载标定
准确标定非线性热源特性是优化高功率LED热管理系统所必需的。我们建立了一个耦合PET测试平台(图1(a)),以表征20至120°C范围内正向电压和辐射功率(P0)与Tj的函数关系。将一个LED器件焊接到星形铝基板上,放入积分球中。达到热平衡后,施加短时1000mA窄脉冲电流,以确定本征光电参数,同时将自加热降至最低。
[下载:下载高分辨率图片 (725KB)] [下载:下载全尺寸图片]
图1. PET特征与瞬态热测量:(a) 用于参数标定和模块测试的实验装置;(b) 单个LED的正向电压差和辐射功率随Tj的变化;(c) 关键节点(LED引脚、PCB、散热器)的瞬态温度响应和引脚-基板ΔT。
结果表明,随着Tj升高,半导体带隙变窄,产生非线性正向电压下降(图1(b))。同时,高温下晶格加热增强增加了非辐射复合,降低了可见光辐射功率。使用多项式回归将这些离散测量值转化为连续热边界条件,并确定正向电压差(ΔV)和P0对Tj的依赖关系,如式(1)和(2)所示:
(1) ΔV = (44.35 - 1.889 × Tj + 0.004675 × Tj2) / 1000
(2) P0 = 1.270741 - 0.000921 × Tj - 0.000016 × Tj2
拟合曲线与实验数据吻合良好(R2 > 0.999;图1(b))。基于这些关系,利用式(3)中的能量平衡确定了在既定电学工作条件下LED的温度相关产热率(Q):
(3) Q = (Vref - ΔV) · If - P0 = 1.9346 - 0.00097 × Tj + 0.000021 × Tj2
其中Vref是参考温度下的正向电压,If是恒定驱动电流。通过减去瞬时光辐射功率,该模型估算了在既定工作条件下的产热率,并定义了后续系统级热分析中使用的LED热源输入。
为确定模型中使用的光学性质,测量了主要结构组件的热物理性质,如表1所示。使用瞬态平面热源法(Hot Disk TPS 2500S;ISO 22007–2)测量热导率和比热容。对于聚合物组件,在20、50、75、100和120°C下分别达到热平衡后额外测量了热导率(表S1)。20°C下测得的热导率作为基线FEM中的恒定性质输入,而完整的温度依赖数据集用于第2.2节中描述的补充敏感性模拟。材料密度通过精确天平和数字卡尺获得的质量与体积测量值计算得出。然后选择一个紧凑型双光束模块作为研究对象(图1(a)),以定义系统级热分析的边界。
表1. 双光束LED模块组件的实测热物理性质
| 组件 | 材料 | 密度 (kg·m?3) | 比热容 (J·kg?1·K?1) | 热导率 (W·m?1·K?1) |
|------|------|---------------|---------------------|---------------------|
| 透镜 | PC | 1193.4 | 1255.3 | 0.25 |
| 近端透镜 | PMMA | 1183.6 | 1485.8 | 0.21 |
| 透镜支架 | PBT-GF30 | 1283.1 | 963.9 | 0.29 |
| PCB | 铝基板 | 2785.3 | 879.1 | 127.9(面内)/37.9(法向)|
| 散热器 | ADC12 | 2700.0 | 959.8 | 155.00 |
进行了全功率瞬态热测试以表征系统级温度演变并验证所提出的等效热网络拓扑。综合仪器不确定度(Utotal)由热电偶的指定不确定度(Usensor)和Agilent 34970A数据采集系统的不确定度(UDAQ)计算得出。使用均方根法,总测量不确定度为:
(4) Utotal = √(Usensor2 + UDAQ2)
根据仪器规格,最大温度测量不确定度为±1.5°C。如图1(c)所示,核心产热端子(LED引脚)的稳态温度在69.1°C至71.4°C之间,表明高热通量封装中存在局部热量积累。除通电初始阶段(t < 10s)的轻微波动外,LED引脚与印制电路板(PCB)基板之间的温差(ΔT)在整个加热过程中保持几乎恒定。早期的波动归因于热容。这一行为支持在前照灯的正常工作温度范围内将总热阻视为近似恒定。该热阻包括从芯片到引脚的传导、PCB内的热扩展以及表面对流。这一观察支持在PCB传热路径中使用恒定电阻-电容网络元件,并为随后解耦密集排列源之间的热串扰提供了实验基础。
2.2 有限元基线模型验证与热流演变
由于离散热测试无法解析微尺度封装内的Tj或捕捉多层界面间的连续温度梯度,构建了一个双光束FEM基线模型。固体域内的稳态热传导由从傅里叶定律推导出的泊松方程控制:
(5) ?·(k?T) + Q/Vc = 0
其中k表示各向同性热导率。基线FEM采用表1中列出的恒定热物理性质,包括20°C下测得的聚合物热导率。为量化温度依赖型聚合物热导率的影响,补充Simcenter FLOEFD模拟对20-120°C范围内PBT-GF30、PC和PMMA的实验测量k(T)数据集进行了仿真,测量温度点之间采用分段线性插值(表S1)。与恒定性质模型相比,五颗LED的平均结温从89.96°C降至89.81°C,而最大结温从90.44°C降至90.21°C。相应差异分别为0.15°C(0.17%)和0.23°C(0.25%),表明在所研究的工作条件下,恒定性质近似对预测结温的影响有限。对于系统级FEM,由式(3)获得的温度相关LED产热率(Q(Tj))被分配给每个有源LED,并均匀分布在其有效加热体积(Vc)上。热量通过多层结构传导到模块外表面,然后消散到周围流体中。对流边界条件由牛顿冷却定律控制:
(6) -k(?T/?n)|w = h(Tw - Tf)
其中h是局部对流换热系数,Tw和Tf分别为外壁温度和环境流体温度。
为平衡预测精度和计算成本,采用局部自适应加密进行了网格敏感性分析。所有三维有限元仿真均在配备Intel Core i5-13490F处理器和16GB RAM的工作站上使用Simcenter FLOEFD完成。为解析陡峭的温度梯度,LED芯片和固体界面被分配了更细的网格。使用最大LED结温(Tj,max)评估网格收敛性,因为最热的结提供了空间离散化敏感性最严格的指标。
如表 2 所示,将元素数量从 220 万(中等)增加到 591 万(精细),Tj,max 仅变化 0.1 °C,而计算时间从 1249 秒增加到 3372 秒。因此,后续所有多物理场仿真均采用中等网格。
表 2. 基于最高结温的 FEM 网格独立性验证。
| 网格设置 | 总元素数 | Tj,max (°C) | 与前一网格的差值 (°C) |
| :--- | :--- | :--- | :--- |
| 粗糙 | 131793 | 91.8 | - |
| 中等 | 220441 | 290.4 | 1.4 |
| 精细 | 591275 | 290.5 | 0.1 |
随后,将收敛的 FEM 模型与主要发热区域和远端散热器处的实验温度进行了评估对比。如图 2(b) 所示,模拟温度与测量值吻合,所有测量点的相对误差均低于 5%。这一一致性支持将 FEM 模型用作构建解耦热网络的高保真参考。稳态温度场进一步确定了系统级的主要热瓶颈。在图 2(c) 中,最高结温位于 LED 3 处,达到 90.44 °C。图 2(d) 中的 PCB 温度场显示了由离散热源密集排列引起的明显横向梯度和局部热点 [34]。这些不均匀的温度和热通量分布证实了共享衬底上各热源之间存在强烈的热相互作用,并促使进行后续的降维和热解耦。
下载:下载高分辨率图片 (556KB)
下载:下载全尺寸图片
图 2. 双光束 FEM 模型的验证与稳态热行为:(a) 几何及局部加密网格;(b) 模拟温度与测量温度对比;(c) 截面稳态温度场;(d) 多源 PCB 的表面温度分布。
2.3. LED 双热阻等效模型的参数提取
尽管 2.2 节中的三维 FEM 基准模型提供了高保真度,但其计算成本使其不适合需要进行数千次迭代的系统级优化。因此,LED 封装被简化为一个紧凑的双热阻模型(图 3(a))。该模型使用两条主要的一维路径来表示内部热传递:从 PN 结到上外壳(Rjc)以及从 PN 结到板侧端子(Rjb)。
下载:下载高分辨率图片 (392KB)
下载:下载全尺寸图片
图 3. 双热阻 LED 等效模型及物理表征:(a) 等效电路;(b) 顶部和侧面视图的 X 射线图像;(c) 用于提取封装级热阻的简化单 LED 封装模型。
使用 X 射线透射成像(图 3(b))表征了 LED 内部几何结构。在确定层厚度并移除热不相关的辅助材料后,重建了微观有限元域(图 3(c)),以解析结、外壳和板侧端子之间的热流分布。通过稳态仿真确定了这两个封装级热阻,采用规定的 0.30 W 结负荷作为归一化条件。由于提取模型假设材料属性固定的线性稳态传导,温度差和支路热流率与施加的负荷成比例,因此在该模型中,电阻比 ΔT/Φ 与所选归一化负荷无关。结果得出指向外壳的热流率为 0.004 W,指向板面的热流率为 0.296 W,相应的温降分别为 0.64 和 1.48 °C。因此,Rjc= 160 K/W,Rjb= 5 K/W,如表 3 所示。这些热阻表征了封装热传递路径,随后与由公式 (3) 定义的依赖于温度的运行发热率 Q(Tj) 耦合;0.30 W 负荷仅用于热阻提取,并非系统级运行热源。
表 3. 在 0.30 W 稳态结热负荷下提取的封装级热阻。
| 热传递路径 | ΔT (℃) | 支路热流率,Φi (W) | 热阻 (K W?1) |
| :--- | :--- | :--- | :--- |
| PN 结 - 外壳 | 0.64 | 0.004 | 160 |
| PN 结 - 板面 | 1.48 | 0.296 | 5 |
低得多的 Rjb 表明封装内的热传递强烈偏向板侧,在提取模型中,98.7% 的施加热量由该支路携带。当多个 LED 共享同一 PCB 时,这种主导的板侧热流向横向扩散并与邻近热流场相互作用,产生衬底级热耦合。传统的一维热网络无法充分表征密集集成多源配置中的这种交叉耦合,这促使了第 3.3 节中开发的空间解耦方法。多源 LED 前大灯的解耦热网络建模
3.1. 多源热耦合传统模型的局限性
在双光束模块中,多个 LED 源集成在单个 PCB 上,并且经常同时运行。因此,各个热源的热量在有限的 PCB 体积内重叠,产生系统级热耦合。此外,微观 LED 发光区域与更广泛的 PCB 衬底之间的几何不匹配导致横向热扩散并引入扩展热阻。这些效应的共同作用极大地增加了热网络建模的复杂性。
传统的一维热网络通常使用耦合热阻公式,这对于双源系统是实用的(图 4(a))。当两个源都运行时,任一源的热量都会在另一个源处产生额外的温升。在线性叠加假设下,这种温升可以用交叉耦合热阻(Rij)来表示。
(7) ?????=??2?(??ij+2???jc)
下载:下载高分辨率图片 (291KB)
下载:下载全尺寸图片
图 4. 多源 PCB 的传统热阻模型:(a) 双源等效网络;(b) 完全耦合热阻网络;(c) 局部扩展角近似。
将此公式扩展到多源 LED 系统会引入大量参数。在完全耦合公式下,考虑到结构对称性,双光束模块中的 10 个独立热源最多需要 45 个交叉耦合热阻参数(图 4(b))。即使只考虑相邻源耦合,也至少需要七个耦合热阻(图 4(c))。由于这些参数缺乏明确的几何定义和物理映射关系,传统的温度测量技术和经验公式无法有效识别这些耦合参数。因此,传统的一维热网络面临着参数数量过多和物理可解释性有限之间的权衡,降低了它们在 PCB 级多源仿真中的准确性。
3.2. 基于绝热隔离面(AIS)的解耦理论
本研究提出了一种基于 AIS 的降维方法。从验证过的稳态 FEM 基准中获得的温度分布和热通量分布用于揭示图 5(a) 所示的 AIS 形成机制。在薄 PCB 内,热量在平行于板面的平面内向横向扩散。当相邻热源的热流线在此扩散过程中相遇时,产生的空间干涉重塑了整体热场并改变了局部热流方向。图 5(b) 显示了垂直于 PCB 的纵向截面。相邻 LED 的径向热通量矢量在交点附近发生偏转并转向 PCB 背面。这种行为遵循稳态温度场的连续性。沿着传播路径,相邻源的热流相互作用产生了一个局部温度最低点。因为没有法向热通量穿过相应的零梯度表面,热流向矢量偏转指向温度降低的方向。当通过连续的截面延伸时,该边界形成一个三维曲面(图 5(c)-(d))。该表面两侧的热通量矢量源自不同的源,且没有流线穿过它。
下载:下载高分辨率图片 (699KB)
下载:下载全尺寸图片
图 5. 多源 PCB 中的热干涉与 AIS 形成:(a) 平行截面中的热通量和温度;(b) 纵向截面中的热通量偏转;(c) 相邻热流场交点处的局部最低温度表面;(d) 三维 AIS。
因此,相邻热源之间形成了一个虚拟的三维 AIS,并在物理上分隔了它们的热流场。产生的法向热通量为零的表面充当理想的绝热边界,减少了每个热源可用的有效散热空间,从而增加了局部热通量密度。这种行为为解释密集集成多源系统中的热耦合提供了物理基础。对于给定的源/PCB 布局,AIS 的空间位置反映了规定运行条件下邻近热流场之间的平衡,因此取决于活动源之间的相对发热率。活动源子集或相对源功率分布的变化可能会移动法向热通量为零的表面,因此应根据相应的运行条件重新评估 AIS。
为了定量定义这个自然绝热边界,我们应用了源自连续介质热传递的标准。根据傅里叶定律,各向同性 PCB 中的稳态热通量矢量场 (q) 为:
(8) →??=??????
其中 k 是导热系数,???是温度梯度。为了使 AIS 充当理想的隔离边界,热通量矢量的法向分量在每一点必须为零。设 →??定义为 AIS 的局部单位法向量,边界条件为:
(9) →???→??=???????→??=0
为了在多维空间中定位 AIS,还应用了方向导数标准。设 →??表示连接两个相邻 LED 热源几何中心的空间轴。AIS 经过温度沿 →??的方向导数为零的坐标处:
(10) ????→??=0
基于此机制和相应的数学标准,沿每个提取的 AIS 切割域。由此,该耦合多源域被划分为独立的单源子系统,而不违反能量守恒。由于每个切割表面都满足法向热通量为零的条件,隔离子系统的稳态热响应与完全耦合系统相匹配。因此,该过程移除了源间热交换,同时保留了每个子域内的原始解。
3.3. 基于 FEM 的 AIS 提取与解耦验证
AIS 几何形状是从耦合 FEM 基准的收敛温度和热通量场中提取的。通过拟合相邻 LED 热流场相遇且方向温度梯度消失的轨迹,得到了一个曲面;该表面定义了几何分割边界(图 6(a)-(b))。然后使用布尔运算将连续的 PCB 划分为独立的单源子域(图 6(c))。将切割表面暴露于外部环境会引入寄生对流和辐射热损失。因此,如图 6(d) 所示,每个新表面都被赋予了一个法向热通量为零的理想绝热边界条件,q·n = 0。该条件保留了原始模型的内部传导边界。
下载:下载高分辨率图片 (859KB)
下载:下载全尺寸图片
图 6. 解耦模型的验证:(a) 表面热流边界,(b) 截面边界;(c) 分割后的独立子区域;(d) 理想绝热壁;(e) 基准和控制模型;(f) 温度测量位置;(g) 原始模型、AIS 切割模型和随机切割模型的对比。
对比了原始基准模型、AIS 切割模型和随机切割控制模型的稳态解。图 6(e)-(f) 显示了模型配置和测量位置,图 6(g) 和表 4 对比了它们的结果。AIS 解耦子域中的高温区域与基准模型非常吻合,等温线曲率和热通量方向也是如此。所选位置的最大相对温度误差为 1.19%,大多数误差低于 0.8%。这些结果支持了热传递路径的等效性。相比之下,随机切割违反了法向热流为零的条件,破坏了温度场的连续性并扭曲了等温线。其最大误差达到 6.73%,远远超过 AIS 切割模型的误差。对比表明,带有绝热边界条件的 AIS 基于分割比任意分割更准确地保留了原始热分布。这些比较验证了基于 FEM 提取的 AIS 作为物理一致的分割边界,并为下面开发的降阶热网络提供了基础。
表 4. 三种 PCB 分割策略的温度和相对误差。
| 目标 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 原始模型 (°C) | 61.26 | 65.39 | 53.78 | 57.84 | 47.86 | 53.50 | 64.66 |
| AIS 切割 (°C) | 61.12 | 64.61 | 54.21 | 57.16 | 47.78 | 53.61 | 64.19 |
| AIS 误差 (%) | 0.22 | 1.19 | 0.80 | 1.18 | 0.16 | 0.20 | 0.73 |
| 随机表面切割 (°C) | 59.50 | 62.56 | 52.49 | 53.95 | 46.61 | 51.37 | 62.72 |
| 随机表面误差 (%) | 2.86 | 4.33 | 2.40 | 6.73 | 2.61 | 3.98 | 3.00 |
3.4. 全局热网络拓扑与离线参数识别
全局热网络结合了 2.3 节中确定的封装级 Rjc 和 Rjb,以及从验证过的 FEM 中获得的系统级热传递路径。对于每个活动 LED,在结节点引入由公式 (3) 定义的 Q(Tj),并通过相应的封装和 PCB 热路径传递。全局热网络拓扑遵循物理热流路径。PCB 被划分为独立的单源子区域(图 7(a)),每个子区域的横向边界被视为绝热。因此,每个子区域内部的热响应由其局部边界条件决定。此外,后部组件的高导热系数大大降低了下部热传递路径的等效电阻,导致热流产生明显的方向不对称性(图 7(b)-(c))。
下载:下载高分辨率图片 (410KB)
下载:下载全尺寸图片
图 7. PCB 子区域及截面热通量矢量:(a) 隔离的 PCB 子区域;(b) 无散热器时的热通量矢量;(c) 有散热器时的热通量矢量。
为了表征这种行为,每个 PCB 子区域使用双支路并联热网络进行建模(图 8(a))。上支路表示横向扩散后结合对流 - 辐射热交换,而主导的下支路则包括串联的下层扩散和厚度方向传导热阻。
由于几何切面被视为理想的绝热边界,因此不需要跨区域耦合节点。后置散热器也在空间上进行了缩减。由于底板同时支撑沿厚度方向的导热和横向扩展传热,它被表示为独立的导热节点和扩展热阻(图8(b))。每个散热鳍片被表示为一个降阶轴向支路,包含根部、中间和尖端节点(图8(c))。在该表示中,Lf定义从根部到尖端的轴向方向,而垂直于该方向的截面位于H–t平面内。中间节点位于轴向中点处,沿鳍片形成两个相等的导热链段。相邻节点之间的导热链段用Rf,cond表示,而从鳍片侧面表面和尖端的热量交换则分别用Rf,c,side和Rf,c,tip表示。单鳍片支路根据Nf在系统级网络中重复复制。最后,各部件网络按照物理装配顺序连接(图8(d)),所有热交换支路终止于环境参考节点。下载:下载高分辨率图像(690KB)下载:下载全尺寸图像
图8. 全局解耦热网络架构与节点映射:(a) 并联PCB网络;(b) 底板热阻;(c) 单鳍片降阶模型;(d) 全局级联拓扑。
上述拓扑描述了稳态传热路径,而瞬态预测还需要各组成部件的热惯性。在热-电类比下,均匀部件的热容(C)定义为:
(11) C = ρ·V·cp
其中ρ、V和cp分别为密度、体积和比热容,材料属性取自表1。LED芯片和界面材料被排除在瞬态模型之外,因为它们的热时间常数相对于其余部件较小。集总热容分别赋予PCB子区域(CPCB)、底板(CBaseplate)、单个散热鳍片(CFin)和塑料支架(CBracket)。如图8所示,每个热容连接在其导热路径的代表节点与环境参考节点(节点14)之间。
对于散热器,表5报告了底板和鳍片的组合热容,而CBaseplate和CFin则根据其对应部件体积通过公式(11)确定,并分别赋予各自的网络节点。表5中报告的部件体积用于基线瞬态网络的热容评估;第4节中使用的散热器质量目标则是独立地通过公式(17)从参数化优化几何结构中评估的。
表5. 瞬态热网络模型中使用的主要部件集总热容。
| 部件 | 材料 | ρ (kg·m?3) | V (mm3) | cp (J·K?1·kg?1) | C (J/K) |
|---|---|---|---|---|---|
| PCB区域1 | PCB | 2785.3958 | 1.3879 | 12.35 | |
| PCB区域2 | | 534.4113 | | | |
| PCB区域3 | | 443.9211 | | | |
| PCB区域4 | | 868.7721 | | | |
| PCB区域5 | | 704.7417 | | | |
| 散热器(底板+鳍片) | ADC12 | 2700.06222 | 2959.816 | 1.25 | |
| 支架 | PBT-GF30 | 1283.123 | 55496 | 3.929 | 1.3 |
在网络拓扑建立之后(图8),稳态热阻得到确定。通过规则固体部件(包括热界面材料、金属基底和鳍片)的传热被近似为一维稳态导热。导热热阻(Rcond)根据傅里叶定律计算:
(12) Rcond = Lcond/(k·A)
其中Lcond为导热路径长度,k为导热系数,A为垂直于热流方向的截面积。基线网络中规则导热元素的几何参数汇总于表6。
表6. 规则网络元件的基线导热热阻。
| 部件 | 参数范围 | 符号 | Lcond (mm) | 导热面积 (mm2) | k (W·m?1·K?1) | 热阻 (K/W) |
|---|---|---|---|---|---|---|
| 界面材料 | 整个界面 | Rtim | 0.2043 | 87.5 | 1.0046 | |
| 底板沿厚度方向导热 | 整个底板 | Rb,cond | 5.0063 | 0.0155 | 0.0051 | |
| 鳍片轴向导热 | 单鳍片轴向链段 | Rf,cond | 22.5070 | 0.0155 | 2.07 | |
与固体导热不同,外部对流-辐射边界具有很强的非线性。而不是使用预定义的实证系数,组合对流-辐射换热系数(hc)是在离线参数化过程中从第2.2节所述收敛的三维共轭传热模拟中提取的。对于鳍片、底板和PCB的外部表面,后处理模块提供了总外热流量(Φtotal)和面积平均表面温度(Tsurface)。用于对应边界元素的暴露面积直接从FLOEFD基线几何模型的外部表面集获得。然后利用牛顿冷却定律计算每种几何形状的hc系数:
(13) hc = Φtotal / (A·(Tsurface - Tambient))
所得hc值为降阶网络提供基线边界参数。对于散热器,鳍片侧面和鳍片尖端的边界元素在图8(c)所示的单鳍片级别进行参数化,而底板边界则在部件级别处理。
该程序考虑了受限模块内部的局部自然对流和表面间辐射条件,为热网络提供了基于物理的边界参数。提取的参数定义了实验室基线。车辆引起的对流预期会降低Tj相对于该基线的值,而封闭灯头中的怠速/停机日光照射可能会增加Tj。因此,在这些条件下的定量预测需要特定场景的环境、对流和辐射边界参数。等效组合对流-辐射热阻(Rc)定义为:
(14) Rc = 1/(hc·A)
规则部件的计算导热和组合传热热阻列于表6、表7。
表7. 散热器边界元件的基线组合对流-辐射参数。
| 部件 | 参数范围 | 符号 | hc (W·m?2·K?1) | 暴露面积 (mm2) | 热阻 (K/W) |
|---|---|---|---|---|---|
| 鳍片侧面换热 | 单鳍片 | Rf,c,side | 7.2361 | 06.0022 | 6.5 |
| 鳍片尖端换热 | 单鳍片 | Rf,c,tip | 7.2370 | 0.0019 | 75.89 |
| 底板换热 | 整个底板 | Rb,c | 6.9984 | 02.5016 | 9.9 |
不规则PCB分段边界无法给出横向扩展热阻的封闭解。因此引入等效圆柱映射(图9)来以代数形式表示不规则扩展阻抗,表示为等效扩展系数(Z)和有效扩展厚度(l)。圆柱扩展热阻使用公式(15)计算:
(15) Rk = ln(dout/din) / (2π·k·l) = Z/l
下载:下载高分辨率图像(118KB)下载:下载全尺寸图像
图9. 用于扩展热阻的等效圆柱映射模型。
在离线阶段,从稳态有限元解中提取边界上的平均温差(ΔT)和相应的热流量(Φi),并使用公式(16)计算等效边界热阻(Reqi):
(16) Reqi = ΔTi / Φi
PCB上表面遵循与局部导热网络相同的AIS分区。从PCB表面提取的面积平均系数为hc,PCB = 8.14 W·m?2·K?1,相应换热热阻使用各子区域的暴露表面面积分别评估。局部边界热阻与扩展和沿厚度方向导热热阻一起包含在辨识参数集中。
图10显示了在MATLAB-Simulink中实现的局部闭环热网络。有限元导出的边界量定义了残差目标,数值辨识确定等效映射参数li和Zi。所得扩展和导热热阻列于表8、表9。该程序将高保真温度与热流信息转移到紧凑网络中,而不是独立于有限元构建降阶模型。因此,辨识得到的Req,i、li和Zi与离线辨识期间使用的AIS分区和工况相关联。
下载:下载高分辨率图像(238KB)下载:下载全尺寸图像
图10. 用于辨识子区域参数的局部闭环热网络。
表8. 用于PCB子区域1闭环辨识的初始参数。
| 部件 | 符号 | 公式 | 热阻 (K/W) |
|---|---|---|---|
| PCB子区域1上表面换热 | Rc1 | 1/(hc,PCB·A1) | 183.27 |
| 上扩展 | Rk11 | Z1/(ltotal?l11) | 26.31 |
| 下扩展 | Rk12 | Z1/l11 | 3.08 |
| 上导热 | Rz11 | (ltotal?l11)/(k·A1) | 0.0074 |
| 下导热 | Rz12 | l11/(k·A1) | 0.063 |
| PCB等效 | Req1 | ΔT1/Φ1 | 20.40 |
表9. 各独立PCB子区域辨识得到的扩展和导热热阻。
| 符号 | 热阻 (K/W) | 符号 | 热阻 (K/W) | 符号 | 热阻 (K/W) | 符号 | 热阻 (K/W) |
|---|---|---|---|---|---|---|---|
| Rk21 | 70.36 | Rk31 | 65.44 | Rk41 | 51.73 | Rk51 | 66.49 |
| Rk22 | 3.57 | Rk32 | 3.11 | Rk42 | 3.42 | Rk52 | 4.35 |
| Rz21 | 0.0061 | Rz31 | 0.0084 | Rz41 | 0.0048 | Rz51 | 0.0059 |
| Rz22 | 0.12 | Rz32 | 0.18 | Rz42 | 0.073 | Rz52 | 0.090 |
因此,该模型遵循有限元辅助的离线-在线降阶工作流。离线阶段包括基线有限元求解、AIS和边界参数处理以及MATLAB-Simulink参数辨识。一旦针对预定的LED源布局、PCB拓扑、有源器件配置和相对源功率分布建立完成,该网络可在相同工况下重复用于散热器几何的在线评估。因此,该框架在一次性构建后替代了重复的高保真求解,而不是将有限元从工作流中消除。
### 3.5 网络验证与瞬态响应分析
首先使用表10中总结的有限元和实验参考在两个不同层级上验证稳态预测。由于活动LED结温无法非破坏性测量,有限元用作微观参考。在LED 1–5之间,降阶网络的平均和最大结温节点相对误差分别为1.49%和2.45%,最大值出现在LED 3处。五个活动LED的算术平均结温,有限元为89.96°C,降阶网络为88.86°C。这些阵列平均值随后作为系统级优化的原始设计参考用于第4节。
表10. 解耦热网络对有限元和实验测量的跨尺度稳态验证。
| 评估层级 | 节点 | 基线来源 | 基线温度 (°C) | 热网络 (°C) | 误差 (%) |
|---|---|---|---|---|---|
| 微观结温 | LED 1 Tj | FEM | 88.90 | 87.54 | 1.53 |
| | LED 2 Tj | FEM | 89.98 | 89.17 | 0.90 |
| | LED 3 Tj | FEM | 90.44 | 88.22 | 2.45 |
| | LED 4 Tj | FEM | 90.40 | 88.71 | 1.87 |
| | LED 5 Tj | FEM | 90.06 | 90.67 | 0.68 |
| 宏观系统 | 节点1 | 实验 | 69.48 | 69.77 | 0.42 |
| | 节点2 | 实验 | 71.40 | 70.27 | 1.58 |
| | 节点3 | 实验 | 70.57 | 70.16 | 0.58 |
| | 节点4 | 实验 | 69.08 | 70.11 | 1.49 |
| | 节点5 | 实验 | 69.09 | 69.93 | 1.22 |
| | 节点6 | 实验/FEM | 67.39/67.50 | 67.56 | 0.25 / 0.09 |
| | 节点7 | 实验/FEM | 60.01/62.70 | 62.86 | 4.75 / 0.26 |
在宏观尺度上,LED引脚节点1–5的预测温度与实验测量值相差0.29–1.13°C,对应基于实验的平均和最大相对误差分别为1.06%和1.58%。由于所有绝对偏差都在±1.5°C的测量不确定度范围内,预测值和测量值应在实验系统的分辨率范围内视为一致,而不是表明具有超越此限值的精度。最大的实验偏差出现在鳍片尖端,相对误差为4.75%,而相对于有限元结果的偏差仅为0.26%。这种差异可能反映了自然对流的局部不均匀性以及鳍片尖端温度对局部边界条件的敏感性,这些可能无法被集总对流热阻完全表征。总体而言,解耦网络在封装和模块两个尺度上复现了主要的稳态热行为,为瞬态验证和几何优化提供了基础。
图11比较了预测瞬态温度与实验测量值。全时间域上的瞬态一致性使用均方根误差(RMSE)分别进行评估。在七个空间节点上,总体RMSE为1.48°C,相对RMSE为2.38%。此全时间域偏差与±1.5°C的温度测量不确定度量级相当,因此应在实验系统的分辨率范围内解读,而非作为亚不确定度预测精度的证据。初始快速加热区间(0–500s)的RMSE较高,为2.33°C,这归因于LED功率阶跃变化后流体边界层的发展和传感器响应滞后。随着热量穿透组件且界面趋近热平衡,误差减小。中间扩散阶段(500–1000s)的RMSE为1.16°C,准稳态区间(1500–2500s)为1.18°C。
下载:下载高分辨率图像(334KB)下载:下载全尺寸图像
图11. 瞬态温度预测与实验测量对比。
空间分析进一步支持了模型的局部精度。PCB到散热器底板的导热界面RMSE为0.21°C,相对RMSE为0.35%。与实验数据的一致性支持了为不规则子区域辨识的等效扩展热阻参数,并表明解耦网络复现了多源工况下三维瞬态传热的主要特征。离线辨识完成后,该网络以大幅降低的在线计算成本提供这些预测,从而实现重复的热性能评估和几何优化。
### 4. 基于MOPSO的多目标优化
#### 4.1 优化目标与决策变量
由于LED结温影响光效和寿命,散热器几何结构被优化以改善多源LED阵列的整体热性能。所有敏感性分析和多目标优化均使用与离线AIS提取和网络辨识所采用的相同活动LED配置和电学工况。对于每个候选几何结构,降阶网络评估各稳态Tj并以其算术平均值作为标量热目标。在第4节中,Tj表示五个活动LED的平均结温。该定义在敏感性分析、算法比较、多目标优化和FLOEFD验证中一致应用。
轻量化设计目标为参数化散热器质量(m),直接从优化几何结构评估:
(17) m = ρ·H·(Nf·Lf·t + Ab,m)
其中Nf为鳍片数量;Lf、H和t分别为鳍片长度、高度和厚度;ρ = 2700 kg·m?3为ADC12的密度;Ab,m = 2.70 × 10?? m2为参数化优化几何结构中定义的固定底板截面积。Ab,m仅用于质量模型,与下文用于面积惯性矩计算的截面面积Ab不同。
结构目标使用复合底板/鳍片截面的面积惯性矩I来制定。由于散热器的材料对所有候选设计均固定,最大化I为散热器相对弯曲刚度提供了一致的几何度量。评估截面垂直于鳍片轴向方向Lf,参考弯曲轴通过复合截面形心并平行于Lb方向。底板和与该截面相交的所有鳍片被视为矩形子面积。
利用平行轴定理,可同时计算质心位置及对应的面积二次矩,如式(18)所示:
$$\bar{y} = \frac{A_b y_b + N_f A_f y_f}{A_b + N_f A_f}$$
$$I = \frac{L_b t_b^3}{12} + L_b t_b\left(\bar{y} - \frac{t_b}{2}\right)^2 + N_f\left[\frac{tH^3}{12} + tH\left(t_b + \frac{H}{2} - \bar{y}\right)^2\right]$$
其中,$A_b = L_b t_b$ 和 $A_f = tH$ 分别为底板和单个散热鳍片的横截面积;$y_b = t_b/2$ 和 $y_f = t_b + H/2$ 表示其质心位置,从底板下表面起算;$I_{b,c} = L_b t_b^3 / 12$ 和 $I_{f,c} = tH^3 / 12$ 为对应的质心面积二次矩。平行于参考弯曲轴的固定底板尺寸为 $L_b = 90$ mm。式(18)中所有几何量均以毫米为单位计算,从而直接得到以 $\text{mm}^4$ 为单位的 $I$。由于所分析的截面垂直于 $L_f$,鳍片轴向长度不出现在 $I$ 的截面表达式中。
由此产生的优化因此考虑三个竞争目标:最小化平均结温 $T_j$、最小化散热器质量 $m$、最大化面积二次矩 $I$。为在三个优化器共用的最小化框架中实施,目标向量表示为:
$$\mathbf{F}(\mathbf{X}) = [T_j,\ m,\ -I]^T \tag{19}$$
该目标定义在所有三个优化器以及后续的超体积(HV)和反向世代距离(IGD)计算中被一致使用。
降阶 Cauer 网络保留了散热器几何与热网络拓扑之间的物理映射。在优化过程中,离线识别期间确定的 LED 光源布局、PCB 几何和 AIS 分区保持不变。对于每个候选散热器设计,鳍片和底板网络参数根据当前几何变量重新生成,而外部边界参数则根据相应的换热面积和第 4.2 节所述的间距依赖处理方式进行更新。相应的质量和面积二次矩由结构几何确定。这种几何到网络的映射使得能够在不重构高保真模型的情况下,一致地评估三个目标。由于主要系统级热瓶颈出现在外部自然对流边界,且 LED 阵列和 PCB 周围的可用设计空间有限,搜索范围被限制在散热器底板和鳍片上。用于灵敏度筛选的初始候选变量向量定义为 $\mathbf{X}_0 = [L_f,\ H,\ t,\ N_f,\ t_b]^T$。
灯壳内部可用空间和模组运动包络约束了候选散热器尺寸。图 12(a) 显示了水平(黄色)和垂直(红色)旋转轴,图 12(b) 显示了壳体内对应的运动包络。用于灵敏度筛选的候选变量允许范围如式(20)所示:
$$\text{s.t.} \begin{cases} 20\,\text{mm} \leq L_f \leq 70\,\text{mm} \\ 60\,\text{mm} \leq H \leq 90\,\text{mm} \\ 1\,\text{mm} \leq t \leq 2\,\text{mm} \\ 9 \leq N_f \leq 16,\ N_f \in \mathbb{N} \\ 2\,\text{mm} \leq t_b \leq 6\,\text{mm} \end{cases} \tag{20}$$
下载:下载高分辨率图像(204KB)
下载:下载全尺寸图像
图 12. 双光束模组的空间约束:(a) 模组旋转轴;(b) 运动包络。
## 4.2 决策变量灵敏度分析
鳍片数量($N_f$)同时决定暴露的换热面积和相邻流道之间的间距。为在不重复三维计算流体力学模拟的情况下考虑间距依赖的边界层交互作用,采用解析自然对流关联式更新第 3.4 节中提取的 FEM 导出的基线 $h_c$。如图 13(a) 所示,平均结温随 $N_f$ 呈非单调的 U 形依赖关系。将 $N_f$ 从 9 增加到 12 时,暴露面积增大,$T_j$ 降低。然而,当 $N_f$ 超过 12 时,减小后的鳍片间距加剧了边界层重叠并限制了对流驱动力。由此导致的对流阻力增加超过了额外表面积的收益,致使 $T_j$ 上升。因此,$N_f = 12$ 处的极小值反映了换热面积增强与间距引起的自然对流恶化之间的平衡。由于这种非线性效应,$N_f$ 在后续多目标优化中被保留为活跃离散变量。相应质量随 $N_f$ 线性增加,如式(21)所示:
$$\Delta m_{N_f} = \rho L_f H t \tag{21}$$
下载:下载高分辨率图像(441KB)
下载:下载全尺寸图像
图 13. 主要散热器设计变量的单因素灵敏度及皮尔逊线性相关分析:(a) $N_f$、(b) $L_f$、(c) $H$、(d) $t$ 和 (e) $t_b$ 对平均 LED 结温 $T_j$ 的影响;(f) 保留优化变量与目标的皮尔逊相关矩阵。
鳍片长度($L_f$)影响可用对流面积和轴向温度分布。随着 $L_f$ 增加,$T_j$ 非线性下降,如图 13(b) 所示,这与一维鳍片理论一致。鳍片上的稳态温度分布由式(22)控制:
$$\frac{d^2 T}{dx^2} - \frac{hP}{kA_c}(T - T_a) = 0 \tag{22}$$
其中 $A_c$ 是垂直于轴向导热方向的鳍片横截面积,$P$ 是鳍片周长,$T_a$ 是环境温度,$x$ 从鳍片根部沿 $L_f$ 方向测量。定义 $\alpha = \sqrt{hP / kA_c}$,式(22)的通解由式(23)给出:
$$T(x) - T_a = C_1 e^{\alpha x} + C_2 e^{-\alpha x} \tag{23}$$
给定根部温度和对流尖端边界条件,式(24)给出无限长鳍片的极限热流($\Phi_\infty$):
$$\Phi_\infty = \sqrt{hP \cdot kA_c}(T_b - T_a) \tag{24}$$
为考虑尖端热损失,引入修正长度($L_c$)。式(25)则给出有限长度鳍片的总热流($\Phi$):
$$\Phi = \Phi_\infty \tanh(\alpha L_c) \tag{25}$$
当 $\alpha L_c = 3$ 时,$\tanh(\alpha L_c) \approx 0.995$,因此有限鳍片的传热已接近无限鳍片的极限。进一步增加 $L_f$ 所带来的热效益将逐渐减小,而散热器质量则继续随鳍片长度线性增加:
$$\frac{\partial m}{\partial L_f} = \rho N_f H t \tag{26}$$
鳍片高度($H$)是浮升力驱动自然对流中的特征垂直长度。图 13(c) 显示,在调查范围内 $T_j$ 随 $H$ 增加而近似线性下降。增加 $H$ 会提高 Grashof 数和 Rayleigh 数,增强浮升力,并增加对流传热系数。质量对 $H$ 的导数由式(27)给出:
$$\frac{\partial m}{\partial H} = \rho(N_f L_f t + A_{b,m}) \tag{27}$$
增加鳍片厚度($t$)会增大轴向导热面积,但在固定鳍片中心间距的同时会缩窄相邻流道。在调查范围内,流动受限和边界层交互的不利效应超过了导热收益,致使 $T_j$ 随 $t$ 增加而上升(图 13(d))。因此,鳍片厚度在后续优化中被固定为 $t = 1$ mm。
底板厚度($t_b$)以不同方式影响热路径:增加 $t_b$ 改善了横向热扩散,但同时也延长了厚度方向的导热路径。这两种竞争效应很大程度上相互补偿,在 2–6 mm 的调查范围内 $T_j$ 下降不到 1 °C(图 13(e))。因此保留基线值 $t_b = 5$ mm。经过此次灵敏度筛选,最终优化向量为 $\mathbf{X} = [L_f,\ H,\ N_f]^T$,其中 $t = 1$ mm 和 $t_b = 5$ mm 固定不变。
为补充单因素灵敏度结果,对保留的优化变量和目标计算了皮尔逊相关矩阵(图 13(f))。该矩阵用于表征线性权衡和共线性,而非对可能具有非线性响应的变量进行总体重要性排序。系统质量与 $T_j$ 强负相关($r = -0.73$),表明轻量化设计与热性能之间存在预期的权衡关系。质量与面积二次矩也强相关($r = 0.82$),表明减轻质量通常会降低结构刚度。
保留的优化变量与目标之间存在不同的线性关联。$L_f$ 与 $T_j$ 呈最强的负线性关联($r = -0.74$),与质量呈中等正关联($r = 0.39$)。$H$ 与面积二次矩呈强正线性关联($r = 0.95$),与质量也呈正关联($r = 0.78$),凸显了其在弯曲刚度与质量权衡中的作用。$N_f$ 与 $T_j$ 之间接近零的皮尔逊系数($r = 0.03$)反映了图 13(a) 中 U 形响应下降和上升支之间的相互抵消,而非热灵敏度较弱。三个保留优化变量之间的绝对皮尔逊相关系数均低于 0.07,表明线性共线性很小,支持它们同时包含在 MOPSO 搜索空间中。
## 4.3 算法性能与多目标决策分析
MOPSO 利用群体搜索探索混合离散-连续设计空间。式(28)和(29)分别定义粒子速度和位置更新:
$$v_i(t+1) = w v_i(t) + c_1 r_1 (pbest_i(t) - x_i(t)) + c_2 r_2 (gbest_i(t) - x_i(t)) \tag{28}$$
$$x_i(t+1) = x_i(t) + v_i(t+1) \tag{29}$$
其中 $x_i(t)$ 和 $v_i(t)$ 分别为迭代 $t$ 时粒子 $i$ 的位置和速度。惯性权重 $w$ 平衡全局探索和局部开发,$c_1$ 和 $c_2$ 引导每个粒子趋向其个人最优和所选存档领导者。利用 Pareto 支配关系更新非支配解的外部存档。
为在受控条件下评估优化器性能,将 MOPSO 与非支配排序遗传算法 II(NSGA-II)和标量化遗传算法(GA)进行了比较。MOPSO 群体规模和 NSGA-II 及 GA 种群规模均设为 80。每种算法使用外部存档容量为 100,每次运行限制为 24080 次目标函数评估。对于 MOPSO,该预算包括初始群体评估以及 150 次迭代中更新后粒子位置和变异候选的评估。对于标量化 GA,评估预算分配在 15 个预定义权重向量上。每种算法使用不同随机种子独立执行十次。
HV 和 IGD 用作主要性能指标。HV 评估收敛性和目标空间覆盖程度,数值越大表示整体性能越好。IGD 度量参考前沿到获得解集的平均距离,数值越小表示收敛性和覆盖性越好。归一化最近邻统计仅用于表征解间距均匀性。
在计算指标之前,使用从所有算法和运行中汇总的解得到的公共边界对三个最小化目标 $T_j$、$m$ 和 $-I$ 进行归一化。由于目标在混合离散-连续设计空间上以数值方式评估,精确的 Pareto 前沿无法以闭式给出。因此,使用汇总解的非支配并集作为 IGD 的经验参考前沿。归一化目标空间中的 HV 参考点设为 $(1.1,\ 1.1,\ 1.1)$。为了在图 14(a) 中进行可视化比较,每种算法的代表性运行选为 HV 最接近对应中位数的运行。
下载:下载高分辨率图像(368KB)
下载:下载全尺寸图像
图 14. 在每次运行 24080 次目标函数评估的相同预算下的多目标算法性能:(a) 代表性非支配前沿;(b) 十次独立运行的平均超体积及标准差;(c) 十次独立运行的平均反向世代距离及标准差。
如表 11 所示,MOPSO 实现了最高的 HV,为 $0.9965 \pm 0.0018$,NSGA-II 为 $0.9898 \pm 0.0029$,GA 为 $0.9806 \pm 0.0037$。MOPSO 还实现了最低的 IGD,为 $0.0346 \pm 0.0017$,而 NSGA-II 为 $0.0375 \pm 0.0018$,GA 为 $0.0380 \pm 0.0013$。因此,在规定的评估预算下,MOPSO 提供了最佳的综合收敛性和目标空间覆盖性。NN 距离标准差分别为:GA 为 $0.0335 \pm 0.0011$,NSGA-II 为 $0.0342 \pm 0.0030$,MOPSO 为 $0.0354 \pm 0.0023$。这些间距统计未用于排序收敛性或覆盖性。
表 11. 在相同目标函数评估预算下的算法设置与性能。
| 算法 | 群体/种群规模 | 存档容量 | 每次运行评估次数 | HV | IGD | NN 距离标准差 |
|------|-------------|---------|----------------|------|------|------------|
| GA | 80 | 100 | 24080 | $0.9806 \pm 0.0037$ | $0.0380 \pm 0.0013$ | $0.0335 \pm 0.0011$ |
| NSGA-II | 80 | 100 | 24080 | $0.9898 \pm 0.0029$ | $0.0375 \pm 0.0018$ | $0.0342 \pm 0.0030$ |
| MOPSO | 80 | 100 | 24080 | $0.9965 \pm 0.0018$ | $0.0346 \pm 0.0017$ | $0.0354 \pm 0.0023$ |
三种算法的外部存档容量均固定为 100;因此,保留解的数量未用作算法性能指标。为进行工程解释,利用代表性 MOPSO 运行来考察结温、质量和面积二次矩之间的权衡关系。其保留的非支配设计如图 15(a) 所示,对应的二维投影如图 15(b)–(d) 所示。
下载:下载高分辨率图像(372KB)
下载:下载全尺寸图像
图 15. 保留的 MOPSO 非支配设计及二维目标投影:(a) 三维目标空间分布;(b) 平均结温-质量投影;(c) 面积二次矩-质量投影;(d) 面积二次矩-平均结温投影。
温度-质量关系具有强非线性。在低质量区间,少量材料增加即可产生相对较大的 $T_j$ 降低。然而,一旦质量超过约 175 g,导热和对流约束限制了进一步改善,额外表面积的冷却效益递减。因此,设计选择必须在热性能改善与相应质量增加之间取得平衡。
保留的非支配集为根据不同工程需求选择设计提供了定量依据。表 12 比较了六个代表性设计与原始散热器。案例 1 通过增加鳍片长度和高度至 70.00 mm 和 82.16 mm 优先考虑热性能。降阶网络预测平均结温降低 12.34 °C,但散热器质量增加约 60%。案例 4 提供了平衡设计,预测平均结温降低 7.69 °C,质量增加 14.52 g,面积二次矩为 $0.467 \times 10^6\ \text{mm}^4$。当优先考虑最小质量或更大弯曲刚度时,可选择其他设计。因此,非支配集支持按需求进行设计选择,而无需假设某种设计在所有工程条件下均最优。
表 12.
表12列出了从MOPSO Pareto非支配档案中选出的代表性工程设计方案。
| 方案 | Nf | Lf (mm) | H (mm) | 平均Tj (℃) | m (g) | I (×10? mm?) |
|------|-----|----------|---------|-------------|--------|----------------|
| Case 1 | 11 | 70.00 | 82.16 | 76.52 | 230.71 | 1.080 |
| Case 2 | 9 | 20.00 | 60.00 | 113.17 | 72.90 | 0.422 |
| Case 3 | 16 | 70.00 | 63.43 | 82.71 | 238.06 | 0.706 |
| Case 4 | 10 | 70.00 | 60.75 | 81.17 | 159.10 | 0.467 |
| Case 5 | 9 | 62.33 | 60.00 | 83.86 | 134.61 | 0.422 |
| Case 6 | 11 | 70.00 | 60.00 | 80.18 | 168.48 | 0.482 |
| 原始方案 | 11 | 45.00 | 70.00 | 88.86 | 144.58 | 0.715 |
注:表12中所有设计方案的鳍片厚度t=1 mm和底板厚度tb=5 mm均固定不变。
如图16和表13所示,原始设计方案与三个代表性优化设计方案呈现出相同的主要传热路径,即热量从LED/PCB区域经散热器底板传导至鳍片。降阶网络预测的原始设计、Case 1、Case 2和Case 4的平均结温分别为88.86 ℃、76.52 ℃、113.17 ℃和81.17 ℃,而FLOEFD的计算结果分别为89.96 ℃、78.60 ℃、116.51 ℃和83.40 ℃。相应的绝对偏差分别为1.10 ℃、2.08 ℃、3.34 ℃和2.23 ℃,相对偏差分别为1.22%、2.65%、2.87%和2.67%。降阶网络对所有四种构型均低估了FLOEFD的平均结温,表明存在一致性的偏冷偏差。最大偏差出现在低Lf、高温度的Case 2工况下,其绝对偏差和相对偏差分别达到3.34 ℃和2.87%。在四种验证构型中,相对偏差范围为1.22%至2.87%。
下载:下载高分辨率图片(421KB)
下载:下载全尺寸图片
图16. FLOEFD预测的稳态温度分布:(a) 原始设计方案,(b) Case 1,(c) Case 2,(d) Case 4。
表13. 原始设计方案与代表性优化设计方案降阶网络平均结温预测的FLOEFD验证结果。
| 设计 | 网络平均Tj (℃) | FLOEFD平均Tj (℃) | 绝对偏差 (℃) | 相对偏差 (%) | 网络ΔTj (℃) | FLOEFD ΔTj (℃) | 网络与FLOEFD ΔTj差值 (℃) |
|------|-----------------|--------------------|----------------|--------------|---------------|-----------------|----------------------------|
| 原始 | 88.86 | 89.96 | 1.10 | 1.22 | — | — | — |
| Case 1 | 76.52 | 78.60 | 2.08 | 2.65 | 12.34 | 11.36 | 0.98 |
| Case 2 | 113.17 | 116.51 | 3.34 | 2.87 | ?24.31 | ?26.55 | 2.24 |
| Case 4 | 81.17 | 83.40 | 2.23 | 2.67 | 7.69 | 6.56 | 1.13 |
注:ΔTj相对于原始设计定义;正值表示温度降低,负值表示温度升高。
为评估降阶网络对涵盖所研究鳍片长度范围的代表性几何构型的预测可靠性,将Case 1、Case 2和Case 4独立重建并在FLOEFD中进行了仿真模拟,原始散热器作为公共基准保留。Case 1和Case 4代表高Lf设计方案,具有不同的热-质量权衡特性,而Case 2在Lf下界处提供了低质量、高温度的验证点。所有验证模拟采用了与收敛的基准FEM模型相同的热源模型、材料属性、环境条件、辐射处理方式、计算域、网格标准和收敛要求。外部自然对流和表面辐射被直接求解,而非采用在线网络中所使用的解析缩放传热系数。与优化目标一致,各设计方案报告的Tj为五个同类型发光LED稳态结温的算术平均值。
相对于原始设计方案,FLOEFD仿真预测Case 1的平均结温降低了11.36 ℃,Case 4降低了6.56 ℃,而降阶网络的预测值分别为12.34 ℃和7.69 ℃。在鳍片长度范围的另一端,Case 2在FLOEFD中将平均结温提高了26.55 ℃,而网络预测的升温为24.31 ℃;预测温度变化差值为2.24 ℃。温度变化方向和幅度的吻合表明,在涵盖所研究Lf范围上下界的代表性几何构型方面具有预测一致性。
在验证了降阶网络对代表性优化几何构型的预测性能之后,进一步从计算成本角度评估其实用价值。计算效益采用离线-在线分解方式进行评估。一次性离线构建包括收敛的FEM基准、AIS及边界参数处理,以及MATLAB-Simulink参数辨识,总计算机执行时间为3747 s。所报告的离线计时仅计入计算执行时间,不包括与AIS提取和检查、布尔分区以及热网络组装相关的人工分析员工作量。一旦降阶网络构建完成,每次在线目标函数评估需要0.80 s,而实测基准FEM求解时间为1249 s。因此,1561倍因子代表的是在线每次评估的加速比,而非完整工作流程的加速比。
在单次MOPSO运行所使用的相同24080次目标函数评估预算下,降阶网络的在线评估成本为19264 s,而重复FEM的成本以1249 s的实测基准FEM求解时间作为每次评估的参考,估算为30075920 s。包括一次性离线构建在内,降阶工作流程的总计算时间为23011 s,对应的摊销计算成本为每次评估0.96 s。由此得出的投影端到端加速比为1307倍。计算优势来源于将一次性模型构建成本摊销到重复评估中。详细的离线和在线成本汇总于表14。
表14. FEM辅助降阶工作流程的计算离线构建与在线评估成本。
| 评估指标 | 重复FEM评估 | FEM辅助降阶工作流程 |
|---------|------------|-------------------|
| 基准空间离散化 | 2204412个单元 | 35个节点 |
| 峰值内存使用 (GB) | 8.23 | < 0.1 |
| 基准FEM求解时间 (s) | — | 1249 |
| AIS/边界处理及参数辨识 (计算机时间, s) | — | 2498 |
| 总离线计算成本 (s) | — | 3747 |
| 每次目标函数评估的在线时间 (s) | 1249 | 0.80 |
| 目标函数评估次数 | 24080 | 24080 |
| 在线评估成本 (s) | 30075920 (估算) | 19264 |
| 总计算工作流程成本 (s) | 30075920 (估算) | 23011 |
| 每次评估的摊销计算成本 (s) | 1249 | 0.96 |
| 在线每次评估加速比 | 基准 (1×) | 1561× |
| 端到端加速比 | 基准 (1×) | 1307× (投影) |
注:重复FEM的在线和总成本以1249 s的实测基准FEM求解时间为参考估算;未执行24080次完整的FEM评估。所报告的离线成本代表计算机执行时间,不包括与AIS提取和检查、布尔分区以及热网络组装相关的人工分析员工作量。
5. 结论
本研究开发了一种基于AIS识别的FEM辅助降维与协同优化框架,用于高功率LED系统的散热管理。该方法避免了经验互热阻矩阵,通过离线-在线工作流程将基于物理的降阶模型与高通量优化相连接。主要研究结论如下:
(1) 在基准几何构型下,所得网络与FEM相比,预测的稳态LED结温平均相对误差和最大相对误差分别为1.49%和2.45%。额外对涵盖Lf下界和上界的代表性非基准几何构型进行的FLOEFD验证显示,平均结温偏差低于3%。瞬态实验验证得到的全时域RMSE为1.48 ℃,与±1.5 ℃的测量不确定度量级相当。
(2) 经一次性基于FEM的构建后,220万个单元格的模型被降阶为紧凑的35节点网络。每次在线评估需要0.80 s,对应1561倍加速比。对于所实施的24080次评估预算,在计入离线计算构建成本后,投影端到端加速比为1307倍。
(3) 将解耦的热网络与MOPSO耦合,揭示了平均结温、质量和面积矩之间的权衡关系。平衡设计方案根据网络预测将平均结温降低了7.69 ℃,根据FLOEFD预测降低了6.56 ℃,同时质量增加了14.52 g,面积矩为0.467×10? mm?。
在本研究考虑的指定主动光源运行条件下,基于AIS的框架为多光源LED散热管理优化提供了一条物理可解释且计算高效的途径。未来工作将将该框架扩展到可变主动光源构型和相对光源功率分布,以及车速相关的对流、怠速/停车太阳辐射吸收工况,并结合相变材料的瞬态热调节策略。
CRediT作者贡献声明
侯启岐:撰写-初稿、软件、方法论、调查、概念化。
卢立伟:验证、方法论、调查、形式化分析。
曾繁韬:验证、方法论、调查、数据管理。
江叶杰:撰写-审阅与编辑、监督、方法论、调查。
张小庆:撰写-初稿、资源、资金获取、概念化。
袁伟:撰写-审阅与编辑、监督、项目管理、资金获取。
侯启岐 | 卢立伟 | 曾繁韬 | 江叶杰 | 张小庆 | 袁伟