一种用于多层膜辐射制冷材料设计的优化方法与流程

本发明涉及辐射致冷领域，特别涉及一种多层膜辐射致冷材料设计的优化方法。

背景技术：

世界能源使用过度，资源紧缺，在全球变暖的情况下，极端天气频发，夏季气温呈上升趋势。而日常生活中使用的空调制冷机不仅需要消耗大量的电力资源，同时也会对环境造成一定的破坏。我们迫切需要一种低能耗、无污染的制冷技术，辐射制冷以热辐射的形式，将地面热辐射通过大气窗口传输到宇宙中，从而实现制冷的效果，是一种节能减排、绿色环保的制冷方式，具有广阔及深远的应用前景。

辐射制冷技术在近几十年内已经取得了不错的发展，但是真正可用于日间的辐射制冷技术直到2014年才取得实验上的突破。raman等人利用2μm的多层膜结构，实现了低于环境温度4.9℃的制冷效果。kou等人通过在500μm的sio2上涂敷100μm的聚合物pdms，实现了8.2℃的降温效果。到目前为止，关于多层膜结构的设计主要是通过设计材料的光谱趋近于理想模型，但是该方式忽略了太阳辐射以及大气透射率随光谱分布的不均性，导致设计中可能出现材料的光谱特性非常好，但是辐射制冷功率却不是最高的情况，即其实际的制冷效果没有优化到最好的情况。此外，传统的设计多依赖于参数扫描，具有非常繁杂的工作量，且设计过程相对较慢。

技术实现要素：

为了解决上述问题，本发明提出一种用于多层膜辐射制冷材料设计的优化方法，采用了改进的遗传算法与传输矩阵算法结合，并将辐射制冷功率作为评价函数的一部分，使得辐射制冷结构材料的优化过程更加的高效与合理。

本发明解决其技术问题所采用的技术方案为：一种用于多层膜辐射制冷材料设计的优化方法，所述的优化方法基于改进的遗传算法与传输矩阵算法，以及以材料的辐射制冷功率作为评价函数，具体步骤包括：

第一步，改进的遗传算法随机生成初始种群，初始种群的染色体被分为多个部分，转换为多层膜结构的对应参数；

第二步，对应参数被输入传输矩阵算法，分别计算出对应多层膜结构te模式和tm模式下的反射率、透射率以及吸收率，最终的反射率、透射率以及吸收率由两个模式下的平均值计算得到；

第三步，最终的反射率、透射率以及吸收率输入评价函数计算出制冷功率，与材料总厚度一同归一化处理后作为种群的适应度；

第四步，改进的遗传算法通过结合以上部分，并利用复制、交叉以及变异过程，优化输出辐射制冷材料的结构参数。

其中，传输矩阵算法的应用大幅提升了整体运算速度，初步验证可达参数扫描方法的25倍以上。

其中，改进的遗传算法能够对多次运算的最终优化结果进行判断比较，有效的避免了陷入局部收敛。

其中，采用材料的辐射制冷功率作为评价函数的一部分，与材料整体厚度进行归一化处理后作为适应度，使得优化过程更加合理。

其中，优化方法总层数可根据需要任意设置，目前可优化的最大层数nmax≥40。

其中，优化方法能够对不同层的材料进行优化，目前每层可选材料种类m≥4。

本发明的有益效果在于：

本发明采用了遗传算法与传输矩阵算法结合的方式，并将制冷功率作为评价函数进行优化，具有优化速度快，准确率高，成本低等优势。本发明可以用于设计高性能以及家用型辐射制冷材料，对推进辐射制冷的实用化具有重要意义。

附图说明

图1为本发明的算法流程图；

图2为实施例1中所述多层膜辐射制冷材料的结构及其吸收谱；

图3为实施例1中所述多层膜辐射制冷材料不同波段的光谱特性：其中图3a)为材料在0.39-2.5μm的反射率，图3b)为8-13μm的吸收率；

图4为实施例1中所述多层膜辐射制冷材料不同角度的平均反射率与吸收率：其中图4a)为材料在0.39-2.5μm的平均反射率的角度变化特性，图4b)为8-13μm的平均吸收率的角度变化特性；

图5为实施例1中所述多层膜辐射制冷材料的角度光谱特性：其中图5a)为可见及近红外波段反射率随波长以及角度的变化特性，图5b)为中红外大气窗口波段吸收率随波长以及角度的变化特性。

具体实施方式

下面结合附图及具体实施方式对本发明进行详细说明，但本发明的保护范围并不仅限于下面实施例，应包括权利要求书中的全部内容。而且本领域技术人员从以下的一个实施例即可实现权利要求中的全部内容。

具体实现过程如下：

如图1所示，该用于多层膜辐射制冷材料设计的优化方法，基于改进的遗传算法、传输矩阵算法和包含辐射制冷功率的评价函数。为了深入理解多层膜辐射制冷材料的设计原理，下面将结合日间辐射制冷的原理、一般的设计方法以及具体实例来介绍本发明。

首先，日间辐射制冷是指地面上的物体在日照下通过反射大量太阳辐射以减少吸收，并将热辐射通过中红外大气窗口向宇宙发射，实现材料降温的过程。为达到上述目的，要求材料能够在0.39-2.5μm波段具有较高的反射率，而在8-13μm波段具有较高的吸收率(根据基尔霍夫辐射定律，热平衡下的物体吸收率与发射率相同)。一般的设计方法是通过设计带通滤波器的形式来进行材料的光谱设计，但由于太阳辐射以及大气透射率的大小会随光谱变化，使得这种方法设计的材料不能在维持薄的厚度的同时达到较高的辐射制冷效果。我们采用直接将辐射制冷功率作为评价函数的方法，很好的解决了这个问题，并利用算法达到了更好的优化效果。

实施例1

本实施例中设计了一个9层的多层膜辐射制冷结构材料，用于验证该优化方法的准确性。图2给出了辐射制冷材料的结构示意图，通过在ag薄层上加工8层交叠的mgf2和si3n4，可以实现总厚度为2μm时，达到8.2℃的降温效果。图2(a)中膜层厚度从上到下依次为：146nm,467nm,123nm,286nm,122nm,366nm,305nm,84nm以及100nm。

在算法优化前，设置了最大优化层数为10层，最大优化厚度为2μm，迭代优化次数为5次以及50代的优化次数。并设置了辐射制冷功率与材料的总厚度作为评价函数，辐射制冷功率pnet可通过下式计算：

pnet＝prad(t)-patm(tamb)-psun-pcon(tamb,t)(1)

其中t为材料温度，tamb为周围空气温度，prad为材料本身的辐射，patm为材料吸收的大气辐射，psun为材料吸收的太阳辐射，pcon为非辐射热传导引起的能量损失。

优化过程大致如下：遗传算法生成初始种群并进行编译，编译后的参数导入到传输矩阵，用于计算多层膜结构te和tm模式的光谱特性，最后输出的光谱参数由两个模式的平均值表示，例如，吸收率a＝(ate+atm)/2,其中ate和atm分别为te和tm模式的吸收率；传输矩阵算法输出的光谱特性导出后用于计算辐射制冷功率，然后与材料总厚度通过归一化处理生成适应度，作为优化过程中的评判标准。

适应度＝p1*(0.5+arctan(10*r1)/π)+p2*(0.5+arctan(10*r2)/π)(2)

r1＝0.5+arctan*(0.01*p)/π，r2＝0.5-arctan(h)/π

其中p为辐射制冷功率，其优化权重为p1，h为材料的总厚度，优化权重为p2。

通过辐射制冷功率优化算法设计后的材料表现出良好的光谱特性，如图3所示，在0.39-2.5μm具有95％的平均反射率，而在8-13μm具有89％的平均吸收率，说明了该优化算法同样也能适应一般的优化标准。图4为材料的平均反射率和吸收率随角度变化的曲线，表现出了该材料超宽的角度特性，详细的反射率以及吸收率随光谱以及角度变化的特性表示在图5中。通过令公式(1)中的辐射制冷功率等于零，可以得到该材料能够达到8.2℃的降温效果，体现了材料优异的整体性能。

以上设计过程、实施例及仿真结果很好地验证了本发明。

因此，上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的实施方式仅仅是示意性的，而不是限制性的。本发明未详细阐述部分属于本领域技术人员的公知技术。