基于遗传算法的矩形截面形状微通道热沉的优化设计方法与流程

本发明涉及微通道传输领域，特别涉及基于遗传算法的矩形截面形状微通道热沉的优化设计方法。

背景技术：

随着当今微电子及芯片制造技术的迅猛发展，微电子产品日渐有集成化、小型化、大功率化的发展趋势，微通道散热技术所具有的小体积、低热阻、高散热效率、低流量等几个方面的优点，使得微通道散热技术在各个领域的应用越来越广泛。同时趋于超高运算速度的运行模式，这使得微电子器件发热量激增，进而降低其运行的可靠性与寿命，并成为微电子产品更新的瓶颈，设计具有良好的传热传质性能的微通道散热器已是当务之急。

技术实现要素：

本发明的目的是提供一种基于遗传算法的矩形截面形状微通道热沉的优化设计方法，能够便捷优化微通道散热系数的形状和尺寸参数，提供传热传质性能的最优结构参数。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种基于遗传算法的矩形截面形状微通道热沉的优化设计方法，包括有以下步骤：

基于矩形截面形状微通道流动阻力和平均对流换热系数理论表达式，通过热阻网络模型分别建立矩形截面微通道热沉在等截面面积/等截面周长约束下的热阻和压降的理论模型；

以微通道总热阻和总压降为两个优化目标，使用遗传算法对微通道尺寸结构进行多目标优化设计；

通过comsol进行仿真验证；

得到微通道热沉传热传质性能最佳尺寸结构。

作为优选，微通道尺寸结构包括有微通道流道数量n、微通道宽度wc、微通道热沉翅片宽度wb、微通道高度hc。

作为优选，使用遗传算法对微通道尺寸结构进行多目标优化设计具体为：

根据微通道热沉总热阻和微通道热沉总压降两个优化目标，等截面面积下约束条件为

取微通道流道数量n，微通道宽度wc，微通道热沉翅片宽度wb，微通道高度hc作为设计变量，分别记为x1，x2，x3，x4，写成矢量形式x＝[x1，x2，x3，x4]；

取微通道热沉总热阻和总压降为优化设计的两个目标函数，分别记为f1(x)和f2(x)；

等截面面积多目标优化模型为：

通过加权转换法分别将总热沉和总压降的两个目标函数均转换为无量纲化的中间目标函数，通过线性加权法将两个中间目标函数组成全新目标函数：

式中为微通道热沉总热阻的权重系数，为微通道热沉总压降的权重系数，并且f1max和f1min分别是目标函数f1的最大值和最小值，f2max和f2min分别是目标函数f2的最大值和最小值；

通过混合杂交选择的遗传算法进行多目标优化，在等截面面积约束条件下求解获得最优解尺寸结构。

作为优选，总压降的理论模型具体为：

矩形截面形状微通道的流动阻力rh的理论公式为

平均对流换热系数h的理论表达式为：

其中，hc是矩形微通道的通道高，wc是矩形截面微通道的通道宽，l是通道长度，μ为微通道内工质的粘度系数，kf是微通道工质的导热系数；

获得矩形截面形状微通道的总压降：

其中，n是微通道热沉通道总数量。

作为优选，热阻的理论模型具体为：

微通道热沉计算单元总热阻为：

rtotal＝

rbase+rfluid+[rbaseconvπ(rwall+(rwallconvπ(rwall+rbaseconv))

微通道总热阻rtotal的各个组成部分rbase，rfluid，rbaseconv，rwall，rwallconv计算如下：

其中，ks为铝制材料的热导率，(w/m·k)；为微通道质量流率，(kg/s)；cρ表示水的比热容，(j/(kg·℃))；h为对流换热系数；

微通道热沉总热阻为：

综上所述，本发明具有以下有益效果：

通过理论模型及遗传算法的多目标优化设计，能得到微通道热沉传感传质性质最佳尺寸形状，实现微通道散热系统的形状和尺寸参数的优化，提高相关器件的性能稳定和寿命。

附图说明

图1为本方法的流程示意框图；

图2为矩形微通道热沉结构示意图；

图3为微通道热沉计算区域热阻网络模型；

图4为遗传算法流程示意图；

图5为等截面面积约束下加权系数对微通道结构尺寸影响图；

图6为等截面面积限制条件不同权重组合下微通道散热器的压降和热阻图；

图7为各组权重系数组合下热阻理论和热阻仿真值对比图；

图8为各组权重系数组合下压降理论和压降仿真值对比图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

微通道散热技术所具有的小体积、低热阻、高散热效率、低流量等几个方面的优点，使得微通道散热技术在各个领域的应用越来越广泛。由于微通道尺寸会对微通道热沉的传热传质性能有较大影响，为了在不改变散热器材料和微通道冷却液工质的前提下提高微通道的传热传质性能，因此，需要对微通道尺寸结构包括微通道通道个数n，微通道通道宽wc，微通道通道高hc等进行优化设计。当前微通道热沉的优化设计鲜有涉及等通道截面面积和等通道截面周长约束。

目前针对微通道热沉常用的优化设计方法有遗传算法、盒子算法、简化共轭梯度算法、直接搜索算法等等、遗传算法相比于其他算法，主要优点有：(1)遗传算法具有群体搜索的特性；(2)遗传算法基于概率规则，而不是基于确定性规则，这使得搜索较为灵活；(3)遗传算法直接以目标函数之作为搜索信息，而不用设计微分与求导过程。

根据一个或多个实施例，公开了一种基于遗传算法的矩形截面形状微通道热沉的优化设计方法，如图1所示，包括有以下步骤：

基于矩形截面形状微通道流动阻力和平均对流换热系数理论表达式，通过热阻网络模型分别建立矩形截面微通道热沉在等截面面积/等截面周长约束下的热阻和压降的理论模型；

以微通道总热阻和总压降为两个优化目标，使用遗传算法对微通道尺寸结构进行多目标优化设计；

通过comsol进行仿真验证；

得到微通道热沉传热传质性能最佳尺寸结构。

对所使用的遗传算法使用直接比较法对约束进行处理，大多数优化问题最后得到的约束条件都会带有非线性等式约束或者非线性不等式约束。这种问题可以用以下数学模型进行描述：

其中，x＝(x1，x2，...，xn)是n维向量。

定义违约函数：

将所有等式约束都转化不等式约束来处理：

gi+j(x)＝ε-|hj(x)|＞＞0；j＝1，2，...j

式中：ε为给定的正数小量。每一代每一个个体的违约程度都用g(x)来衡量。

两个个体按照如下准则进行比较，判断其优劣：分别计算两个需要比较的个体的违约值，如果不相等，则基因优势的个体就是违约函数较小的个体，进入保存其基因进入下一代；如果计算出两个违约值恰好相等，则计算两个个体的函数值，基因优势的个体就是函数较小的个体。

矩形微通道热沉结构如图2所示，微通道热沉的通道数为n，微通道热沉总长为l＝6mm，基底厚度hb固定为0.1mm，总宽度固定为w＝6mm。微通道热沉通道结构之间存在对称性，因此计算区域取半个微槽和翅片。

基于现存的矩形截面形状微通道的流动阻力rh和平均对流换热系数h的理论表达式，通过过热阻网络模型建立矩形截面微通道热沉在等截面面积下的热阻rtotal和压降p的理论模型。

矩形截面矩形截面形状微通道的流动阻力rh的理论公式如下所示：

平均对流换热系数h的理论表达式如下所示：

式中，hc是矩形微通道的通道高，wc是矩形截面微通道的通道宽，l是通道长度，μ为微通道内工质的粘度系数，kf是微通道工质的导热系数。

相应的，矩形截面矩形截面形状微通道的压降如下所示：

式中，n是微通道热沉通道总数量。

同样的，微通道热沉计算区域热阻网络模型如图3所示，应用热阻网络模型对微通道总热沉总热阻进行求解，微通道热沉计算单元总热阻如下所示：

rtotal＝

rbase+rfluid+[rbaseconvπ(rwall+(rwallconvπ(rwall+rbaseconv))

式中，微通道总热阻rtotal的各个组成部分rbase，rfluid，rbaseconv，rwall，rwallconv计算公式如下所示：

其中，ks为铝制材料的热导率，(w/m·k)；为微通道质量流率，(kg/s)；cρ表示水的比热容，(j/(kg·℃))；h为对流换热系数。

微通道热沉总热阻计算方式如下所示：

根据上述，微通道热沉总热阻和微通道热沉总压降两个优化目标理论公式确定，等截面面积下约束条件如下所示：

取微通道流道数量n，微通道宽度wc，微通道热沉翅片宽度wb，微通道高度hc，作为设计变量，记为x1，x2，x3，x4，写成矢量形式x＝[x1，x2，x3，x4]。将微通道热沉总热阻和总压降作为优化算法的两个目标函数，记为f1(x)和f2(x)。等截面面积多目标优化优化模型如下所示：

多目标优化设计的本质是将多个优化目标协调为一个优化目标，在协调优化目标时选择使用加权转换法，即通过将单个优化目标转化为单个无量纲化的中间目标函数，再使用线性加权的方法将两者组成全新目标函数：

式中为微通道热沉总热阻的权重系数，为微通道热沉总压降的权重系数，并且f1max和f1min分别是目标函数f1的最大值和最小值，f2max和f2min分别是目标函数f2的最大值和最小值。等截面面积约束下的f1max、f1min、f2max和f2min如表1所示：

表1等截面面积约束下热阻和压降最大和最小值

将表1中的数据代入可得等截面面积约束条件下优化问题的全新目标函数为：

遗传算法流程如图4所示，具体描述如下所示：

步骤1：确定群体规模m，变异概率pm，初始化算法所需的参数。

步骤2：计算种群中所有个体的目标函数值与违约函数值。

步骤3：判断迭代次数是不是大于g，若是，则转入步骤8.

步骤4：执行上一节中的混合杂交选择算法。

步骤5：最优个体进入下一代。

步骤6：按概率pm进行变异。

步骤7：迭代次数加1，转入步骤3

步骤8：算法终止，退出遗传算法。

混合杂交选择算法如下所示：

从父代个体中无重复的随机的选出两个个体p¹和p²。分别进行整体算术杂交，线性杂交，部分算术杂交，互补部分算术杂交，互补算术杂交，线性部分杂交，互补线性部分算术杂交，均匀算术杂交，互补均匀算术杂交10种混合杂交算子，从产生的20组子代种选出一组最优的与父代进行比较，若子代的适应度函数优于父代种较差的，则用子代取代，否则不执行操作，父代两个个体进入下一轮：优化算法如下所示：

从当前种群随机的无重复的选出两个父代个体p¹和p²。

两个父体进行10种选择杂交算子生成子代s¹，s²，…，s²⁰。

选出s¹，s²，…，s²⁰中最优解sbest。

若sbest优于p¹和p²中任意一个，则替换掉p¹和p²中较差的那个。

等截面面积约束下最优解如表2所示：

表2等截面面积约束下最优解

本发明所使用的遗传算法更加注重个体是不是符合约束，并辅之以目标函数值。微通道优化设计的方法不仅仅可以矩形，也适用于圆形、三角形等常见形状。

图5为不同组合加权系数对微通道结构尺寸的的影响。图6为等截面面积限制条件不同权重组合下微通道散热器的总压降和总热阻。

为增加优化的可靠性，对等截面面积约束情况下的微通道散热器进行数值模拟与验证，结果如图7、图8所示。

本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。