CN108256145B - 一种高散热量轻型放大器结构的设计方法 - Google Patents
一种高散热量轻型放大器结构的设计方法 Download PDFInfo
- Publication number
- CN108256145B CN108256145B CN201711336966.2A CN201711336966A CN108256145B CN 108256145 B CN108256145 B CN 108256145B CN 201711336966 A CN201711336966 A CN 201711336966A CN 108256145 B CN108256145 B CN 108256145B
- Authority
- CN
- China
- Prior art keywords
- fin
- individual
- delta
- population
- heat dissipation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Geometry (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Amplifiers (AREA)
Abstract
本发明属于雷达电子技术领域,具体涉及一种高散热量轻型放大器结构的设计方法。本发明首先推导出散热翅片的翅片厚度与翅片间距之间的关系,再利用遗传算法优化翅片厚度、翅片间距两个参数,本发明设计的散热翅片具备单位长度散热量最大,整体翅片重量最小的优点,大大提高了放大器工作的可靠性,使设备变得更加轻型化。本发明利用遗传算法优化翅片厚度、翅片间距两个参数,可以优选出满足最小重量的放大器的散热翅片结构形式,而且在该结构形式下的单位长度散热量最大。
Description
技术领域
本发明属于雷达电子技术领域,具体涉及一种高散热量轻型放大器结构的设计方法。
背景技术
放大器模块是雷达发射***的重要组成,整个雷达***就是基于放大器中的功率管完成信号收发,所以放大器模块的工作性能是雷达可靠性的重要指标。
放大器模块上集成的功率管的热量特别大,常规的设计中,一方面采用冗余设计,避免单个放大器模块工作引起的***故障停机,另一方面,加大放大器的散热效果。在后一方面中,常规的设计是在放大器模块的底面加散热翅片,加大散热表面积,虽然一定程度上解决了功率管的散热,但是这种设计方法引出了如何设计散热翅片的高度、厚度、间距的问题。因为,在有限的放大器模块底面,为了最大散热表面积,翅片数量尽可能多,那么翅片间距就尽可能小,导致流体对流换热***降低,反而不利于散热。此外,这也增加了放大器模块整体重量,在冗余***中,这会增加***整体重量,降低了产品机动性能。因此在设计中确定散热翅片的高度、厚度、间距这三个参数,平衡与此相关联的散热量、翅片重量是最关键的技术问题。
发明内容
本发明为了克服上述现有技术的不足,提供了一种高散热量轻型放大器结构的设计方法,本发明设计的散热翅片具备单位长度散热量最大,整体翅片重量最小的特点,大大提高了放大器工作的可靠性。
为实现上述目的,本发明采用了以下技术措施:
一种高散热量轻型放大器结构的设计方法,包括以下步骤:
S1、推导出散热翅片的翅片厚度与翅片间距之间的关系;
S2、利用遗传算法优化翅片厚度、翅片间距两个参数。
优选的,步骤S1的具体操作步骤包括:
单个翅片的散热量Q1如公式(1)所示:
其中,θ1为翅片根部温度减去周围流体温度的差值;α为翅片表面的对流换热系数;λ为翅片的导热系数;δ为翅片厚度;S为翅片深度;L为翅片长度,th()为双曲正切函数;
其中,α1为无翅片部分表面对流换热系数;
单位长度的散热量Q2对翅片厚度δ的导数如公式(3)所示:
翅片总重量如公式(5)所示:
G=ρV=ρSLnδ (5)
根据散热翅片的外形约束条件S=S1,L=L1,n≥n1,参数Δ,δ在满足公式(6)的约束条件的同时,使得公式(5)的函数值G最小;
优选的,步骤S2的具体操作步骤包括:
S21、选取翅片重量G为适应度函数,种群的个体交叉概率为0.5,种群的个体变异概率为0.7,在matlab中使用rand函数在约束条件即公式(6)下生成100组二进制随机数,并将100组二进制随机数分别作为遗传算法的种群中的100组个体;
S22、将100组二进制随机数转换为整数,分别代入适应度函数即为公式(5),分别计算重量函数值G;
S23、判断遗传算法是否满足停止法则中的任意一条情况,如果有,则停止循环,对比100组重量函数值G,选择出最小的重量函数值G,最小的重量函数值G对应的个体为搜索出的最优个体;如果没有,进行步骤S24;
停止法则一:当遗传算法的累计的循环次数达到10000次时,停止计算,输出最优个体;
停止法则二:相邻两次计算中,适应度函数差值小于0.1时,停止计算,输出最优个体;
S24、根据种群的个体计算出的适应度函数Fi,种群中个体遗传到下一代的概率pi为:
其中,I=100,Fi=G1...G100,G1...G100为100组重量函数值;
通过在MATLAB中生成0到1之间的随机数ai,如果ai<pi,则种群中该个体不做任何变化;如果ai>pi,则从种群中剔除该个体,并取与该个体相邻的个体来替代该个体,重新计算与该个体相邻的个体的pi与ai的大小关系,直至种群的100组个体计算完毕,进行步骤S25;
S25、在MATLAB中的生成0到1之间的随机数bi,如果bi≥0.5,则交换相邻个体中包含的参数翅片间隔Δ,翅片厚度δ信息,如果bi<0.5,则进行步骤S26;
S26、在MATLAB中的生成0到1之间的随机数ci,如果ci≥0.5,则改变该个体中包含的参数信息,即个体的参数二进制码由0变为1、由1变成0,如果ci<0.5,则进行步骤S27;
S27、统计步骤S24~S26的所有个体,将所有个体包含的参数翅片间隔Δ,翅片厚度δ的值代入适应度函数即为公式(5),分别计算重量函数值G,重复步骤S23操作;
S28、当翅片间隔Δ,翅片厚度δ满足停止法则一或停止法则二时,停止计算,输出最优个体。
进一步的,所述放大器模块的宽度B=88。
进一步的,所述散热翅片的外形约束条件S=350,L=50,n≥1。
本发明的有益效果在于:
1)、本发明首先推导出散热翅片的翅片厚度与翅片间距之间的关系,再利用遗传算法优化翅片厚度、翅片间距两个参数,本发明设计的散热翅片具备单位长度散热量最大,整体翅片重量最小的优点,大大提高了放大器工作的可靠性,使设备变得更加轻型化。
2)、本发明利用遗传算法优化翅片厚度、翅片间距两个参数,可以优选出满足最小重量的放大器的散热翅片结构形式,而且在该结构形式下的单位长度散热量最大。
附图说明
图1为本发明的放大器模块的轴测图;
图2为本发明的放大器模块的主视图;
图3为本发明的放大器模块的左视图;
图4为本发明的放大器模块的仰视图;
图5为本发明的工作流程图;
图6为本发明遗传算法的求解流程图。
图中的附图标记含义如下:
1—散热翅片 2—电子元件安装面
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1~4所示,为本发明放大器模块的具体结构,放大器模块由两部分组成,包括散热翅片1和电子元件安装面2,由于电子元件安装面包含很多大热量元件,尤其是功率管,所以必须在放大器模块的底面布局散热翅片1。为提高散热效果,必须优化散热翅片结构参数,使得有限外形尺寸下的散热量最大。
推导出散热翅片的翅片厚度与翅片间距之间的关系的具体操作步骤包括:
假设翅片横截面上的温度分布均匀,则单个翅片的散热量Q1如公式(1)所示:
其中,θ1为翅片根部温度减去周围流体温度的差值;α为翅片表面的对流换热系数;λ为翅片的导热系数;δ为翅片厚度;S为翅片深度;L为翅片长度,th()为双曲正切函数;
单位长度的散热量Q2对翅片厚度δ的导数如公式(3)所示:
翅片总重量如公式(5)所示:
G=ρV=ρSLnδ (5)
根据散热翅片的外形约束条件S=S1,L=L1,n≥n1,参数Δ,δ在满足公式(6)的约束条件的同时,使得公式(5)的函数值G最小;
利用遗传算法优化翅片厚度、翅片间距两个参数的具体操作步骤包括:
S21、选取翅片重量G为适应度函数,种群的个体交叉概率为0.5,种群的个体变异概率为0.7,在matlab中使用rand函数在约束条件即公式(6)下生成100组二进制随机数,并将100组二进制随机数分别作为遗传算法的种群中的100组个体;
S22、将100组二进制随机数转换为整数,分别代入适应度函数即为公式(5),分别计算重量函数值G;
S23、判断遗传算法是否满足停止法则中的任意一条情况,如果有,则停止循环,对比100组重量函数值G,选择出最小的重量函数值G,最小的重量函数值G对应的个体为搜索出的最优个体;如果没有,进行步骤S24;
停止法则一:当遗传算法的累计的循环次数达到10000次时,停止计算,输出最优个体;
停止法则二:相邻两次计算中,适应度函数差值小于0.1时,停止计算,输出最优个体;
S24、根据种群的个体计算出的适应度函数Fi,种群中个体遗传到下一代的概率pi为:
其中,I=100,Fi=G1...G100,G1...G100为100组重量函数值;
通过在MATLAB中生成0到1之间的随机数ai,如果ai<pi,则种群中该个体不做任何变化;如果ai>pi,则从种群中剔除该个体,并取与该个体相邻的个体来替代该个体,重新计算与该个体相邻的个体的pi与ai的大小关系,直至种群的100组个体计算完毕,进行步骤S25;
S25、在MATLAB中的生成0到1之间的随机数bi,如果bi≥0.5,则交换相邻个体中包含的参数翅片间隔Δ,翅片厚度δ信息,如果bi<0.5,则进行步骤S26;
S26、在MATLAB中的生成0到1之间的随机数ci,如果ci≥0.5,则改变该个体中包含的参数信息,即个体的参数二进制码由0变为1、由1变成0,如果ci<0.5,则进行步骤S27;
S27、统计步骤S24~S26的所有个体,将所有个体包含的参数翅片间隔Δ,翅片厚度δ的值代入适应度函数即为公式(5),分别计算重量函数值G,重复步骤S23操作;
S28、当翅片间隔Δ,翅片厚度δ满足停止法则一或停止法则二时,停止计算,输出最优个体。此时,经过更新换代得到的100组个体中就包含着符合最优设计的个体,因此,对用二进制数表示的100组个体数据转换成十进制,然后,把参数Δ,δ对应到数值,并带入重量函数,那么,重量函数最小时对应的参数Δ,δ为满足高热量轻型放大器结构设计要求的设计参数。
根据图5的结构设计方法,首先建立散热量与结构尺寸之间的函数关系,然后以此为约束条件,构造重量函数,形成具有最大散热量约束条件下的最轻结构设计方法,再根据图6的遗传算法流程优化出满足设计要求的参数值。
以图1至图4的放大器散热翅片为例,铝材翅片深度S=350、翅片长度L=50密度ρ=2.7×10-3(g/mm3)、导热系数λ=0.201(W/mm·℃)、翅片表面的对流换热系数α=0.0188(W/mm2·℃)设计未知量为翅片间隔Δ、翅片厚度δ,经过图6所示的遗传算法优化出的翅片厚度δ为3mm,翅片间隔Δ为12mm,此时对应的铝材翅片重量为G=ρ×V=2.7×10-3×350×50×5×3=708.75克。
综上所述,本发明设计的散热翅片具备单位长度散热量最大,整体翅片重量最小的优点,大大提高了放大器工作的可靠性,使设备变得更加轻型化。
Claims (4)
1.一种高散热量轻型放大器结构的设计方法,其特征在于,包括以下步骤:
S1、推导出散热翅片的翅片厚度与翅片间距之间的关系;
S2、利用遗传算法优化翅片厚度、翅片间距两个参数;
步骤S1的具体操作步骤包括:
单个翅片的散热量Q1如公式(1)所示:
其中,θ1为翅片根部温度减去周围流体温度的差值;α为翅片表面的对流换热系数;λ为翅片的导热系数;δ为翅片厚度;S为翅片深度;L为翅片长度,th()为双曲正切函数;
其中,α1为无翅片部分表面对流换热系数;
单位长度的散热量Q2对翅片厚度δ的导数如公式(3)所示:
翅片总重量如公式(5)所示:
G=ρV=ρSLnδ (5)
根据散热翅片的外形约束条件S=S1,L=L1,n≥n1,参数Δ,δ在满足公式(6)的约束条件的同时,使得公式(5)的函数值G最小;
2.如权利要求1所述的一种高散热量轻型放大器结构的设计方法,其特征在于,步骤S2的具体操作步骤包括:
S21、选取翅片重量G为适应度函数,种群的个体交叉概率为0.5,种群的个体变异概率为0.7,在matlab中使用rand函数在约束条件即公式(6)下生成100组二进制随机数,并将100组二进制随机数分别作为遗传算法的种群中的100组个体;
S22、将100组二进制随机数转换为整数,分别代入适应度函数即为公式(5),分别计算重量函数值G;
S23、判断遗传算法是否满足停止法则中的任意一条情况,如果有,则停止循环,对比100组重量函数值G,选择出最小的重量函数值G,最小的重量函数值G对应的个体为搜索出的最优个体;如果没有,进行步骤S24;
停止法则一:当遗传算法的累计的循环次数达到10000次时,停止计算,输出最优个体;
停止法则二:相邻两次计算中,适应度函数差值小于0.1时,停止计算,输出最优个体;
S24、根据种群的个体计算出的适应度函数Fi,种群中个体遗传到下一代的概率pi为:
其中,I=100,Fi=G1...G100,G1...G100为100组重量函数值;
通过在MATLAB中生成0到1之间的随机数ai,如果ai<pi,则种群中该个体不做任何变化;如果ai>pi,则从种群中剔除该个体,并取与该个体相邻的个体来替代该个体,重新计算与该个体相邻的个体的pi与ai的大小关系,直至种群的100组个体计算完毕,进行步骤S25;
S25、在MATLAB中的生成0到1之间的随机数bi,如果bi≥0.5,则交换相邻个体中包含的参数翅片间隔Δ,翅片厚度δ信息,如果bi<0.5,则进行步骤S26;
S26、在MATLAB中的生成0到1之间的随机数ci,如果ci≥0.5,则改变该个体中包含的参数信息,即个体的参数二进制码由0变为1、由1变成0,如果ci<0.5,则进行步骤S27;
S27、统计步骤S24~S26的所有个体,将所有个体包含的参数翅片间隔Δ,翅片厚度δ的值代入适应度函数即为公式(5),分别计算重量函数值G,重复步骤S23操作;
S28、当翅片间隔Δ,翅片厚度δ满足停止法则一或停止法则二时,停止计算,输出最优个体。
3.如权利要求1或2所述的一种高散热量轻型放大器结构的设计方法,其特征在于:所述放大器模块的宽度B=88。
4.如权利要求3所述的一种高散热量轻型放大器结构的设计方法,其特征在于:所述散热翅片的外形约束条件S=350,L=50,n≥1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711336966.2A CN108256145B (zh) | 2017-12-14 | 2017-12-14 | 一种高散热量轻型放大器结构的设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711336966.2A CN108256145B (zh) | 2017-12-14 | 2017-12-14 | 一种高散热量轻型放大器结构的设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108256145A CN108256145A (zh) | 2018-07-06 |
CN108256145B true CN108256145B (zh) | 2021-07-20 |
Family
ID=62722907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711336966.2A Active CN108256145B (zh) | 2017-12-14 | 2017-12-14 | 一种高散热量轻型放大器结构的设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108256145B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117320362B (zh) * | 2023-11-29 | 2024-02-13 | 四川赛狄信息技术股份公司 | 一种散热机箱、散热部件的确定方法以及信号处理设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040222635A1 (en) * | 2002-11-12 | 2004-11-11 | Bose Phillip R. | Condensing a vapor produces electrical energy |
DE102004056557A1 (de) * | 2004-11-23 | 2006-05-24 | Behr Gmbh & Co. Kg | Dimensionsoptimierte Vorrichtung zum Austausch von Wärme und Verfahren zur Optimierung der Dimensionen von Vorrichtungen zum Austausch von Wärme |
CN101504689B (zh) * | 2009-03-26 | 2010-04-21 | 北京航空航天大学 | 散热器优化参数确定方法 |
CN103150439B (zh) * | 2013-03-14 | 2015-06-03 | 西安交通大学 | 面向板翅式换热器设计的翅片流动与换热性能预测方法 |
-
2017
- 2017-12-14 CN CN201711336966.2A patent/CN108256145B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108256145A (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | High-accuracy fixed-width modified booth multipliers for lossy applications | |
CN106777461B (zh) | 一种基于doe的高温泵散热器数值优化方法 | |
CN111488133B (zh) | 高基数近似布斯编码方法和混合基数布斯编码近似乘法器 | |
CN108256145B (zh) | 一种高散热量轻型放大器结构的设计方法 | |
Copiello et al. | Multi-objective genetic optimization of the heat transfer from longitudinal wavy fins | |
CN113343380B (zh) | 基于多目标粒子群算法的强迫风冷散热器优化方法及*** | |
CN112257378A (zh) | 一种针对近阈值的鲁棒时钟树综合算法实现方法 | |
CN108321821A (zh) | 基于sod-irk的时滞电力***稳定性判别方法 | |
CN108717488A (zh) | 一种强迫风冷散热***热结构的多目标优化设计方法 | |
Huang et al. | An inverse design method for optimizing design parameters of heat sink modules with encapsulated chip | |
CN114647967A (zh) | 一种超高效均温板设计方法 | |
CN112186751B (zh) | 一种考虑网架约束的新能源有效容量计算方法及*** | |
CN114282484A (zh) | 基于改进天牛须算法的异构三维片上网络的布图优化方法、装置、设备及介质 | |
CN115062562B (zh) | 一种电源设备的风冷***设计方法 | |
JP2004311885A (ja) | ヒートシンク及びヒートシンクの形状計算方法 | |
CN108242808A (zh) | 基于igd-lms的时滞电力***稳定性判别方法 | |
Li et al. | Ristretto: An atomized processing architecture for sparsity-condensed stream flow in cnn | |
Jiang et al. | Optimization of open micro-channel heat sink with pin fins by multi-objective genetic algorithm | |
CN110276143B (zh) | 一种多芯片led器件封装方法及*** | |
CN117709168B (zh) | 一种强制风冷散热***的优化设计方法及其装置 | |
Beresnevich et al. | The Khintchine–Groshev theorem for planar curves | |
CN105335784B (zh) | 一种基于遗传算法的选择最优dsp***软防护的方法 | |
CN118133718A (zh) | 液冷散热***生成方法及液冷散热*** | |
CN109582986A (zh) | 一种功耗限制下三维片上网络测试端口选择优化的方法 | |
Pham et al. | Optimal design for a shell-tube heat exchanger of a binary geothermal power plant from economic point of view |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |