基于神经网络同步学习的功率模块散热器拓扑优化快速迭代方法

作     者：朱高嘉 何函宇 李龙女 朱建国 梅云辉 ZHU Gaojia;HE Hanyu;LI Longnu;ZHU Jianguo;MEI Yunhui

作者机构：天津工业大学电气工程学院天津300387 悉尼大学电气与信息工程学院悉尼2006 中国电源学会 

基　　金：国家自然科学基金资助项目(52177189) 天津市杰出青年基金资助项目(21JCJQJC00150) 教育部“春晖计划”国际合作科研项目(HZKY20220604) 

出 版 物：《电源学报》 (Journal of Power Supply)

年 卷 期：2024年第22卷第3期

页      码：111-117页

摘      要：随着功率模块集成化程度的提高,其散热结构优化已成为研发中的关键。拓扑优化可通过变换散热器形貌、结构来最大化地提升散热效果,因此受到了广泛关注。但在拓扑优化过程中,每步迭代均需要计算模块与散热器温度分布,占用较庞大的计算资源和计算时间。为加速传统散热器拓扑优化进程,在基于传统固体各向同性材料惩罚SIMP(solid isotropic material with penalization)散热器拓扑优化方法的基础上,提出一种嵌套神经网络NN(neural network)同步学习的快速迭代方法。首先,构建散热器基于编码器-解码器结构的NN预测模型,即基于散热器形貌迭代进化过程实现优化结构的快速预测;其次,将NN模型与散热器SIMP拓扑优化流程相嵌套,利用迭代过程中的中间形貌同步训练NN;最后,针对单芯片、两芯片模块结构,对比所提方法与传统迭代方法的拓扑优化结果,验证了所提NN同步学习方法的准确性和快速性。

主 题 词：散热器结构优化设计 拓扑优化 变密度法 神经网络同步深度学习 

学科分类：080903[080903] 0809[工学-计算机类] 08[工学] 080501[080501] 0805[工学-能源动力学] 080502[080502] 

D　O　I：10.13234/j.issn.2095-2805.2024.3.111

馆 藏 号：203128564...