[發明專利]基于多目標粒子群算法的強迫風冷散熱器優化方法及系統

有效

• 申請號: 202110598065.0
• 申請日: 2021-05-31
• 公開（公告）號: CN113343380B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 朱翔鷗;王玲;周楊;張正江;閆正兵;趙升;章純;王守冬;戴瑜興
• 申請（專利權）人: 溫州大學;浙江省高低壓電器產品質量檢驗中心
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/25;G06F30/27;G06N3/00;G06F111/06;G06F111/10;G06F119/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 楊媛媛

1.一種基于多目標粒子群算法的強迫風冷散熱器優化方法，其特征在于，包括：

根據強迫風冷散熱器的等效熱路圖確定所述散熱器的基本參數，參數約束條件和多個目標函數；所述基本參數包括：散熱器基板長，散熱器基板寬，散熱器的高度，散熱器基板厚度，散熱器冷卻通道數，散熱器的翅片間距和冷卻通道空氣平均流速；所述目標函數包括散熱器熱阻目標函數，散熱器的質量目標函數和散熱器的壓降目標函數；

根據所述基本參數，所述目標函數和所述參數約束條件建立散熱器多目標優化模型；

利用多目標粒子群算法求解所述散熱器多目標優化模型，得到優化后的基本參數，具體包括：

根據所述散熱器的所述基本參數隨機產生一個滿足所述參數約束條件的初始粒子種群；所述初始粒子種群中的每個粒子的位置向量表示一種所述散熱器的優化方案；

設置所述初始粒子種群中每個所述粒子的當前位置為每個所述粒子個體最優位置；

計算所述初始粒子種群中各個所述粒子的目標函數值，并結合粒子間的支配關系計算所述初始粒子種群的非支配解集，所述非支配解集即為所述初始粒子種群的帕累托解集；令所述初始粒子種群為當前粒子群；

計算所述當前粒子群的所述帕累托解集中每個所述粒子的擁擠距離，并結合輪盤賭選擇算法得到全局最優粒子，即得到全局最優位置，具體包括：

將所述當前粒子群的所述帕累托解集中所有粒子分別帶入不同的所述目標函數中，得到多組目標函數值；

依據每一組所述目標函數值對所述當前粒子群的所述帕累托解集中所有粒子進行升序排列，得到多組升序排列后的粒子集；

對每組升序排列后的粒子集的每個所述粒子，計算與所述粒子距離最近的粒子，得到距離選取粒子；

基于所述距離選取粒子的不同目標函數值計算所述擁擠距離；

根據所述擁擠距離結合所述輪盤賭選擇算法得到全局最優粒子；

根據所述粒子個體最優位置和所述全局最優位置更新每個所述粒子的位置和速度，得到更新后的粒子群，即下一代粒子群；

判斷所述更新后的粒子群中的每個所述粒子對應的優化方案是否滿足所述參數約束條件，得到第一判斷結果；根據所述第一判斷結果更新所述粒子個體最優位置；

計算所述更新后的粒子群中各個粒子對應的目標函數值，并結合所述粒子間的支配關系計算所述更新后的粒子群的非支配解集，即得到所述更新后的粒子群的帕累托解集；

判斷當前迭代次數是否等于最大迭代次數，得到第二判斷結果；

若第二判斷結果為否，則令所述更新后的粒子群為所述當前粒子群，返回步驟“計算所述當前粒子群的所述帕累托解集中每個所述粒子的擁擠距離，并結合輪盤賭選擇算法得到全局最優粒子”；

若第二判斷結果為是，則將所述更新后的粒子群的帕累托解集作為最優的帕累托解集，從所述最優的帕累托解集中隨機選取一個解作為所述優化后的基本參數；

根據所述優化后的基本參數得到所述強迫風冷散熱器的優化方案。

2.根據權利要求1所述的方法，其特征在于，所述散熱器熱阻目標函數為：

其中，x₁—散熱器基板長；x₂—散熱器基板寬；x₃—散熱器高；x₄—散熱器基板厚度；x₅—散熱器冷卻通道數；x₆—散熱器翅片間距；x₇—冷卻通道空氣平均流速；k—散熱器材料的導熱系數；δ—翅片厚度；—散熱器基板傳導熱阻；—散熱器翅片傳導熱阻；—散熱器翅片間的對流熱阻；

所述散熱器的質量目標函數為：

min f₂(x)＝[x₁x₂x₃-x₅·(x₃-x₄)·x₁x₆]·ρ_m；ρ_m為散熱器材料密度；

所述散熱器的壓降目標函數為：

λ表示冷卻通道的摩擦阻力系數，ρ表示空氣密度。