CN111814295A - 热仿真模型的验证方法、系统、计算机设备及存储介质 - Google Patents

热仿真模型的验证方法、系统、计算机设备及存储介质 Download PDF

Info

Publication number
CN111814295A
CN111814295A CN202010316892.1A CN202010316892A CN111814295A CN 111814295 A CN111814295 A CN 111814295A CN 202010316892 A CN202010316892 A CN 202010316892A CN 111814295 A CN111814295 A CN 111814295A
Authority
CN
China
Prior art keywords
thermal simulation
input parameters
input
optimal solution
parameter
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.)
Pending
Application number
CN202010316892.1A
Other languages
English (en)
Inventor
薛辽豫
王�锋
李昕
乔津津
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Electronic System Engineering
Original Assignee
Beijing Institute of Electronic System Engineering
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Electronic System Engineering filed Critical Beijing Institute of Electronic System Engineering
Priority to CN202010316892.1A priority Critical patent/CN111814295A/zh
Publication of CN111814295A publication Critical patent/CN111814295A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种热仿真模型的验证方法、系统、计算机设备及存储介质，该验证方法包括如下步骤：S1、根据获取的输入参数设定所述输入参数的不确定度并进行第一次热仿真，以及根据第一次热仿真结果进行对每一个输入参数对应于每一个输出参数的敏感度等级的分析；S2、基于所述敏感度等级确定输入参数的抽样集合，并进行下一次热仿真以确定所述抽样集合对应的下一次热仿真结果中的最优输入参数Xn1；S3、将最优输入参数Xn1带入预设的所述输入参数与所述输出参数的函数关系，并求解所述函数关系下的所述输入参数的最优解Xn2；S4、比较所述最优解Xn2与实际数据以进行所述最优解Xn2的评估，若评估合格，则输出合格的最优解Xn2，若评估不合格，则转入步骤S2。

Description

热仿真模型的验证方法、系统、计算机设备及存储介质
技术领域
本发明涉及热仿真领域。更具体地，涉及一种热仿真模型的验证方法、系统、计算机设备及存储介质。
背景技术
热仿真是一种被普遍应用的热控设计方法，热仿真的模型验证和确认量化是以热仿真模型的不确定性量化为基础，通过简单试验评估计算热仿真模型的置信度，最后基于确认的仿真模型并考虑各种不确定性对无系统级试验的目标模型进行预测，并给出作为决策的依据的预测置信度。其目的就是通过比较仿真模型的仿真预测结果与试验观察结果之间的差异，用以确保仿真模型具有足够的精度，增加仿真模型预测的可信度。
现有技术中，利用仿真系统，试验系统和评估系统进行热仿真模型的验证，最终耦合上述三个系统输出的结果以准确反馈测试产品的实际热学关系。上述三个系统需要利用接触参数、热传导参数、热辐射参数、热对流参数、材料参数以及时间参数等的输入参数进行热仿真；仿真系统和试验系统输出参数包括温度参数等；评估系统的输出参数包括修正输入参数；输入与输出的连接方法分别是仿真方法、试验方法、评估方法。
然而，对于以上三个系统，并非所有输入参数、输出参数、连接方法都是明确数值。对仿真系统而言，输入参数包含不确定性，无法保证与产品实际输入相同；仿真方法因为商业秘密、模型多样性等原因呈现为黑箱模型。对试验系统而言，部分输入参数无法实际测量，如接触参数，部分参数受试验条件限制，仅能采用产品标称数据，如不同位置的辐射系数，因此也包含不确定性；试验方法则由于完全反馈产品实际热学关系，包含要素极多，也无法完全表征。因此，由于多种参数的未知性，极大地限制了热仿真模型验证的效率和精确性。
目前主流热仿真模型验证和确认方法如图2所示，忽略了评估系统，以特定抽样方法选择多组仿真系统输入参数，并将相应的仿真系统输出参数试验系统输出参数进行对比，若对比结果不符合仿真设计要求则继续抽样，直到对比结果满足设计要求。该方法所需仿真系统运行次数较多，特别是仿真系统输入参数不确定度较大、上下边界值差异较大的情况，需要大量的输入参数以确保完全填充输入参数区间。
发明内容
本发明的目的在于提供一种热仿真模型的验证方法、系统、计算机设备及存储介质，以解决现有技术中存在的问题中的至少一个；
为达到上述目的，本发明采用下述技术方案：
本发明第一方面提供一种热仿真模型的验证方法，包括如下步骤：
S1、根据获取的输入参数设定所述输入参数的不确定度并进行第一次热仿真，以及根据第一次热仿真结果进行对每一个输入参数对应于每一个输出参数的敏感度等级的分析；
S2、基于所述敏感度等级确定输入参数的抽样集合，并进行下一次热仿真以确定所述抽样集合对应的下一次热仿真结果中的最优输入参数Xn1；
S3、将最优输入参数Xn1带入预设的所述输入参数与所述输出参数的函数关系，并求解所述函数关系下的所述输入参数的最优解Xn2；
S4、比较所述最优解Xn2与实际数据以进行所述最优解Xn2的评估，
若评估合格，则输出合格的最优解Xn2，
若评估不合格，则转入步骤S2。
优选地，所述步骤S1包括：
根据获取的输入参数设定所述输入参数的不确定度并生成所述不确定度内的所述输入参数的取值集合；
基于所述取值集合进行第一次热仿真并输出第一次热仿真结果；
基于敏感度分析理论，根据所述第一次热仿真结果建立输入参数的敏感度分析原则，以确定每一个输入参数对应于每一个输出参数的敏感度等级。
优选地，所述步骤S2包括：
基于所述敏感度等级设计抽样准则并选取抽样方法，以生成输入参数的抽样集合；
基于所述抽样集合进行下一次热仿真并输出对应于所述抽样集合的下一次仿真结果；
选取所述下一次热仿真结果中最接近实际数据的最优输入参数Xn1。
优选地，所述步骤S3包括：
基于热学理论，将最优输入参数Xn1带入预设的所述输入参数与所述输出参数的函数关系；
根据所述下一次仿真结果与所述函数关系的耦合确定函数系数；
基于确定函数系数的函数关系求解所述确定函数系数的函数关系下的所述输入参数的最优解Xn2。
优选地，所述第一次热仿真的运行次数m1与所述取值集合内的输入参数的数量正相关。
优选地，所述下一次热仿真的运行次数m2与所述抽样集合内的输入参数的数量正相关。
优选地，输出合格的最优解Xn2的仿真总次数Z为：Z＝m1+m2*m3，其中，m1为第一次热仿真的运行次数；m2为下一次热仿真的运行次数m2；m3为所述方法的重复次数。
本发明第二方面提供一种执行上述方法的验证系统，包括：
第一热仿真分析单元，用于根据获取的输入参数设定所述输入参数的不确定度并进行第一次热仿真，以及根据第一次热仿真结果进行对每一个输入参数对应于每一个输出参数的敏感度等级的分析；
第二热仿真分析单元，用于基于所述敏感度等级确定输入参数的抽样集合，并进行下一次热仿真以确定所述抽样集合对应的下一次热仿真结果中的最优输入参数Xn1；
函数关系确定单元，用于将最优输入参数Xn1带入预设的所述输入参数与所述输出参数的函数关系，并求解所述函数关系下的所述输入参数的最优解Xn2；
评估单元，用于比较所述最优解Xn2与实际数据以进行所述最优解Xn2的评估。
本发明第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的方法。
本发明第四方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述的方法。
本发明的有益效果如下：
本发明所述技术方案以热学相关理论为基础，将热仿真需要的输入参数与输出参数通过特定函数关系进行关联，通过至少两次的仿真后确定函数具体形式再与实际数据进行对比以得到趋近实际数据的热仿真模型。本发明所述方案有效地提高了模型仿真及验证的效率，避免了由于未知输入参数过多导致的仿真模型合理性不足的情况，从而使热仿真模型更加贴近真实情况，准确反馈产品实际热学状态，消除热仿真与热试验的计算误差。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出本发明实施例提供的验证方法的流程图；
图2示出现有技术中的热仿真模型的验证方法；
图3示出本发明实施例的一个具体示例的流程图；
图4示出本发明实施例的计算机设备的结构示意图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
针对现有技术中热仿真模型的验证方法低效且合理性不足，无法确保热仿真准确反馈产品实际热学状态的问题，如图1所示，本发明的一个实施例公开了一种热仿真模型的验证方法，包括：
S1、根据获取的输入参数设定所述输入参数的不确定度并进行第一次热仿真，以及根据第一次热仿真结果进行对每一个输入参数对应于每一个输出参数的敏感度等级的分析；
S2、基于所述敏感度等级确定输入参数的抽样集合，并进行下一次热仿真以确定所述抽样集合对应的下一次热仿真结果中的最优输入参数Xn1；
S3、将最优输入参数Xn1带入预设的所述输入参数与所述输出参数的函数关系，并求解所述函数关系下的所述输入参数的最优解Xn2；
S4、比较所述最优解Xn2与实际数据以进行所述最优解Xn2的评估，
若评估合格，则输出合格的最优解Xn2，
若评估不合格，则转入步骤S2。
本发明所述技术方案以热学相关理论为基础，将热仿真需要的输入参数与输出参数通过特定函数关系进行关联，通过至少两次的仿真后确定函数具体形式再与实际数据进行对比以得到趋近实际数据的热仿真模型。本发明所述方案有效地提高了模型仿真及验证的效率，避免了由于未知输入参数过多导致的仿真模型合理性不足的情况，从而使热仿真模型更加贴近真实情况，准确反馈产品实际热学状态，消除热仿真与热试验的计算误差。
在一个具体示例中，本发明实施例所需的输入参数可通过红外测温仪、热电偶等物理测温仪器，千分尺、游标卡尺等物理测距仪器、红外发射率测试仪等物理光学辐射测量仪器等多种仪器进行获取，并根据获取的输入参数进行仿真模型的验证。
在本实施例的一些可选地实现方式中，所述S1包括：
根据获取的输入参数设定所述输入参数的不确定度并生成所述不确定度内的所述输入参数的取值集合；
基于所述取值集合进行第一次热仿真并输出第一次热仿真结果；
基于敏感度分析理论，根据所述第一次热仿真结果建立输入参数的敏感度分析原则，以确定每一个输入参数对应于每一个输出参数的敏感度等级。
在本实施例中，通过设定输入参数的不确定度以定义输入参数的总体范围，进一步通过参数抽样的方式确定取值集合填充了输入参数在该范围内可能的取值。再将这个取值集合输入仿真系统进行第一次热仿真，仿真系统的单次运行时间由硬件支撑、软件选择、模型复杂度等因素决定，仿真系统第一次热仿真时的运行次数记为m1，由抽样次数决定。优选地，所述第一次热仿真的运行次数m1与所述取值集合内的输入参数的数量正相关。
当仿真系统的第一次热仿真并输出第一次热仿真结果后，基于敏感度分析理论，建立输入参数敏感度分析原则，确定各个输入参数对各个输出参数的敏感度等级。
在本实施例的一些可选地实现方式中，所述S2包括：
基于所述敏感度分析的等级结果设计抽样准则并选取抽样方法，以生成输入参数的抽样集合；
基于所述抽样集合进行下一次热仿真并输出对应于所述抽样集合的下一次仿真结果；
选取所述下一次热仿真结果中最接近实际数据的最优输入参数Xn1。
在本实施例中，依据输入参数敏感度特征设计抽样准则以及选取抽样方法，确定输入参数抽样的抽样集合。
进一步地，将输入参数的抽样集合输入仿真系统进行下一次热仿真并输出下一次热仿真结果，下一次热仿真的运行次数记为m2。优选地，所述下一次热仿真的运行次数m2与所述抽样集合内的输入参数的数量正相关。也就是说仿真的次数随着推导出的最优解针对仿真系统所得结果进行分析，从下一次热仿真结果中选取最接近实际情况数据的输出结果，并将该结果对应的输入参数设为输入参数最优解，记为Xn1，即最优输入参数。
在本实施例的一些可选地实现方式中，所述S3包括：
基于热学理论，将最优输入参数Xn1带入预设的所述输入参数与所述输出参数的函数关系；
根据所述下一次仿真结果与所述函数关系的耦合确定函数系数；
基于确定函数系数的函数关系求解所述确定函数系数的函数关系下的所述输入参数的最优解Xn2。
在本实施例中，基于热学理论，建立由输入参数求解输出参数的函数关系式，即f(输入参数)＝输出参数。通过仿真系统(下一次热仿真)输出结果与函数关系式的耦合，推导出函数关系式中未知的系数。利用系数明确的函数关系式进行回归推导，求解局部区域的最优解，记作Xn2，即当前函数关系下的所述输入参数的最优解。
在本实施例的一些可选地实现方式中，输出合格的最优解Xn2的仿真总次数Z为：Z＝ m1+m2*m3，其中，m1为第一次热仿真的运行次数；m2为下一次热仿真的运行次数m2； m3为所述方法的重复次数。
最后比较所述最优解Xn2对应的最优输出数据与实际数据以进行所述最优解Xn2的评估。实际数据是仿真试验数据是否符合产品实际情况的判断基准。若最优输出数据无法表征实际数据，则评估不合格，再重新开始下一轮仿真直至评估合格；若合格，则最优输出数据可以充分表征实际数据，评估修正输入参数完毕，总轮次数记为m3。至此，完成了整个热仿真模型的验证。
本发明实施例的验证方法降低了低敏感度参数全程参与以及抽样替代函数确定的额外仿真次数。在本发明实施例中最优输入参数Xn1为进行下一次热仿真的抽样集合中的抽样值之一，Xn2为利用输入参数与所述输出参数的函数关系函数推导处的最优值，利用本发明实施例的技术方案得到的最优化输入参数不再仅仅限制于抽样，也避免了增大抽样次数以增加精度引发的大量仿制次数。最终，轮次所得输入参数最优解与产品的实际热学关系误差越来越小，直到满足设计需求。提高了仿真模型精确度的同时，也极大的提高了仿真效率。
现以某一地面集装箱内部温控为例详细阐述本发明实施例的热仿真模型的验证方法。
按照本发明实施例的第一步，输入参数不确定度如表1所示。作为实际数据的测温点温度值如表2所示。在输入参数不确定度的范围内进行抽样200次，采用热仿真软件进行第一次热仿真后求解第一次热仿真后的仿真结果。定义敏感度1、2、3分别代表敏感度高、中、低，分析后确定各输入参数敏感度如表3所示。
表1输入参数不确定度表
Figure RE-GDA0002650170500000061
表2测温点温度值
Figure RE-GDA0002650170500000062
表3各输入参数敏感度
Figure RE-GDA0002650170500000063
Figure RE-GDA0002650170500000071
按照本发明实施例的第二步，依据表3，通过设计输入参数抽样规则确定抽样集合，在抽样集合中选择敏感度高的参数进行分析，抽样100次，采用仿真系统得到进行下一次热仿真后输出下一次热仿真结果，并求得下一次热仿真结果中最优的输入参数Xn1。
按照本发明实施例的第三步，根据下一次热仿真的结果设计输入参数与输出参数的函数关系，确认函数各个系数值，最终通过函数求解最优解Xn2。Xn1和Xn2如表4所示。
表4输入参数最优解Xn1和Xn2
输入参数名称 外壳厚度 涂层发射率 地面温度 接触间隙宽度
输入参数单位 mm /1 ℃ mm
输入参数最小值 3.5 0.55 20 0
输入参数最大值 4.5 0.65 23 5
敏感度 1 2 3 3
Xn1 4.3587 0.5641 22 4.5
Xn2 4.1757 0.5711 22 4.5
按照本发明实施例的第四步，利用
表2所示实际数据对比最优解条件下的仿真输出数据。若评估认为仿真输出数据可以表征实际数据，则采用Xn2输入参数为最优解，修正输入参数完毕；若评估认为仿真输出数据不可以表征实际数据，则转回第二步直至评估合格。
本发明所述技术方案以热学相关理论为基础，将热仿真需要的输入参数与输出参数通过特定函数关系进行关联，通过两次仿真后确定函数具体形式再与实际数据进行对比以得到趋近实际数据的热仿真模型。本发明所述方案有效地提高了模型仿真及验证的效率，避免了由于未知输入参数过多导致的仿真模型合理性不足的情况，从而使热仿真模型更加贴近真实情况，准确反馈产品实际热学状态，消除热仿真与热试验的计算误差。
本发明的另一个实施例提供了一种执行如上述验证方法的验证系统，包括：
第一热仿真分析单元，用于根据获取的输入参数设定所述输入参数的不确定度并进行第一次热仿真，以及根据第一次热仿真结果进行对每一个输入参数对应于每一个输出参数的敏感度等级的分析；
第二热仿真分析单元，用于基于所述敏感度等级确定输入参数的抽样集合，并进行下一次热仿真以确定所述抽样集合对应的下一次热仿真结果中的最优输入参数Xn1；
函数关系确定单元，用于将最优输入参数Xn1带入预设的所述输入参数与所述输出参数的函数关系，并求解所述函数关系下的所述输入参数的最优解Xn2；
评估单元，用于比较所述最优解Xn2与实际数据以进行所述最优解Xn2的评估。
需要说明的是，本实施例提供的热仿真模型的验证系统的原理及工作流程与上述热仿真模型的验证方法相似，相关之处可以参照上述说明，在此不再赘述。
本发明的另一个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现：S1、根据获取的输入参数设定所述输入参数的不确定度并进行第一次热仿真，以及根据第一次热仿真结果进行对每一个输入参数对应于每一个输出参数的敏感度等级的分析；S2、基于所述敏感度等级确定输入参数的抽样集合，并进行下一次热仿真以确定所述抽样集合对应的下一次热仿真结果中的最优输入参数Xn1；S3、将最优输入参数 Xn1带入预设的所述输入参数与所述输出参数的函数关系，并求解所述函数关系下的所述输入参数的最优解Xn2；S4、比较所述最优解Xn2与实际数据以进行所述最优解Xn2的评估，若评估合格，则输出合格的最优解Xn2，若评估不合格，则转入步骤S2。
在实际应用中，所述计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网 (WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
如图4所示，本发明的另一个实施例提供的一种计算机设备的结构示意图。图4显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘 (例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等) 通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图4中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种热仿真模型的验证方法。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (10)

1.一种热仿真模型的验证方法，其特征在于，包括如下步骤：
S1、根据获取的输入参数设定所述输入参数的不确定度并进行第一次热仿真，以及根据第一次热仿真结果进行对每一个输入参数对应于每一个输出参数的敏感度等级的分析；
S2、基于所述敏感度等级确定输入参数的抽样集合，并进行下一次热仿真以确定所述抽样集合对应的下一次热仿真结果中的最优输入参数Xn1；
S3、将最优输入参数Xn1带入预设的所述输入参数与所述输出参数的函数关系，并求解所述函数关系下的所述输入参数的最优解Xn2；
S4、比较所述最优解Xn2与实际数据以进行所述最优解Xn2的评估，
若评估合格，则输出合格的最优解Xn2，
若评估不合格，则转入步骤S2。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括：
根据获取的输入参数设定所述输入参数的不确定度并生成所述不确定度内的所述输入参数的取值集合；
基于所述取值集合进行第一次热仿真并输出第一次热仿真结果；
基于敏感度分析理论，根据所述第一次热仿真结果建立输入参数的敏感度分析原则，以确定每一个输入参数对应于每一个输出参数的敏感度等级。
3.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：
基于所述敏感度等级设计抽样准则并选取抽样方法，以生成输入参数的抽样集合；
基于所述抽样集合进行下一次热仿真并输出对应于所述抽样集合的下一次仿真结果；
选取所述下一次热仿真结果中最接近实际数据的最优输入参数Xn1。
4.根据权利要求3所述的方法，其特征在于，所述步骤S3包括：
基于热学理论，将最优输入参数Xn1带入预设的所述输入参数与所述输出参数的函数关系；
根据所述下一次仿真结果与所述函数关系的耦合确定函数系数；
基于确定函数系数的函数关系求解所述确定函数系数的函数关系下的所述输入参数的最优解Xn2。
5.根据权利要求2所述的方法，其特征在于，所述第一次热仿真的运行次数m1与所述取值集合内的输入参数的数量正相关。
6.根据权利要求3所述的方法，其特征在于，所述下一次热仿真的运行次数m2与所述抽样集合内的输入参数的数量正相关。
7.根据权利要求6所述的方法，其特征在于，输出合格的最优解Xn2的仿真总次数Z为：Z＝m1+m2*m3，其中，m1为第一次热仿真的运行次数；m2为下一次热仿真的运行次数m2；m3为所述方法的重复次数。
8.一种执行如权利要求1-7中任一项所述方法的验证系统，其特征在于，包括：
第一热仿真分析单元，用于根据获取的输入参数设定所述输入参数的不确定度并进行第一次热仿真，以及根据第一次热仿真结果进行对每一个输入参数对应于每一个输出参数的敏感度等级的分析；
第二热仿真分析单元，用于基于所述敏感度等级确定输入参数的抽样集合，并进行下一次热仿真以确定所述抽样集合对应的下一次热仿真结果中的最优输入参数Xn1；
函数关系确定单元，用于将最优输入参数Xn1带入预设的所述输入参数与所述输出参数的函数关系，并求解所述函数关系下的所述输入参数的最优解Xn2；
评估单元，用于比较所述最优解Xn2与实际数据以进行所述最优解Xn2的评估。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的方法。
CN202010316892.1A 2020-04-21 2020-04-21 热仿真模型的验证方法、系统、计算机设备及存储介质 Pending CN111814295A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010316892.1A CN111814295A (zh) 2020-04-21 2020-04-21 热仿真模型的验证方法、系统、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010316892.1A CN111814295A (zh) 2020-04-21 2020-04-21 热仿真模型的验证方法、系统、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN111814295A true CN111814295A (zh) 2020-10-23

Family

ID=72848325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010316892.1A Pending CN111814295A (zh) 2020-04-21 2020-04-21 热仿真模型的验证方法、系统、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111814295A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113139277A (zh) * 2021-03-30 2021-07-20 深圳佰维存储科技股份有限公司 封装结构散热优化方法、装置、可读存储介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104424374A (zh) * 2013-09-05 2015-03-18 北汽福田汽车股份有限公司 电路板的热仿真模型的标定方法及系统
CN105975712A (zh) * 2016-05-20 2016-09-28 南京航空航天大学 一种航天器被动热控参数设计优化方法
CN106599428A (zh) * 2016-12-06 2017-04-26 东北大学 一种芯片热布局方法
CN107609286A (zh) * 2017-09-20 2018-01-19 北京安怀信科技股份有限公司 一种数学模型验模工具
US20180299392A1 (en) * 2017-04-18 2018-10-18 Saudi Arabian Oil Company Apparatus, system and method for inspecting composite structures using quantitative infra-red thermography

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104424374A (zh) * 2013-09-05 2015-03-18 北汽福田汽车股份有限公司 电路板的热仿真模型的标定方法及系统
CN105975712A (zh) * 2016-05-20 2016-09-28 南京航空航天大学 一种航天器被动热控参数设计优化方法
CN106599428A (zh) * 2016-12-06 2017-04-26 东北大学 一种芯片热布局方法
US20180299392A1 (en) * 2017-04-18 2018-10-18 Saudi Arabian Oil Company Apparatus, system and method for inspecting composite structures using quantitative infra-red thermography
CN107609286A (zh) * 2017-09-20 2018-01-19 北京安怀信科技股份有限公司 一种数学模型验模工具

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
WEIBO YANG ETC: "A two-region simulation model of vertical U-tube ground heat exchanger and its experimental verification", APPLIED ENERGY, vol. 86, no. 10, pages 2005 - 2012, XP026043898, DOI: 10.1016/j.apenergy.2008.11.008 *
施道云 等: "基于Isight/Fluent联合仿真的热模型修正方法研究", 科学技术与工程, no. 04, pages 205 - 209 *
王祥 等: "导流散热型LED灯的热分析与试验研究", 应用光学, no. 01, pages 128 - 133 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113139277A (zh) * 2021-03-30 2021-07-20 深圳佰维存储科技股份有限公司 封装结构散热优化方法、装置、可读存储介质及电子设备

Similar Documents

Publication Publication Date Title
US20180081571A1 (en) System and method for predicting disk failure
CN112819169B (zh) 量子控制脉冲生成方法、装置、设备及存储介质
CN107807881B (zh) 代码覆盖率的测试方法、装置和计算机设备
US10212058B2 (en) System and method for detecting system's performance regression
US20150025872A1 (en) System, method, and apparatus for modeling project reliability
CN112613584A (zh) 一种故障诊断方法、装置、设备及存储介质
CN112199293A (zh) 软件质量评价方法、装置、终端设备及存储介质
CN112824828A (zh) 一种激光跟踪仪站位确定方法、系统、电子设备及介质
CN111814354B (zh) 仪器性能的模拟测试方法、系统、介质及电子设备
CN114741284B (zh) 任务可靠性评估方法、装置、计算机设备和存储介质
CN111859623A (zh) 卫星电子产品的可靠性鉴定方法、装置、设备及存储介质
CN112834911B (zh) 一种电迁移测试方法、装置、设备及存储介质
CN110991124B (zh) 集成电路修补方法及装置、存储介质、电子设备
CN110850358A (zh) 基于逐步回归算法的电能表综合检定方法及系统
CN111814295A (zh) 热仿真模型的验证方法、系统、计算机设备及存储介质
Zhexue et al. Multistage Bayesian fusion evaluation technique endorsing immersive virtual maintenance
CN113918741A (zh) 数据处理方法、装置、系统、计算机设备和存储介质
US10382311B2 (en) Benchmarking servers based on production data
US20140156233A1 (en) Method and apparatus for electronic circuit simulation
CN111209214B (zh) 代码测试处理方法、装置、电子设备及介质
CN112697146B (zh) 一种基于稳健回归的航迹预测方法
CN114038371A (zh) 伽马调校方法、相关装置及存储介质
CN108269004B (zh) 产品寿命分析方法及终端设备
KR102032180B1 (ko) 디지털변전시스템 정보교환 서비스 검증시험 장치
Jaworski et al. Determination of measurement uncertainty by a Monte Carlo method for an RF power sensor calibration system using a VNA

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