CN111859628A - 散热肋片结构参数评估方法、装置、存储介质及计算设备 - Google Patents

散热肋片结构参数评估方法、装置、存储介质及计算设备 Download PDF

Info

Publication number
CN111859628A
CN111859628A CN202010608360.5A CN202010608360A CN111859628A CN 111859628 A CN111859628 A CN 111859628A CN 202010608360 A CN202010608360 A CN 202010608360A CN 111859628 A CN111859628 A CN 111859628A
Authority
CN
China
Prior art keywords
inverter
structural parameters
mathematical
mathematical relationship
specific devices
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
CN202010608360.5A
Other languages
English (en)
Inventor
刘怀灿
赵万东
于博
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.)
Gree Electric Appliances Inc of Zhuhai
Original Assignee
Gree Electric Appliances Inc of Zhuhai
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 Gree Electric Appliances Inc of Zhuhai filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202010608360.5A priority Critical patent/CN111859628A/zh
Publication of CN111859628A publication Critical patent/CN111859628A/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design

Abstract

本发明提供一种散热肋片结构参数评估方法、装置、存储介质及计算设备，所述方法包括：将散热肋片的结构参数作为设计变量，赋予多组不同的数值进行数值模拟，得到所述多组不同的数值对应的逆变器内部特定器件的器件温度；基于得到的所述多组不同的数值对应的逆变器内部特定器件的器件温度进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系；根据得到的所述散热肋片的结构参数与逆变器内部特定器件的器件温度数学关系，预测目标逆变器散热肋片的结构参数是否满足设计要求。本发明提供的方案能够精准预测逆变器内部关键器件的温度，快速评估散热肋片结构是否满足要求。

Description

散热肋片结构参数评估方法、装置、存储介质及计算设备
技术领域
本发明涉及控制领域，尤其涉及一种逆变器散热肋片结构参数评估方法、装置、存储介质及计算设备。
背景技术
随着光伏逆变技术的快速发展，逆变器的整体尺寸越做越小，热流密度也越来越大，防护等级越来越高，采用全封闭箱体以解决逆变器三防(防水、防尘、防虫)问题，应用自然对流进行散热以增加设备可靠性，已成为逆变器的发展趋势。然而，箱体全封闭意味着电子元器件产生的热量难以排出，自然对流散热能力又极其有限，因此，全封闭自然对流散热问题，已成为制约逆变器进一步发展的瓶颈问题，散热肋片结构的设计成为重中之重。
在逆变器散热肋片结构设计时，主要关注设备中关键元器件的表面温度Tc及内部空气温度Ta是否超标，在传统的热设计过程中，需反复更改散热结构相关参数，并反复测量关键元器件的表面温度Tc及内部空气温度Ta温度值，在此过程中，需耗费大量的实验、人力资源以及冗长的开发周期，才能最终确定出合格的散热结构。
发明内容
本发明的主要目的在于克服上述现有技术的缺陷，提供一种逆变器散热肋片结构参数评估方法、装置、存储介质及计算设备，以解决现有技术中逆变器散热肋片结构设计周期长、耗费资源大的问题。
本发明一方面提供了一种逆变器散热肋片结构参数评估方法，包括：将散热肋片的结构参数作为设计变量，赋予多组不同的数值进行数值模拟，得到所述多组不同的数值对应的逆变器内部特定器件的器件温度；基于得到的所述多组不同的数值对应的逆变器内部特定器件的器件温度进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系；根据得到的所述散热肋片的结构参数与逆变器内部特定器件的器件温度数学关系，预测目标逆变器散热肋片的结构参数是否满足设计要求。
可选地，基于得到的所述多组不同的数值对应的逆变器内部特定器件的器件温度进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系，包括：通过响应面分析法以所述多组不同的数值对应的逆变器内部特定器件的器件温度作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。
可选地，还包括：获取预设结构参数作为输入参数带入得到的所述数学关系中计算得到相应的逆变器内部特定器件的预测器件温度；将所述预测器件温度与所述预设结构参数对应的预设器件温度进行对比，确定所述数学关系的精度值。
可选地，还包括：若所述数学关系的精度值未达到预设值，则提高响应面分析法的阶次，再次通过响应面分析法以所述多组不同的数值对应的逆变器内部特定器件的器件温度作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。
本发明另一方面提供了一种逆变器散热肋片结构参数确定装置，包括：模拟单元，用于将散热肋片的结构参数作为设计变量，赋予多组不同的数值进行数值模拟，得到所述多组不同的数值对应的逆变器内部特定器件的器件温度；拟合单元，用于基于得到的所述多组不同的数值对应的逆变器内部特定器件的器件温度进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系；预测单元，根据得到的所述散热肋片的结构参数与逆变器内部特定器件的器件温度数学关系，预测目标逆变器散热肋片的结构参数是否满足设计要求。
可选地，所述拟合单元，基于得到的所述多组不同的数值对应的逆变器内部特定器件的器件温度进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系，包括：通过响应面分析法以所述多组不同的数值对应的逆变器内部特定器件的器件温度作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。
可选地，还包括：获取单元，用于获取预设结构参数作为输入参数带入得到的所述数学关系中计算得到相应的逆变器内部特定器件的预测器件温度；对比单元，用于将所述预测器件温度与所述预设结构参数对应的预设器件温度进行对比，确定所述数学关系的精度值。
可选地，所述拟合单元，还用于：若所述数学关系的精度值未达到预设值，则提高响应面分析法的阶次，再次通过响应面分析法以所述多组不同的数值对应的逆变器内部特定器件的器件温度作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。
本发明又一方面提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现前述任一所述方法的步骤。
本发明再一方面提供了一种计算设备，包括处理器、存储器以及存储在存储器上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前述任一所述方法的步骤。
根据本发明的技术方案，本发明利用数值模拟技术得到多组不同的设计变量对应的逆变器内部特定器件的器件温度，结合响应面拟合方法进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系，根据所述数学关系可以精准预估出逆变器内部关键器件的温度(表面温度和/或内部空气温度)，快速评估散热肋片结构是否满足要求。并且，最少仅需1次实验验证，便能确定逆变器散热肋片结构与关键温度之间的数学关系，大幅提升同类产品的开发速度，节省大量人力资源、实验资源及材料成本。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明提供的逆变器散热肋片结构参数评估方法的一实施例的方法示意图；
图2是本发明提供的逆变器散热肋片结构参数评估方法的另一实施例的方法示意图；
图3是本发明提供的得到的散热肋片结构参数与逆变器内部特定器件的器件温度数学关系的流程示意图；
图4是逆变器散热箱体示意图；
图5是经过实验得到的根据本发明的散热肋片结构参数评估方法预测器件温度预测精度示意图。
图6是本发明提供的逆变器散热肋片结构参数确定装置的一实施例的结构框图；
图7是本发明提供的逆变器散热肋片结构参数确定装置的另一实施例的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例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。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1是本发明提供的逆变器散热肋片结构参数评估方法的一实施例的方法示意图。
如图1所示，根据本发明的一个实施例，所述逆变器散热肋片的结构参数评估方法至少包括步骤S110和步骤S120。
步骤S110，散热肋片的结构参数作为设计变量，赋予多组不同的数值进行数值模拟，得到所述多组不同的数值对应的逆变器内部特定器件的器件温度。
具体地，采用三维建模，对逆变器的散热肋片的结构、元器件及相关材料进行建模，并使用数值模拟软件对建好的模型进行仿真计算，从而得到所述多组不同的数值(结构参数)对应的逆变器内部特定元器件的器件温度。所述器件温度具体包括表面温度和/或内部空气温度。散热肋片的结构参数具体可以包括：肋片高度、肋片个数和/或肋片厚度。例如，选取肋片结构参数例如肋片高度h、肋片个数n及肋片厚度δ作为设计变量，取不同的h、n及δ值进行数值模拟，获得不同h、n及δ值所对应的逆变器内部特定器件的表面温度Tc及内部空气温度Ta值。所述特定器件例如为逆变器内部IGBT器件。
步骤S120，基于得到的所述多组不同的数值对应的逆变器内部特定器件的器件温度进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。
所述器件温度具体包括表面温度和/或内部空气温度。具体地，基于得到的所述多组不同的数值对应的逆变器内部特定器件的表面温度和/或所述多组不同的数值对应的逆变器内部特定器件的内部空气温度，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的表面温度的数学关系，和/或散热肋片的结构参数与逆变器内部特定器件的内部空气温度的数学关系。在一种具体实施方式中，通过响应面分析法以所述多组不同的数值对应的逆变器内部特定器件的器件温度作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。例如，利用多项式函数对设计变量(结构参数)与目标参数进行拟合，函数公式为：
Figure BDA0002559978750000061
通过逐项替代的方式进行拟合，可以得到散热肋片的结构参数与逆变器内部特定器件的表面温度以及散热肋片的结构参数与逆变器内部特定器件的内部空气温度的数学关系。
例如，数值模拟获得不同h、n及δ值所对应的Tc及Ta值，通过响应面分析方法，以不同h、n及δ值所对应的Tc及Ta值作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的表面温度的数学关系，和/或散热肋片的结构参数与逆变器内部特定器件的内部空气温度的数学关系。
例如，通过上述实施例的方法可以得到一组散热肋片的结构参数肋片高度h、肋片个数n及肋片厚度与逆变器内部IGBT器件的表面温度Tc的数学关系，及散热肋片的结构参数肋片高度h、肋片个数n及肋片厚度与逆变器内部IGBT器件的内部空气温度Ta的数学关系。
Tc＝102.53-0.43h-0.55n+0.002h2+0.012n2+0.0001δ (1)
Ta＝71.54-0.33h-0.34n+0.0017h2+0.0083n2-0.0002δ (2)
步骤S130，根据得到的所述散热肋片的结构参数与逆变器内部特定器件的器件温度数学关系，预测目标逆变器散热肋片的结构参数是否满足设计要求。
例如，根据得到的散热肋片的结构参数与逆变器内部特定器件的器件温度数学关系能够预测出逆变器内部关键器件表面温度及内部空气温度，快速评估散热肋片的结构是否满足设计要求。
图2是本发明提供的逆变器散热肋片的结构参数评估方法的另一实施例的方法示意图。
如图2所示，根据本发明的另一个实施例，所述方法还包括步骤S140和步骤S150。
步骤S140，获取预设结构参数作为输入参数带入得到的所述数学关系中计算得到相应的逆变器内部特定器件的预测器件温度。
所述预测器件温度具体包括预测表面温度和/或预测内部空气温度。所述预设结构参数具体可以为已有的逆变器散热肋片的结构参数，将已有的逆变器散热肋片的结构参数带入得到的数学关系中可计算得到相应的逆变器内部特定器件的预测器件温度，即预测表面温度和/或预测内部空气温度。例如，取逆变器散热肋片的初始结构参数h0、n0及δ0为输入参数，带入数学关系获得预测参数Tc0及Ta0。
步骤S150，将所述预测器件温度与所述预设结构参数对应的预设器件温度进行对比，确定所述数学关系的精度值。
预设器件温度具体可以包括预设表面温度和/或预设内部空气温度。所述预设结构参数对应的预设器件温度(预设表面温度和/或预设内部空气温度)具体可以为将具有预设结构参数的逆变器进行温度实验测试获得的。例如，使逆变器正常运行，用热电偶测试特定器件的表面温度Tc’和内部空气温度Ta’。对比Tc0、Ta0与Tc’、Ta’之间的误差，得到所述数学关系的精度值。
可选地，基于上述实施例，所述方法还包括：若所述数学关系的精度值未达到预设值，则提高响应面分析法的阶次，再次通过响应面分析法以所述多组不同的数值对应的逆变器内部特定器件的器件温度作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。
具体地，如果预测精度达到预设值A，则可认为获得的数学关系精度足够高，可以将数学关系作为数学应用公式，直接应用到工程设计当中如果预测精度未达到预设值A，则认为数学关系不够精确，可采用更高阶的响应面进行拟合，直到获得足够的预测精度。优选地，预设值A可取90％以上。
下面再以一个具体实施例对本发明得到的散热肋片的结构参数与逆变器内部特定器件的器件温度数学关系的执行流程进行描述。
图3是本发明提供的得到的散热肋片的结构参数与逆变器内部特定器件的器件温度数学关系的流程示意图。如图3所示，首先，提取肋片结构参数：肋片高度h、肋片个数n及肋片厚度δ作为设计变量，然后取不同的h、n及δ值进行数值模拟，获得不同h、n及δ值所对应的特定器件表面温度Tc及内部空气温度Ta值，通过响应面方法，以不同h、n及δ值及所对应的Tc及Ta值作为初始数据，进行函数拟合，获得数学关系后，取逆变器初始结构参数h0、n0及δ0为输入参数，带入数学关系获得Tc0及Ta0，再将逆变器初始结构进行温度实验测试，获得Tc’及Ta’，对比Tc0、Ta0与Tc’、Ta’之间的误差，如果预测精度达到预设值A，则可认为获得的数学关系精度足够高，可以将数学关系作为数学应用公式，直接应用到工程设计当中，如果预测精度未达到预设值A，则认为数学关系不够精确，则采用更高阶的响应面进行拟合，直到获得足够的预测精度。
例如，图4是逆变器散热箱体示意图。根据实际逆变器产品，长×宽×高＝390×220×924mm的逆变器箱体，箱体由全铝制作，根据本发明前述实施例得到数学应用公式，并将实验数据与预测数据进行对比。图5是经过实验得到的根据本发明的散热肋片结构参数评估方法预测器件温度预测精度示意图。图5中横坐标表示预测数据，纵坐标表示实验数据，图中实线为理想情况下预测数据与实验数据的理想关系曲线，理想情况下预测数据与实验数据相同该曲线呈直线；图中的点为实际情况下预测数据与实验数据对应的点，图中的虚线表示实际情况与理想情况的偏差范围。从图5中可知，根据本发明方法得到的数学应用公式，可达到95％以上的预测精度，说明本发明方法可以精确预测散热结构参数变化带来关键温度变化，为后续缩短产品开发周期、大幅减少资源浪费提供了坚实的方法与应用指导。
通常以实验实测得到的数据为基准，对仿真计算进行校正，从而保证仿真数据与实验数据间的精度需达95％以上，实现仿真替代实验，通过有限组仿真数据，拟合出结构参数与器件温度的数学应用公式，采用该数学应用公式计算得到的数据即为预测数据。预测数据与仿真数据间的精度也需达到95％以上，从而实现数学公式替代繁复的仿真计算，通过上述流程，最终实现数学公式替代实验测试，即预测结构参数变化后的实验结果。
图6是本发明提供的逆变器散热肋片的结构参数确定装置的一实施例的结构框图。如图6所示，所述逆变器散热肋片的结构参数确定装置100包括：模拟单元110、拟合单元120和预测单元130。
模拟单元110用于将散热肋片的结构参数作为设计变量，赋予多组不同的数值进行数值模拟，得到所述多组不同的数值对应的逆变器内部特定器件的器件温度。
具体地，采用三维建模，对逆变器的散热肋片的结构、元器件及相关材料进行建模，并使用数值模拟软件对建好的模型进行仿真计算，从而得到所述多组不同的数值(结构参数)对应的逆变器内部特定元器件的器件温度。所述器件温度具体包括表面温度和/或内部空气温度。散热肋片的结构参数具体可以包括：肋片高度、肋片个数和/或肋片厚度。例如，选取肋片结构参数例如肋片高度h、肋片个数n及肋片厚度δ作为设计变量，取不同的h、n及δ值进行数值模拟，获得不同h、n及δ值所对应的逆变器内部特定器件的表面温度Tc及内部空气温度Ta值。所述特定器件例如为逆变器内部IGBT器件。
拟合单元120用于基于得到的所述多组不同的数值对应的逆变器内部特定器件的器件温度进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。
所述器件温度具体包括表面温度和/或内部空气温度。具体地，基于得到的所述多组不同的数值对应的逆变器内部特定器件的表面温度和/或所述多组不同的数值对应的逆变器内部特定器件的内部空气温度，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的表面温度的数学关系，和/或散热肋片的结构参数与逆变器内部特定器件的内部空气温度的数学关系。在一种具体实施方式中，通过响应面分析法以所述多组不同的数值对应的逆变器内部特定器件的器件温度作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。即，利用多项式函数对设计变量(结构参数)与目标参数进行拟合，函数公式为：
Figure BDA0002559978750000111
通过逐项替代的方式进行拟合，可以得到散热肋片的结构参数与逆变器内部特定器件的表面温度以及散热肋片的结构参数与逆变器内部特定器件的内部空气温度的数学关系。
例如，数值模拟获得不同h、n及δ值所对应的Tc及Ta值，通过响应面分析方法，以不同h、n及δ值所对应的Tc及Ta值作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的表面温度的数学关系，和/或散热肋片的结构参数与逆变器内部特定器件的内部空气温度的数学关系。
例如，通过上述实施例的方法可以得到一组散热肋片的结构参数肋片高度h、肋片个数n及肋片厚度与逆变器内部IGBT器件的表面温度Tc的数学关系，及散热肋片的结构参数肋片高度h、肋片个数n及肋片厚度与逆变器内部IGBT器件的内部空气温度Ta的数学关系。
Tc＝102.53-0.43h-0.55n+0.002h2+0.012n2+0.0001δ (1)
Ta＝71.54-0.33h-0.34n+0.0017h2+0.0083n2-0.0002δ (2)
预测单元130根据得到的所述散热肋片的结构参数与逆变器内部特定器件的器件温度数学关系，预测目标逆变器散热肋片的结构参数是否满足设计要求。
例如，根据得到的散热肋片的结构参数与逆变器内部特定器件的器件温度数学关系能够预估出逆变器内部关键器件表面温度及内部空气温度，快速评估散热肋片的结构是否满足设计要求。
图7是本发明提供的逆变器散热肋片的结构参数确定装置的另一实施例的结构框图。如图7所示，所述逆变器散热肋片的结构参数确定装置100还包括获取单元140和对比单元150。
获取单元140用于获取预设结构参数作为输入参数带入得到的所述数学关系中计算得到相应的逆变器内部特定器件的预测器件温度。
所述预测器件温度具体包括预测表面温度和/或预测内部空气温度。所述预设结构参数具体可以为已有的逆变器散热肋片的结构参数，将已有的逆变器散热肋片的结构参数带入得到的数学关系中可计算得到相应的逆变器内部特定器件的预测器件温度，即预测表面温度和/或预测内部空气温度。例如，取逆变器散热肋片的初始结构参数h0、n0及δ0为输入参数，带入数学关系获得预测参数Tc0及Ta0。
对比单元150用于将所述预测器件温度与所述预设结构参数对应的预设器件温度进行对比，确定所述数学关系的精度值。
预设器件温度具体可以包括预设表面温度和/或预设内部空气温度。所述预设结构参数对应的预设器件温度(预设表面温度和/或预设内部空气温度)具体可以为将具有预设结构参数的逆变器进行温度实验测试获得的。例如，使逆变器正常运行，用热电偶测试特定器件的表面温度Tc’和内部空气温度Ta’。对比Tc0、Ta0与Tc’、Ta’之间的误差，得到所述数学关系的精度值。
可选地，基于上述实施例，所述拟合单元120还用于：若所述数学关系的精度值未达到预设值，则提高响应面分析法的阶次，再次通过响应面分析法以所述多组不同的数值对应的逆变器内部特定器件的器件温度作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。
具体地，如果预测精度达到预设值A，则可认为获得的数学关系精度足够高，可以将数学关系作为数学应用公式，直接应用到工程设计当中如果预测精度未达到预设值A，则认为数学关系不够精确，可采用更高阶的响应面进行拟合，直到获得足够的预测精度。优选地，预设值A可取90％以上。
本发明还提供对应于所述逆变器散热肋片的结构参数评估方法方法的一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现前述任一所述方法的步骤。
本发明还提供对应于所述逆变器散热肋片的结构参数评估方法的一种空调，包括处理器、存储器以及存储在存储器上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前述任一所述方法的步骤。
本发明还提供对应于所述逆变器散热肋片的结构参数评估装置的一种空调，包括前述任一所述的逆变器散热肋片的结构参数评估装置。
据此，本发明提供的方案，。
本文中所描述的功能可在硬件、由处理器执行的软件、固件或其任何组合中实施。如果在由处理器执行的软件中实施，那么可将功能作为一或多个指令或代码存储于计算机可读媒体上或经由计算机可读媒体予以传输。其它实例及实施方案在本发明及所附权利要求书的范围及精神内。举例来说，归因于软件的性质，上文所描述的功能可使用由处理器、硬件、固件、硬连线或这些中的任何者的组合执行的软件实施。此外，各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为控制装置的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种逆变器散热肋片结构参数评估方法，其特征在于，包括：
将散热肋片的结构参数作为设计变量，赋予多组不同的数值进行数值模拟，得到所述多组不同的数值对应的逆变器内部特定器件的器件温度；
基于得到的所述多组不同的数值对应的逆变器内部特定器件的器件温度进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系；
根据得到的所述散热肋片的结构参数与逆变器内部特定器件的器件温度数学关系，预测目标逆变器散热肋片的结构参数是否满足设计要求。
2.根据权利要求1所述的方法，其特征在于，基于得到的所述多组不同的数值对应的逆变器内部特定器件的器件温度进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系，包括：
通过响应面分析法以所述多组不同的数值对应的逆变器内部特定器件的器件温度作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。
3.根据权利要求2所述的方法，其特征在于，还包括：
获取预设结构参数作为输入参数带入得到的所述数学关系中计算得到相应的逆变器内部特定器件的预测器件温度；
将所述预测器件温度与所述预设结构参数对应的预设器件温度进行对比，确定所述数学关系的精度值。
4.根据权利要求3所述的方法，其特征在于，还包括：若所述数学关系的精度值未达到预设值，则提高响应面分析法的阶次，再次通过响应面分析法以所述多组不同的数值对应的逆变器内部特定器件的器件温度作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。
5.一种逆变器散热肋片结构参数确定装置，其特征在于，包括：
模拟单元，用于将散热肋片的结构参数作为设计变量，赋予多组不同的数值进行数值模拟，得到所述多组不同的数值对应的逆变器内部特定器件的器件温度；
拟合单元，用于基于得到的所述多组不同的数值对应的逆变器内部特定器件的器件温度进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系；
预测单元，根据得到的所述散热肋片的结构参数与逆变器内部特定器件的器件温度数学关系，预测目标逆变器散热肋片的结构参数是否满足设计要求。
6.根据权利要求5所述的装置，其特征在于，所述拟合单元，基于得到的所述多组不同的数值对应的逆变器内部特定器件的器件温度进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系，包括：
通过响应面分析法以所述多组不同的数值对应的逆变器内部特定器件的器件温度作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。
7.根据权利要求6所述的装置，其特征在于，还包括：
获取单元，用于获取预设结构参数作为输入参数带入得到的所述数学关系中计算得到相应的逆变器内部特定器件的预测器件温度；
对比单元，用于将所述预测器件温度与所述预设结构参数对应的预设器件温度进行对比，确定所述数学关系的精度值。
8.根据权利要求7所述的装置，其特征在于，
所述拟合单元，还用于：若所述数学关系的精度值未达到预设值，则提高响应面分析法的阶次，再次通过响应面分析法以所述多组不同的数值对应的逆变器内部特定器件的器件温度作为初始数据，进行数学拟合得到散热肋片的结构参数与逆变器内部特定器件的器件温度的数学关系。
9.一种存储介质，其特征在于，其上存储有计算机程序，所述程序被处理器执行时实现权利要求1-4任一所述方法的步骤。
10.一种计算设备，其特征在于，包括处理器、存储器以及存储在存储器上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权利要求1-4任一所述方法的步骤。
CN202010608360.5A 2020-06-29 2020-06-29 散热肋片结构参数评估方法、装置、存储介质及计算设备 Pending CN111859628A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010608360.5A CN111859628A (zh) 2020-06-29 2020-06-29 散热肋片结构参数评估方法、装置、存储介质及计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010608360.5A CN111859628A (zh) 2020-06-29 2020-06-29 散热肋片结构参数评估方法、装置、存储介质及计算设备

Publications (1)

Publication Number Publication Date
CN111859628A true CN111859628A (zh) 2020-10-30

Family

ID=72988222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010608360.5A Pending CN111859628A (zh) 2020-06-29 2020-06-29 散热肋片结构参数评估方法、装置、存储介质及计算设备

Country Status (1)

Country Link
CN (1) CN111859628A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108256271A (zh) * 2018-02-28 2018-07-06 上海大学 一种led灯具的轻量化设计方法
WO2019033614A1 (zh) * 2017-08-18 2019-02-21 郑州云海信息技术有限公司 一种新型Purley CPU散热器设计方法
CN109858158A (zh) * 2019-02-01 2019-06-07 中国人民解放军军事科学院国防科技创新研究院 一种计算流体力学模拟的参数配置方法及系统
CN109885885A (zh) * 2019-01-22 2019-06-14 南京航空航天大学 一种基于气固液三相耦合传热的喷嘴杆壁温预估方法
CN110866358A (zh) * 2019-11-12 2020-03-06 桂林电子科技大学 基于实测温度数据的再流焊接工艺仿真模型修正方法
CN111046505A (zh) * 2019-11-28 2020-04-21 河海大学 基于响应面模型的轴流泵辐条参数优化设计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019033614A1 (zh) * 2017-08-18 2019-02-21 郑州云海信息技术有限公司 一种新型Purley CPU散热器设计方法
CN108256271A (zh) * 2018-02-28 2018-07-06 上海大学 一种led灯具的轻量化设计方法
CN109885885A (zh) * 2019-01-22 2019-06-14 南京航空航天大学 一种基于气固液三相耦合传热的喷嘴杆壁温预估方法
CN109858158A (zh) * 2019-02-01 2019-06-07 中国人民解放军军事科学院国防科技创新研究院 一种计算流体力学模拟的参数配置方法及系统
CN110866358A (zh) * 2019-11-12 2020-03-06 桂林电子科技大学 基于实测温度数据的再流焊接工艺仿真模型修正方法
CN111046505A (zh) * 2019-11-28 2020-04-21 河海大学 基于响应面模型的轴流泵辐条参数优化设计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
姚舜才 等: "机器学习基础教程", 西安电子科学技术大学出版社, pages: 51 - 55 *
李红月等: "大功率LED平板型翅片散热器的优化设计", 《天津工业大学学报》, vol. 32, no. 05, pages 38 - 42 *

Similar Documents

Publication Publication Date Title
Coskun et al. Proactive temperature management in MPSoCs
JP7266587B2 (ja) 再充電可能なバッテリを制御するための方法およびシステム
Beneventi et al. An effective gray-box identification procedure for multicore thermal modeling
JP6305988B2 (ja) 処理方法に由来するデータに基づいてエネルギ状態を判定するデバイス及び方法
US9534967B2 (en) Calibrating thermal behavior of electronics
US20150227391A1 (en) Thermally-aware process scheduling
US20130275096A1 (en) Solder Joint Fatigue Life Prediction Method
US20150269293A1 (en) Diagnostic model generating apparatus and method, and abnormality diagnostic apparatus
Cui et al. A fast high-level event-driven thermal estimator for dynamic thermal aware scheduling
CN111460639B (zh) 动态推算电缆导体温度的方法、装置、电子设备及存储介质
Iranfar et al. Dynamic thermal management with proactive fan speed control through reinforcement learning
Vor Dem Berge et al. Modeling data center building blocks for energy-efficiency and thermal simulations
JP6432192B2 (ja) 電池パックに関する温度予測装置
CN111859628A (zh) 散热肋片结构参数评估方法、装置、存储介质及计算设备
JP5808285B2 (ja) はんだ接合の寿命予測方法
JP6354320B2 (ja) 部品の温度予測方法及び温度予測装置
CN116774056A (zh) 评估电池的充电时间的方法、系统及计算机可读存储介质
CN107563018B (zh) 确定电缆热路模型中绝缘层最优层数的方法及装置
KR101405594B1 (ko) 전기자동차 충전부하 예측 방법 및 시스템
US20160085219A1 (en) Scheduling applications in processing devices based on predicted thermal impact
CN114492251A (zh) 超算环境的低速流场发散处理方法、装置、设备及介质
CN113722959A (zh) 芯片翘曲变形量计算方法、装置、终端设备及介质
CN113779839A (zh) 一种非均匀热界面材料导热效果的计算方法
US20160239589A1 (en) Automatic calibration of thermal models
JP2002149718A (ja) ボクセル分割処理方法およびボクセル分割処理プログラム記録媒体

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