CN114357876A - 一种层板结构外壁温度的计算方法 - Google Patents
一种层板结构外壁温度的计算方法 Download PDFInfo
- Publication number
- CN114357876A CN114357876A CN202111619114.0A CN202111619114A CN114357876A CN 114357876 A CN114357876 A CN 114357876A CN 202111619114 A CN202111619114 A CN 202111619114A CN 114357876 A CN114357876 A CN 114357876A
- Authority
- CN
- China
- Prior art keywords
- wall
- heat exchange
- laminate
- prediction
- temperature
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000013528 artificial neural network Methods 0.000 claims abstract description 29
- 239000007787 solid Substances 0.000 claims abstract description 21
- 239000011229 interlayer Substances 0.000 claims description 6
- 239000012530 fluid Substances 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000007664 blowing Methods 0.000 claims description 2
- 238000009413 insulation Methods 0.000 claims 4
- 238000001816 cooling Methods 0.000 abstract description 25
- 239000010410 layer Substances 0.000 description 13
- 238000004088 simulation Methods 0.000 description 7
- 230000017525 heat dissipation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Heat-Exchange Devices With Radiators And Conduit Assemblies (AREA)
Abstract
一种层板结构外壁温度的计算方法，涉及层板冷却结构技术领域，解决了现有技术存在计算量大，重复性流程多，并且涉及诸多软件，人工操作繁琐，进而导致整体设计效率低等问题，该方法通过外表面第三类边界条件预测模块、内表面换热系数预测模块以及固体导热计算模块实现；本发明通过预测给定工况下给定层板结构的外壁等效换热平板模型内外第三类边界条件结合简单的固体导热计算即可得到外壁温度分布，用以预测的人工神经网络均在事先训练完毕，使用时直接调用即可，固体导热计算本身也非常快速。因此本发明相比于现有技术可以大幅节约计算时间和计算量，具有明显更高的计算效率。
Description
技术领域
本发明涉及一种层板结构外壁温度的计算方法。
背景技术
层板冷却兼具流冷却、冲击冷却和气膜冷却三种方式，具有强大的换热能力，同时因为其丰富的孔隙而拥有较大的换热面积，是一种典型的半发汗式冷却结构。目前层板冷却已经逐渐成为了解决航空发动机高温部件冷却问题的主要手段之一，例如燃烧室的冷却、涡轮叶片的冷却等。典型的层板冷却方式是冷气从内壁侧冲击孔进入，流经层间扰流柱，再从外壁气膜孔流出汇入高温主流，并在外壁面形成一层气膜保护。为了进行层板冷却设计，就需要获得不同工况下不同层板结构的温度。
现有技术是基于三维建模软件(如UG、SolidWorks等)对层板结构进行建模，然后通过网格划分软件(如ANSYS ICEM等)对模型进行离散分网，最后再利用三维仿真软件(如ANSYS FLUENT、CFX等)对网格模型进行数值仿真求解，从而得到层板结构的温度。但层板结构综合了两层固体壁和一层夹腔以及孔和柱，本身结构复杂，同时层间流动复杂，为得到准确的数值仿真结果就需要网格足够致密并且质量足够好。再有，对于层板冷却设计来说，结构的修改非常频繁，故而每次都需要从头开始建模、分网、仿真，大量重复上述流程。总结来说，现有的这种技术存在的主要问题在于计算量大，重复性流程多，并且涉及诸多软件，人工操作繁琐，进而导致整体设计效率低下。
因此，如何根据每次设计中不同的主流和冷气工况条件，结合层板结构流动换热机理，建立一种针对层板结构的温度快速计算方法，避免复杂耗时的三维数值仿真，从而提高层板冷却设计效率，是一个亟待解决的技术问题。
发明内容
本发明为解决现有技术存在计算量大，重复性流程多，并且涉及诸多软件，人工操作繁琐，进而导致整体设计效率低等问题，提供一种层板结构外壁温度的计算方法。
一种层板结构外壁温度的计算方法，该方法通过外表面第三类边界条件预测模块、内表面换热系数预测模块以及固体导热计算模块实现；具体过程如下：
步骤一、根据输入主流冷气工况条件及层板结构参数建立外壁等效换热平板模型；通过所述外壁等效换热平板模型将层板外壁外表面作为气膜孔场景，将层板内部所有的换热折算为外壁内表面直接与冷气之间的等效换热，并提取层板结构参数作为后续外表面第三类边界条件预测模块和内表面换热系数预测模块的输入参数；
步骤二、在所述外表面第三类边界条件预测模块中建立层板外壁外表面第三类边界条件人工神经网络预测模型，将步骤一提取的层板结构参数、主流冷气工况条件以及层板外壁外表面各坐标点作为神经网络预测模型的输入，将所述层板外表面各点换热系数和绝热温度作为神经网络模型的输出，获得不同工况下不同层板结构的外壁外表面第三类边界条件的预测；
步骤三、通过内表面换热系数预测模块建立层板外壁内表面换热系数人工神经网络预测模型；并将步骤一的外壁等效换热平板模型提取的层板结构参数和主流冷气工况条件作为神经网络预测模型的输入，以内表面换热系数作为输出，实现不同工况下不同层板结构的外壁内表面换热系数的预测；
步骤四、采用固体导热计算模块进行固体导热计算；
根据步骤二预测的外壁外表面第三类边界条件和步骤三预测的外壁内表面换热系数，进行等效换热平板模型网格划分，并将外表面第三类边界条件和内表面换热系数赋值到表面网格各点，并通过固体导热计算模块迭代计算获得层板外壁温度。
本发明的有益效果：本发明通过预测给定工况下给定层板结构的外壁等效换热平板模型内外第三类边界条件结合简单的固体导热计算即可得到外壁温度分布，用以预测的人工神经网络均在事先训练完毕，使用时直接调用即可，固体导热计算本身也非常快速。而现有技术每次更新结构或者工况均需要重新进行建模、分网、仿真，计算量大，耗时多，因此本发明相比于现有技术可以大幅节约计算时间和计算量，具有明显更高的计算效率。
另外，本发明将所有功能模块通过主程序集成，并开发GUI界面，用户仅需按照指导输入工况条件、层板结构参数等已有参数即可。而现有技术不同环节涉及多个不同的商业软件，自主性低，操作繁琐复杂，技术门槛高，因此本发明相比于现有技术可以大幅节约人力物力，减轻设计人员负担，并且可以摆脱商业软件限制，提高设计工具自主性。
附图说明
图1为本发明所述的一种层板结构外壁温度的计算方法的原理框图；
图2为层板上壁等效换热平板模型图；
图3为外壁内表面三个特征区域示意图。
具体实施方式
结合图1至图3说明本实施方式，一种层板结构外壁温度的计算方法，该方法通过建立外壁等效换热平板模型、外表面第三类边界条件预测模块、内表面换热系数预测模块以及固体导热计算模块实现外壁温度的计算。整体方法中的四个模块通过自编主程序集成，并开发GUI界面指导用户输入工况条件和层板结构参数。
一、建立外壁等效换热平板模型，对于层板冷却来说，一般场景都是外壁外侧有高温主流，内壁内侧通入低温冷气，通过冲击、扰流、气膜综合实现冷却，层板的温度整体上呈现由内向外逐渐升高的形式，即层板外壁是温度更高的区域，因此外壁的壁温就是层板冷却设计关注的重点。根据这一温度分布特征，本实施方式提取层板的外壁建立等效换热平板模型，如图2所示。图2是双层壁层板结构的剖面图，阴影横板部分代表层板内壁和外壁，其中白色区域分别代表冲击孔和气膜孔，虚线A表示孔的轴线方向，中间阴影代表壁间扰流柱，冷气从内壁冲击孔进入层板夹层，流经扰流柱，再从外壁气膜孔流出汇入主流。对于导热问题来说，第三类边界条件保证了温度场的计算有定解。将外壁外表面视作气膜孔场景，将层板内部所有的换热折算为外壁内表面直接与冷气之间的等效换热，并提取层板结构参数作为后续外表面第三类边界条件预测模块和内表面换热系数预测模块的输入参数。
本实施方式中，设计人员通过GUI界面输入当前层板冷却设计任务的主流和冷气工况条件，包括吹风比M＝ρ2v2/ρ∞v∞(式中ρ2和ρ∞分别为冷气和主流密度，v2和v∞分别为冷气和主流速度)、密度比DR＝ρ2/ρ∞、主流湍流度Tu等，并输入层板结构参数，包括内外壁厚度、夹层宽度、冲击孔直径、扰流柱直径、气膜孔直径、角度以及排数等。主程序读取GUI界面中输入的各项参数并分类储存作为后续第三类边界条件预测模块和内表面换热系数预测模块的输入参数。
二、通过外表面第三类边界条件预测模块建立层板外壁外表面第三类边界条件人工神经网络预测模型，并接收步骤一外壁等效换热平板模型提取的内外壁厚度、夹层宽度、冲击孔直径、扰流柱直径、气膜孔直径和角度等层板结构参数，并以这些结构参数和主流冷气工况条件以及外壁外表面各坐标点作为神经网络预测模型的输入，分别以外表面各点换热系数、绝热温度作为神经网络的输出，从而实现不同工况下不同层板结构的外壁外表面第三类边界条件(二维分布)快速预测。分别用于预测换热系数和绝热温度的两个神经网络均需要事先通过不同工况下不同结构的层板外壁外表面第三类边界条件数据集进行训练。
在该模块中，所述外表面第三类边界条件预测模块用于预测第三类边界条件，第三类边界条件规定了边界上物体与周围流体的换热系数和流体温度，针对层板外部气膜冷却问题，对流换热计算公式为：
q＝h1(Taw-Tw) (1)
式中：h1表示有气膜冷却情况下的对流换热系数；Taw表示绝热壁温，Tw表示有气膜冷却情况下的壁面温度。该模块对层板外壁外表面第三类边界条件的预测即为对对流换热系数h1和绝热壁温Taw的二维分布预测。
所述外表面第三类边界条件预测模块读取步骤一的工况条件和层板结构参数以及等效换热平板模型外表面各坐标点作为人工神经网络的输入参数，分别以外表面各点的对流换热系数和绝热壁温作为输出参数，调用事先训练好的人工神经网络直接预测得到外表面各点的对流换热系数和绝热壁温，即第三类边界条件，并将所述第三类边界条件作为固体导热计算模块中对等效换热平板模型外表面边界条件赋值时进行调用。其中，对绝热壁温的预测需要根据上述输入参数先预测单排气膜存在时的绝热冷却效率ηi，再根据Sellars叠加原理计算得到多排气膜存在时的绝热冷却效率η，如式(2)所示，最后根据气膜冷却效率的定义式计算得到多排气膜存在时的外表面各点绝热壁温Taw，如式(3)和(4)所示。
Taw＝T∞-η*(T∞-Tc) (4)
其中，T∞代表高温主流温度，Tc代表冷气温度。
对所述对流换热系数h1的预测则根据输入参数直接预测即可。分别预测绝热壁温和换热系数的两个神经网络均事先通过不同工况条件下不同层板结构参数的数值仿真数据进行训练，在实际层板冷却设计时直接预测即可，无需再进行重新训练。
三、内表面换热系数预测模块。建立层板外壁内表面换热系数人工神经网络预测模型。根据层板内部流动换热特征，该模块由冷气流动接触区域1、扰流柱与内表面交界面2以及气膜孔侧壁3这三个区域的换热系数预测子模块构成，如图3所示，每个子模块也均以步骤一外壁等效换热平板模型提取的内外壁厚度、夹层宽度、冲击孔直径、扰流柱直径、气膜孔直径和角度等层板结构参数和主流冷气工况条件作为神经网络的输入，以内表面换热系数作为神经网络的输出，从而实现不同工况下不同层板结构的外壁内表面换热系数快速预测。各子模块用以预测换热系数的神经网络均需要事先通过不同工况下不同结构的层板外壁内表面各区域换热系数数据集进行训练。
本实施方式中，所述内表面换热系数预测模块读取步骤一的工况条件和层板结构参数以及等效换热平板模型内表面各坐标点作为人工神经网络的输入参数，分别以内表面各点的对流换热系数作为输出参数，调用事先训练好的人工神经网络直接预测得到内表面各点的对流换热系数，作为固体导热计算模块中对等效换热平板模型内表面边界条件赋值时进行调用。该模块由三个子模块构成，分别针对冷气流动接触区域、扰流柱与内表面交界面、气膜孔侧壁这三个区域的换热系数进行预测。
对于冷气流动接触区域换热系数预测子模块，输入参数为工况参数、结构参数和内表面坐标点，输出参数为各点的换热系数h2，其中换热系数的定义如式(5)所示，参考温度为冷气和气膜进口温度平均值Tref，如式(6)所示，即通过训练好的人工神经网络可以直接预测得到该区域换热系数二维分布。T2-out为气膜孔进口前温度。
其中，h2表示该区域各点换热系数，q2表示该区域各点导热量，T2表示该区域各点温度，Tref表示参考温度，T2-out表示气膜孔进口前温度，Tc表示冷气温度。
对于扰流柱与内表面交界面换热系数预测子模块，输入参数为工况参数、结构参数输出参数为该区域平均等效换热系数he，通过事先训练好的人工神经网络进行预测。对于该等效换热系数，根据经典一维肋模型导热问题进行定义，当表面传热系数h为常数时，对于等物性等截面直肋，所有散热量均来自于肋根处横截面，这个热量可以表示为：
θ0＝t0-t∞ (8)
式中，P为肋的横截面周长，θ0为过余温度，m为常量，H为肋的高度，t0为肋根处的温度，t∞为外界温度，λ为材料导热系数，Ac为肋的横截面积，以上参数均可以通过步骤一中用户输入参数计算获得，th()为双曲函数，其数值可以从数学表中直接获得。这部分热量全部从肋根处横截面流入，当等效为该面与周围流体直接换热时，可以计算得到等效换热系数：
由于内壁的热量也是从扰流柱交界面流过，因此式(10)的肋高H不是扰流柱的高度，而是需要用扰流柱的散热量和内壁的散热量按比例折合得到总肋高。
对于气膜孔侧壁换热系数预测子模块，输入参数为工况参数、结构参数输出参数为该区域平均换热系数hf，通过事先训练好的人工神经网络进行预测。该区域换热系数定义如式(11)所示，参考温度为气膜进口前温度，如式(12)所示。
Tref＝T2-out (12)
式中，Qf是气膜孔侧壁的散热量，Tf是气膜孔侧壁平均温度，Sf是气膜孔侧壁面积。
上述三个预测换热系数的子模块均事先通过不同工况条件下不同层板结构参数的数值仿真数据进行训练，在实际层板冷却设计时直接预测即可，无需再进行重新训练。
四、固体导热计算模块；在步骤一完成外壁等效换热平板模型的建立后，根据步骤二和步骤三预测得到外壁外表面第三类边界条件和内表面换热系数，给定内表面处流体温度初值，即层板气膜孔进口前温度T2-out，通过外壁等效换热平板模型的固体导热迭代计算，直至前后两次计算所得气膜孔进口前温度T2-out差异小于10-5，将固体温度场输出，即得到层板外壁温度分布，完成计算。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种层板结构外壁温度的计算方法，其特征是：该方法通过外表面第三类边界条件预测模块、内表面换热系数预测模块以及固体导热计算模块实现；具体过程如下：
步骤一、根据输入主流冷气工况条件及层板结构参数建立外壁等效换热平板模型；通过所述外壁等效换热平板模型将层板外壁外表面作为气膜孔场景，将层板内部所有的换热折算为外壁内表面直接与冷气之间的等效换热，并提取层板结构参数作为后续外表面第三类边界条件预测模块和内表面换热系数预测模块的输入参数；
步骤二、在所述外表面第三类边界条件预测模块中建立层板外壁外表面第三类边界条件人工神经网络预测模型，将步骤一提取的层板结构参数、主流冷气工况条件以及层板外壁外表面各坐标点作为神经网络预测模型的输入，将所述层板外表面各点换热系数和绝热温度作为神经网络模型的输出，获得不同工况下不同层板结构的外壁外表面第三类边界条件的预测；
步骤三、通过内表面换热系数预测模块建立层板外壁内表面换热系数人工神经网络预测模型；并将步骤一的外壁等效换热平板模型提取的层板结构参数和主流冷气工况条件作为神经网络预测模型的输入，以内表面换热系数作为输出，实现不同工况下不同层板结构的外壁内表面换热系数的预测；
步骤四、采用固体导热计算模块进行固体导热计算；
根据步骤二预测的外壁外表面第三类边界条件和步骤三预测的外壁内表面换热系数，进行等效换热平板模型网格划分，并将外表面第三类边界条件和内表面换热系数赋值到表面网格各点，并通过固体导热计算模块迭代计算获得层板外壁温度。
2.根据权利要求1所述的一种层板结构外壁温度的计算方法，其特征在于：所述工况条件包括吹风比M＝ρ2v2/ρ∞v∞、密度比DR＝ρ2/ρ∞和主流湍流度Tu；式中ρ2和ρ∞分别为冷气和主流密度，v2和v∞分别为冷气和主流速度；所述层板结构参数包括内外壁厚度、夹层宽度、冲击孔直径、扰流柱直径、气膜孔直径、角度以及排数。
3.根据权利要求1所述的一种层板结构外壁温度的计算方法，其特征在于：所述外表面第三类边界条件预测模块包括外表面换热系数预测子模块和外表面绝热温度预测子模块；
所述外表面换热系数预测子模块和外表面绝热温度预测子模块均采用神经网络模型实现，用于预测换热系数和绝热温度前，对所述神经网络模型通过不同工况下不同结构的层板外壁外表面第三类边界条件数据集进行训练。
4.根据权利要求1所述的一种层板结构外壁温度的计算方法，其特征在于：所述内表面换热系数预测模块中的冷气流动接触区域换热系数预测子模块、扰流柱与内表面交界面换热系数预测子模块以及气膜孔侧壁换热系数预测子模块均通过建立对应的神经网络实现，所述神经网络在使用前通过不同工况下不同结构的层板外壁内表面各区域换热系数数据集进行训练。
5.根据权利要求1所述的一种层板结构外壁温度的计算方法，其特征在于：在所述固体导热计算模块中，根据步骤二和步骤三预测得到的当前工况条件下给定层板结构的外壁外表面第三类边界条件和内表面换热系数，给定内表面处流体温度初值，即层板气膜孔进口前温度，针对所建立外壁等效换热平板模型进行固体导热迭代计算，直至前后两次计算所得气膜孔进口前温度差异小于10-5，将固体温度场输出，即得到层板外壁温度分布，完成计算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111619114.0A CN114357876B (zh) | 2021-12-27 | 2021-12-27 | 一种层板结构外壁温度的计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111619114.0A CN114357876B (zh) | 2021-12-27 | 2021-12-27 | 一种层板结构外壁温度的计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114357876A true CN114357876A (zh) | 2022-04-15 |
| CN114357876B CN114357876B (zh) | 2024-05-14 |
Family
ID=81102831
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111619114.0A Active CN114357876B (zh) | 2021-12-27 | 2021-12-27 | 一种层板结构外壁温度的计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114357876B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117592204A (zh) * | 2024-01-19 | 2024-02-23 | 中国航发四川燃气涡轮研究院 | 一种多孔层板的一维壁温计算方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101576419A (zh) * | 2009-01-16 | 2009-11-11 | 清华大学 | 由圆管外壁温度计算内壁温度的方法 |
| JP2015219805A (ja) * | 2014-05-20 | 2015-12-07 | 三菱自動車工業株式会社 | 部品の温度予測方法及び温度予測装置 |
| CN108009340A (zh) * | 2017-11-28 | 2018-05-08 | 中国航发沈阳发动机研究所 | 一种涡轮冷却叶片三维稳态温度场的计算方法 |
| CN111914461A (zh) * | 2020-09-08 | 2020-11-10 | 北京航空航天大学 | 一种涡轮导叶片一维冷效的智能评估方法 |
| CN112084596A (zh) * | 2020-09-08 | 2020-12-15 | 北京航空航天大学 | 一种层板结构参数的智能推荐系统及推荐方法 |
-
2021
- 2021-12-27 CN CN202111619114.0A patent/CN114357876B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101576419A (zh) * | 2009-01-16 | 2009-11-11 | 清华大学 | 由圆管外壁温度计算内壁温度的方法 |
| JP2015219805A (ja) * | 2014-05-20 | 2015-12-07 | 三菱自動車工業株式会社 | 部品の温度予測方法及び温度予測装置 |
| CN108009340A (zh) * | 2017-11-28 | 2018-05-08 | 中国航发沈阳发动机研究所 | 一种涡轮冷却叶片三维稳态温度场的计算方法 |
| CN111914461A (zh) * | 2020-09-08 | 2020-11-10 | 北京航空航天大学 | 一种涡轮导叶片一维冷效的智能评估方法 |
| CN112084596A (zh) * | 2020-09-08 | 2020-12-15 | 北京航空航天大学 | 一种层板结构参数的智能推荐系统及推荐方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陶智;吕东;丁水汀;蔡毅;: "层板内冷通道辐射换热影响", 北京航空航天大学学报, vol. 33, no. 11, 15 November 2007 (2007-11-15), pages 1273 - 1276 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117592204A (zh) * | 2024-01-19 | 2024-02-23 | 中国航发四川燃气涡轮研究院 | 一种多孔层板的一维壁温计算方法 |
| CN117592204B (zh) * | 2024-01-19 | 2024-04-02 | 中国航发四川燃气涡轮研究院 | 一种多孔层板的一维壁温计算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114357876B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109800507B (zh) | 一种对散热冷板拓扑边界二次形状优化设计方法 | |
| CN111832204B (zh) | 一种热流耦合结构的非迭代式拓扑优化方法 | |
| CN112084591A (zh) | 一种基于三维拓扑优化的散热器冷却通道设计方法 | |
| CN107122527A (zh) | 一种基于拓扑优化的冷板流道设计方法 | |
| CN114741961B (zh) | 印刷电路板式换热器的翼型翅片排列结构优化方法和系统 | |
| CN113094944B (zh) | 一种微流道散热器及其细观尺度拓扑优化设计方法 | |
| Aragón et al. | Multi-physics optimization of three-dimensional microvascular polymeric components | |
| Liu et al. | Constructal design of a rectangular porous fin considering minimization of maximum temperature difference and pumping power consumption | |
| CN113760660B (zh) | 一种基于长短时记忆神经网络的三维多核芯片温度预测方法及系统 | |
| CN108090307B (zh) | 一种基于积分平均温差法的多工况下板翅式换热器通道布局设计方法 | |
| TWI689724B (zh) | 晶片溫度計算方法及晶片溫度計算裝置 | |
| CN114925572A (zh) | 一种动力电池水冷流板的流道拓扑优化设计方法 | |
| CN112231860A (zh) | 基于遗传算法的矩形截面形状微通道热沉的优化设计方法 | |
| CN114357876A (zh) | 一种层板结构外壁温度的计算方法 | |
| CN114912409A (zh) | 一种基于三维拓扑优化的芯片被动散热的热沉设计方法 | |
| CN112231900A (zh) | 一种变物性拓扑优化方法 | |
| Sun et al. | An intelligent plate fin-and-tube heat exchanger design system through integration of CFD, NSGA-II, ANN and TOPSIS | |
| Li et al. | Multi-objective parameter optimization design of tapered-type manifold/variable cross-section microchannel heat sink | |
| CN112347638B (zh) | 一种基于对偶单元法的三维集成微系统电热耦合分析方法 | |
| JP2004311885A (ja) | ヒートシンク及びヒートシンクの形状計算方法 | |
| Jiang et al. | Optimization of micro-channel heat sink based on genetic algorithm and back propagation neural network | |
| de Bock | Exploration of a hybrid analytical thermal topology optimization method for an additively manufactured heat sink | |
| CN114757125B (zh) | 一种基于扩散反扩散系统的自组织热沉结构设计方法 | |
| CN117875160A (zh) | 一种基于深度学习的注塑模具的自动水道方法 | |
| CN116992721A (zh) | 一种平板脉动热管通道的拓扑优化设计方法 |
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 |