CN115048743A - 一种基于数字孪生的液冷冷板模型构建方法 - Google Patents

一种基于数字孪生的液冷冷板模型构建方法 Download PDF

Info

Publication number
CN115048743A
CN115048743A CN202210756199.5A CN202210756199A CN115048743A CN 115048743 A CN115048743 A CN 115048743A CN 202210756199 A CN202210756199 A CN 202210756199A CN 115048743 A CN115048743 A CN 115048743A
Authority
CN
China
Prior art keywords
model
cold plate
liquid cooling
digital twin
reduced
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
CN202210756199.5A
Other languages
English (en)
Inventor
侯德高
胡长明
钱吉裕
张轶群
王锐
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.)
CETC 14 Research Institute
Original Assignee
CETC 14 Research Institute
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 CETC 14 Research Institute filed Critical CETC 14 Research Institute
Priority to CN202210756199.5A priority Critical patent/CN115048743A/zh
Publication of CN115048743A publication Critical patent/CN115048743A/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]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/18—Details relating to CAD techniques using virtual or augmented reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于数字孪生的液冷冷板模型构建方法，包括如下步骤：步骤一，三维CFD仿真模型生成：步骤二，数字孪生模型训练数据生成：步骤三，数字孪生降阶模型生成：步骤四，降阶模型部署：步骤五，降阶模型测试与应用。通过建立液冷冷板数字孪生模型，将传统三维CFD仿真模型降阶为高保真的一维数学模型(ROM)，通过对数字孪生ROM模型开展多工况分析评估冷板散热性能，可极大缩短设计迭代时间，并通过建立物理冷板与降阶ROM模型的实时映射，修正冷板数字孪生模型，提高精度的同时极大缩短设计周期。此外，在热测试环节，无法直观看到的内部流动特征亦可通过液冷冷板数字孪生模型仿真实现可视化。

Description

一种基于数字孪生的液冷冷板模型构建方法
技术领域
本发明涉及液冷冷板领域，尤其涉及一种基于数字孪生的液冷冷板模型构建方法。
背景技术
液冷冷板广泛应用于电子设备散热中，冷板外部提供特定流量、温度、压力的冷却介质，通过冷板内部对流换热及热传导，将电子设备发热量传递至冷却介质中，从而保证电子设备或器件长期工作在适宜的温度范围内以保证器件长期可靠性及寿命。液冷冷板的设计包括流体特性分析，热传导分析及流固耦合分析，多通过流体或热设计软件仿真开展设计。设计过程中通过反复迭代多工况输入条件下的结果响应，评估散热性能，最终确定冷板设计参数。通过开展热电联合仿真，软件试错迭代，释放设计风险，但必然对仿真精度提出了很高的要求，进而导致仿真效率的降低。
发明内容
为解决现有的技术问题，本发明提供了一种基于数字孪生的液冷冷板模型构建方法。
本发明的具体内容如下：一种基于数字孪生的液冷冷板模型构建方法，包括如下步骤：
步骤一，三维CFD仿真模型生成：通过仿真软件开展三维CFD仿真模型的搭建；
步骤二，数字孪生模型训练数据生成：通过CFD仿真模型生成多工况输入条件下的计算结果作为数字孪生降阶模型的训练数据；
步骤三，数字孪生降阶模型生成：对处理过的输入与输出训练数据进行数据压缩，并验证压缩后数据结果精度，然后通过仿真模型降阶算法建立输入激励和输出响应之间的降阶模型；
步骤四，降阶模型部署：基于数字孪生体模型所运行平台的软件接口要求，生成可实时响应的可执行程序代码；
步骤五，降阶模型测试与应用：数字孪生平台软件实时调用数据采集传感器的输入数据并以实测输入数据驱动可执行程序代码进行计算与结果输出，从而使三维CFD仿真降阶为一维数学模型计算。
进一步的，步骤一中，三维CFD仿真模型生成主要包括冷板模型简化、网格划分、边界条件输入和计算结果输出，其中，边界条件包括冷板入口流量、温度、冷板出口压力和冷板热耗，计算结果输出包括温度云图、入口压力和出口温度。
进一步的，步骤一中，采用流体或热设计仿真软件开展CFD仿真模型的搭建，如Fluent、FLoEFD或Flotherm。
进一步的，步骤二中，采用ANSYS Workbench中拉丁超立方方法获得液冷冷板的多个计算工况，在Fluent中计算得到对应各工况下的结果bin文件，作为冷板降阶模型的训练数据。
进一步的，步骤三中，采用矩阵分解技术对处理过的输入与输出训练数据进行数据压缩。
进一步的，步骤三中，采用Eluer或龙格-库塔数值计算方法建立激励与输出响应之间的降阶模型，最后需验证降阶模型计算结果的精度。
进一步的，步骤四中，包括降阶模型导入、TWIN文件生成、SDK文件生成和SDK文件部署。
本发明的有益效果：数字孪生技术具有高保真、多物理性、多学科性、多尺度性等特点，可以通过建立液冷冷板数字孪生模型，将传统三维CFD仿真模型降阶为高保真的一维数学模型(ROM)，通过对数字孪生ROM模型开展多工况分析评估冷板散热性能，可极大缩短设计迭代时间，并通过建立物理冷板与降阶ROM模型的实时映射，修正冷板数字孪生模型，提高精度的同时极大缩短设计周期。此外，在热测试环节，无法直观看到的内部流动特征亦可通过液冷冷板数字孪生模型仿真实现可视化。
附图说明
下面结合附图对本发明的具体实施方式做进一步阐明。
图1为液冷冷板数字孪生模型总体架构示意图；
图2为液冷冷板数字孪生模型构建过程示意图；
图3为液冷冷板简化模型；
图4为液冷冷板模型网格划分示意图；
图5为液冷冷板输入数据及输出响应关系图；
图6为液冷冷板训练工况；
图7为冷板流场分析运行计算结果文件；
图8为导入生成的冷板训练数据；
图9为降阶模型生成示意图；
图10为导出液冷冷板降阶模型；
图11为学习样本结果数据精度验证；
图12为液冷冷板降阶模型；
图13为液冷冷板降阶模型twin文件；
图14为液冷冷板降阶模型SDK文件夹；
图15为液冷冷板SDK程序运行DOS界面；
图16为液冷冷板SDK计算输出温度云图。
具体实施方式
液冷冷板数字孪生模型构建方法总体架构如图1所示。液冷冷板输入的供液温度、供液压力、供液流量、热耗等数据通过传感器实时监测。该输入边界条件驱动液冷冷板数字孪生模型开展实时计算与仿真，输出计算结果，并在数字孪生平台内进行实时结果展示。
液冷冷板数字孪生模型具体的构建路线如图2所示，主要包括五个步骤，即三维CFD仿真模型生成、数字孪生模型训练数据生成、数字孪生降阶模型生成、降阶模型部署及降阶模型测试与应用。首先建立液冷冷板三维CFD仿真模型，通过CFD仿真模型生成多工况输入条件下的计算结果作为数字孪生降阶模型的训练数据，通过数据训练与降阶得到高保真的数字孪生降阶模型(ROM)，基于生成的降阶模型，并结合数据采集传感器的实测数据输入，搭建最终的液冷冷板数字孪生模型，实现实测数据驱动下的液冷冷板快速计算与结果输出。
(1)液冷冷板三维CFD仿真模型建立
可以采用成熟的流体或热设计仿真软件开展三维CFD仿真模型的搭建，如Fluent、FLoEFD、Flotherm等，明确液冷冷板的仿真边界条件如冷板入口流量、温度、冷板出口压力，冷板热耗等参数。一般包括冷板模型简化、网格划分、边界条件输入、计算结果(温度云图、入口压力、出口温度等)输出等设置。
(2)液冷冷板数字孪生模型训练数据生成。
可以采用成熟的流体或热设计仿真软件进行训练数据生成，如可以使用ANSYSWorkbench中拉丁超立方方法获得液冷冷板的多个计算工况(场景)，在Fluent中计算得到对应各工况下的结果bin文件，作为冷板降阶模型的训练数据。
(3)液冷冷板数字孪生降阶模型生成
在液冷冷板CFD仿真分析中，输入数据与响应输出数据存在相互关联，在降阶模型生成过程中，首先可以采用矩阵分解技术(如奇异值分解法)对处理过的输入与输出训练数据进行数据压缩，并验证压缩后数据结果精度；然后选择合适的仿真模型降阶算法(Eluer、龙格-库塔等数值计算方法)建立输入激励和输出响应之间的降阶模型；最后需验证降阶模型计算结果的精度。
(4)液冷冷板数字孪生降阶模型部署
基于数字孪生体模型所运行平台的软件接口要求，生成可实时响应的可执行程序代码(SDK)。最终实现可执行程序(SDK)在数字孪生系统平台上进行分析计算并实时响应，实现了液冷冷板仿真分析脱离常规仿真分析工具。
(5)液冷冷板数字孪生降阶模型测试与应用
液冷冷板数字孪生降阶模型的可执行程序(SDK)部署成功后，数字孪生平台软件读取数据采集传感器的输入数据，实时调用并以实测输入数据驱动SDK进行计算与结果输出，从而使传统的三维CFD仿真降阶为一维数学模型计算，计算结果既可以包含仿真输出的全部内容(温度云图、曲线等)，又极大缩短计算时间，计算结果成秒级输出，相较传统CFD仿真计算提升近百倍。最终实现液冷冷板散热性能的实时监测与评估，具有一定的工程应用价值。
以某液冷冷板为例，冷却介质为液态氟利昂R134a，给出实施方式及具体实施过程，但不能以此来限制本发明的保护范围。
具体包括以下步骤：
<1>液冷冷板三维CFD仿真模型生成
此步骤采用成熟商业流体分析软件Fluent进行，冷板简化模型如图3所示，网络划分如图4所示，
液冷冷板输入数据及输出数据定义关系如图5所示：
定义冷板输入边界条件如下：
1)冷却介质：氟利昂R134a；
2)入口质量流量：0.0105～0.07kg/s(液相)；
3)入口温度：10.0～40.0℃，仿真使用焓等价为：181929～236745；
4)出口压力：0.45MPa～1.4MPa，(气液混合)；
5)冷板热耗：0～2000W；
定义冷板输出边界条件如下：
1)冷板温度云图；
2)出口质量分数；
3)入口压力。
<2>液冷冷板数字孪生模型训练数据生成
此步骤一般包括训练工况的生成、模型计算、结果输出，训练数据生成四部分。使用ANSYS Workbench中拉丁超立方方法获得27个计算工况(场景)，计算工况输入数据如图6所示，完成训练数据生成；在Fluent软件中进行模型计算，算得到对应27个结果bin文件，如图7所示，最终建立输入工况与输出结果的对照表作为冷板降阶模型的训练数据。
<3>液冷冷板数字孪生降阶模型生成
此步骤一般包括训练数据导入，降阶模型生成、降阶模型导出及降阶模型精度验证四部分。此处利用ANSYS Twin Builder中StaticROM Builder生成冷板三维降阶模型。数据导入如图8所示；
从总体训练样本数据中，选择学习样本数据，然后先进行学习样本数据的压缩，最后生成降阶模型ROM，生成过程如图9所示；
降阶模型生成后，导出冷板降阶模型，导出操作如图10所示；
降阶模型生成后，通过对比验证降阶模型计算结果与学习样本差距，获得高保真精度的冷板降阶模型，如图11所示。
<4>液冷冷板数字孪生降阶模型部署
获得满足精度要求的冷板降阶模型后，将进行降阶模型可执行代码(SDK)封装，从而脱离仿真软件、模型降阶软件，以便灵活部署在第三方软件平台中。此步骤一般包括降阶模型导入(图12)，TWIN文件生成(图13)，SDK文件生成，SDK文件部署四部分。
在ANSYS Twin Builder中，导入冷板降阶模型如图12所示，生成TWIN文件如图13所示。
采用Twin Deployer2021R1软件，导入生成的液冷冷板twin文件，搭建其数字孪生模型，并运行测试，最后输出可执行SDK文件夹如图14所示。
在资源管理器窗口路径处，输入cmd，进入DOS界面，输入run_windows.bat命令，SDK开始执行，即完成冷板数字孪生降阶模型部署，如图15所示。
<5>液冷冷板数字孪生降阶模型测试与应用
将液冷冷板降阶模型可执行程序部署在某数字孪生系统软件平台中，通过传感器采集冷板输入，即可快速属于温度云图等计算结果，如图16所示，输出响应时间≤2秒。
本发明的液冷冷板3D模型降阶方法实现了传统三维CFD仿真模型降阶为一维数学模型(ROM)，极大缩短热仿真计算时间，使单个冷板单一工况计算时间从传统数小时降低至数秒；同时建立液冷冷板物理形态与数字孪生模型的实时映射，使冷板内部流动等传统不可视、不可测特征参数可视化；通过精确数字孪生模型虚拟测试，降低测试与分析成本，缩短测试与分析时间，快速实现液冷冷板多工况输入边界条件下的散热性能评估。因此，本发明在需要快速迭代分析液冷冷板多工况散热性能具有重要的应用前景。
在以上的描述中阐述了很多具体细节以便于充分理解本发明。但是以上描述仅是本发明的较佳实施例而已，本发明能够以很多不同于在此描述的其它方式来实施，因此本发明不受上面公开的具体实施的限制。同时任何熟悉本领域技术人员在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (7)

1.一种基于数字孪生的液冷冷板模型构建方法，其特征在于：包括如下步骤：
步骤一，三维CFD仿真模型生成：通过仿真软件开展三维CFD仿真模型的搭建；
步骤二，数字孪生模型训练数据生成：通过CFD仿真模型生成多工况输入条件下的计算结果作为数字孪生降阶模型的训练数据；
步骤三，数字孪生降阶模型生成：对处理过的输入与输出训练数据进行数据压缩，并验证压缩后数据结果精度，然后通过仿真模型降阶算法建立输入激励和输出响应之间的降阶模型；
步骤四，降阶模型部署：基于数字孪生体模型所运行平台的软件接口要求，生成可实时响应的可执行程序代码；
步骤五，降阶模型测试与应用：数字孪生平台软件实时调用数据采集传感器的输入数据并以实测输入数据驱动可执行程序代码进行计算与结果输出，从而使三维CFD仿真降阶为一维数学模型计算。
2.根据权利要求1所述的基于数字孪生的液冷冷板模型构建方法，其特征在于：步骤一中，三维CFD仿真模型生成主要包括冷板模型简化、网格划分、边界条件输入和计算结果输出，其中，边界条件包括冷板入口流量、温度、冷板出口压力和冷板热耗，计算结果输出包括温度云图、入口压力和出口温度。
3.根据权利要求1所述的基于数字孪生的液冷冷板模型构建方法，其特征在于：步骤一中，采用流体或热设计仿真软件开展CFD仿真模型的搭建，如Fluent、FLoEFD或Flotherm。
4.根据权利要求1所述的基于数字孪生的液冷冷板模型构建方法，其特征在于：步骤二中，采用ANSYS Workbench中拉丁超立方方法获得液冷冷板的多个计算工况，在Fluent中计算得到对应各工况下的结果bin文件，作为冷板降阶模型的训练数据。
5.根据权利要求1所述的基于数字孪生的液冷冷板模型构建方法，其特征在于：步骤三中，采用矩阵分解技术对处理过的输入与输出训练数据进行数据压缩。
6.根据权利要求1所述的基于数字孪生的液冷冷板模型构建方法，其特征在于：步骤三中，采用Eluer或龙格-库塔数值计算方法建立激励与输出响应之间的降阶模型，最后需验证降阶模型计算结果的精度。
7.根据权利要求1所述的基于数字孪生的液冷冷板模型构建方法，其特征在于：步骤四中，包括降阶模型导入、TWIN文件生成、SDK文件生成和SDK文件部署。
CN202210756199.5A 2022-06-29 2022-06-29 一种基于数字孪生的液冷冷板模型构建方法 Pending CN115048743A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210756199.5A CN115048743A (zh) 2022-06-29 2022-06-29 一种基于数字孪生的液冷冷板模型构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210756199.5A CN115048743A (zh) 2022-06-29 2022-06-29 一种基于数字孪生的液冷冷板模型构建方法

Publications (1)

Publication Number Publication Date
CN115048743A true CN115048743A (zh) 2022-09-13

Family

ID=83164924

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210756199.5A Pending CN115048743A (zh) 2022-06-29 2022-06-29 一种基于数字孪生的液冷冷板模型构建方法

Country Status (1)

Country Link
CN (1) CN115048743A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115758615A (zh) * 2022-11-26 2023-03-07 宝钢工程技术集团有限公司 一种基于连铸设备有限元仿真模型的数字孪生实现方法
CN117131708A (zh) * 2023-10-26 2023-11-28 中核控制系统工程有限公司 核工业dcs设备数字孪生抗震机理模型建模方法及应用

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115758615A (zh) * 2022-11-26 2023-03-07 宝钢工程技术集团有限公司 一种基于连铸设备有限元仿真模型的数字孪生实现方法
CN115758615B (zh) * 2022-11-26 2024-03-12 宝钢工程技术集团有限公司 一种基于连铸设备有限元仿真模型的数字孪生实现方法
CN117131708A (zh) * 2023-10-26 2023-11-28 中核控制系统工程有限公司 核工业dcs设备数字孪生抗震机理模型建模方法及应用
CN117131708B (zh) * 2023-10-26 2024-01-16 中核控制系统工程有限公司 核工业dcs设备数字孪生抗震机理模型建模方法及应用

Similar Documents

Publication Publication Date Title
CN115048743A (zh) 一种基于数字孪生的液冷冷板模型构建方法
Hartmann et al. Model order reduction a key technology for digital twins
KR102354253B1 (ko) 열기기의 내부 상태 추정 방법 및 장치
Jackson et al. A numerical scheme for non-Newtonian fluids and plastic solids under the GPR model
CN103942091A (zh) Matlab自定义模型和psasp联合仿真的励磁系统仿真方法及系统
CN109871642B (zh) 一种用于蒸汽发生器的内部结构的温度场建模方法
US6871162B2 (en) Non-iterative method for a fully-coupled thermomechanical analysis of a tire and estimating effects of compound changes on tire temperature distribution using the deformation index
CN113722860B (zh) 基于降阶模型的瞬态热力状态在线评估方法、设备及介质
CN108089095B (zh) 一种电网低频振荡参数预测方法及装置
Cao et al. Reducio: Model reduction for data center predictive digital twins via physics-guided machine learning
CN107808021B (zh) 基于cfd的流体设备的阻力计算方法
CN115935762B (zh) 一种工程结构模态振型分析方法、装置、设备及介质
CN115618735A (zh) 基于数字孪生的设施结构健康监测方法及相关装置
Hafner et al. An Investigation on Loose Coupling Co-Simulation with the BCVTB.
WO2017188474A1 (ko) 유동해석을 통한 팬 시뮬레이션 방법 및 팬 시뮬레이션 장치
Hengeveld et al. Automatic creation of reduced-order models using Thermal Desktop
JPH07281727A (ja) 熱交換器内部状態のシミュレーション方法
CN110955999B (zh) 轮胎三维温度场仿真方法
CN106709167A (zh) 一种基于相似度理论的装配有效性评估方法
Fierro et al. Notes paper: enabling building application development with simulated digital twins
CN115906714B (zh) 一种板式pecvd反应腔气流模拟方法及其模拟设备
CN108090846A (zh) 一种电网低频振荡案例库的构建方法及装置
RU2804677C1 (ru) Киберфизическая система создания и валидации цифрового двойника составной части летательного аппарата по результатам полунатурного моделирования
Çetinkaya et al. UNCERTAINTY CALCULATION-AS-A-SERVICE: AN IIOT APPLICATION FOR AUTOMATED RF POWER SENSOR CALIBRATION
CN107391786A (zh) 适用于卫星有限元热变形分析的温度场快速赋值方法

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