欢迎来到中国电源学会电子资源平台
会员 基于神经网络同步学习的功率模块散热器拓扑优化快速迭代方法
  • 14
  • 0
  • 0
  • 0
  • 2024/05/01
摘要
随着功率模块集成化程度的提高,其散热结构优化已成为研发中的关键。拓扑优化可通过变换散热器形貌、结构来最大化地提升散热效果,因此受到了广泛关注。但在拓扑优化过程中,每步迭代均需要计算模块与散热器温度分布,占用较庞大的计算资源和计算时间。为加速传统散热器拓扑优化进程,在基于传统固体各向同性材料惩罚SIMP(solid isotropic material with penalization)散热器拓扑优化方法的基础上,提出一种嵌套神经网络NN(neural network)同步学习的快速迭代方法。首先,构建散热器基于编码器-解码器结构的NN预测模型,即基于散热器形貌迭代进化过程实现优化结构的快速预测;其次,将NN模型与散热器SIMP拓扑优化流程相嵌套,利用迭代过程中的中间形貌同步训练NN;最后,针对单芯片、两芯片模块结构,对比所提方法与传统迭代方法的拓扑优化结果,验证了所提NN同步学习方法的准确性和快速性。
  • 若对本资源有异议或需修改,请通过“提交意见”功能联系我们,平台将及时处理!
来源
关键词
相关推荐
可试看前3页,请 登录 后进行更多操作
试看已结束,会员免费看完整版,请 登录会员账户 或申请成为中国电源学会会员.
关闭
温馨提示
确认退出登录吗?
温馨提示
温馨提示
温馨提示
确定点赞该资源吗?
温馨提示
确定取消该资源点赞吗?
温馨提示
确定收藏该资源吗?
温馨提示
确定取消该资源收藏吗?
温馨提示
确定加入购物车吗?
温馨提示
确定加入购物车吗?
温馨提示
确定移出购物车吗?