随着技术的不断更新迭代，半导体芯片等电力电子器件趋于小型化、高功率化，热量在器件上的积累会影响其效率，因此需要发展更高效的散热设备以应对不断提高的散热需求。装配微通道散热器是给小微型元件散热的常用手段，微通道内的结构决定了传热和流动性能。针翅是微通道中的常用结构，相较于传统直通道，针翅的引入增大了换热面积，加强了流体掺混。但是现有的针翅通常将形状限定在圆形、方形、三角形、翼型等传统形状，性能提升空间不足。传统的数值模拟和实验研究方法也只能对有限工况进行探索，凭借经验从中发掘更优的结构，寻优效率不高。因此有必要使用新的优化手段在更大参数空间中搜索性能更优的微通道结构。机器学习方法是近年来迅速发展起来的先进预测优化方法。其中，人工神经网络模型的应用尤为广泛，用有限组数据进行训练后，神经网络可以得到输出参数和输入参数间的关系。训练后的模型可以快速预测未知数据，预测精度也通常高于由试验获得的经验关系式。研究所新技术实验室基于机器学习方法和优化算法对微通道结构进行了优化设计，得到了高热工水力性能的微通道散热器。
新技术实验室于晨阳博士、杨明副研究员、张航研究员等首先对大量不同翅片数量和尺寸的椭圆形针翅微通道进行了数值模拟。随机森林分类器做特征重要性排序结果显示，进口流速和翅片宽度对性能参数影响较大，而翅片长度、列数和行数对性能参数影响较小。之后建立了神经网络以拟合尺寸参数和性能参数间的关系，并用其对大量未知工况进行了预测，如图1。对以加热面温度和通道压降为目标的帕累托前沿上的参数分布进行分析可知，要降低驱动泵的功率时，翅片应该在主流方向上更长，单列翅片个数应该更少，要降低加热面温度时则相反，如图2。结合数值模拟和神经网络预测，提出了一种在较大流速范围内具有最高综合热工水力性能的椭圆针翅微通道，其综合性能指标相比方形、菱形、三角形等传统形状翅片至少增加9.1%。该研究第一作者为博士生于晨阳和硕士生朱旭，通讯作者为杨明副研究员和张航研究员，成果发表在《International Journal of Heat and Mass Transfer》，入选ESI工程领域 top 1% 论文。
为了扩大优化空间，研究者还进行了大量不规则针翅微通道的数值模拟，可调尺寸参数为各翅片6个方向的半径，如图3。为了提高优化效率，建立了神经网络训练-遗传算法寻优循环进行的方法。结果表明，根据翅片的形状，帕累托前沿可分为三部分：在低压段，翅片呈细长型以减少流动阻力；在中压段，翅片间形成斜向的流道，以延长流体与翅片之间的接触时间；在高压段，翅片呈纺锤形，以最大化流道的长度并同时避免阻力急剧增加，如图4。由优化结果提炼出了强化传热的翅片布置方式：在一列中将不对称的翅片交替取向排列。其强化传热机理是非对称翅片使得额外的流束穿梭其中，有更多流体参与换热，提高了出口处流体温度的均匀性。根据该规律，在三个区段分别给出了优化的多翅片通道，并与传统通道进行了对比，如图5。其中，中压优化通道性能较椭圆形翅片通道有大幅提升，在通道压降不变时，加热面温升降低了24.4%。此外，还基于此结构设计了沿流动方向变物性的复合材料微通道散热器以降低加热面温度并提升温度均匀性。该研究第一作者为博士生于晨阳，所内通讯作者为杨明副研究员和张航研究员，成果发表在Advanced Composites and Hybrid Materials（影响因子23.2）。
本研究得到了国家自然科学基金基础科学中心项目、国家重点研发计划等项目的支持，详见以下两篇文章：
[1] Yu C Y†,Zhu X†,Li Z G,Ma Y,Yang M*,Zhang H*. Optimization of elliptical pin-fin microchannel heat sink based on artificial neural network[J]. International Journal of Heat and Mass Transfer,2023,205: 123928. (Top期刊,IF: 5,目前被引次数:41)
[2] Yu C Y,Yang M*,Yao J,Melhi S,Elashiry M,El-Bahy S M,Tan S C,Li Z G,Huang S E,Bao E G D*,Zhang H*. Optimization on microchannel structures made of typical materials based on machine learning[J]. Advanced Composites and Hybrid Materials,2024,7: 189. (IF: 23.2)
图1 人工神经网络示意图
图2 Re=150 时神经网络对未知数据预测结果
图3 针翅微通道示意图
图4 模拟数据点分布
图5 微通道中心面温度和速度分布