一种提取主流特征的初始化布局在复杂散热工况下的拓扑优化改进方法、介质及程序产品
申请号:CN202510867631
申请日期:2025-06-26
公开号:CN120354764B
公开日期:2025-09-12
类型:发明专利
摘要
本发明公开了一种提取主流特征的初始化布局在复杂散热工况下的拓扑优化改进方法、介质及程序产品,属于热管理与结构拓扑优化交叉技术领域,该方法面向高雷诺数湍流与共轭传热条件下的液冷散热结构设计,通过构建二维阵列型参数化初始布局,基于CFD模拟生成高保真样本数据,训练带SE注意力机制的神经网络预测模型,结合流场冻结假设下的修正目标函数与ETO优化算法进行初始化方案筛选,进而在优化初态基础上实施基于变密度方法的拓扑优化演化。本发明能够在降低计算复杂度的同时改善拓扑优化的最终效果,实现散热效率与流动性能的协同最优,为高雷诺数湍流复杂工况下液冷散热结构的共轭传热设计提供有效手段。
技术关键词
布局
结构单元
工况
位置更新
密度
样本
液冷板散热器
插值模型
卷积神经网络结构
神经网络预测模型
湍流模型
液冷散热结构
结构拓扑优化
关键控制参数
注意力
局部空间特征
变量
算法