最佳设计分析cell phone热传导分析CPU和PCB.docx

1、最佳设计分析cell phone热传导分析CPU和PCB最佳設計分析題目:cell phone熱傳導分析(CPU+PCB) 組員: 學號: 班級:指導教授:吳俊瑩教授2015 06製作1. 最佳化問題 問題:使用手機cpu和邏輯版的部分作為分析，得手機的散熱程度效果是否降低，並不讓熱源降低，使用模組分析進行最佳化分析? 描述:隨著手機的快速發展，伴隨著體積小與高功率的製程下，手機的散熱是需要被考慮，所以我們使用手機cpu和邏輯版的部分作為分析，cpu尺寸為3*3*0.5(長*寬*高)，而邏輯版尺寸為150*60*0.5(長*寬*高)，本研究目的在利用ansys軟體設計手機的cpu和邏輯版的部分

2、進行導熱管理。本文中我們考慮包括自主發熱和晶片熱源。藉由本軟體，我們得以依上述方式來模擬手機發熱的情形。利用簡易的模擬對數值結果進行比較，使用實驗分析法當作基底。2. 數學模型 目標函數定義任意函數的出現必然產生解的各種差異，考慮到幾乎不知道這些解的詳情，在大多數問題中慣常的目標是找滿足合適的和確定的條件，要求這些條件可以確定唯的解是自然的要求。而且還有更進一步的考慮，即這些條件的大小或量的微小改變在解本身也帶來相應地小的改變。目標函數(Objective Function) 目標函數為一個單一的變數，亦是設計參數的函數，另外根據目標函數之多寡分為單目標最佳化及多目標最佳化。通常機械工程上最佳

3、化設計的目標函數目標分成兩大類：第一類型的目標函數為求出應力值的最佳分佈狀況，限制條件僅考慮外形設計參數的大小，因此為線性限制條件；第二類型的目標函數為物件的面積或體積，限制條件為應力值或變形量，為非線性函數。1.P.D.E.：含有多個自變數的未知函數 u，及其各階偏導數所構成之方程式。2. 階數(order):P.D.中最高階導數，稱為此 P.D.E.之階數。3. 線性(linear):P.D.E.中未知函數及其偏導數都是一次者，即是未知函數及其偏導數之乘積。 4. 齊性(homogenous):線性 P.D.E.中每一項都包含未知函數或其偏導數稱為齊性。 穩態(steady state h

4、eat transfer)Q為常 (穩態steady state heat transfer)， 且為廣義熱傳導 (Y-direction)， 則可改變為所以 Q = - (kA/L)(T2 T1) = (T1 T2) /(L/kA) 限制條件須滿足此溫度限制X為最高溫，Y為最低溫85cX 0c35c Y0c限制條件(Constraints)又稱為狀態變數(State Variable) 在尋找最佳化設計問題的同時，設計者往往受到許多設計的限制，如時間、空間、材料、成本等等，然而最佳設計經由這些限制條件限制後，根本無法找到最佳解，如材料的減少與應力的降低往往無法同時滿足，這些限制條件又稱為狀態

5、變數，為設計參數的一種。若最佳化設計問題中加入限制條件，則該問題變成限制條件最佳化設計問題，一般限制條件分為等式限制條件及不等式限制條件。 設計變數說明X為最高溫和Y為最低溫，但落差不要太大設定溫度結果公式為25c X+Y/250c熱通量:1w/m2設計參數(Design Variable) 設計參數主要是用來描述設計方向，並可設定一範圍以求得所欲達到的目標值。設計參數為一獨立變數，常常用來當做幾何變數，如長度、厚度、半徑或節點，分為單一設計參數及多設計參數。3. 使用工具 使用軟體:Ansys 說明理由:整合性高 ANSYS DesignXplorer是利用ANSYS Workbench進行

6、參數化分析。 ANSYS Workbench很容易創建和管理大範圍的ANSYS產品參數,設置持久穩固並且可自動更新。ANSYS DesignXplorer利用這些ANSYS Workbench的優點，並且使你能夠去探索、理解和優化你的設計，所以我們可以利用模擬來推動產品開發。可以通過簡單的拖放，將ANSYS DesignXplorer系統(目標驅動優化、參數相關,響應面和six sigma分析) 添加到ANSYS Workbench。ANSYS DesignXplorer系統然後可以使用任何一種實驗設計(DOE)演算法去高效、科學地將設計空間因數化，並應用先進的回應面技術進行結果插值。參數化技

7、術計算相關性和靈敏度以及其它一系列富有洞察力的指標，所以可以更完全地理解設計空間。優化演算法有助於確定最佳的參數組合，且six sigma分析可確保設計好的。ANSYS包含了許多小工具，因此進階使用者能更精準、更具彈性地操控模型的設定。舉例來說，循環對稱分析新增了遠控點、點質量、熱點質量、遠控部分的位移、力與彎矩等。此外，束制方程、回復力、回復彎矩等，在ANSYS14中也被更廣泛的被應用。 演算法選擇的理由1. 選擇為實驗分析法當作基底2. 花費的時間較少3. 變數的值較少4. 計算演算法時，比Matlab軟體更分析快速5. Ansys內建，方便且讓人易懂 最佳化過程1. proe圖cpu邏輯

8、版2.proe三視圖- cpu三視圖-邏輯版4.手機散熱版(cpu+邏輯版)應力分析Step1:設定初始值與MESH調整Step2:設定參數Step3:設定完成 Step4:選擇施力點Step5:runEquivalent Stress最小壓力值為:3.3545 Pa最大壓力值為:3.815e+005paTotal Deformation最小Deformation值為:1.133e-004m最大Deformation值為:7.074e-003m 5.手機散熱版(cpu+邏輯版)實驗過程尺寸為:Bounding BoxLength X3.e-003 m6.e-002 mLength Y1.e-0

9、03 m5.e-004 mLength Z3.9741e-003 m0.15 mPropertiesVolume9.0574e-009 m2.7e-006 mMass7.1101e-005 kg2.1195e-002 kgCentroid X4.6798e-002 m4.e-002 mCentroid Y4.9827e-004 m-2.5e-004 mCentroid Z-0.12 m-8.5e-002 mMoment of Inertia Ip15.9301e-011 kgm4.4674e-005 kgmMoment of Inertia Ip21.0784e-010 kgm4.8219e-

10、005 kgmMoment of Inertia Ip36.0392e-011 kgm3.5451e-006 kgm材質為:MaterialAssignmentStructural SteelNonlinear EffectsYesThermal Strain EffectsYes此實驗流程圖:Step1:建立新檔Step2:載入PROE檔，檔名為step(步距)Step3:修改unit為mStep4:model設定Step5:網格設定為初始值Step6: 設定邊界條件設定為初始值:熱對流為22c,5W/m2c對流面為68面Step7: 熱通量 1w ,Heat Flow為60面Step8:

11、溫度分佈圖(結果)Step9: 設定最佳化工具實驗設計參數並行(parameter parallel)參數平行圖Step10: 設定最大最小值設計值與參數Step11: Global optimization優化-Trade off(取捨)Lower Bound(下限):27Upper Bound(上限):33與p1-x做比較Step12:runStep13:finish cpu+邏輯板最佳化結果1.2.3.實驗結果數據部分:Model Steady-State Thermal Analysis SettingsObject NameAnalysis SettingsStateFully De

12、finedStep ControlsNumber Of Steps1.Current Step Number1.Step End Time1. sAuto Time SteppingProgram ControlledSolver ControlsSolver TypeProgram ControlledRadiosity ControlsFlux Convergence1.e-004 Maximum Iteration1000. Solver Tolerance0.1 Over Relaxation0.1 Hemicube Resolution10. Nonlinear ControlsHe

13、at ConvergenceProgram ControlledTemperature ConvergenceProgram ControlledLine SearchProgram ControlledOutput ControlsCalculate Thermal FluxYesGeneral MiscellaneousNoCalculate Results AtAll Time PointsMax Number of Result SetsProgram ControlledObject NameConvectionHeat FlowStateFully DefinedScopeScop

14、ing MethodGeometry SelectionGeometry68 Faces60 FacesDefinitionTypeConvectionHeat FlowFilm CoefficientTabular DataCoefficient TypeAverage Film TemperatureAmbient Temperature22. C (ramped)SuppressedNoEdit Data ForFilm CoefficientDefine AsHeat FlowMagnitude1. W (ramped)FIGURE 2Model Steady-State Therma

15、l Heat FlowSolution Model Steady-State Thermal SolutionObject NameSolution (A6)StateSolvedAdaptive Mesh RefinementMax Refinement Loops1.Refinement Depth2.InformationStatusDoneModel Steady-State Thermal Solution Solution InformationObject NameSolution InformationStateSolvedSolution InformationSolutio

16、n OutputSolver OutputUpdate Interval2.5 sDisplay PointsAllFE Connection VisibilityActivate VisibilityYesDisplayAll FE ConnectorsDraw Connections Attached ToAll NodesLine ColorConnection TypeVisible on ResultsNoLine ThicknessSingleDisplay TypeLinesModel Steady-State Thermal) Solution ResultsObject Na

17、meTemperatureStateSolvedScopeScoping MethodGeometry SelectionGeometryAll BodiesDefinitionTypeTemperatureByTimeDisplay TimeLastCalculate Time HistoryYesIdentifierSuppressedNoResultsMinimum29.097 CMaximum60.802 CMinimum Occurs OnPCBMaximum Occurs OnCPUInformationTime1. sLoad Step1Substep1Iteration Num

18、ber1Material Data -Structural SteelConstantsDensity7850 kg m-3Coefficient of Thermal Expansion1.2e-005 C-1Specific Heat434 J kg-1 C-1Thermal Conductivity60.5 W m-1 C-1Resistivity1.7e-007 ohm mCompressive Yield StrengthCompressive Yield Strength Pa2.5e+008Tensile Yield StrengthTensile Yield Strength

19、Pa2.5e+008 Tensile Ultimate StrengthTensile Ultimate Strength Pa4.6e+008Isotropic Secant Coefficient of Thermal ExpansionReference Temperature C22Alternating Stress Mean StressAlternating Stress PaCycles Mean Stress Pa3.999e+0091002.827e+0092001.896e+0095001.413e+00910001.069e+00920004.41e+008200002

20、.62e+0081000002.14e+0082000001.38e+0081.e+00501.14e+0082.e+00508.62e+0071.e+0060Structural Steel Strain-Life ParametersStrength Coefficient PaStrength Exponent Ductility Coefficient Ductility Exponent Cyclic Strength Coefficient PaCyclic Strain Hardening Exponent 9.2e+008-0.1060.213-0.471.e+0090.2St

21、ructural Steel Isotropic ElasticityTemperature CYoungs Modulus PaPoissons Ratio Bulk Modulus PaShear Modulus Pa2.e+0110.31.6667e+0117.6923e+010Structural Steel Isotropic Relative PermeabilityRelative Permeability 100006.結果與討論1. 綜合整體報告後，發現某些定點溫定較低，散熱量較佳。2. 最佳化過後，溫度分佈均勻3. pcb發熱量分佈會降低最大溫度值4. 所有實例的分析結果與

22、理論解比較後，發現ANSYS有限元素分析軟體做最佳化設時正確性皆較高。7.心得 本實驗得知，選用最佳化方法時，必須注意到參數設定問題或是最佳化方法的條件，需考慮選擇所有的面，因此對應到數值與變數而此我們用不同的設定方法。而這堂課要我們學的演算法是有螞蟻演算法和基因演算法。不過在網路上有到過更多的演算法，例如:螞蟻演算法、基因演算法、堆層演算法、貪婪演算法和實驗演算法等等。這些對我們來說都是最佳化的最佳方式，我們選擇的演算法是實驗演算法，雖然它容易且簡單，對我們第一次學最佳化的方法，真是大利多，因為還是會運到設定值的問題，還有一些邊界條件的設定，這些對我們來說卻是一項挑戰，並參考網路作為配合，還

23、有設定問題，本身也常常帶有某些限制，最佳化所得的結果也必須滿足這些限制。 最佳化演算法在業界是很多人在使用，而最佳化問題是應用很廣泛的一類問題，在現在的實際生活中，大多數的問題都包含了多個目標，且不同目標之間往往有所衝突，例如:生產產品常有時間與成本這兩種目標。我們往往希望這兩種目標的花費能夠達到最小，然而現實的問題中，時間花費要小相對的可能就會需要較高的成本來彌補，因此，如何依使用者個人的偏好來尋求解答是我們一直關注的目標。 我們這組最好奇的演算法是貪婪演算法，因為它是貪婪演算法是最直覺的一種方法，再說在解決最佳化問題的過程中，通常是經過一個序列的步驟，而且在每一個步驟中會有一群選擇，在所有解決最佳化問題的演算法中，是有效率的方法，但是並不保證永遠可得到的最佳解 。 本次最佳化課程上完，這次的體會卻是前所未有，讓我們這組了解現在很多的國際趨勢，現在的工作型態，也感謝老師上課說了那麼多的演算法和最佳化的分析，雖然有些又難理解，又不知道怎麼明白它，不過我們大該知道也跟著了解現在的科技用甚麼演算法，有些什麼軟體，未來當然還有新的演算法，或是新的軟體等著我們學習它，所以我們只好，好好了解老師給予我們的東西，加以練習得到自己最需要的部分。