绝缘栅双极晶体管(IGBT)模块，广泛应用于工业领域。在电子领域，IGBT被用于变频驱动(VFD)，例如，在电动汽车感应炉以及风电应用和冰箱应用中。

 

        冷却液速度增加会导致传热系数增加，从而产生较高的热流率以及更低的IGBT芯片温度。但同时，较高的速度也会导致压力下降。在这种情况下，冷板表面的换热表面积可以通过在多个变量和排列中的销或翅片来改变(图1)。例如，相比对齐布置，移位布置通常会产生较高的热流率，但也会导致压降增加，从而增加泵的能耗。

 图1 不同版本的冷板

 

        尺寸、重量、功率和成本(交换-c)这些因素在产品竞争中扮演重要的角色。图2a和2b是示例模型的整体图。

图2a 模型的整体图

图2b 模型的整体图

参数研究模块
使用FloEFD中参数研究模块可以得出以下结果：

图3展示了五个设计变量对应的计算结果。X轴为压降，Y轴为IGBT的最高温度，球体大小代表重量。球体越大，冷板越重。光滑的冷板压降最低，重量也最轻，但IGBT温度是最高的。带移位翅片的冷板在确保最低温度的同时会造成最高的压降和最重的变量。

图3 五组变量对比

        图4的操作曲线，显示了容积流量从每分钟0.1升到5升不等的参数研究结果。

图4 操作曲线

 

             

 

                                                                                 图5 FloEFD仿真                                                              图6 变量参数和边界

 

 

FloEFD中的DoE研究
DOE研究可以在FLOEDD中进行，设置如图7所示：

 

图7 DoE study 设置

 

 

    图8 计算结果和响应表面

 

定义了“查找最佳”函数的附加目标函数。在这个例子中，应用了最大压降和最大IGBT温度，这可以由客户的项目规范来定义(图9)。

现在响应表面搜到优化设计点，形成优化设计点。图10展示了根据DoE响应面优化后的冷板。

图10 优化变量

 

pSeven 和 FloEFD
像参数研究一样，设计探索内置工具对于更好地理解模型和初步优化研究也是非常有用。然而，在许多情况下，这个问题太复杂，以至于无法用内置工具来解决，这就是外部工具发挥作用的地方。

pSeven by DATADVANCE是一个自动化的仿真过程和设计空间探索平台。图形界面允许用户用不同的CAE工具和复杂的优化算法创建工作流，为高维多目标约束问题提供高效的求解时间。用于依赖性与相关性研究和近似建模的附加工具也有助于加深对模型的理解。

如何控制FloEFD
用外部工具执行优化研究，需要一种方法来控制FLOFD项目。有两种可能的解决方案--专用的参数化学习模式，和通过FLOEFD API接口。

FLOEDD的参数化研究有一个外部优化模式，允许用户在XML文件中传递项目参数，并从命令行里运行模拟。

一旦创建了参数化学习，就需要准备一个XML文件，然后将其放置在FLOFD项目中的适当位置，从命令行运行一个启动程序，等待模拟结束，然后获取输出文件并提取结果。

图11 用XML文件进行参数学习

API接口是另一个选项。它允许用户更改项目输入数据和边界条件、仿真设置、重建和运行模拟以及检索结果。

 

图12 通过API接口运行仿真

 

pSeven为嵌入主流CAD系统的FLOFD提供了一个特殊的直接集成块。它结合了API的灵活性和易于使用的图形界面。一旦指定了模型，用户就可以从目录树中选择几何和模拟输入和输出作为优化或其他研究的变量。

图13 FloEFD中pSeven集成模块 

在研究中，可以将FLOFD块连接到优化器或DOE块上，作为模拟驱动程序。

图14 FloEFD块连接到到优化器

 

有两个目标优化问题需要考虑，1.使电子模块的温度降到最小，2.降低系统的压降。此外，最大温差被限制为10%，以应对电子老化速度。

六个几何参数是不同的：椭圆销截面宽度，一行的距离和行之间的距离，行间的移动和销的圆锥角。优化设置如图15所示。

图15 优化器设置

pSeven具有SmartSelection heuristics模块.，可以从长列表中选择适当的算法及其设置。

在这种情况下，使用了基于代理的优化算法。它允许设置一个明确的评估预算。针对这个问题，模型运行次数设置为120次。

两个目标优化的结果是构建Pareto-Frontier（帕累托前沿）曲线。阻力与最大温度对比如图16所示。

图16 阻力与最大温度对比

Pareto-Frontier 曲线对于权衡研究是有用的，但是最终决定哪种配置是最好的取决于专业人士。

自动模拟还允许用户执行doe研究和创建响应的近似模型，可以在系统级分析中进一步使用，也可以用于解决优化问题，基本不需要任何代价。

图17 优化解决方案

为了给IGBT冷板性能建立近似模型，用实验平面的最优拉丁超立方体设计，生成了150点样本。用高斯过程(GP)算法建立模型，由SmartSelection heuristics自动选择，GP算法对噪声稳定并且本质上提供关于给定点处的误差的信息。

图18 问题变量

 极限温度与管道压降的关系如图17所示。尽管由于近似误差而产生了显著的散射，但附属物的总比降是可以看到的。请注意，近似模型可以导出到可执行的文件、MATLAB函数、FMI单元或EXCEL。

图19 最大温度和管道压降