MétaCan
Menu
Retour à la cohorte
Enregistrement W2998242779 · doi:10.2514/6.2020-2263

Topology Optimization of Heat Sinks for High Efficiency Electronics Employing Simplified Convection Model

2020· article· en· W2998242779 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAIAA Scitech 2020 Forum · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueTopology Optimization in Engineering
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésHeat sinkForced convectionThermal conductionHeat transferConvectionMechanical engineeringTopology optimizationElectronicsElectronic componentNatural convectionHeat transfer coefficientElectronics coolingThermal resistanceComputer scienceTopology (electrical circuits)MechanicsMaterials scienceEngineeringThermodynamicsPhysicsElectrical engineeringFinite element method

Résumé

récupéré en direct d'OpenAlex

Electronics packaging relies heavily on thermal performance, or more specifically on the heat dissipation from electronic components to the environment, in order to increase the power capability and/or to prevent damage from overheating. Heat sinks are the most common method used to dissipate thermal energy from electronic components, utilizing both conduction and convection. The thermal performance of heat sinks can be improved using topological optimization methods. Heat sink designs can be optimized to extract heat energy more efficiently, thus increasing the capability of the product and/or the lifetime of the component by preventing heat related damages. In this study, passively cooled heat sink design optimization is performed employing a design-dependent simplified convection model for topology optimization, which assumes a uniform convection heat transfer coefficient on the surface of the structure. The design-dependent nature of this coefficient prevents the development of invalid or undesired solutions. As the optimization process iterates the design, the fluid-structure interface defining the convection boundary must be updated to reflect any changes in the design. Without this process, the convection becomes independent of the design, producing results that may not be favorable and would be more suited for conduction solely. This simplified analysis method significantly reduces the computational time and cost in comparison to a full Navier-Stokes or computational fluid dynamics approach. The optimization is implemented in SIMULIA-Tosca, which performs an adjoint sensitivity analysis and uses a gradient-based optimizer to search for an optimized design. Once the optimization process satisfies the convergence criteria, the final performance is verified through thermal analysis in SIMULIA-Abaqus. Several optimized designs are generated in this study, by varying manufacturing and volume constraints. The best performing optimized design in this paper resulted in a 24% reduction in maximum temperature, corresponding to a 41% increase in thermal efficiency compared to a traditional state-of-the-art finned heat sink design.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,940
Score d'incertitude au seuil0,962

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,217
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle