一種led散熱器結構參數的雙目標綜合優化設計方法
【技術領域】
[0001] 本發明屬于電子設備的封裝散熱技術領域，尤其涉及一種將正交試驗法和遺傳算 法相結合的對LED散熱器的結構參數進行優化而同時達到兩個設計目標綜合最優的設計 方法。
【背景技術】
[0002] 大功率LED擁有低功耗、長壽命、體積小、響應迅速等一系列顯著的性能優勢，隨 著其在多個照明領域的廣泛應用，LED燈具已成為一種有望替代白熾燈、熒光燈和鹵素燈等 傳統光源的新型照明產品。但由于LED屬于熱敏感型器件，若缺乏有效的散熱措施而使熱 量積累在芯片處，將直接導致結溫的迅速上升，不僅能引起熱應力的非均勻分布，加速芯片 老化，嚴重縮短器件壽命，還能引起光譜偏移，以及顯著降低出光強度和熒光粉激射效率等 工作性能。因此，為保證LED燈具的各項優勢性能，必須提升LED的散熱性能以盡可能地降 低其芯片結溫。
[0003] 在提升LED散熱性能的措施中，通過采用高導熱性封裝基板、高效熱界面填充材 料、蒸汽腔以及熱管等新型技術，均可以顯著提升LED芯片至散熱器的熱傳導能力。但傳導 出的熱量最終還是需要通過散熱器的肋片表面與外界空氣間的熱對流形式排散出LED燈 體，因此經散熱器的對流傳熱過程是決定總體散熱能力高低的重要的最終環節。然而長期 以來，工程實際中往往僅關注如何設計出符合散熱要求的散熱器，通常以增加散熱器的外 表面積作為首選方案，但極易導致散熱器的重量、體積及制造成本的增加，而且過多的肋片 還會阻塞空氣流動，并非能達到預期的散熱效果。因此，以降低芯片結溫為設計目標的同 時，還應該將散熱器的重量、體積或制造成本等納入到散熱設計的綜合指標范疇加以考慮， 從而使經過優化的結構參數在兩個設計目標上實現綜合最優。
[0004] 為了實現包含LED芯片結溫在內的雙目標綜合優化，張琦和莊四祥等人都在 ANSYS有限元軟件中完成參數化建模及熱分析的基礎上，采用正交試驗法對大功率LED路 燈的散熱結構實施了優化。雖然兩項研究的優化結果均使芯片結溫和散熱器重量同時得以 降低，但在結溫與重量之間如何實現合理權衡，尚未提供具體的指導性方法。此外，正交試 驗法要針對結構參數選取具有典型代表性的參數水平來安排實驗方案，使方案中各種參數 的水平組合所對應的設計目標值在解空間內處于離散分布狀態。由于這些水平組合之間的 不連續性，很難實現在綜合優化目標函數的解空間內的全局尋優，容易遺漏優化效果更好 但在正交方案中并未列出的參數水平組合。
[0005] 遺傳算法同樣可以完成LED燈具的雙目標綜合優化，蘇華禮等人推導了強迫風冷 情況下的散熱器熱阻表達式，并以熱阻最小化為目標，采用遺傳算法完成了初步優化，然后 維持設計風速恒定而減小散熱器尺寸，實現了散熱器體積的縮小。但是，該方法并沒有對散 熱器的熱阻和體積進行同步的綜合優化，后續實施的體積縮小的優化過程，往往會使之前 的熱阻優化的結果偏離最小值，因此不能獲得兩種設計目標的綜合最優。李運澤等人在發 明專利（【申請號】200910080867. 1)中公開了一種采用遺傳算法對針狀肋片散熱器在兩個 方向上的肋片間距實施優化的方法，旨在獲得溫度變化時間常數和散熱器的壓降損失達到 綜合化最低的設計目標。這一專利方法雖然為雙目標綜合優化提供了完整可行的實施方 案，但由于遺傳算法能實現全局尋優的前提是：必須建立包含各項設計目標和優化變量的 連續性數學方程作為遺傳算法的綜合優化目標函數，在綜合優化目標函數的建立中，該專 利方法和蘇華禮等人都采用了相同的思路，即：通過傳熱學的理論計算式或實驗關聯式推 導得到。然而，理論計算式僅適合描述理想情況下具有規則形貌的散熱器，實驗關聯式也只 能用于使用環境和考察工作范圍與實驗條件相一致的散熱情況，且散熱器的形貌也往往比 較規則，而針對LED中廣泛使用的具有復雜形貌的散熱器，其綜合優化目標函數將無法選 擇適合的理論計算式或實驗關聯式進行描述。
【發明內容】
[0006] 本發明的目的在于解決上述的技術問題而提出一種LED散熱器結構參數的雙目 標綜合優化設計方法，通過響應曲面法準確建立綜合優化目標與待優化結構參數之間的連 續性函數關系，將正交試驗法和遺傳算法合理地結合在一起使用，能夠針對復雜形貌散熱 器的結構參數在綜合優化目標函數的解空間內完成全局尋優，獲得包含提升LED散熱性能 在內的雙目標綜合優化的Pareto最優解，從而根據散熱器設計目標的實際需求，快速確定 各結構參數設計值的最優組合，有效提高散熱器的散熱效率，并大幅縮短研發周期，節省產 品在設計、制造和應用等環節中的成本。
[0007] 為實現上述目的，本發明采用如下技術方案：
[0008] -種LED散熱器結構參數的雙目標綜合優化設計方法，包括以下步驟：
[0009] (1)選定實施優化的兩個單一設計目標的單一目標函數FJPF2;
[0010] (2)確定對每個單一目標函數具有影響的散熱器待優化結構參數Xn及約束范圍 [Xn \ 的編號N = 1，2,. . .，η，η為待優化結構參數的數量；
[0011] (3)選擇正交試驗法中的正交表，根據選定的正交表的水平數m，在所述約束范圍 內從小到大平均分配各種待優化結構參數水平值X N(M)，水平值編號M = 1，2, ...，m， 其中編號為N的待優化結構參數Xn的第M個水平值為：
[0013] 按照待優化結構參數Xn的編號順序依次將待優化結構參數X 水平值X N (M)填 充到的正交表中列序靠前的各個因素列，形成所述正交表的實驗方案；
[0014] (4)以所述正交表中分配的待優化結構參數Xn的一組水平組合作為所述實驗方案 的一組實驗參數，通過熱性能仿真計算得到第K組實驗的單一目標函數F 1 (K)的數值，并按 預設方法得到第K組實驗的另一單一目標函數F2 (K)的數值，K為實驗編號K = 1，2, ...，k ;
[0015] (5)按照所述正交表安排的實驗編號順序，分別構建出待優化結構參數Xn的水平 組合矩陣X、單一目標函數F 1的數值矩陣F i和單一目標函數F 2的數值矩陣F 2:
[0016]
[0017] (6)對水平組合矩陣X中的元素 Xkn (M)在各自對應的待優化結構參數約束范 圍內實施歸一化處理，得到的歸一化水平組合矩陣中的元素 xKN (M):
[0019] 按照水平組合矩陣X中對應的元素排列，將元素 Xkn(M)組成歸一化水平組合矩陣 X ：
[0021] 其中，歸一化水平組合矩陣X中的每一列均對應于一個歸一化的待優化結構參數 XN的取值，XN腳標N為待優化結構參數的編號；歸一化處理后，xNe [0, 1]，即[0, 1]為歸一 化后的待優化結構參數Xn的約束范圍；
[0022] (7)通過響應曲面法擬合得到單一目標函數FJP F2分別與歸一化的待優化結構 參數Xn之間的函數關系式：
[0024] 其中，a。，B1, &1」為F i的函數關系式的待定系數，b。，Id1, 1^為F 2的函數關系式的待 定系數；將待定系數按照順序分別組成匕和F 2函數關系式的待定系數矩陣A和B :
[0027] 其中，T表示矩陣的轉置，即：A和B的維度相同，行數為l+n+[n(n+l)/2]，列數為 1 ;矩陣A和B中待定系數的數值分別由下式計算得到：
[0028] A = (CtC) 1CtF1, B = (CtC) 1CtF2,
[0029] 其中，矩陣C用元素1和歸一化水平組合矩陣X中的元素 Xkn(M)及其乘積形式組 成：
[0031] 其中，將Xkn(M)簡化表示成xKN;C的行數為k，列數為l+n+[n(n+l)/2];
[0032] (8)將步驟（7)中確定的待定系數的單一目標函數匕與X1, X2，…，xn之間的函數 關系式編寫在MATLAB軟件的一個M文件中，通過MATLAB軟件的遺傳算法工具箱實時調用 并分別計算得到匕在x N的約束范圍[0，1]內的全局最小值Flniin和全局最大值Flniax;同理 計算得到匕在X N的約束范圍[0, 1]內的全局最小值F 2 _和全局最大值F 2
[0033] (9)將步驟（7)中確定的待定系數的單一目標函數FjP X X2，…，Xn之間的 函數關系式分別代入下式進行歸一化處理，
[0035] 獲得歸一化的單一目標函數匕和f 2與X i，X2，…，Xn之間的函數關系式；
[0036] (10)設置歸一化的單一目標函數f JP f 2在雙目標綜合優化目標函數F中分別對 應的權重系數ω JP ω 2，將步驟（9)中得到的匕和匕的函數關系式代入到下式，得到雙目 標綜合優化目標函數F與Xl，X 2，…，Xn之間的函數關系式：
[0037] F=〇 Jf1+ ω 2f2,
[0038] 其中 ω# [0, 1]，ω [0, 1]，且 ω ^co2= I ;
[0039] (11)將步驟（10)確定的雙目標綜合優化目標函數F的函數關系式編寫在MATLAB 軟件的一個M文件中，采用與步驟（8)參數設置相同的遺傳算法工具箱優化獲得F在歸一 化的待優化結構參數xN的約束范圍[0，1]內的一組或多組Pareto最優解，每一組中均含 有多個Pareto最優解；
[0040] (12)將步驟（11)得到的每一個Pareto最優解所對應的歸一化的待優化結構參數 xN的一組優化取值代入到步驟（7)中得到的單一目標函數FJPF 2分別與歸一化的待優化 結構參數的函數關系式，計算出每一個Pareto最優解對應的單一目標函數F JP F2 的優化結果；將每一個Pareto最優解對應的歸一化的待優化結構參數~的一組優化取值 代入到下式：
[0041 ] Xn - X N