(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211077509.7 (22)申请日 2022.09.05 (71)申请人 四川启睿 克科技有限公司 地址 610000 四川省成 都市中国 （四川） 自 由贸易试验区成都高新区天府四街 199号1栋33层 (72)发明人 莫小宝　贺静　郭梦婷　 (74)专利代理 机构 四川省成 都市天策商标专利 事务所(有限合 伙) 51213 专利代理师 胡慧东 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06F 30/28(2020.01) G06N 3/04(2006.01)G06F 113/08(2020.01) G06F 119/08(2020.01) G06F 119/14(2020.01) (54)发明名称 一种基于神经网络的冷却微通道的设计方 法 (57)摘要 本发明公开了一种基于神经网络的冷却微 通道的设计方法， 包括以下步骤： 确定流道设计 变量γ， 并设定初始值； 确定要 求解的计算域， 并 划分网格； 确定求解动量方程和能量方程； 确定 流场和温度场的边界条件； 将动量方程和能量方 程改为变分形式； 有限元求解变分方程； 根据求 解获得的速度场和温度场， 求解目标函数 J； 采用 Torch‑FEniCS， 利用反向自动微分法， 求解目标 函数关于坐标xy值的灵敏度； 判断是否达到收敛 条件， 如果是， 结束优化， 并输出流道优化结果； 如果否， 根据灵敏度利用神经网络更新设计变量 γ， 跳转到步骤6， 直至达到收敛条件， 并输出流 道优化结果。 该方法解决了微通道散热时流动阻 力和散热效果相互制约的问题。 权利要求书2页 说明书5页 附图2页 CN 115392088 A 2022.11.25 CN 115392088 A 1.一种基于神经网络的冷却微 通道的设计方法， 其特 征在于， 包括以下步骤： 步骤1： 确定流道设计 变量γ， 并设定初始值； 步骤2： 确定要求解的计算域、 液体入口、 出口位置及尺寸并划分网格， 网格划分为Nelx ×Nely个有限元 单元； Nelx： X 方向上单元数； Nely： Y方向上 单元数； 步骤3： 确定设计域内关于设计 变量γ， 压力P， 速度u和温度T的数 学模型； 步骤4： 确定设计域内流场和温度场的边界条件； 步骤5： 将上述动量方程和能量方程改为 其变分形式； 步骤6： 利用有限元法求 解变分方程； 步骤7： 根据求 解获得的速度场和温度场， 求 解目标函数J； 步骤8： 利用Torch ‑FEniCS类实现有限元方法和神经网络的连接， 利用反向自动微分 法， 求解目标函数关于坐标xy值的灵敏度； 步骤9： 判断是否达到收敛条件， 如果是， 结束优化， 并输出流道优化结果； 如果否， 根据 灵敏度利用神经网络更新设计变量γ， 跳转到步骤6， 直至达到收敛条件， 并输出流道优化 结果。 2.根据权利要求1所述的一种基于神经网络的冷却微通道的设计方法， 其特征在于， 步 骤1中所述变量代表材料类别， 表 示固体或者流体； γ取值范围为0～1， 0代表固体， 1代表 流 体。 3.根据权利要求1所述的一种基于神经网络的冷却微通道的设计方法， 其特征在于， 步 骤3中所述数 学模型为下列动量方程和能量方程： 式中： ρ 为流道中液体密度； u为速度矢量； P为压强； μ为流体动力粘度； Cp为比热容； T为 温度； Q为内热源； α(γ)为多孔介质中反渗透率， 由下列方程式决定： 式中： αmin为反渗透率的最小值， 取0Pa.s/m2； αmax为反渗透率的最大值， 取1 ×104～1× 107Pa.s/m2； q1为罚参数， 取常数， 范围为0.01～1； k(γ)为有效导热系数， 由下列方程式决 定： 式中： 其中ks为固体导热系数； kf流体导热系数； q2为罚参数， 取常数， 范围为0.01～1。 4.根据权利要求1所述的一种基于神经网络的冷却微通道的设计方法， 其特征在于， 步 骤4中所述的边界条件中流场边界条件包含入口速度， 流量或者压力， 出口压力， 壁面边界 条件包含滑移或者非滑移， 温度场边界条件包含入口温度或热量， 出 口包含温度或者流出 边界， 壁面包含绝热或者热流密度。 5.根据权利要求1所述的一种基于神经网络的冷却微通道的设计方法， 其特征在于， 步权　利　要　求　书 1/2 页 2 CN 115392088 A 2骤5中所述的动量方程和能量方程的变分形式分别为： 式中： v、 s和r分别为u、 P和T的试函数， 试函数定义于单元内部的、 坐标的连续函数； u为 速度矢量； P为压强； T为温度； Q 为内热源。 6.根据权利要求1所述的一种基于神经网络的冷却微通道的设计方法， 其特征在于， 所 述步骤6中有限元求 解采用FEn iCS有限元开源计算平台。 7.根据权利要求1所述的一种基于神经网络的冷却微通道的设计方法， 其特征在于， 所 述步骤7中所述目标函数J由三部分构成， J＝w1J1+w2J2+w3J3， J1为流道流动粘性耗散函 数， J2 为设计域平均温度， J3为设计域中流体域的体积约束函数， w1、 w2和w3分别为J1、 J2和J3的常 系数； J1可选用的函数 具体为： 流道流动粘性 耗散函数： 式中： μ为流体动力粘度； Ω为设计域； 设计域平均温度J2为： J2＝ ∫ΩTdΩ/ ∫Ω1dΩ 式中： T为设计域温度； 体积约束函数J3为： 式中： γ为设计 变量； V0为流体总体积； w1、 w2和w3都为一常数， 范围为0.0 001‑10000。 8.根据权利要求1所述的一种基于神经网络的冷却微通道的设计方法， 其特征在于， 步 骤9中所述收敛条件为目标函数值的相对变化量或迭代次数或设计变量中间值占比或者前 述条件的组合。 9.根据权利要求1所述的一种基于神经网络的冷却微通道的设计方法， 其特征在于， 步 骤9中所述神经网络包含输入层， 隐藏层和输出层， 输入层的输入为网格坐标信息， 隐藏层 神经网络的层数为m， 每层 包含n个神经元， 取值范围为正整 数， 每层包含激活函数， 前m ‑1层 的激活函数选自ReLU、 LeakyReLU、 ReLU6、 ELU、 PReLU、 SELU或CELU函数中的一种或多种， 最 后一层m层的激活函数取softmax或sigmoid函数， 输出层为设计变量γ， 优化方案采用梯度 优化算法， 采用Adam或L ‑BFGS优化器。权　利　要　求　书 2/2 页 3 CN 115392088 A 3