Optimization of Fin Arrays Cooled by Forced or Natural Convection

Abstract

Electronic components must be cooled to maintain their operating temperatures below the specified limits. If the maximum permissible limit of a component is exceeded, its service life decreases considerably. With increasing power densities in recent decades, the use of heat sinks to improve component cooling has become virtually mandatory in many applications. However, designing a heat sink, which optimally compromises its material weight and its heat transfer performance, is a difficult task because the result depends heavily on its geometrical structure and its operating conditions.<br/><br/>In this thesis, a fast way to optimize industrial heat sinks with a fixed set of heat dissipating components is presented. In a typical optimization case, several hundred temperature field evaluations are needed to find the optimal geometry. These evaluations consume a lot of CPU time if done with conventional CFD. The main objective of this thesis is, therefore, to present a new calculation model, which can handle these temperature field evaluations in a much shorter time. In the model, the speedup is obtained by replacing the slow 3D CFD -solution of air velocity and temperature distributions with 1D solutions for the mean values of these distributions, where convective heat transfer and shear stress are calculated from analytical correlations. A complete 3D numerical solution is only performed for the solid temperature field. These modifications make the new model at least a thousand times faster than CFD.<br/><br/>The calculation model is then tested for accuracy in many test cases, where its results are compared to those calculated with CFD and analytical solutions. These comparisons ensure that the model operates with the precision needed for optimization to predict the maximum temperature of the components. This is important because, in optimization, the maximum temperature of the components is the most crucial quantity.<br/><br/>After accuracy testing, the use of the model as part of an efficient multi-objective optimization algorithm is demonstrated in many distinct cases. Instead of just one optimal solution, multiobjective optimization results in a set of best compromise solutions, called the Pareto optimal set, according to the chosen criteria. Usually, the optimization criteria are the maximum temperature of the components and the weight of the material, or the external volume, of the heat sink. A wellperformed optimization can allow a significant reduction of the solid material used. In the heat sink manufacturing industry, the potential for total savings in material, energy, and CO2 emissions is significant as the global market size of thermal management technology is vast.

Elektroniset komponentit tarvitsevat jäähdytystä, jotta niiden käyttölämpötilat pysyvät sallittujen raja-arvojen sisällä. Mikäli sallitut käyttölämpötilat ylitetään, komponenttien käyttöikä laskee merkittävästi. Haasteena onkin, että komponenttien tehotiheydet ovat kasvaneet merkittävästi viime vuosikymmeninä, jolloin niiden lämmönpoisto vaatii käytännössä jäähdytyspinta-alan kasvattamista jäähdytysrivastojen avulla. Optimaalisen jäähdytysrivaston suunnittelu ei ole kuitenkaan helppoa, koska sen geometrinen rakenne, ja käyttöympäristö, vaikuttavat sen lämmönsiirtotehoon.<br/><br/>Tässä työssä esitetään nopea metodi tietyn komponenttijakauman jäähdyttämiseen tarkoitetun jäähdytysrivaston optimoinnille. Optimoinnissa vaaditaan yleensä vähintään satojen erilaisten rakenteiden lämpötilajakaumien laskeminen, jotta löydetään optimaalinen geometria. Nämä laskennat kuluttavat paljon CPU-aikaa, jos ne tehdään virtauslaskennalla (CFD). Ratkaisuna tässä työssä esitetään nopea laskentamalli, joka suoriutuu lämpötilakentän laskennasta huomattavasti CFD:tä nopeammin. Laskentamallissa hyödynnetään nopeita 1D-ratkaisuja ilmavirtauksen keskimääräisille nopeus- ja lämpötilajakaumille, ja niillä korvataan CFD:n yksityiskohtaisemmat ilman nopeus- ja lämpötilajakaumien 3D-ratkaisut. Ainoastaan jäähdytysrivaston lämpötilakenttä ratkaistaan kolmiulotteisesti. Näillä muutoksilla uusi laskentamalli on yli tuhat kertaa CFD:tä nopeampi jäähdytysrivaston lämpötilakentän laskennassa.<br/><br/>Laskentamallin soveltuvuutta optimointiin testattiin vertailemalla sillä laskettuja arvoja analyyttisiin laskentoihin, CFD-laskentoihin ja kokeellisiin tuloksiin. Laskentamallin antamat tulokset komponenttien maksimilämpötiloille poikkesivat alle 10 % vertailuarvoista kaikissa testitapauksissa. Tulos oli hyvä, koska maksimilämpötilan tarkka laskenta on tärkeää optimoinnin onnistumisen kannalta.<br/><br/>Laskentamallia käytettiin maksimilämpötilojen määrittämiseen monitavoitteisessa optimoinnissa, jossa etsitään matemaattisesti parhaat kompromissit, Pareto optimaaliset ratkaisut, valittujen kriteerien mukaan. Useimmiten optimointikriteerit ovat komponenttien maksimilämpötilat, rivaston massa ja ulkotilavuus. Optimoinnin avulla voidaan saavuttaa merkittäviä materiaalisäästöjä. Esimerkiksi tyypillisessä tämän työn tapauksessa jäähdytysrivaston massaa saatiin vähennettyä noin 50 %. Koska kansainvälisten markkinoiden koko tehostetulle lämmönsiirrolle on valtava, optimoinnilla voidaan saavuttaa merkittäviä kokonaissäästöjä materiaalin ja energian kulutuksessa sekä CO2-päästöissä.<br/><br/>