★ FEATURED ARTICLE 1. 为什么单一目标会翻车从温度最低到泵功失控做液冷板结构设计的人多半都经历过这样的场景客户给的散热指标很死——结温不许超过某个值热流密度年年往上走留给冷板的尺寸却一寸都不让动。于是我们本能地想到把流道做得越细越密换热面积越大温度不就压下来了结果仿真一跑温度确实漂亮但进出口压差高到泵根本选不出来或者流量分配不均匀到下游芯片直接热失控。问题出在哪出在我们把散热看成单目标问题只盯着温度场忽略了流动代价。拓扑优化恰好能把这个两难问题摆到台面上。它不像尺寸优化那样在固定流道形状里调宽度、调厚度而是把整个设计域划分成成千上万个单元让算法自己决定哪个位置该是流体、哪个位置该是固体。此时如果目标函数里只有让温度尽可能低这一项优化器会非常诚实地把流道搅成一片极其细碎的分支网络用最大的接触面积去换取最小的热阻代价就是泵功成倍往上翻。更麻烦的是这类解往往带有大量细长通道制造上也不现实。所以流热拓扑优化的关键就落在双目标函数上一边是热学性能比如平均温度或温度均匀性另一边是流动性能比如粘性耗散或泵功两者加权合成一个标量目标。算法在每一步迭代里都要掂量一下多铺一点流道带来的降温收益是否值得为此多付的流动代价。这样一来出来的流道形态是一种折中——它不追求单纯的温度最低而是在给定泵功预算内把温度压到尽可能低或者在给定温升指标内把压降做得尽可能小。我最早接触这个方向时用的是单一目标加体积约束的做法当时还觉得反正流道体积限制住了结构总归差不到哪去。结果发现体积约束只限制流道占多少空间完全不管流道好不好流。同样的体积分数可以生成一条顺畅的主干道加若干支路也可以生成一团密密麻麻的迷宫两者压降可能差一个数量级。从那以后我就认定了凡是涉及液冷板这类压降敏感的场景双目标函数不是锦上添花而是必需品。这篇博文我会把手上的项目完完整整梳理一遍从数学模型怎么定到COMSOL里怎么落地再到参数怎么调、坑怎么避最后聊几句从优化结果到可加工结构之间的那座桥。如果你正打算用拓扑优化做冷板设计或者已经跑起来但结果总是不太对劲这篇内容应该能帮你省下不少试错时间。2. 数学模型怎么定目标函数、设计变量和约束条件必须一次写对先说设计变量。流热拓扑优化里最常用的做法是给设计域内每个网格单元赋一个密度变量γγ1表示该单元是流体γ0表示该单元是固体。这个γ并不直接参与物理方程而是通过插值公式影响材料的等效属性——最常见的是影响Brinkman动量方程里的渗透率倒数项。换句话说我们不用真的去建模流道边界而是把流体域和固体域统一放进一套方程里靠γ值的空间分布来区分。COMSOL里的经典做法是启用Brinkman方程接口替代纯Navier-Stokes方程。Brinkman方程里多了一项阻力项形式大致是(μ/κ)u其中μ是动力粘度u是速度矢量κ是渗透率。当γ接近1流体κ取一个很大的值阻力项趋近于零方程退化成NS方程当γ接近0固体κ取一个很小的值阻力项大得让速度几乎归零这个单元就等于一块实心材料。关键在于κ和γ之间的插值形式这决定了优化过程的收敛性。核心公式套用SIMPL插值的形式κ(γ) κ_min (κ_max - κ_min) × (1 - γ^p)我把p称为惩罚指数。p1相当于线性插值中间灰度单元γ0.5的渗透率处在中间优化器会大量保留这类灰度单元来占便宜——既有一点流动又有一点导热目标函数值看起来很完美但生产上根本没法用。p取3到5中间灰度单元的渗透率会被压得很低算法就会自觉地把γ推向0或1两个极端。这个道理有点像你让一个人选偏咸还是偏淡如果中间态很舒服他一定站在中间不动只有把中间态做得很难受他才会明确站队。热学目标函数的选择也有讲究。很多人第一反应是让最高温度最小化但min(max(T))这种目标函数在拓扑优化里会带来严重的病态——它只看全局最热的那一个点而那个点的位置随迭代会跳来跳去导致灵敏度剧烈波动收敛极其困难。更稳的做法是取两种第一是体积平均温度让设计域整体温度降下来第二是温度标准差让温度场分布更均匀。后者在芯片级液冷里往往比前者更重要——因为芯片失效不只取决于绝对温度还取决于不同区域之间的温差造成的热应力。实际项目中我用的热学目标函数是两者的加权组合比如0.7倍标准差加0.3倍平均温度具体权重根据芯片的热敏感特性来定。流动目标函数常用的有两个选项一是总粘性耗散表达式是μ∇u:∇u的积分二是入口到出口的压差。粘性耗散的好处是它是一个全域积分量光滑性好灵敏度计算稳定压差则更直观、更贴近工程指标但它的灵敏度需要通过边界上的拉格朗日乘子来求实现起来繁琐一些。我最终选了粘性耗散作为流动目标换算成泵功再报告给决策者理由只有一个——稳定算得动。最后是约束条件。最基本的约束是体积分数上限比如流道体积不超过设计域的20%即∫γ dΩ ≤ V_max。除此之外我强烈建议加一个最小流道尺寸的控制一般通过密度滤波实现。做法是让真正的物理密度等于设计变量的加权邻域平均γ_physical (∫ w(x) γ_design(x) dx) / (∫ w(x) dx)滤波半径r_min直接决定了流道最细做到多粗。加了这一步之后优化结果里就不会出现0.1毫米宽的细长通道后期也好制造。还有流道分布的连通性约束COMSOL里没有现成的选项通常是靠边界条件保证进出口位置的连通「然后用合适的初始解去引导拓扑朝期望方向走」。3. COMSOL里的落地方案从物理接口、优化模块到灵敏度设置的完整链路我实际用的COMSOL版本支持优化模块里的拓扑优化框架配合CFD模块和传热模块。物理接口的设置顺序很关键少一步或者顺序不对后面灵敏度计算就会出现设计变量不影响任何目标的诡异情况。第一步几何建模。设计域按照预定尺寸建一个三维盒子进出口位置预先留好圆形或矩形截面。这里有个小细节不要把入口边界直接设置在垂直于设计域表面的小圆面上然后就让流体硬冲进一个突然扩大的区域——进口段最好预留一段长度作为非设计域让流动充分发展后再进入优化区域。不这样做的话优化器会在入口后方生成一大堆回流缓冲结构白白浪费体积分数实际性能还比不上留一个导流段的设计。第二步物理接口。层流接口用Brinkman方程它自带Darcy阻力项设置里面有一个渗透率参数你可以把它定义成上述关于γ的插值函数。传热接口用流体中的传热同时勾选固体中的传热让热传导同时发生在流体和固体两种材料属性之间靠γ值给等效导热系数插值。这里的插值形式是k_eff(γ) k_solid (k_fluid - k_solid) × H(γ)H(γ)是光滑化的Heaviside函数。注意不要用线性插值因为线性插值会把中间灰度单元的导热率控制在中间值这在物理上对应一种半导不导的臆想材料。更合适的做法是让H(γ)在γ接近1时才让流体导热占据主导这样能进一步挤压灰度单元。第三步边界条件。入口给质量流量或者平均速度出口给压力为0壁面默认无滑移文。热边界方面热源所在区域给一个恒定热流密度或者热功率密度其他外表面默认绝热。这里要特别当心如果你给的是恒定热流密度q那么目标函数里的温度标准差天然就是平均温度的均匀化算法确实会努力让热源位置下方的温度梯度变平缓但如果你给的是一个恒定热源温度边界那这个物理假设本身就违背了液冷板的实际工作方式——液冷板不是恒温源它是靠对流把热量带走的必须让热流通过壁面传递到流体。第四步定义设计变量。COMSOL里可以创建一个几何变量场作用域选定设计域控制方程接上前面提到的渗透率和热导率插值函数。注意设计变量的命名不要带空格或特殊字符后面灵敏度设置里逐个点名很麻烦。第五步优化求解。COMSOL的优化模块提供梯度类求解器核心是灵敏度分析默认支持伴随法。伴随法的逻辑是先把正向物理场解出来再解一个伴随场然后用伴随场的结果和正向场的结果做卷积得到每个设计变量对目标函数的梯度。相比有限差分法伴随法的计算量几乎不随设计变量个数增长所以几千到几万个单元的情况下都能在几十步迭代内完成。设置里核心选项有这么几个优化类型选梯度方法求解器建议用GCMMA全局收敛移动渐近线它对非线性约束的处理比MMA更稳不容易在迭代中途直接发散。设计变量上下界COMSOL默认允许在[0,1]之间连续变化不要提前设成离散值——让它在优化过程中自由找出最优拓扑最后再做阈值化和后处理。正则化这个很关键COMSOL里可以引入偏微分方程正则化替代简单的滤波平滑它能抑制棋盘格图案并保持流道尺寸可控。我实际用下来偏微分方程正则化各项同性、数值上更稳计算成本稍高但对于流热耦合问题值得加。还有个极易踩坑的地方目标函数里如果直接写成integral(T^2)或者integral(T)灵敏度表达式往往会非常复杂COMSOL的符号微分偶发问题。我的一个实用技巧是把平均温度和温度标准差作为两个全局目标探究节点分别定义再通过一个加权目标节点把它们线性组合起来。这样COMSOL对每个子目标单独求伴随灵敏度组合目标的灵敏度是加权叠加反而比让编译器直接对一个大表达式求导更稳定、更高效。4. 双目标权的用法不是拍脑袋先扫权、再看拐点、终选定很多人拿到双目标就纠结一个事两个目标函数怎么加权权重给多少才叫合理我见过最典型的做法是直接在目标表达式里写0.5 × 热目标 0.5 × 流动目标这其实就是拍脑袋出来的解往往既不够冷压降也降得不够多。正确打开方式是Pareto前沿扫描。先固定所有物理条件把热目标记为T_obj流动目标记为F_obj合成目标写成min: J w × (T_obj / T_ref) (1 - w) × (F_obj / F_ref)这里w从0到1之间取一系列值比如0.9、0.7、0.5、0.3、0.1每个w跑一轮完整优化。每次跑完后记录最终的T_obj和F_obj刻画出一条Pareto曲线。这条曲线通常呈L形开始从大w一侧热权重高慢慢减小w你会发现T_obj小幅增长F_obj却大幅下降等到某个拐点之后继续减小wF_obj几乎不再下降T_obj却急剧上升。那个拐点附近就是工程上最划算的工作点。为什么不能直接选中间值w0.5因为两个目标的数值尺度完全不同。温度可能是几十开尔文的量级粘性耗散可能是10的负几次方瓦特直接相加等于让流动目标被热目标淹没优化器只顾温度完全不管流动代价。所以归一化参考量T_ref和F_ref必须选好。我的经验是拿初始均匀设计比如全部做成一排平行直通道的温度目标和流动目标做基准分别除以各自的基准值让两个无量纲量都落在1附近再去做加权扫描。这样w的数值含义就直白了——w0.7就是我愿意承受0.7倍的归一化流动损失来换取少于0.3倍的归一化温度上升所有决策方都能听懂。我在某个模拟项目里设计域约150 mm×80 mm×3 mm总热耗200 W水流量0.5 L/min扫出来的曲线很典型权重w归一化平均温度归一化粘性耗散流道形态特征1.00.826.4高度分支密集细道0.80.872.7分支减少主通道初现0.60.921.5清晰主干道加少数支路0.41.101.1单一蛇形通道0.21.350.9极简通道换热不足从这张表能直观看到拐点在w0.6附近从0.8到0.6温度只升了5%左右粘性耗散却削掉了近一半再从0.6到0.4温度跳了接近两成流动收益却只剩0.4。所以既不是纯热主导也不是纯流动主导那个0.6对应的结构就是我们要的。顺便说一句Pareto扫描的计算成本确实不低因为每个w都是一轮独立的非线性优化。我的做法是先用粗网格比如把设计域切2万个体积单元扫一轮找拐点锁定w之后再换上加密网格跑高精度迭代。这样既省时间又能保证最终设计的分辨率属于性价比很高的路径。5. 迭代过程的真实状态与调参手记灰度问题、振荡问题、棋盘格问题这一节说说我在多轮迭代里踩过的坑和调参心得。拓扑优化看起来很自动化但它不是那种一路顺风算到底的事——你得学会看残差曲线和设计变量云图稍不对劲就停下来调整。最常见的现象是设计变量云图呈现大片的中间灰度值整个设计域看起来雾蒙蒙的既不是水又不是铝。原因通常是惩罚指数p太低或者滤波半径太小。p太低时中间灰度单元代价小优化器让设计变量停在0.4、0.6这种位置就够舒服了滤波半径太小则会让灰度集中在一个个小区域里形成糊状图。解决办法两个一起做把p从3提到5把滤波半径从1.5 mm提到2 mm甚至更大同时把约束拉紧一点。灰度率即设计变量落在0.1到0.9之间的单元比例能压到2%以下就说明结构快定型了。第二个常见问题是迭代振荡目标函数曲线像心电图一样一路抖动不收敛。根子通常出在两个地方一是入口流速给得太高或者雷诺数处于层流-湍流的临界区流场本身不稳定灵敏度的噪声自然就大。对付这个最直接的办法是把雷诺数降下来或者在上游预留一段充分发展的管道段让速度梯度在进入设计域之前已经平滑。二是伴随灵敏度在边界附近有奇异性特别是进出口位置的第一层网格处。这时候需要检查网格是否在进出口处加密了边界层网格的厚度够不够。我通常会在进出口面各加至少5层边界层网格增长率1.2能让灵敏度奇异性基本消失。第三个坑是棋盘格图案。优化结果里出现像小方块棋盘一样交替的流-固-流-固结构。这纯粹是数值上的伪解——它在物理上利用离散化误差把渗透率插值做成锯齿状宏观上根本没有真实的流道形态。治理方法首推偏微分方程正则化而不是简单的邻域平均滤波因为邻域平均滤波只平滑密度场棋盘格的边界依然能通过角点连接绕过约束偏微分方程正则化会主动惩罚高频空间振荡几乎可以将棋盘格彻底消灭。还有一个小问题是进出口附近的流道生长不良。优化器有时候会把进口处封成一层薄薄的固体或者让入口变成一根极细的喷嘴状通道。原因在于进口边界条件给的是速度边界而Brinkman方程里固体区域的阻力项会让速度迅速衰减如果进口处的设计变量初始值设成全1全部流体优化器为了让流动损失最小会倾向于把进口附近全部变成流体。这就导致入口段没有任何分流结构流体直挺挺冲进一个突然放大的区域回流涡流很大局部温度超目标。解决办法是给进口管道一个足够长的非设计域延伸段并让设计域内的初始γ值从0.6到0.8之间随机起步给优化器一点选择余地。关于初始解我还想多说一句。很多人习惯从全1全流体开始优化理由是给足流动空间。但全1意味着优化器要从一个完全均匀的流场慢慢长出固体岛屿来这一过程非常依赖体积约束的作用力方向很容易在早期陷入局部最优——固体块长在奇怪的位置流道弯曲程度超出预期。我后来改成从交叉横条形状初始解起步比如在0.6的均匀γ上叠加几条正弦条纹作为种子优化器会更快地朝流道分叉形态演化。这个技巧不是标准文档里的但对计算效率和最终结构质量有很大帮助。6. 从优化云图到可加工结构阈值化、流道抽取与再验证等拓扑优化收敛之后你手里拿到的东西其实是一堆密度数据——每个单元一个γ值。这些数据本身不是CAD模型甚至不是网格模型它只是一堆哪里更像流体的分布信息。把这个信息变成能送给机械工程师的结构还有最后一步收拾的功夫而且这一步做得不好前面所有优化成果都可能打折。第一步是确定阈值。选定一个γ_threshold比如0.5认为γ≥0.5的区域是流体通道γ0.5的区域是固体。把COMSOL的结果导出成STL或者VTK格式在CAD软件里用等值面抽取功能生成流道几何。阈值选多少不是固定的我的经验是拿优化结果里γ值的直方图来看如果双峰性明显一堆聚集在0.02附近、另一堆聚集在0.97附近选两者的谷底当阈值最合理如果双峰性不明显说明灰度问题没解决好你需要的不是调阈值而是回去重跑。第二步是流道光滑化。拓扑优化直接输出的等值面通常带有锯齿状的数值噪声特别是沿流道长度方向会出现轻微的搓衣板波纹。直接用这样的流道去仿真验证压降会比理想结果高出不少。所以需要在下游用曲线/曲面的重构功能重新拟合流道中心线和壁面轮廓设定最小曲率半径把锯齿抹平。这一步有人嫌麻烦但实测中光滑前后的压降可能相差10%~20%绝对不是可做可不做的事。第三步是重建整个模型。把光滑后的流道几何与冷板基体进行布尔运算生成真正的三维液冷板实体。然后对这块实体重新画网格用最常规的湍流模型或者层流模型取决于实际工况雷诺数进行一次完整的热-流仿真验证。此时用的边界条件和优化阶段必须完全一致比如同样的入口流量、同样的热源热流密度、同样的环境绝热假设。只有当重新仿真后的温度场和压降与优化目标值的偏差在可接受范围内时这份设计才算真正交付。对于可制造性也要多一句嘴。如果你们用的是微通道加工那么最小流道宽度、深宽比、拐角半径都有工艺下限如果用的是增材制造那么需要考虑的是流道内部的支撑结构怎么清除、是否允许倾斜角超过45度的流道。这些约束在拓扑优化阶段就应该作为滤波半径尺寸约束的一部分提前揉进优化里。否则等CAD重建后发现某个拐角半径0.15 mm、加工方根本做不到又得从拓扑优化重新跑起时间成本很高。我在某次项目中就吃过这个亏纯科研性质的优化没考虑加工约束得出来的流道有大量锐利转折和极细分支增材制造那边看着模型直摇头。后来不得不设置r_min1 mm的滤波半径重新优化流道形态反倒变得更整齐了压降少了8%散热性能只损失了不到3%。所以说约束不一定是坏事有时候制造约束恰好能帮优化器避开那种华而不实的最优质解。7. 几个值得尝试的扩展方向拓扑优化液冷板这个方向做到上面那一步已经能出实际方案了。如果还想着继续往下挖一点我个人觉得有这么几个值得尝试的扩展方向。第一个是进口流量非均匀设置。把单一的均匀入口改成多个不同流量、不同进口位置的组合。芯片群体发热量往往不均匀某个热点附近该多给流量冷区可以少给。把流量分配和流道拓扑放在同一个优化里做出来的方案往往比优化单一入口的情形能进一步压低热点温度本质上是从让流道适应固定来流升级成让流道和来流一起适应热源分布。第二个是变物性耦合。常规水冷假设水是常物性但在大温差或者高功率场景下粘度、导热率都会随温度变化流道拓扑也会因为这一层反馈而改变。变物性耦合的代价是非线性程度上升、优化难度变大、计算时间可能是常物性的三到五倍。如果你的工况温差不超过30℃其实没有必要强行上这个复杂度——工程上省下的那几个瓦特泵功不如把计算时间用来多扫两个权重点。第三个是瞬态工况。很多液冷板面向脉冲式热载荷比如功率在100 W和200 W之间以秒级周期切换。稳态优化出来的流道未必在瞬态峰值阶段表现得好这时候可以引入时间平均的温度目标做一次时间相关的拓扑优化。计算量确实会显著增加但如果有明确的动态负荷曲线这种方法的收益也相当直观。第四个是多冷板联合优化。服务器整机里有多个液冷板串联如果逐块单独优化串联流量分配本身又是一个问题。把整个冷却回路建成一个物理模型设计变量横跨多个冷板优化器会自动决定哪块板分到的流道更密、哪块板可以更稀疏。这个方法对算力的要求会翻好几倍但对整个系统的能效提升往往惊人。我个人目前主要在折腾的是第二个和第三个方向的结合带变物性的瞬态热载荷优化。说句实话这属于那种每一轮迭代都像坐过山车的课题——经常算到一半流场发散经常被灵敏度噪声折磨得想放弃。但每次看到优化器在脉冲热载荷下自己长出一种完全不同于稳态设计的流道形态时又会觉得这个方向确实还没有被研究透。如果你正准备用COMSOL做流热拓扑优化的液冷板设计建议就按我前面的路径走一遍先单目标找手感再上双目标扫描权重锁定拐点之后加密网格精算最后认真做几何后处理。这套流程虽然每一步都有各自的细节坑但已经是当前既稳定又高效的标准组合拳了。画网格的时候多点耐心跑优化的时候多盯云图变化相信你也能感受到流道从一团混沌里渐渐长出清晰脉络那种独特的成就感。
阅读完成 · 觉得有帮助？
