Icepak中的子模型技术_51CAE_新浪博客

2024-04-21 01:38

本文主要是介绍Icepak中的子模型技术_51CAE_新浪博客,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

唐深 51CAE

背景介绍 
一般来说,更精细的网格,可以获得更加精确的分析结果。因此,实际工程分析中,往往需要平衡计算精度与计算时间,尤其是一些大型复杂装配体的分析问题。如果采用较大的网格尺寸,可能难以保证结果精度;如果采用较小的网格尺寸,又可能导致模型单元节点数量太多,计算机求解将耗费较多时间甚至无法求解。这个时候,我们可以考虑在分析中应用子模型技术。

子模型

子模型通常是用来在原模型基础上获取更为精确结果的一种方法,即从已分析的模型上截取部分区域,对该区域的网格进行细划后进行二次分析,从而得到更为精确的结果。 如下图所示为轮毂和轮辐的子模型示例,左侧为网格密度较大的粗糙模型,右侧为网格细化后的子模型。

子模型技术广泛应用于机械结构力学分析,其实Icepak电子产品热分析也可以采用子模型技术。

问题描述 

如图所示,一个简化后的机架装配模型,底部是6个风扇,内部插槽一共有10个PCB组件,每个PCB组件包括一个PCB板和一个发热板。通常情况下,PCB作为承载板,各种电子元器件都是安装于PCB板上,本例将众多电子元器件简化为一个发热板,并与PCB板贴合,发热板的热功耗为30W。

 

第一步 整体分析

设置发热板的热功耗,定义风扇的P-Q曲线,以及各村料的导数参数,选择合适单元大小并采用Mesher-HD网格划分器对模型进行网格划分。本例中包含风扇主动散热,因此不考虑幅射和重力的影响。求解选项,采用 Zero Equation 湍流求解器同时求解热和流体变量。

风扇的流体轨迹如下图。

 

第二块发热板的温度分布如下图。

 

第二步 创建子模型

通过前面的整体分析,我们已经获得各PCB组件周围的流速等数据,下面将对第二个PCB组件建立子模型,如下图。

 

再拖放一个Icepak模板到Workbench工作面板,读入子模型文件IcepakProj.zoom_in。

 

此时,子模型显示如下图。

 

下面,我们将之前的简化发热替换成详细的电子元器件模型,如下图。

 

替换成详细电子元器件后重新求解,温度分布云图如下图。


小结

在对一些较为复杂的电子产品整机热分析时,若是期望一次性获得准确的分析结果,那么需要建立详细的分析模型,并对关心区域以及热源区域的网格作细化处理,必将导致整个模型的单元节点数量巨大,计算机耗费较多的求解时间甚至无法求解。特别是在早期试算阶段,每一次计算都会耗费较长的时间。此时,可以先整体分析获得系统的流场结果,再应用子模型技术对目标区域进行详细分析,以获得更为精确的结果。


这篇关于Icepak中的子模型技术_51CAE_新浪博客的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/921860

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

【专题】2024飞行汽车技术全景报告合集PDF分享(附原数据表)

原文链接: https://tecdat.cn/?p=37628 6月16日,小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞,这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示,公司准备量产,并计划今年四季度开启预售小鹏汇天分体式飞行汽车,探索分体式飞行汽车城际通勤。阅读原文,获取专题报告合集全文,解锁文末271份飞行汽车相关行业研究报告。 据悉,业内人士对飞行汽车行业

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

金融业开源技术 术语

金融业开源技术  术语 1  范围 本文件界定了金融业开源技术的常用术语。 本文件适用于金融业中涉及开源技术的相关标准及规范性文件制定和信息沟通等活动。

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU