复合材料体系内部界面热阻确定方法技术

本发明专利技术涉及一种复合材料体系内部界面热阻确定方法，包括步骤：a.通过机器学习方法，得到输入参数和输出参数之间的定量关系结构模型，建立复合材料的定量关系结构模型；b.利用启发式遗传优化算法对上述定量关系结构模型的输入参数进行智能计算，将优化所得的参数回带到所述定量关系结构模型中得到与实验测试结果相吻合的计算结果，确定复合材料体系内部的微观界面热阻。利用本申请确定复合材料体系内的微观界面热阻成本低，操作简单，获得的数值准确。值准确。值准确。

【技术实现步骤摘要】
复合材料体系内部界面热阻确定方法


[0001]本专利技术涉及一种复合材料体系内部界面热阻确定方法。

技术介绍

[0002]5G时代高速的信息处理和大功率与大面积LED等的应用，将在电子器件内部产生大量的热量，从而严重影响器件的性能和寿命。解决器件散热问题的一种有效的方法就是在芯片和散热器之间填充一层具有高导热系数和良好可压缩性的热界面材料以降低接触热阻。在高分子中添加具有高导热系数的球形颗粒是热界面材料(导热凝胶)最常见的选择，合理的选择填料并调配填料和聚合物基体的比例在学术和电子封装领域方面都具有重要意义。
[0003]在复合导热凝胶材料体系中，界面热阻是影响体系导热性能的关键因素之一，其中包括颗粒与基体间以及颗粒与颗粒之间的界面热阻。一方面来说，对于导热凝胶材料的填充设计，最常用的手段之一是利用数学方法建立计算模型和计算机模拟的方法，如此就对数学模型及计算方法提出了很高的要求，需要对界面热阻的数值进行精准的测定。另一方面来讲，通过改变填料与基体间的相容性等方法改善导热凝胶体系内部的填料与基体的不良界面作用可以有效的提高导热能力，这也要求对界面热阻有定量的测定和表征方式。
[0004]对于微观尺度的界面热阻的确定十分困难，目前基于实验的方法以使用3ω法和TDTR(Time
‑
Domain ThermorReflectance，时域热反射测量系统)为主；而模拟的方法主要是基于分子动力学与高通量计算的研究。
[0005]上述提到的两种实验方法需要在聚合物材料表面镀金属电极或金属薄膜，而这会影响薄膜本身的结构、导电和导热属性，因此测量结果不准确。当前，随着TDTR技术的发展，尽管有利用TDTR等测试手段的学术报道，但仅针对特定的材料体系，其高昂的实验成本和实验难度使该方法当前很难进行推广。而从模拟的角度来说，利用高通量筛选的方法计算界面热阻计算成本高，原理复杂并且效率很低。

技术实现思路

[0006]有鉴于此，有必要提供一种复合材料体系内部界面热阻确定方法。
[0007]本专利技术提供一种复合材料体系内部界面热阻确定方法，该方法包括如下步骤：a.通过机器学习方法，得到输入参数和输出参数之间的定量关系结构模型，建立复合材料的定量关系结构模型；其中：所述输入参数包括：颗粒、基体的热导率和颗粒
‑
基体界面热阻、颗粒
‑
颗粒界面热阻；所述输出参数包括：导热系数；b.利用启发式遗传优化算法对上述定量关系结构模型的输入参数进行智能计算，将优化所得的参数回带到所述定量关系结构模型中得到与实验测试结果相吻合的计算结果，确定复合材料体系内部的微观界面热阻。
[0008]具体地，该方法在步骤a之前还包括：
[0009]设计标准试样并进行制备，并利用相关仪器对其导热系数进行测试。
[0010]具体地，所述步骤a包括：
[0011]针对每一个结构模型，对其宏观导热系数进行以颗粒热导率、颗粒
‑
基体界面热阻、颗粒
‑
颗粒界面热阻为输入参数，在合理区间内进行数据选择的高通量计算并将得到的数据形成数据库，进而利用机器学习的方法对产生的数据集进行模型建立，获得导热系数和输入参数之间的关系模型。
[0012]具体地，所述步骤b包括：
[0013]步骤S31，将得到的定量关系结构模型转化为优化的目标函数；
[0014]步骤S32，生成初始种群；
[0015]步骤S33，将优化后的目标函数作为适应度函数计算每个个体的适应值；
[0016]步骤S34，选择操作；
[0017]步骤S35，交叉操作；
[0018]步骤S36，变异操作，及模拟退火的算法得到体系内部微观界面热阻。
[0019]具体地，所述步骤S31包括：
[0020]将得到的定量关系结构模型转化为优化的目标函数，其优化模型如下：
[0021][0022]其中，x为界面热阻输入参数，k
i
代表结构模型导热系数与输入参数之间的关系，代表结构模型在实验测试下所得的热导率，m、n、l都是正实数。
[0023]具体地，所述步骤S32包括:
[0024]采用二进制编码方式生成一族染色体集合，即初始种群的大小，初始种群个体数以及个体染色体的长度根据实际情况给定，并随机生成初始种群。
[0025]具体地，所述步骤S33包括：
[0026]采用如下公式对染色体个体进行二进制解码，使得每一个个体都对应到合理区间中的一个数，将优化后的目标函数作为适应度函数计算每个个体的适应值：
[0027][0028]其中，k表示变量的长度。
[0029]具体地，所述步骤S34包括：
[0030]依据每一代种群每个个体的适应值，挑选出适应值最高的优良个体以此形成新的种群，在整个搜索过程中采取精英保存策略以使种群中产生更多优良个体，整个选择操作方式采用通常的轮盘赌以及竞标赛方式。
[0031]具体地，所述步骤S35包括：
[0032]采用单点交叉或多点交叉的方式从种群中随机选择两个个体互换各自部分染色体形成两个新的染色体替代原有的染色体，以此形成新的种群。
[0033]具体地，所述步骤S36包括：
[0034]采用单点变异或多点变异方式以产生更优秀的个体；
[0035]在变异操作之后融入模拟退火的算法以确保整个遗传搜索过程不会陷入局部极
值，从而确定体系内部微观界面热阻。
[0036]本专利技术能够同时解决实验测定的局限性与高通量筛选效率低的问题。本专利技术首次提出将遗传优化算法对复合材料体系中的界面热阻进行测定，实现了通过宏观计算推导微观参数。利用本专利技术确定复合材料体系内的微观界面热阻成本低，操作简单，获得的数值准确。
附图说明
[0037]图1为本专利技术复合材料体系内部界面热阻确定方法的流程图；
[0038]图2为本专利技术实施例提供的遗传优化算法的流程示意图。
具体实施方式
[0039]下面结合附图及具体实施例对本专利技术作进一步详细的说明。
[0040]请参阅图1，是本专利技术复合材料体系内部界面热阻确定方法较佳实施例的作业流程图。
[0041]本实施例选取高导热颗粒作为填料的热界面材料的宏观热导率进行说明，其他导热凝胶材料亦可参照本实施例进行：
[0042]步骤S1，设计标准试样并进行制备，并利用相关仪器对其导热系数进行测试。
[0043]步骤S2，通过机器学习方法，得到输入参数和输出参数之间的定量关系结构模型。也即，建立高导热颗粒填充材料的定量关系结构模型。其中：所述输入参数包括：颗粒、基体的热导率和颗粒
‑
基体界面热阻、颗粒
‑
颗粒界面热阻；所述输出参数包括：导热系数。
[0044]具体包括：
[0045]针对每一个结构模型，对其宏观导热系数进行以颗粒热导率、颗粒
‑
基体界本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复合材料体系内部界面热阻确定方法，其特征在于，该方法包括如下步骤：a.通过机器学习方法，得到输入参数和输出参数之间的定量关系结构模型，建立复合材料的定量关系结构模型；其中：所述输入参数包括：颗粒、基体的热导率和颗粒
‑
基体界面热阻、颗粒
‑
颗粒界面热阻；所述输出参数包括：导热系数；b.利用启发式遗传优化算法对上述定量关系结构模型的输入参数进行智能计算，将优化所得的参数回带到所述定量关系结构模型中得到与实验测试结果相吻合的计算结果，确定复合材料体系内部的微观界面热阻。2.如权利要求1所述的复合材料体系内部界面热阻确定方法，其特征在于，该方法在步骤a之前还包括：设计标准试样并进行制备，并利用相关仪器对其导热系数进行测试。3.如权利要求2所述的复合材料体系内部界面热阻确定方法，其特征在于，所述步骤a包括：针对每一个结构模型，对其宏观导热系数进行以颗粒热导率、颗粒
‑
基体界面热阻、颗粒
‑
颗粒界面热阻为输入参数，在合理区间内进行数据选择的高通量计算并将得到的数据形成数据库，进而利用机器学习的方法对产生的数据集进行模型建立，获得导热系数和输入参数之间的关系模型。4.如权利要求3所述的复合材料体系内部界面热阻确定方法，其特征在于，所述步骤b包括：步骤S31，将得到的定量关系结构模型转化为优化的目标函数；步骤S32，生成初始种群；步骤S33，将优化后的目标函数作为适应度函数计算每个个体的适应值；步骤S34，选择操作；步骤S35，交叉操作；步骤S36，变异操作，及模拟退火的算法得到体系内部微观界面热阻。5.如权利要求4所述的复合材料体系内部界面热阻确定方...

【专利技术属性】
技术研发人员：鲁济豹，程壮，陆晓欣，孙蓉，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：