【技術實現步驟摘要】
本專利技術屬于半導體器件設計領域，特別是涉及一種半導體制冷器件智能設計方法。
技術介紹
1、熱電轉換技術利用半導體材料實現熱能和電能之間直接相互轉換，用于冷卻、加熱和收集廢物的熱能，具有體積小、可靠性高、無污染排放、使用溫度范圍廣等特點，作為一種綠色新能源技術和環保型制冷技術，在特種電源、太陽能高效熱電-光電復合發電、高精度溫控與制冷等領域具有重要的應用價值。
2、半導體制冷片在應用中多是面向特定應用場景進行定制化設計，屬于多品種小批量制造模式。傳統的設計方法多是依據經驗形成初步設計，再制造樣進行試驗驗證，往往需要經過多個反復才能設計出應用場景要求的制冷片設計方案，設計周期較長，而且難以達到成本、性能等多目標優化目的。
3、因此，如何實現一種利用計算機的數字化智能化設計方法，是本領域重要的技術焦點。
技術實現思路
1、有鑒于此，本專利技術要解決的技術問題在于提供一種半導體制冷器件智能化設計方法，本專利技術通過構建多個虛擬模型，利用多物理場仿真技術進行虛擬實驗，再利用機器學習方法形成智能設計模型，實現有設計目標到設計參數的智能化方案推薦，提升半導體制冷器件的設計效率。
2、本專利技術提供了一種半導體制冷器件智能設計方法，包括如下步驟：
3、s1:確定制冷陶瓷片尺寸，構建制冷片屬性備選庫；
4、s2：利用有限元計算，仿真隨機屬性參數組合制冷陶瓷片對應的物理屬性；
5、s3：基于輸入的物理屬性訓練神經網絡，得到訓練后
6、s4：利用訓練后的模型輸出指定制冷片物理屬性組合對應的設計參數組合。
7、進一步地，s1具體為：
8、制冷陶瓷片厚度d、寬度w，建立熱電臂截面寬度數組l[i]，熱電臂高度數組h[n]，熱電臂間距數組w[j]，熱電臂對數數組n[k]，銅電極厚度數組t[l]，熱電臂與銅電極邊緣的距離d[p]，散熱器熱阻數組rh[m]；
9、進一步地，s2具體為：
10、將s1中各數組內的數值進行隨機組合，得到若干個模型，并分別建立半導體制冷器件力電熱耦合有限元模型，根據應用場景設置邊界條件，進行時域有限元計算，獲得多個計算結果，所述多個計算結果包括冷熱面的最大溫差(dtmax)，制冷效率(cop)，最大制冷量(qcmax)，最大電流條件下熱面發熱量(qh)，對應的最優電流(imax)以及最優電流條件下最大熱應力(tsmax)。
11、進一步地，s3具體為：
12、構建神經網絡預測模型，利用s2中的各屬性的組合組成設計方案生成模型的訓練集d，對訓練集d中的數據加入不同分布的隨機噪聲，從而形成擴展訓練集d'＝[d,d1,…,dn]，其中di表示對d加入第i種隨機噪聲后的數據集。模型輸入為擴展訓練集d'，訓練目標為當前屬性組合對應的有限元仿真結果數組，在模型中加入重參數化隨機采樣機制，保持生成結果的多樣性，執行多輪訓練直至網絡收斂，得到收斂后的模型m。
13、進一步地，s4具體為：
14、將制冷片設計目標幾何參數和物理參數輸入模型m，模型輸出可行的設計參數。對該目標參數執行多輪輸入，可以得到多組可行設計參數方案。對各方案進行仿真分析，從而得到最優方案。
15、進一步地，s1中各數組中的參數個數為大于1、小于8的整數。
16、進一步地，s2中隨機組合的模型數量不少于100個。
17、與現有技術相比，本專利技術具有如下有益效果：
18、1、針對半導體制冷器件個性化設計過程反復、周期長的問題，利用虛擬仿真生成設計實例數據，通過機器學習的仿真形成智能設計模型，大大提升設計效率。
19、2、神經網絡模型生成設計參數與真實參數差距小于10％。模型生成的前5個方案中超過1個可行方案的概率大于90％。
本文檔來自技高網...【技術保護點】
1.一種半導體制冷器件智能設計方法，其特征在于，包括如下步驟：
【技術特征摘要】
1.一種半導體制冷器件智能設計方...
【專利技術屬性】
技術研發人員：宋曉輝，張鵬飛，金貝貝，李金東，張景雙，張偉，
申請(專利權)人：河南省科學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。