(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111317757.X (22)申请日 2021.11.08 (71)申请人 陕西千山 航空电子有限责任公司 地址 710065 陕西省西安市 郭杜街道神禾 四路1566号 (72)发明人 刘磊　闫怡汝　刘朝辉　段中焕　 程博　郭燕　 (74)专利代理 机构 北京清大紫荆知识产权代理 有限公司 1 1718 代理人 秦亚群 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/08(2020.01) G06F 119/02(2020.01) G06F 119/06(2020.01) (54)发明名称 一种基于大数据的热仿真模型校核及评估 方法 (57)摘要 本发明提供了一种基于大数据的热仿真模 型校核及评估 方法， 包括基于产品的多个试件的 多个实验工况设计初级仿真数据库； 提取初级仿 真数据库中多个仿真参数的关键热仿真参数； 对 各试件进行实验获取各试件的真实数据； 基于关 键热仿真参数， 进行热仿真试验获取各试件的热 仿真结果； 基于大数据算法模型对热仿真结果、 关键热仿真参数、 真实数据训练获得多维修正矩 阵； 基于多维修正矩阵修正关键热仿真参数获得 修正后关键热仿真参数； 基于修正后关键热仿真 参数更新初级仿真数据库， 形成产品的多个试件 的热仿真数据库。 通过建立的热仿真数据库， 在 待测件的测试中能够获得与待测件的真实数据 较为接近的仿真结果， 从而能够很好的对待测件 的设计提供 数据支撑 。 权利要求书1页 说明书5页 附图2页 CN 114169221 A 2022.03.11 CN 114169221 A 1.一种基于大 数据的热仿真模型 校核及评估方法， 其特 征在于， 包括以下步骤： S1、 基于产品的多个试件的多个实验工况设计初级仿真数据库， 其中初级仿真数据库 中包括多个仿真参数； S2、 提取初级仿真数据库中多个仿真参数的关键热仿真参数； S3、 对S1中各 试件进行实验， 获取 各试件的真实数据； 基于S2中关键热仿真参数， 对各 试件进行 热仿真试验获取 各试件的热仿真结果； S4、 基于线性回归深度学习 的大数据算法模型， 对S3中的热仿真结果、 关键热仿真参 数、 真实数据进行训练， 获得多维修 正矩阵； S5、 基于多维修 正矩阵， 修 正关键热仿真参数获得修 正后关键热仿真参数； S6、 基于修正后关键热仿真参数更新初级仿真数据库， 形成产品的多个试件的热仿真 数据库。 2.根据权利要求1所述的热仿真模型校核及评估方法， 其特征在于： 初级仿真数据库 更 新前， 还包括修正及评估热仿真结果 步骤， 包括： S501、 基于S4中多维修 正矩阵， 修 正S3中热仿真结果获取修 正后热仿真结果； S502、 评估修 正后热仿真结果的置信度； S503、 基于步骤S502的置信度和步骤S5的修正后关键热仿真参数， 判断热仿真是否满 足置信度阈值： 若满足置信度阈值， 则用修 正后关键热仿真参数 更新初级仿真数据库； 若不满足置信度阈值， 则重新设计实验工况， 重复步骤S2～S5、 步骤S501～S503， 直至 满足置信度阈值后， 用修 正后关键热仿真参数 更新初级仿真数据库。 3.根据权利要求1或2所述的热仿真模型校核及评估方法， 其特征在于： 步骤S1中， 仿真 参数还包括一般仿真参数， 一般仿真参数包括空气可压缩体积系数、 空气辐 射率、 湿度、 出 口空气旋转速度、 换 热系数、 热流 量中的一种或多种。 4.根据权利要求1或2所述的热仿真模型校核及评估方法， 其特征在于： 关键热仿真参 数至少包括电路板厚度、 板卡材料、 板卡层数、 各层板卡含铜量、 双热阻模型参数、 试件功 耗、 板卡网格疏密比、 板卡 流体空气参数。权　利　要　求　书 1/1 页 2 CN 114169221 A 2一种基于大数据的热仿真模型校核及 评估方法 技术领域 [0001]本发明属于航空电子领域， 涉及热仿真技术， 具体为一种基于大数据的热仿真模 型校核及评估方法。 背景技术 [0002]航空领域中， 不同产品中均 会存在各种影响产品散热性能的因素， 例如： 产品中存 在不同数量不同型号的发热器件， 其会对产品的性能特性及产品质量产生较大影响， 因此， 如何确保产品在高温环境下工作时满足各项性能指标， 对产品设计至关重要。 [0003]目前， 通常是对产品进行热仿真试验， 从而对产品的散热性能进行有效评估。 但 是， 由于不同的产品均存在严重影响产品散热性能的一定数量且型号不同的发热器件， 各 发热器件的相关参量往往随温度呈非线性变化， 且发热器件温度是由多维参量耦合作用的 结果， 导致热仿真试验结果的准确度与产品实际散热情况不符， 使得热仿真试验不能实现 对产品的有效测量， 不能对产品的设计进行指导。 [0004]因此， 有必要对现有的热仿真试验进行改进， 以提高热仿真试验的准确度。 发明内容 [0005]本发明的目的在于解决当前热仿真试验 的结果难以准确的对产品的散热性进行 判断， 导致不能对产品的设计提供指导的问题， 本发明设计了一种基于大数据的热仿真模 型校核及评估方法， 其能够提高热仿真模型 的置信度， 并正向指导设计决策以提高产品整 体质量。 [0006]实现发明目的的技术方案如下： 一种基于大数据的热仿真模型校核及评估方法， 包括以下步骤： [0007]S1、 基于产品的多个试件的多个实验工况设计初级仿真数据库， 其中初级仿真数 据库中包括多个仿真参数； [0008]S2、 提取初级仿真数据库中多个仿真参数的关键热仿真参数； [0009]S3、 对S1中各 试件进行实验， 获取 各试件的真实数据； [0010]基于S2中关键热仿真参数， 对各 试件进行 热仿真试验获取 各试件的热仿真结果； [0011]S4、 基于线性回归深度学习的大数据算法模型， 对S3中的热仿真结果、 关键热仿真 参数、 真实数据进行训练， 获得多维修 正矩阵； [0012]S5、 基于多维修 正矩阵， 修 正关键热仿真参数获得修 正后关键热仿真参数； [0013]S6、 基于修正后关键热仿真参数更新初级仿真数据库， 形成产品的多个试件的热 仿真数据库。 [0014]本发明的基于大数据的热仿真模型校核及评估方法的原理是： 根据多个试件的实 验工况设计初级仿真数据库； 在初级仿真数据库中的多个仿真参数中提取关键热仿真参 数； 通过对试件进行实际的测试和采用关键热仿真参数进行热仿真试验； 采用线性回归深 度学习的大数据算法模型对真实数据、 关键热仿真参数、 热仿真结果进行训练得到多维修说　明　书 1/5 页 3 CN 114169221 A 3