熱參數提取的案例
SOLIDWORKS參數化工具如何設置部分提取
編制參數表是參數化設置必不可少的一環，提取零部件參數又是生成參數表所必須的步驟，然而很多時候，模型的量級很大，需要變化的零部件只有三分之一，那如果全部提取出來，將耗費大量的時間，因此部分提取的設置就顯得尤其重要。
在軟件的設置中，會定義<Type>屬性名，比如屬性名定義為零件類型，那我們就可以通過零件類型來過濾掉不需要提取參數的零部件。
在【模型選項】中，可以設定符合<Type>屬性值的模型，不提取尺寸，因此我們只需要將不提取的模型的零件類型屬性的屬性值，寫入到設置中，就可以了。
以上內容為您介紹了SOLIDWORKS參數化設計軟件如何設置部分提取，是不是非常簡單。順帶一提的是，屬性的批量反寫，我們可以使用BOM工具來實現哦！
SOLIDWORKS參數化設計軟件-SolidKits.AutoWorks以及BOM工具-SolidKits.BOMS，可以幫您進一步提升SOLIDWORKS軟件的設計效率和應用體驗，減少錯誤和人工重復勞動、提高設計效率。
展開 模態參數提取技術之一
在這種形式下，一個圓的方程可以用最小二乘方法來提取感興趣的參數，即極點和留數。頻率由奈奎斯特圖中顯示的兩個數據點之間存在最遠的距離確定。系統的阻尼可由半功率帶寬法確定。留數aij可以近似于圓的直徑。圓擬合是由于圓方程的簡單性而開發出來的最早的數學提取技術之一。圓擬合的擴展能考慮到相鄰模態的重疊，以及復雜的模態特征。雖然圓擬合很簡單，但這種方法在模態測試中并不常用，因為通常情況下，模態的密集性使得這個圓擬合方法不適用于大多數系統。
圖5-12 示意性顯示SDOF系統在奈奎斯特圖（右）中的圓表示
5.3.3 SDOF多項式
圓擬合技術的擴展之一是單自由度多項式頻域方法。這個方法使用下式來估計參數
利用這個技術，提取出的參數是極點和留數。SDOF系統的這種近似示意性地顯示如圖5-13所示。
圖5-13 示意性顯示SDOF系統的曲線擬合
5.3.4帶外模態的殘余效應
模型中應包含的其他相鄰模態的殘余效應，因為低階模態有質量影響，高階模態有剛度影響：
在圖5-14中，帶殘余效應的曲線擬合效果最好。描述頻響函數的完整方程顯示在圖的上部分，還有整個頻率范圍內每階模態的貢獻。然而，當估計參數時，只使用感興趣的帶寬來估計參數。在這個例子中，紅色的第2階模態是感興趣的模態，但是還有帶外的第1階模態（藍色）和第3階模態（綠色）的影響。由單自由度理論可以看出，低于共振頻率的部分響應被認為是一種剛度效應，而高于共振頻率的部分則被認為是質量效應。因此，在圖中下部分顯示的感興趣頻帶內第2階模態占主導，第1階模態（藍色）在這個帶寬內主要是質量影響，而第3階模態在這個帶寬內主要是剛度影響。
展開 GSM網絡維護優化參數的提取
優化的若干參數，并在對信令過程研究的基礎上，給出參數的提取方法。參數的提取是以信令采集儀為平臺和在采集到的現場信令數據分析的基礎上實現的。應用參數提取軟件對現場采集的數據進行的統計，其結果基本反映了網絡行為和用戶的行為，對網絡的維護優化有一定的意義。
1、參數提取的意義與可能性
參數提取的意義： 1 )參數提取是網絡維護監測優化所必需的，網絡的維護和優化必須有相關參數作為參考。 2 )一些網絡維護設備和監測系統的研制必須有網絡參數理論的支持，如信令分析儀的實現。沒有這些參數理論，這些設備或監測系統不能被實現。3)網絡參數能為目前的一些網絡優化理論提供數據的支持。
參數提取的可能性：參數提取是以 GSM信令采集儀(已由作者所在的實驗室研制成功)為平臺，通過對采集到的信令數據的研究獲得的。
2、 參數提取軟件體系及數據結構
2、1參數提取軟件體系
參數提取軟件的前提是信令采集儀的實現，信令采集儀的基本功能是采集和?譯信令數據，并對每條消息附上時標、連接類型(如 MS 起呼、MS被呼等)等信息。參數提取軟件對信令采集儀所采集的?始信令數據文件進行統計處理后就得到了參數輸出數據文件。參數提取軟件可以作為信令采集儀的一個模塊，這樣可以在線地進行參數的提取，但這樣作，處理器速度往往不夠。參數提取軟件也可以獨立成為一個軟件包，對采集到的?始信令數據文件進行統計處理。參數輸出數據文件包括了最基本的參數信息。如果對參數數據文件進行后處理，將得到另外的一些參數。對參數輸出數據文件的后處理的實現可以作為一個獨立的軟件，也可以作為參數提取軟件包的一個模塊。我們是采取后一個方案。當然也可以利用現有的辦公室軟件，例如MS-EXCEL 。
展開 [仿真分享]利用CST的RLC求解器提取IGBT的局部寄生參數
最近有同學問小編CST是否可以提取3D模型的局部寄生參數。其實CST官方公眾號里面寫了好幾篇關于寄生參數提取的文章。而且CST的library里面也有相關案例。正好小編最近也在擺弄IGBT的模型。那么小編今天就來舉個栗子，分享一個利用CST的提取IGBT的局部寄生參數。
因為我們要提取的是局部寄生參數，所以這里不能用CST的高頻工作室，如果用高頻工作室的S參數去提取寄生參數，那么提取的就不是局部的寄生參數了，而是環路的寄生參數。所以這里我們需要用到CST里面低頻工作室的RLC求解器。
首先建立仿真項目的時候如圖所示
然后選擇Home-->simulation-->Partial RLC Solver
導入IGBT模型。如圖所示。注意：如果要把IGBT模型的管腳也加入到寄生參數提取里面，那么管腳的材料不能用PEC，我這邊改成銅了。
邊界條件全部設置為電壁
選擇Sources and Loads-->RLC Node
小編這邊選擇仿真這個IGBT模塊下橋的其中一個IGBT裸die和反向續流二極管的寄生參數，如何建立Node，可以去CST官網公眾號去找方法，寫的很詳細，沒必要再講一遍。如圖，這些綠色的點就是我建立的Node，分別設置了IGBT的集電極和柵極這兩路的寄生參數提取。
在求解器設置里面設置pair，代表兩個Node的進出關系，如圖
求解得到：
IGBT上走線，包括綁定線，銅層，引腳的寄生電感和電阻如圖，這里不是任意兩個Node之間的寄生電感和電阻。
寄生電容如圖，這里仿得結果是任意兩個Node之間的寄生電容。
展開 
#ABAQUS提取斷裂參數K和J插件
mod=viewthread&tid=1113324&extra=&highlight=xfem&page=1
但是帖子中也明確地給出了：只能算最后一個increment的J和K的限制，那么如果我們需要提取每個分析步的每個增量步結果該怎么辦呢，根據帖子中給出的插件代碼，進行了大幅度的添加修改，最后進一步完善了該插件，可以提取每個分析步的每個增量步結果，另外還可以在程序中自己定義復合應力強度因子等參數，直接輸出到屏幕，十分簡單便捷，效率也非常高，省去了大部分處理數據的時間，下面就詳細介紹其使用過程：
事先我們已經計算了一個2D三角形單元的圍線結果，圍道區域使用四邊形單元（裂紋尖端使用了具有1/2奇異性的collapse單元），
odb云圖如下：
此時，打開插件：
進行如下設置：
只演示對右裂紋尖端的提取：
1 從插件中計算出來的結果：
3 從dat文件中提取的結果：
結果對比圖：
注意：因為時間步長是自動的，所以并不是每個Frame的時間步是相等的，而是開始很小，隨后基本穩定（如下圖所示），
如此，導致斷裂參數K和J的變化呈現出如圖的增長方式，如果把時間步長固定，那么K和J隨Frame將是線性增加的，如下圖所示（云圖的縮放因子為50），
通過分析可知，對于K1/K2/J的結果插件計算的和從dat中提取的結果幾乎完全一致，充分證明了插件的有效性；
**********************
下面又通過使用純四邊形一階單元和二階單元進行計算，然后通過插件提取結果，與ABAQUS使用奇異單元的計算提取的dat文件結果進行對比，結果如下：
純四邊形CPS4
純四邊形CPS8
結果對比
**********************
下面分析了采用不規則四邊形單元下不同網格密度對結果的影響
展開 電池熱管理（一） - 熱管理的重要性與新參數CCC
熱管理的重要性
近年來電動汽車電池組的成本迅速下降，這主要是由于規模效益和更高效的制造工藝造成的。但電動汽車與內燃機汽車相比，購買價格仍顯昂貴。為了電動汽車市場更進一步，電動汽車的價格需要變得更加實惠。
由于電池是新增成本的大頭，因此，電池行業專注于如何降低電池成本，全球以美元/千瓦時 (US$/kWh) 作為價格通用衡量標準。其中，電池壽命對成本的影響往往被忽視，從而忽視了該行業的一項重要增長戰略。實際上，通過延長電池壽命，可以從電池本身提取更多價值，補償前期成本，從而降低整體生命周期成本。
延長電池壽命不僅會影響生命周期成本，還會影響電池在整個生命周期中對環境的影響，提高了材料資源效率，并減輕了鋰和鈷等關鍵原材料供應鏈的壓力。
那么如何延長電池壽命？有充分證據表明，更有效的熱管理策略可降低運行中鋰離子電池的降解率，從而延長電池組的使用壽命。
革命性新參數 —CCC
可以說，當前主流的電池熱管理系統是次優的。“Surface Cooling”在電動汽車市場占據主導地位，現有研究表明，如果在電池組設計中有效地實施所謂“Tab Cooling”，鋰離子電池的壽命可以延長三倍。什么意思呢？通俗的講，現有電池冷卻僅僅在電池包外輪廓，并沒有深入每塊電池單元。
電池熱管理的難度很大的一個原因是，各家鋰離子電池的形狀和尺寸有很大差異，所以基于此開發的電池包熱性能出現相當大的差異，當內部發熱升高溫度時電池的表現也各不相同。
另一個難點是，沒有定義熱性能的標準。電池工程師可以引用有效熱導率、熱阻值或比奧數等參數，但這些參數沒有考慮鋰離子電池本身產生的內部熱量。可以說它們在概念上存在缺陷。此外，這些指標非常難以計算，需要的信息永遠不會出現在數據表中，因為這是電池制造商的秘密。業內的利益相關者于是陷入困境，無法比較不同的熱管理方法以找到最適合他們要求的方法。
展開 新能源動力電池熱仿真熱關鍵參數獲取解密
首先，參考電池廠家羅列的資料，如下表所示，獲取電池材料的密度、比熱容、導熱系數等參數。
實際熱仿真建模，不可能按照真實的疊層材料結構進行精細建模，我們需要通過理論經驗公式獲取電池單體的熱物性參數，即：利用整體思路解析出電池的密度、比熱容和導熱系數等參數。
另外，就是電池熱耗獲取，電池熱耗包含反應熱，內熱阻焦耳熱，極化熱和副反應熱，實際評估，副反應熱可以忽略不計。
最后，就是網格劃分和模擬計算了。
[仿真分享]利用CST的RLC求解器提取IGBT的局部寄生參數
那么我們的RLC局部寄生參數的提取，這一小部分的仿真工作就完成了，如果要把整個IGBT的模型的寄生參數提取出來，那這個工作量是真的不小。沒有辦法只能一個一個來。九層之臺，起于壘土。
Lammps模擬時金屬原子的L-J勢參數提取方法
在使用lammps模擬時候，經常會用到力場參數，如L-J、eam和Buck勢函數，這些參數可從文獻中獲得，但是文獻查找起來相對繁瑣，可能需要查閱多篇論文才能找到需要的勢參數。以L-J勢函數為例進行說明：
第一種方法：
1. 首先了解勢函數網站（Mg原子為例）：https://www.ctcms.nist.gov/potentials/
2. 選擇金屬Mg原子：直接點擊元素名稱即可查得該元素對應的L-J力場參數，點擊Download 可以下載對應的參考文獻，如Mg的L-J參數如下（Epsilon、Sigma）
3. 由于勢函數的擬合方法不同，所以在選擇上也需要作出判斷，如下，Mg的L-J 勢參數有三個，但是不確定哪個適用于自己的研究體系，所以得認真、進一步測試。
4. 點擊Download, 如下界面所示，即轉到勢參數的文獻，如箭頭所示，分別為L-J參數： Epsilon、Sigma
對比一下，文獻結果與網站結果一致！
5. 第三個Mg原子的勢參數如前面一樣，結果如下，但是第二個勢參數在原文中找不到出處，可能的原因是需要轉換單位（所以第二個勢參數得認真測試）。
6. 單位轉換：怎么樣將kcal/mol或者kj/mol轉成eV?
推薦另一個網站：http://www.colby.edu/chemistry/PChem/Hartree.html
輸入第三個勢參數進行單位轉化，進入網站后在勢參數的位置輸入相應值，將自動的轉換為其他單位：
第二種方法：
1. 推薦另一種勢函數的網站：https://www.ctcms.nist.gov/potentials/
還是選擇Mg原子
2.
展開 220 基于matlab的考慮直齒輪熱彈耦合的動力學分析，輸入主動輪、從動輪各類參數，考慮潤滑油溫度、潤滑油粘度系數等參數，輸出接觸壓力、接觸點速度、摩擦系數、對流傳熱系數等結果。程序已調通，可直接運 ￥54.9
220 基于matlab的考慮直齒輪熱彈耦合的動力學分析，輸入主動輪、從動輪各類參數，考慮潤滑油溫度、潤滑油粘度系數等參數，輸出接觸壓力、接觸點速度、摩擦系數、對流傳熱系數等結果。程序已調通，可直接運行。
基于參數優化的 LED 驅動電路 PCB 熱仿真分析
摘要
為提升車規級氛圍燈LED驅動電路板(PCB)熱設計問題,該文提出了一種參數優化仿真的分析方法?該方法基于熱傳導?熱輻射和熱對流原理,使用ANSYSICEPAK軟件,從PCB尺寸?過孔設置和材質3個方面對參數進行了熱仿真優化實驗,分析了相同設計原理情況下,不同PCB布局和尺寸設計時熱仿真結果的差異性,并對參數進行了優化設計,實現了驅動電路熱性能的改善,滿足了車規級溫度的仿真要求?
關鍵詞：LED；熱仿真；ANSYS ICEPAK；印制電路板
作者：張開峰 1，安世龍 1，付 康 2，謝亞明 1，高 燕 1，萬國春 1
1. 同濟大學 電子與信息工程學院，上海 ；
2. 上海應用技術大學 電氣與電子工程學院，上海
隨著電子行業的快速發展，汽車級電子元件的性能越來越優越，以集成電路及芯片為主的微電子系統在信息、汽車電子等領域的應用越來越廣泛。
展開 
分布式參數模型在微通道環路熱管熱管理中的應用
最重要的是，將環路熱管應用于數據中心的熱管理，可以彌補傳統風冷散熱抗干擾能力弱、空調制冷能耗高的缺點。此外，微通道平行流換熱器具有結構緊湊、制冷劑充注量少、傳熱性能好的優點，目前主要應用于汽車空調、小型制冷設備等。因此，采用微通道并流換熱器作為LHP的蒸發段和冷凝段是一種新型高效的散熱方式，具有良好的散熱效果。在充電站、數據中心等封閉機柜散熱領域具有較高的應用前景。
02
成果掠影
近期，東南大學能源與環境學院陳振乾教授團隊提出了三維分布參數模型并結合實驗系統，研究了填充率、高度差、換熱器結構和運行參數對MCLHP系統傳熱性能的影響。研究團隊特別提出了泵輔助MCLHP來提高傳熱能力。分布參數模型與響應面法相結合的模擬表明，最大傳熱能力為1.402 kW，填充率為79.7%。雖然改變結構參數會提高傳熱能力，但它將通過增加空間結構和空氣阻力來補償。研究所提出的泵輔助MCLHP系統可以穩定運行，傳熱能力高達4kW，在充電樁和數據中心等高熱通量冷卻中具有潛在的應用前景。相關研究成果以“Application of distributed parameter model in thermal management of microchannel loop heat pipe”為題發表于《Applied Thermal Engineering》。
展開 機翼全參數化設計及流-固-熱耦合分析
通過建立一套全參數化的機翼設計分析模型構建體系，可實質性的促進達成快速多方案迭代或自動優化設計的目標。
各種不同翼型結構的參數化快速建模
2) 案例描述
機翼結構復雜，需要找出全參數化定義設計和分析模型的具體實現方法，需要同時考慮CFD氣動分析及氣動加熱和結構熱傳導、結構動靜強度、流固熱三個物理場在各種不同的計算狀態下的雙向耦合。基于這種技術挑戰，機翼全參數化設計及流-固-熱耦合分析系統利用APDL全參數化建模，同時建立結構分析模型和CFD網格模型；利用Mechanical+CFX流固耦合實現流-固-熱三場多狀態雙向耦合計算。
自動構建機翼流-固-熱耦合分析網格
3) 實踐及效果
a、 實現了機翼結構幾何及流-固-熱三場分析網格模型的全參數化自動建立；
b、 實現了流-固-熱三場全自動多狀態雙向耦合分析計算
c、 對機翼設計，尤其是前期設計階段，實現了全參數化快速多方案精細對比分析，極大提升設計效率和設計質量。
流-固-熱三場多狀態雙向耦合計算
展開 快速SFS和FS2熱質量流量傳感器應用參數詳解
作為替代方案，溫度傳感器被用于通風機中以執行簡單的氣流測量，但它們具有相對較大的熱質量。
IST流量傳感器可通過更高的傳感器靈敏度實現更好，更準確的調節，從而帶來更好的用戶體驗，同時減少了患者鼻子干燥，長時間流鼻血甚至過度通風造成的肺損傷的發生。考慮到可能的呼吸周期介于300毫秒至3秒鐘之間，因此IST的SFS流量傳感器的響應時間更快，降至T63為5毫秒，允許人們執行詳細的呼吸曲線，同時打開檢測細微和微妙的呼吸障礙的可能性。
SFS和FS2這兩個傳感器均適用于通過清晰的流向檢測來通過單個傳感器檢測吸氣和呼氣。可以將在線流量傳感器應用于監測通過套管或面罩的流量，并可以用于控制氧氣反饋回路。FS2熱質量流量傳感器的開發過程中考慮了一種簡單且低成本的實現方式。SFS由硅基板制成，而FS2由陶瓷和玻璃制成，即使與 100%氧氣直接接觸，它們也是惰性的。
圖1 FS2 技術參數
圖2 SFS01 技術參數
其他傳感器和材料，FS7和MFS02在FS7的開發過程中，實現了與堅固耐用且用途廣泛的材料相結合的簡單實現。FS7也是由陶瓷和玻璃制成的（就像FS2一樣），但是僅帶有兩個電阻器，這再次允許在進行流量測量時使用更簡單的CTA（恒溫風速計）配置。對于特殊應用，IST的MFS02由聚酰亞胺和玻璃傳感器建筑材料制成。
大多數現代呼吸機可提供60至120 L/min的流速（峰值流量為19 m ID的管道時為7 m/s）。所有傳感器芯片、SFS、FS2、FS7和MFS02，覆蓋的動態范圍和流量均超出呼吸器應用所需的流量。
展開 機翼全參數化設計及流-固-熱耦合詳解
通過建立一套全參數化的機翼設計分析模型構建體系，可實質性的促進達成快速多方案迭代或自動優化設計的目標。
主要技術挑戰：
機翼結構復雜，需要找出全參數化定義設計和分析模型的具體實現方法；
需要同時考慮CFD氣動分析及氣動加熱和結構熱傳導、結構動靜強度、流固熱三個物理場在各種不同的計算狀態下的雙向耦合；
解決方案：
利用ANSYS APDL全參數化建模，同時建立結構分析模型和CFD網格模型；
利用ANSYS Mechanical+CFX流固耦合進行流-固-熱三場多狀態雙向耦合計算；
結論：
結論：
實現了機翼結構幾何及流-固-熱三場分析網格模型的全參數化自動建立；
實現了流-固-熱三場全自動多狀態雙向耦合分析計算。
各種不同翼型結構的參數化快速建模
自動構建機翼流-固-熱耦合分析網格
用戶價值
對機翼設計，尤其是前期設計階段，實現了全參數化快速多方案精細對比分析，極大提升設計效率和設計質量。
流-固-熱三場多狀態雙向耦合計算
展開 