banner
Heim / Blog / Mehr zum Thema: 3D-Druck könnte bessere Kühlkörper herstellen
Blog

Mehr zum Thema: 3D-Druck könnte bessere Kühlkörper herstellen

May 07, 2024May 07, 2024

Forscher in den USA haben gezeigt, dass 3D-gedruckte Kühlkörper leichter, kleiner oder besser sein könnten als herkömmliche Kühlkörper.

Falschfarbenbild eines Kühlkörpers, der genetisch für die Kühlung eines Moduls mit einer Verlustleistung von 2 kW ausgelegt ist

Die Schlussfolgerung stammt aus zwei miteinander verbundenen Projekten am Oak Ridge National Laboratory und der University of Tennessee Knoxville:

Es ist bewiesen, dass bedrucktes Aluminium die Wärmeleitfähigkeit von Standard-Kühlkörperaluminium mindestens erreichen und manchmal sogar verbessern kann.

Das zweite Unternehmen hat genetische Algorithmen entwickelt, die die Formfreiheit des 3D-Drucks nutzen, um Kühlkörper zu entwerfen, die in den gleichen Raum passen wie ihre herkömmlichen Cousins, aber besser funktionieren.

Im Fall der Wärmeleitfähigkeit wurde ein herkömmliches Kühlkörpermaterial („6061“-Aluminium mit <1 % Si und 1,5 % Mg) mit einem von der US-Firma Linear Mold AMS gedruckten Material verglichen, bei dem eine Legierung verwendet wurde, die für das direkte Metall-Laser-Scintern (DMLS) entwickelt wurde 10 % Si und 0,5 % Mg, laut ORNL.

Bei Raumtemperatur hatte die 6061-Legierung eine Wärmeleitfähigkeit von 180 W/mK, verglichen mit 110 W/mK für den gedruckten Kühlkörper – ein niedrigerer Wert bedeutet hier eine schlechtere Leitfähigkeit und damit einen schlechteren Kühlkörper.

Bei höheren Temperaturen variierten beide in etwa linearer Weise und konvergierten bei 220 °C auf 170 WmK.

Die Wärmebehandlung beider bei 300 °C und die anschließende Erwärmung auf Raumtemperatur führten zu Strukturveränderungen, die die Wärmeleitfähigkeit beider Materialien verbesserten.

Während der 6061-Heatink einige W/mK besser wurde, konnte der gedruckte deutlich verbessert werden – er stieg dauerhaft auf knapp 200 W/mK.

Für zukünftige Simulationen hat das Forschungsteam genaue theoretische Modelle sowohl für die gedruckte Legierung als auch für 6061 erstellt.

Abgesehen davon ist die am häufigsten verwendete Aluminiumlegierung für den DMLS-3D-Druck „AlSi10Mg“, die der von ORNL beschriebenen Legierung sehr ähnlich ist, jedoch 0,25–0,45 % Magnesium enthält.

Im gedruckten Zustand werden 103+/-5 W/mK entlang der gedruckten Schichten und 119+/-5 W/mK durch die gedruckten Schichten erreicht. Die Standardkonditionierung für AlSi10Mg nach dem Druck besteht darin, zwei Stunden lang auf 300 °C zu erhitzen. Danach steigt die Wärmeleitfähigkeit in alle Richtungen auf 173 ± 10 W/mK.

Eine zweite Standardlegierung für extrudierte Kühlkörper namens 6063 liefert in kupferfreier Form 190–210 W/mK – Kupfer erhöht den Wärmewiderstand in Aluminium.

Darüber hinaus erzielt Diamant bei den Kühlkörpern eine Leistung von 2.000 W/mK.

Optimierung genetischer Algorithmen

Mit dem 3D-Druck lassen sich Kühlkörper genauso gut herstellen wie bestehende Kühlkörper mit der gleichen Form. Welche Vorteile bietet die Nutzung beliebiger Formen, die beim 3D-Druck möglich sind, und wie könnten diese willkürlichen Formen gestaltet werden?

Dies sind Fragen, die das zweite Projekt der ORNL/Tennessee University mithilfe von genetischen Designalgorithmen und Finite-Elemente-Modellierung in der COMSOL-Software beantworten wollte.

Als Beispiel diente ein wassergekühlter 50-kW-Siliziumkarbid-H-Brücken-Wechselrichter für Elektrofahrzeuge.

Zum Vergleich wurde ein Referenzmodell-Kühlkörper auf Basis eines echten Kühlkörpers aus der CP15-Serie von Lytron erstellt, der aus einer dicken Aluminiumplatte besteht, in deren Rückseite tiefe Rillen geschnitten sind. Ein Kupferrohr, das in gutem Wärmekontakt mit dem Aluminium steht, schlängelt sich durch diese Rillen, und das Wasser im Rohr leitet die Wärme ab.

Es wurden zwei Situationen modelliert: eine mit einem 64 x 64 mm großen Schaltmodul, das 2 kW verbraucht, und eine zweite mit vier einzelnen Leistungstransistoren, die im Quadrat montiert sind und jeweils 250 W verbrauchen.

Genetische Algorithmen wurden verwendet, um einen 3D-druckbaren Wettbewerb gleicher Größe (~86 x 64 x 8 mm) für den Referenzkühlkörper sowohl unter 1-kW- als auch unter 2-kW-Lastbedingungen zu entwerfen. In allen Fällen wurde davon ausgegangen, dass das Einlasswasser bei 20 °C mit einer Geschwindigkeit von 0,036 Liter/s in die Kühlkörper fließt.

Um die Entwurfsalgorithmen einfach zu halten, waren keine willkürlichen Wasserkanalformen zulässig.

Stattdessen waren die Kanäle auf einen rechteckigen Querschnitt beschränkt (ca. 6 mm hoch, wobei 1 mm oben und unten in der Plattendicke verblieben waren, und ca. 1 mm breit).

Sie mussten sich geradlinig fortbewegen, das heißt, sie durften nur direkt über den Kühlkörper oder direkt daran entlang laufen.

Alle Ecken mussten rechtwinklig sein, T-Verbindungen waren erlaubt, Kreuzungen waren erlaubt und zwei nebeneinander liegende Kanäle wurden zu einem 2-mm-Kanal – schauen Sie sich das obere Diagramm an, um eine bessere Vorstellung zu erhalten.

Die Berechnung wurde halbiert, indem der Kühlkörper längs in zwei symmetrische Hälften geteilt wurde.

Zur Gestaltung jedes druckbaren Kühlkörpers wurden zwei separate benutzerdefinierte genetische Algorithmen verwendet. Ausführliche Informationen finden Sie in einem Artikel: „Genetischer Algorithmusentwurf eines 3D-gedruckten Kühlkörpers“.

Der Ansatz ist von Darwins Evolutionstheorie „Überleben des Stärksten“ inspiriert, erklärte der Wissenschaftler Tong Wu von der University of Tennessee gegenüber Electronics Weekly: „Durch die Anwendung eines genetischen Algorithmus zusammen mit dem maschinellen Lernprozess kann ein entwickelter Optimierungsalgorithmus automatisch die einzigartige Hitze entwerfen.“ Senke, basierend auf der gewünschten Gesamtwärmeableitung, -verteilung und dem zulässigen Volumen.“

Grob gesagt: Der erste Algorithmus hat laut ORNL „ziemlich gute“ Kühlkörper erstellt, indem er vier iterierte Schritte verwendet hat: Initialisierung, Bewertung und Auswahl, Crossover und Mutation und Reproduktion.

Die Initialisierung beginnt beispielsweise mit der zufälligen Erstellung potenzieller Kühlkörper mit einer Reihe (zwischen zwei und zehn) Wasserkanälen, die sich zwischen dem Einlass und dem Auslass erstrecken. Spätere Schritte ändern diese Kanäle.

Nach jedem Schritt im Algorithmus wurden die Schritte mit der schlechtesten Leistung verworfen.

Bei der Bewertung aller Algorithmen handelte es sich jedoch um eine Schlechtigkeitsfunktion: Sie wurde durch Addition der Temperatur des heißesten Teils des Kühlkörpers (relativ zu 20 °C) zur Pumpkraft, die zum Erreichen des festen Wasserdurchflusses erforderlich ist, erstellt – hohe Punktzahlen bedeuteten also heiße Komponenten oder starkes Pumpen .

Dieser erste Algorithmus konvergierte schnell: mit einem Temperaturpunkt von 58 °C an einem Kühlkörper der ersten Iteration, der bei Iteration drei auf 51,8 °C abfiel und sich dann bei Iteration 19 allmählich auf 46 °C einpendelte.

Der zweite Algorithmus, der angewendet wurde, nachdem der erste seine Arbeit beendet hatte, verschob die zuvor optimierten Geometrien. Seine Schritte waren: Übersetzung, Verbindung, Erstellung und Löschung.

Durch die Übersetzung könnte beispielsweise ein Kanal ein wenig seitwärts verschoben werden. Die Verbindung würde zufällige Punkte in Kanälen auswählen und sie mit einem nahegelegenen Kanal verbinden. Durch das Löschen wurden einige Schleifen ausgefüllt, die durch die drei anderen Schritte entstanden waren.

Im Fall der vier separaten Transistoren erzeugten Iterationen des Algorithmus der zweiten Stufe Bypass-Durchgänge, die etwas kühles Einlasswasser um die erste Transistorreihe herum zu den dahinter liegenden Transistoren umleiteten.

Ergebnisse

Die Optimierung für niedrige Spitzentemperaturen hatte zur Folge, dass die Temperaturunterschiede zwischen Spitzen am Einlass- und Auslassende bei beiden genetischen Designs auf etwa 1 °C ausgeglichen wurden, verglichen mit etwa 10 °C beim Referenzkühlkörper.

Die durchgehend verwendete Schlechtigkeitsfunktion wurde bewusst dahingehend verzerrt, dass kühle Komponenten auf Kosten der Pumpenergie bevorzugt werden – es besteht jedoch die Möglichkeit, dieses Gleichgewicht für zukünftige Designs zu ändern. Dieser Versatz ist wahrscheinlich der Grund dafür, dass zwischen den beiden druckbaren Kühlkörpern so große Unterschiede in der Pumpkraft bestehen.

Die genetische Designarbeit wird vom IEEE als Genetic algorithm design of a 3D print heat sink veröffentlicht.

Bild von ORNL

Falschfarbenbild eines Kühlkörpers, der genetisch für die Kühlung eines Moduls mit einer Verlustleistung von 2 kW ausgelegt istOptimierung genetischer AlgorithmenErgebnisseSteve Bush