题目：Deep Learning-Based Multi-Objective Optimization Under Varying Operating Conditions for Teardrop Rib Microchannels

期刊：Case Studies in Thermal Engineering

链接：https://doi.org/10.1016/j.csite.2025.107090

影响因子：6.4

WOS分区：一区

中科院分区：二区

内容简介：为提升芯片散热性能，本文提出了一种带有泪滴形肋结构的矩形微通道。研究在雷诺数（Re）700-1300范围内，探究了不同形状肋片对微通道性能的影响。针对泪滴形肋的结构参数开展了多目标优化，这些参数包括流向长度l/D、展弦比e（展向长度与流向长度之比）以及肋高H/D，优化目标为最大化努塞尔数Nu并最小化摩擦因子f，最终获得泪滴形肋的最佳参数组合。数值方法通过三组学术实验数据验证，最大误差为6.85%，具有较高一致性。研究发现泪滴形肋具有最优的综合传热性能，灰色关联分析与敏感性分析表明：影响微通道Nu值与f的结构参数按显著性降序排列为H/D＞e＞l/D。通过对比三种典型代理模型的预测精度，最终结果表明卷积神经网络预测精度最高，最大预测误差仅为0.88%。优化结果显示：在Re=700时，优化结构呈现最高Nu值，较案例研究中Nu值最高的基准结构提升2.69%，综合传热系数F最高提升2.19%；在Re=1100时，优化结构具有最低f值，降幅达37.78%，F值最高提升6.08%。最后探索将两种优化泪滴形肋组合使用以缓解微通道内局部热点，组合肋微通道在未增加压力损失的情况下显著强化传热，相较优化结构，组合结构局部热点最高温度降低6K。本研究对解决微通道局部热点问题具有工业应用价值。 

关键词：卷积神经网络，传热强化，局部热点，微通道，多目标优化，泪滴形肋