Flüssigkeitskühler Generatives Design und topologische Optimierung als Designmotor

Anbieter zum Thema

ALPHA-Numerics GmbH

MicroConsult Academy GmbH

Eurocircuits GmbH

Vogt AG Verbindungstechnik

Traditionelle CFD-Workflows sind zeit- und ressourcenintensiv. Mit datengetriebenen Werkzeugen lassen sich Prozessgeschwindigkeit und Lösungsqualität erhöhen und auch Fertigungsaspekte einbinden. So führen moderne Optimierungstools schrittweise zu innovativeren, zuverlässigen und schneller freigabebereiten Kühllösungen.

Die Entwicklung von Flüssigkeitskühlern war lange von traditionellen CFD-Methoden geprägt: Geometrien wurden iterativ modelliert, Simulationen liefen abseits automatischer Generierung ab und Entwürfe wurden schrittweise manuell verfeinert. Dies geschah oft unter schwer greifbaren Annahmen über Material, Fertigung und Betriebsbedingungen. Diese Vorgehensweise liefert verlässliche Einblicke in Strömung, Wärmeübertragung und Druckverluste, ist jedoch in der Regel zeit- und ressourcenintensiv.

Mit dem Vorstoß intelligenter, datengetriebener Werkzeuge, die generatives Design und Topologie-Optimierung integrieren, verändern sich Prozessgeschwindigkeit und Lösungsqualität grundlegend. Generative Ansätze erzeugen eine Vielzahl potenzieller Geometrien und Kühlpfade, während topologische Optimierung die Materialverteilung innerhalb definierter Randbereiche in sehr feinen Schritten anpasst. Das Zusammenspiel beider Ansätze ermöglicht nicht nur effizientere Wärmeabfuhr und geringeres Gewicht, sondern auch Fertigungsaspekte frühzeitig in den Entwurf einzubeziehen.

Ziel dieses Artikels ist es, die traditionellen CFD-Workflows zu skizzieren, deren Stärken und Grenzen aufzuzeigen und darzulegen, wie moderne Optimierungstools schrittweise zu innovativeren, zuverlässigen und schneller freigabebereiten Kühllösungen führen können.

CFD-Tools: Die konventionelle Herangehensweise

Für die Auslegung der inneren Strukturen eines Flüssigkeitskühlers mit einem CFD-Tool beginnt der Prozess typischerweise mit einer klaren Zielsetzung: Welche Wärmeleistung ist erforderlich, welcher Druckverlust ist akzeptabel, welches Gewicht und welche Kosten sind vertretbar?

Anschließend werden Randbedingungen festgelegt, zum Beispiel das Kühlmittel, Betriebsbereiche (Temperaturen, Strömungsgeschwindigkeit) sowie Fertigungsrestriktionen. Die Geometrie wird als nächstes vorbereitet: Man erstellt oder importiert ein CAD-Modell der Kühlung und modelliert relevante Innenstrukturen wie Mikrokanäle, Flachkanäle, Rippen als parametrische Geometrien. Dabei müssen die Details bewusst auf das Vernetzen abgestimmt werden.

Wichtige Daten zu Material und Fluid-Medium werden hinterlegt, etwa die Eigenschaften des Kühlmittels (Dichte, Viskosität, Wärmeleitfähigkeit) und der Werkstoffe. Danach erfolgt die Netzerstellung: Das Netz wird so feingliedrig wie nötig in Kanäle, um Kanten und Wärmeübertragungsbereiche gewählt und an zentralen Bereichen (zu erwartende große Gradienten für Druck, Temperatur oder Geschwindigkeit) feiner vernetzt. Der Solver läuft je nach Ziel als stationäre oder zeitabhängige Simulation; die Konvergenzkriterien (Residualen, Temperaturfehler, Massenbilanz) sorgen für verlässliche Ergebnisse.

Der Design-Iterationszyklus folgt: Engpässe werden bewertet, Geometrie wird angepasst (Kanalquerschnitte, Verzweigungen, Oberflächenstrukturen).

Dieser Turnus wird nun so oft durchgeführt, bis ein akzeptables Gesamtergebnis für die Kühlleistung vorliegt.

Schließlich wird die Fertigungstauglichkeit geprüft, wobei DFM/DFX-Kriterien (leicht, zuverlässig und kosteneffizient herstellbar), Fertigungsverfahren, Toleranzen und Montageaspekte mit einfließen.

DER KONGRESS FÜR ELEKTRONIKENTWICKLER

Entwickeln mit Weitblick – Die 360-Grad-Sicht auf die Elektronik

Von der ersten Idee bis zum marktreifen Produkt: Power of Electronics liefert Wissen, Werkzeuge und Kontakte für erfolgreiche Elektronikentwicklung. Egal, ob Sie am Anfang Ihrer Karriere stehen oder erfahrener Spezialist sind – hier finden Sie tiefgehende Inhalte, aktuelle Technologien und innovative Lösungen. Es erwartet Sie ein auf verschiedene Themengebiete der Elektronik fokussiertes Vortragsprogramm, eine übergreifende Fachausstellung mit den jeweiligen Spezialunternehmen und Komponentenanbietern sowie zahlreiche Möglichkeiten zum interdisziplinären Austausch und intensiven Networking.

Tobias Best geht in seinem Vortrag am 30.9. intensiver auf Thema generatives Design und topologische Optimierung ein.

Jetzt anmelden!

Datengetriebene und sehr effiziente Herangehensweise

Generatives Design und topologische Optimierung eröffnen in der Entwicklung von Flüssigkeitskühlersystemen eine integrierte, datengetriebene Vorgehensweise, welche zwei komplementäre Ansätze miteinander verbindet: Generatives Design erzeugt eine breite Spannweite an Lösungsräumen durch zielgerichtete Randbedingungen, Material- und Fertigungseigenschaften sowie Produktionsrestriktionen.

Die topologische Optimierung optimiert die Materialverteilung innerhalb definierter Randbereiche, um Parameter wie Wärmeableitung, Druckverlust, Gewicht und Kosten zu beeinflussen. Zusammen ermöglichen diese Methoden eine systematische Ermittlung von Kühlkanal-Geometrien, Rippenstrukturen und Wärmepfaden, die sowohl thermische als auch mechanische Forderungen berücksichtigen.

Was bedeutet Generatives Design?

Im Kern bedeutet generatives Design, aus einer oder mehreren Zielsetzungen (z. B. Minimierung des Gewichts bei Erhalt der mechanischen Integrität und optimierter Wärmeabfuhr) eine Vielzahl von Lösungen automatisch abzuleiten. Die Software erzeugt hierzu auf Basis einer Produktionsrestriktion eine Parameterstudie, in welcher die Geometrie systematisch variiert wird. Eine intelligente Engine nähert sich in Anlehnung an parallel erzeugte Variantenergebnisse (Druck, Temperatur, Geschwindigkeit, Wärmeableitung) in schnellen Schritten dem Optimum.

Typische Merkmale sind:

• Zielorientierung: Mehrere Leistungskennzahlen wie Temperatur- oder Druckvorgaben bei Anlehnung an eine Basisstruktur im Kühlerinneren werden gleichzeitig adressiert.

• Constraints-Management: Produktionsprozesse (Additivfertigung, CNC, Spritzgießen oder andere), Fertigungstoleranzen und Materialanforderungen fließen unmittelbar in den Suchprozess ein.

• Leistungsbasierte Selektion: Leistungsindikatoren bestimmen, welche Designvarianten weiterentwickelt werden.

• Validierungspfad: Von digitalen Zuweisungen bis zu physikalischen Validationen (Rth-Widerstandsnetzwerk oder CFD) wird ein durchgängiger Verifikationsfluss gewährleistet.

Was bedeutet topologische Optimierung?

Die topologische Optimierung konzentriert sich darauf, die Materialverteilung innerhalb eines gegebenen Bauraums (zum Beispiel die innere Kühlerstruktur) so zu gestalten, dass definierte Leistungsziele – etwa Maximierung der Wärmeübertragung bei minimiertem Gewicht oder Reduktion von Druckverlusten – bestmögliche Werte erhalten. Wesentliche Schritte umfassen Randdefinitionen, divergierende Materialverteilungen mittels kontinuierlicher Variablen, gefolgt von der Überführung der Resultate in fertigungsgerechte Geometrien.

Wesentliche Schritte sind:

• Rand- und Lastdefinition: Geometrischer Bereich, Lastpfade, Randbedingungen und Fertigungsgrenzen werden festgelegt.

• Materialverteilung: Statt festen Volumenstrukturen wird eine Feldverteilung genutzt, die Materialanteile als kontinuierliche Variablen zulässt.

• Optimierter Suchalgorithmus: Meist ein Extremwertproblem, bei dem zusätzlich eine Regularisierung verwendet wird, um unpraktische Zwischenlösungen zu vermeiden. Beispiele: Glättung von Grau-Werten (Gray-Scale), Filterung, und Maßnahmen gegen unerwünschte Artefakte (Anti-Ghosting). Konvergenz und Nachbearbeitung: Ergebnis wird in eine druckfähige oder fertigungsgerechte Geometrie überführt, inklusive Verbindungen, Wanddicken und Produktivitätsaspekten.

Generatives Design in Verbindung mit topologischer Optimierung

Die Integration dieser beiden Ansätze (generativer und topologischer Ansatz) in eine modellbasierte Entwurfsführung unterstützt eine ganzheitliche Berücksichtigung von Thermik, Strömung, Struktur und Fertigung. Validierungsschritte über CFD-Analysen sowie gegebenenfalls experimentelle Tests ermöglichen die Identifikation von Hotspots, Temperaturgradienten und potenziellen Ausfällen.

Die modulare Natur solcher Methoden erleichtert zudem die Skalierung auf unterschiedliche Kühllösungen, einschließlich verschiedener Kanaltypen und Kühlmittel. Insgesamt adressieren diese Ansätze die Herausforderungen bei der Entwicklung effizienter, zuverlässiger und fertigungsgerechter Kühlkomponenten.

Generatives Design und topologische Optimierung bilden zwei komplementäre Ansätze, welche durch leistungsfähige Design-Software wie zum Beispiel ColdStream eine beschleunigte, datengetriebene Lösungssuche ermöglichen. (kr)

* Tobias Best ist Geschäftsführer von Alpha-Numerics in Nastätten.

(ID:50935187)