| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 LED的发展趋势 | 第9-10页 |
| 1.2 LED的散热问题 | 第10-12页 |
| 1.2.1 LED的发光原理 | 第10-11页 |
| 1.2.2 温度对LED的性能影响 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 芯片封装散热技术 | 第12页 |
| 1.3.2 散热性能分析方法 | 第12-13页 |
| 1.3.3 散热方式 | 第13-14页 |
| 1.3.4 散热器材料对散热性能的影响 | 第14-15页 |
| 1.3.5 散热器结构对散热性能的影响 | 第15页 |
| 1.4 本文主要工作 | 第15-17页 |
| 第二章 LED镁合金多尺寸翅片散热器设计 | 第17-31页 |
| 2.1 LED散热理论基础 | 第17-21页 |
| 2.1.1 LED热阻模型 | 第17-18页 |
| 2.1.2 传热理论 | 第18-21页 |
| 2.2 散热技术的选择 | 第21-23页 |
| 2.3 散热材料的选择 | 第23页 |
| 2.4 多尺寸翅片散热器热性能分析 | 第23-29页 |
| 2.4.1 新型镁合金LED灯具散热器的结构设计 | 第24-25页 |
| 2.4.2 仿真模型的参数设置 | 第25-26页 |
| 2.4.3 流体场与温度场的对比分析 | 第26-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 LED镁合金多尺寸翅片散热器实验研究 | 第31-39页 |
| 3.1 散热器样品制作 | 第31-32页 |
| 3.2 实验器材及设备 | 第32-33页 |
| 3.3 温度测点分布 | 第33页 |
| 3.4 实验步骤 | 第33-34页 |
| 3.5 实验结果及误差分析 | 第34-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于BP神经网络与遗传算法的散热器结构优化 | 第39-63页 |
| 4.1 关键几何参数对散热性能的影响分析 | 第39-43页 |
| 4.2 神经网络理论 | 第43-47页 |
| 4.2.1 人工神经网络理论 | 第43-44页 |
| 4.2.2 人工神经网络结构 | 第44-45页 |
| 4.2.3 人工神经网络学习方式 | 第45页 |
| 4.2.4 人工神经网络特点 | 第45-46页 |
| 4.2.5 BP神经网络 | 第46-47页 |
| 4.3 基于BP神经网络建立芯片结温预测模型 | 第47-55页 |
| 4.3.1 确定样本数据 | 第47-51页 |
| 4.3.2 网络结构及参数设置 | 第51-52页 |
| 4.3.3 网络训练与预测 | 第52-53页 |
| 4.3.4 预测结果分析 | 第53-55页 |
| 4.4 多目标优化问题 | 第55-58页 |
| 4.4.1 多目标优化 | 第55-56页 |
| 4.4.2 多目标优化算法 | 第56-57页 |
| 4.4.3 遗传算法多目标优化 | 第57-58页 |
| 4.5 基于遗传算法实现散热器结构的多口标优化 | 第58-62页 |
| 4.5.1 遗传算法多目标优化 | 第58-59页 |
| 4.5.2 遗传算法多目标优化运算流程 | 第59-60页 |
| 4.5.3 散热器结构优化实现 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 全文总结 | 第63页 |
| 5.2 后续工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 发表论文 | 第69页 |
| 参加科研情况 | 第69-71页 |
| 致谢 | 第71页 |