name: thermal-analysis description: 电子系统热建模与分析技能，用于结温计算、散热器选择、热阻网络和安全工作区验证。 allowed-tools: Read, Grep, Write, Bash, Edit, Glob category: 热管理 backlog-id: SK-025 metadata: author: babysitter-sdk version: “1.0.0”

热分析技能

用于电子系统可靠组件运行的热建模与分析。

目的

本技能为电子系统提供全面的热分析能力，从组件级结温计算到系统级热管理设计。它支持散热器选择、热界面材料评估和安全工作区验证。

能力

结到环境热阻

热阻网络建模
结到外壳（theta_jc）计算
外壳到散热器（theta_cs）与TIM分析
散热器到环境（theta_sa）特性分析
总热路径分析

散热器选择与优化

自然对流散热器尺寸确定
强制对流性能估算
给定约束下的翅片优化
散热器比较与选择
定制散热器规格
安装和界面考虑

强制对流分析

风扇气流需求计算
通过外壳的压降
流动阻抗匹配
热阻与气流曲线
风扇工作点确定

PCB热分析

铜扩散电阻计算
过孔热导率
多层板热建模
热点识别
热缓解焊盘分析

热界面材料选择

TIM热导率要求
接触电阻估算
相变材料 vs 导热硅脂 vs 间隙填充垫
粘合线厚度影响
长期可靠性考虑

瞬态热分析

热时间常数确定
脉冲功率处理
Foster和Cauer RC网络模型
瞬态热阻抗曲线
峰值温度预测

安全工作区验证

SOA曲线解读
直流和脉冲操作限制
二次击穿考虑
热失控检测
可靠性降额

降额曲线应用

基于温度的功率降额
最大结温限制
可靠性与性能权衡
组件特定降额指南

CFD仿真设置指导

边界条件定义
电子设备网格要求
湍流模型选择
辐射建模考虑
结果验证方法

先决条件

安装

pip install numpy scipy matplotlib pandas

可选依赖项

# 用于高级热建模
pip install CoolProp  # 流体属性

# 用于优化
pip install scipy

# 用于可视化
pip install plotly

使用模式

热阻网络分析

import numpy as np
from dataclasses import dataclass
from typing import List, Optional

@dataclass
class ThermalComponent:
    """表示热阻元件"""
    name: str
    theta: float  # 热阻 (C/W)
    power: float = 0.0  # 功耗 (W)

class ThermalNetwork:
    """用于电子设备的1D热阻网络"""

    def __init__(self):
        self.components: List[ThermalComponent] = []
        self.ambient_temp = 25.0  # 摄氏度

    def add_resistance(self, name: str, theta: float, power: float = 0.0):
        self.components.append(ThermalComponent(name, theta, power))

    def calculate_temperatures(self, total_power: float) -> dict:
        """计算每个节点的温度"""
        temperatures = {'ambient': self.ambient_temp}
        current_temp = self.ambient_temp

        # 从环境温度反向计算到结温
        for comp in reversed(self.components):
            delta_t = total_power * comp.theta
            current_temp += delta_t
            temperatures[comp.name] = current_temp

        return temperatures

    def total_thermal_resistance(self) -> float:
        return sum(c.theta for c in self.components)

    def max_power_for_tj(self, tj_max: float) -> float:
        """计算给定结温下的最大功率"""
        theta_ja = self.total_thermal_resistance()
        return (tj_max - self.ambient_temp) / theta_ja

# 示例：MOSFET热分析
network = ThermalNetwork()
network.ambient_temp = 40.0  # 升高的环境温度

# 添加热路径组件
network.add_resistance('theta_jc', 0.5)   # 结到外壳
network.add_resistance('theta_cs', 0.2)   # 外壳到散热器 (TIM)
network.add_resistance('theta_sa', 2.0)   # 散热器到环境

# 计算温度
power = 50.0  # 瓦特
temps = network.calculate_temperatures(power)
print(f"结温: {temps['theta_jc']:.1f}C")
print(f"外壳温度: {temps['theta_cs']:.1f}C")
print(f"散热器温度: {temps['theta_sa']:.1f}C")

# 最大功率计算
tj_max = 150.0  # 数据表中的最大结温
max_power = network.max_power_for_tj(tj_max)
print(f"在Tambient={network.ambient_temp}C时的最大功率: {max_power:.1f}W")

散热器选择

import numpy as np

class HeatSinkCalculator:
    """散热器热计算"""

    @staticmethod
    def natural_convection_theta(length_mm: float, width_mm: float,
                                  height_mm: float, num_fins: int,
                                  fin_thickness_mm: float = 1.5) -> float:
        """使用自然对流关联式估算挤压铝散热器的热阻"""

        # 转换为米
        L = length_mm / 1000
        W = width_mm / 1000
        H = height_mm / 1000
        t_fin = fin_thickness_mm / 1000

        # 基座面积
        A_base = L * W

        # 翅片间距
        s = (W - num_fins * t_fin) / (num_fins - 1) if num_fins > 1 else W

        # 翅片表面积（两侧）
        A_fins = 2 * num_fins * L * H

        # 总表面积
        A_total = A_base + A_fins

        # 自然对流系数估算（垂直翅片的典型值）
        h = 10  # W/(m^2*K) 自然对流的典型值

        # 翅片效率（简化）
        k_al = 200  # W/(m*K) 铝的导热系数
        m = np.sqrt(2 * h / (k_al * t_fin))
        eta_fin = np.tanh(m * H) / (m * H)

        # 有效面积
        A_eff = A_base + eta_fin * A_fins

        # 热阻
        theta_sa = 1 / (h * A_eff)

        return theta_sa

    @staticmethod
    def forced_convection_theta(theta_natural: float, velocity_m_s: float) -> float:
        """基于自然对流值和风速估算强制对流热阻"""

        # 经验关联式：强制对流比自然对流好得多
        # 典型改进因子
        velocity_factor = np.sqrt(velocity_m_s / 0.25)  # 归一化到典型自然对流
        improvement = min(velocity_factor * 3, 10)  # 改进上限为10倍

        return theta_natural / improvement

# 示例：为75W功耗选择散热器
calculator = HeatSinkCalculator()

# 散热器候选
candidates = [
    {'name': '小型', 'L': 50, 'W': 50, 'H': 25, 'fins': 10},
    {'name': '中型', 'L': 75, 'W': 75, 'H': 35, 'fins': 15},
    {'name': '大型', 'L': 100, 'W': 100, 'H': 50, 'fins': 20},
]

power = 75  # 瓦特
tj_max = 125
ta = 40
theta_jc = 0.3
theta_cs = 0.15

required_theta_sa = (tj_max - ta) / power - theta_jc - theta_cs
print(f"所需theta_sa: {required_theta_sa:.2f} C/W")

print("
散热器比较（自然对流）：")
for hs in candidates:
    theta = calculator.natural_convection_theta(
        hs['L'], hs['W'], hs['H'], hs['fins']
    )
    tj = ta + power * (theta_jc + theta_cs + theta)
    status = "通过" if tj <= tj_max else "失败"
    print(f"{hs['name']}: theta_sa={theta:.2f} C/W, Tj={tj:.1f}C [{status}]")

瞬态热分析

import numpy as np
import matplotlib.pyplot as plt

class TransientThermal:
    """使用Foster RC网络进行瞬态热分析"""

    def __init__(self, tau_values: List[float], r_values: List[float]):
        """
        使用Foster网络参数初始化
        tau_values: 时间常数（秒）
        r_values: 热阻贡献（C/W）
        """
        self.tau = np.array(tau_values)
        self.r = np.array(r_values)

    def thermal_impedance(self, time: float) -> float:
        """计算给定时间的Zth(t)"""
        zth = np.sum(self.r * (1 - np.exp(-time / self.tau)))
        return zth

    def temperature_rise(self, power: float, time: float) -> float:
        """计算恒定功率下的温升"""
        return power * self.thermal_impedance(time)

    def pulsed_power_analysis(self, power: float, t_on: float, t_off: float,
                              num_pulses: int) -> np.ndarray:
        """分析脉冲功率下的温度"""
        dt = min(t_on, t_off) / 100
        total_time = num_pulses * (t_on + t_off)
        time = np.arange(0, total_time, dt)

        temp_rise = np.zeros_like(time)

        for i, t in enumerate(time):
            # 脉冲响应的叠加
            for pulse in range(num_pulses):
                pulse_start = pulse * (t_on + t_off)
                pulse_end = pulse_start + t_on

                if t > pulse_start:
                    # 添加脉冲开始的加热
                    temp_rise[i] += power * self.thermal_impedance(t - pulse_start)
                if t > pulse_end:
                    # 减去脉冲结束的冷却
                    temp_rise[i] -= power * self.thermal_impedance(t - pulse_end)

        return time, temp_rise

# 示例：MOSFET瞬态热分析
# 来自数据表的Foster网络参数
tau = [0.001, 0.01, 0.1, 1.0]  # 秒
r = [0.05, 0.1, 0.15, 0.2]    # C/W

thermal = TransientThermal(tau, r)

# 单脉冲分析
pulse_power = 100  # 瓦特
pulse_duration = 0.05  # 50毫秒

temp_rise = thermal.temperature_rise(pulse_power, pulse_duration)
print(f"{pulse_power}W, {pulse_duration*1000}毫秒脉冲的温升: {temp_rise:.1f}C")

# 稳态
temp_steady = thermal.temperature_rise(pulse_power, 10.0)
print(f"稳态温升: {temp_steady:.1f}C")

安全工作区检查

class SOAChecker:
    """安全工作区验证"""

    def __init__(self, vds_max: float, id_max: float, pd_max: float,
                 tj_max: float, theta_jc: float):
        self.vds_max = vds_max
        self.id_max = id_max
        self.pd_max = pd_max
        self.tj_max = tj_max
        self.theta_jc = theta_jc

    def check_dc_operation(self, vds: float, id: float, tc: float) -> dict:
        """检查工作点是否在直流SOA内"""
        power = vds * id
        tj = tc + power * self.theta_jc

        checks = {
            'vds_ok': vds <= self.vds_max,
            'id_ok': id <= self.id_max,
            'power_ok': power <= self.pd_max,
            'tj_ok': tj <= self.tj_max,
        }

        checks['all_ok'] = all(checks.values())
        checks['power'] = power
        checks['tj'] = tj

        return checks

    def max_current_at_voltage(self, vds: float, tc: float) -> float:
        """计算给定电压和外壳温度下的最大电流"""
        # 基于Tj的功率限制
        max_power_thermal = (self.tj_max - tc) / self.theta_jc
        max_power = min(max_power_thermal, self.pd_max)

        # 功率限制的电流
        id_power = max_power / vds if vds > 0 else self.id_max

        # 取最严格的限制
        return min(id_power, self.id_max)

# 示例：MOSFET SOA检查
soa = SOAChecker(
    vds_max=100,  # V
    id_max=50,    # A
    pd_max=200,   # W
    tj_max=150,   # C
    theta_jc=0.5  # C/W
)

# 检查工作点
result = soa.check_dc_operation(vds=40, id=4, tc=80)
print(f"工作点检查: {result}")

# 生成SOA曲线
vds_points = np.logspace(0, 2, 50)  # 1V到100V
id_curve = [soa.max_current_at_voltage(v, 80) for v in vds_points]
print(f"在Vds=40V, Tc=80C时的最大电流: {soa.max_current_at_voltage(40, 80):.1f}A")

使用指南

何时使用此技能

设计期间的组件热验证
散热器选择和规格制定
热界面材料选择
PCB热管理设计
过热组件的故障分析

最佳实践

使用制造商的热数据（如果可用）
为热计算添加余量（通常为10-20%）
考虑最坏情况的环境温度
考虑TIM和风扇的老化
通过热测量验证计算
在设计评审中记录热假设

流程集成

ee-switching-power-supply-design（热管理）
ee-motor-drive-design（功率级热管理）
ee-hardware-validation（热特性分析）
ee-dfm-review（热设计评审）

依赖项

numpy: 数值计算
scipy: 散热器选择的优化
matplotlib: 热可视化

参考文献

Ellison, G. “电子设备热计算”
Sergent & Krum, “热管理手册”
Infineon、ON Semi、TI的应用笔记