2. 热设计中的关键物理量与评价指标
热设计参数化与多目标优化的第一步，是把“热好不好”这件事翻译成可计算、可比较、可约束的物理量。热阻、温度场、热流密度、压降、泵功耗、热应力与可靠性指标，构成了从芯片结温到系统寿命的完整评价链条。理解它们各自的定义、单位、适用边界以及相互耦合关系，才能正确设置优化目标与约束条件。
热阻：从单点到网络
热阻描述单位热流通过某段路径所需的温差，定义为 R = ΔT / Q，单位为 K/W。它把复杂的传热过程压缩成一个“欧姆定律”式的线性关系，是热设计中最基础的参数。对于芯片封装，常用结到壳热阻 Rjc、结到板热阻 Rjb、结到环境热阻 Rja；对于散热器，则有界面材料热阻、基板扩散热阻、鳍片对流热阻等。
需要强调的是，热阻并非恒定常数。当热流路径以导热为主且材料导热系数随温度变化不大时，R 近似线性；但当涉及自然对流、辐射或相变时，热阻会随温差和温度水平变化。因此在参数化模型中，常把 R 写成温度或流量的函数，例如 Rconv = 1/(hA)，而 h 又依赖流速与空气物性。多目标优化中，若把热阻当作固定值，容易在变工况下产生较大偏差。
热阻网络是工程上最常用的建模方式。把芯片、TIM、均热板、散热器、环境依次串联，并在分支处并联，即可用节点温度法求解各点温度。对于有多个热源和多个散热路径的系统，热阻网络能清晰表达“热量往哪里走、哪段是瓶颈”。
温度场：空间分布与热点
温度场 T(x, y, z, t) 是热设计最直接的结果量。与单点热阻相比，温度场能揭示热点位置、温度梯度以及热扩散是否充分。评价温度场时，常用指标包括最高温度 Tmax、平均温度 Tavg、温度均匀性 ΔT = Tmax − Tmin，以及热点面积占比。
在参数化优化中，温度场通常通过有限元或有限体积仿真获得，计算成本较高。因此常采用降阶模型、响应面或代理模型来近似 Tmax 与关键位置温度。需要注意的是，Tmax 对网格密度和边界条件非常敏感，优化时应固定网格策略与边界条件，避免把数值误差误判为设计改进。
热流密度：热量集中的度量
热流密度 q″ = Q / A，单位为 W/m² 或 W/cm²，表示单位面积通过的热功率。它决定了界面材料、焊料层和散热器基板是否会被“烧穿”。例如，功率芯片局部热流密度可达 100 W/cm² 以上，而普通风冷散热器可承受的热流密度通常只有几 W/cm² 到十几 W/cm²，两者之间的差距必须通过均热板、热管或液冷来弥合。
热流密度与热阻共同决定温差：q″ 越大，同样热阻下温差越大。因此在优化中，降低热流密度（扩热）和降低热阻（强化传热）是两条并行路径。扩热往往通过增加铜层厚度、使用均热板或优化热源布局实现，而降低热阻则依赖材料选择与流道设计。
压降与泵功耗：流动侧的代价
对于液冷或强制风冷系统，压降 Δp 是冷却介质流过流道、鳍片、接头和弯头时产生的压力损失，单位为 Pa 或 kPa。压降直接决定泵或风机的功耗：Ppump = Δp · Qv / η，其中 Qv 为体积流量，η 为泵效率。在数据中心和电动汽车热管理中，泵功耗往往占总功耗的 5%～15%，是不可忽视的优化目标。
压降与流量通常呈平方关系：Δp ∝ Qv²。这意味着流量翻倍，压降约变为四倍，泵功耗约变为八倍。因此，在满足散热需求的前提下，应尽量降低流量或优化流道以减小阻力。常见的优化手段包括增大流道截面积、减少弯头、采用低阻力鳍片形状、以及合理分配并联支路流量。
热应力与可靠性指标
温度变化会引起材料热膨胀，产生热应力 σ = E·α·ΔT / (1 − ν)（简化形式）。热应力会导致焊点疲劳、芯片开裂、界面分层等失效。评价热应力时，常用等效应力 von Mises、塑性应变范围 Δεp、以及基于 Coffin–Manson 方程的疲劳寿命预测。
可靠性指标则把热应力与寿命关联起来，例如焊点热循环寿命 Nf、平均无故障时间 MTBF、以及失效概率。在参数化优化中，热应力与温度场耦合，计算量更大，通常采用简化模型或代理模型进行快速评估。一个实用的做法是：先用热阻网络和温度场筛选方案，再对候选方案做热应力与寿命校核。
指标之间的耦合关系
这些物理量并非孤立。降低热阻可能增加压降；提高流量可以降低温度但增加泵功耗；增大散热器面积可以降低热流密度但增加体积和重量；降低热应力可能需要减少温度梯度，而这又可能牺牲散热性能。多目标优化的本质，就是在这些相互冲突的指标之间寻找帕累托前沿。
参数化建模中的指标选择建议
在实际项目中，不必把所有指标都作为优化目标。通常选择 2～3 个核心目标，其余作为约束。例如：以 Tmax 和 Ppump 为目标，以 Δp ≤ 30 kPa、σmax ≤ 200 MPa、Nf ≥ 1000 次循环为约束。这样既控制了计算规模，又保证了工程可行性。
此外，指标的量纲和数量级差异很大，优化前应做归一化处理。例如把 Tmax 归一化到 [0,1]，把 Ppump 也归一化到 [0,1]，再加权求和或使用多目标遗传算法求帕累托前沿。归一化基准应来自设计空间内的合理上下限，而不是随意取值。
总结来看，热阻、温度场、热流密度、压降、泵功耗、热应力与可靠性指标共同构成了热设计的评价体系。它们之间存在明确的物理传递关系：热源产生热流密度，热流密度与热阻共同决定温度场，温度场梯度驱动热应力，热应力累积影响可靠性；而流动侧的压降与泵功耗则决定了散热方案是否可接受。理解这些关系，是后续参数化建模与多目标优化的基础。