Математическое моделирование системы жидкостного охлаждения микропроцессора

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В данной работе исследуются вопросы эффективности работы системы микропроцессор-система охлаждения и поддержания оптимальной температуры электронных компонентов. Для этого проведены эксперименты на существующей системе охлаждения микропроцессора с контролем всех основных параметров, в первую очередь таких как температура и расход теплоносителя, производительность и температура процессора. На основании полученных данных построена математическая модель, описывающая изменение мощности микропроцессора и позволяющая рассчитывать температуры и скорости теплоносителей, а также получать наиболее эффективные режимы для работы системы охлаждения. Полученные экспериментальные данные и математическая модель позволяет прогнозировать потребные мощности системы охлаждения и параметры работы микроэлектронных компонентов, что особенно важно при появлении новых поколений микропроцессоров, обладающих наиболее высокой производительностью. Полученные данные также позволяют рассчитывать параметры для существующих процессоров с целью наибольшего увеличения эффективности и надёжности их работы, что актуально и для других электронных устройств, в частности микроконтроллеров.

Полный текст

Доступ закрыт

Об авторах

А. И. Андреев

Астраханский государственный технический университет

Email: aresut79@mail.ru
Россия, Астрахань

А. Е. Семенов

Астраханский государственный технический университет

Автор, ответственный за переписку.
Email: aresut79@mail.ru
Россия, Астрахань

Список литературы

  1. Федорович Д.С. Деградация центральных процессоров в персональных компьютерах / Д. С. Федорович; науч. рук. С. В. Сизиков // Актуальные проблемы энергетики 2020 [Электронный ресурс]: материалы студенческой научно-технической конференции / сост. И. Н. Прокопеня. – Минск: БНТУ, 2020. – С. 278–284.
  2. Srinivasan J. et al. The case for lifetime reliability-aware microprocessors // ACM SIGARCH Computer Architecture News. – 2004. – Т. 32. – № 2. – С. 276.
  3. Moore G. BCramming more components onto integrated circuits,[Electronics, vol. 38, pp. 114–117, Apr. 19, 1965.
  4. Mahajan R., Chiu C., Chrysler G. Cooling a microprocessor chip // Proceedings of the IEEE. – 2006. – Т. 94. – № 8. – С. 1476–1486.
  5. Пехуров Н.В., Нацаренус П.А. Сравнение методов традиционного охлаждения с иммерсионным методом охлаждения систем // Вестник магистратуры. – 2019. – № 6–2. – С. 93.
  6. Шелехов И.Ю., Коваленко А.Е., Залуцкий А.А. Оптимизация процесса использования вторичной тепловой энергии // The Scientific Heritage. – 2022. – № 82–1. – С. 68–70.
  7. Немтырёва К.А. Системы охлаждения в ПК / Конкурс лучших студенческих работ – 2021. – С. 9–12.
  8. Harun M.A., Sidik N.A.C. A review on development of liquid cooling system for central processing unit (CPU) // Journal of Advanced Research in Fluid Mechanics and Thermal Sciences. – 2020. – Т. 78. – № 2. – С. 98–113.
  9. Gullbrand J. et al. Liquid cooling of compute system // Journal of Electronic Packaging. – 2019. – Т. 141. – № 1. – С. 010802.
  10. Halim N.F.C. and Sidik N.A.C. “Nanorefrigerants: A Review on Thermophysical Properties and Their Heat Transfer Performance.” Journal of Advanced Research in Applied Sciences and Engineering Technology 20, No. 1 (2020): 42–50. 11.
  11. Halim N.F.C. and Sidik N.A.C. “Mixing Chamber for Preparation of Nanorefrigerant.” Journal of Advanced Research in Applied Sciences and Engineering Technology 21, No 1 (2020): 32–40.
  12. Effect of Temperature on Power-Consumption with the i7–2600K /. 2011 https://forums.anandtech.com
  13. Рыбаков А.В. Разработка системы охлаждения процессора персонального компьютера с использованием элемента Пельтье // Договора № 17–1–004502 от 19.10. 2017 г. между Фондом Президентских грантов и РМПО. Проект «Организация региональной сети и проведение бизнес-школ-выставок, направленных на развитие у школьников и студентов навыков научного предпринимательства, способствующих внедрению экономически перспективных разработок молодых инноваторов». – С. 12.
  14. Лебакин А.И., Червенчук В.Д., Забудский А.И. К вопросу о практическом применении элементов Пельтье // Роль научно-исследовательской работы обучающихся в развитии АПК. – 2019. – С. 165–173.
  15. Al-Rashed M.H. et al. Investigation on the CPU nanofluid cooling // Microelectronics Reliability. – 2016. – Т. 63. – С. 159–165.
  16. Bahiraei M., Heshmatian S. Electronics cooling with nanofluids: A critical review // Energy Conversion and Management. – 2018. – Т. 172. – С. 438–456.
  17. Qi C. et al. Experimental study on thermo-hydraulic performances of CPU cooled by nanofluids // Energy Conversion and Management. – 2017. – Т. 153. – С. 557–565.
  18. Deng Y., Liu J. Optimization and evaluation of a high-performance liquid metal CPU cooling product // IEEE Transactions on Components, Packaging and Manufacturing Technology. – 2013. – Т. 3. – № 7. – С. 1171–1177.
  19. Sarafraz M.M. et al. On the convective thermal performance of a CPU cooler working with liquid gallium and CuO/water nanofluid: A comparative study // Applied Thermal Engineering. – 2017. – Т. 112. – С. 1373–1381.
  20. Habibishandiz M., Saghir M.Z. A critical review of heat transfer enhancement methods in the presence of porous media, nanofluids, and microorganisms // Thermal Science and Engineering Progress. 2022. Т. 30. С. 101267.
  21. Fan F. et al. A novel thermal efficiency analysis on the thermo-hydraulic performance of nanofluids in an improved heat exchange system under adjustable magnetic field // Applied Thermal Engineering. 2020. Т. 179. С. 115688.
  22. Букин В.Г. Гидравлическое сопротивление при кипении хладагентов в трубах горизонтальных и вертикальных испарителей судовых холодильных машин / В.Г. Букин, А.И. Андреев, А.В. Букин // Вестник Астраханского государственного технического университета. Серия: Морская техника и технология. 2020. № 2. С. 92–99. doi: 10.24143/2073-1574-2020-2-92-99.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Изменение температуры основных компонентов и ядер процессора (а), мощности процессора (б) и частоты (в) от времени

Скачать (425KB)
3. Рис. 2. Стенд для исследования охлаждения процессора компьютера: 1 –теплообменник на процессоре, 2 – помпа (насос), 3 – ротаметр, 4, 6, 12, 13 – термопары, 5 – запорный вентиль, 7 – расширительный бак, 8 – термостат с мешалкой с теплоэлектронагревателем и змеевиком холодильного агента, (холодильная машина), 9 – крышка для сепарации воздуха, 10, 11 – регулирующие вентили, 14 – нагреватель

Скачать (93KB)
4. Рис. 3. Изменение температуры в жидкостной системе охлаждения: □ – температура на входе в радиатор, ‒ – температура на выходе из радиатора, ° – температура на входе в водоблок, ◊ – температура на выходе из водоблока, ∆ – температура на входе воздуха в вентилятор,× – температура на выходе воздуха из вентилятор

Скачать (117KB)
5. Рис. 4. Зависимость температуры процессора от: температуры входящей в водоблок воды – а) , мощности процессора от температуры входящей в водоблок воды – б), мощности процессора от температуры процессора – в) при расходах 0.3 л/мин (∆), 0.55 л/мин (□), 1 л/мин (°).

Скачать (196KB)
6. Рис. 5. Разницы температур в элементах системы охлаждения процессора при различных температурах на входе и выходе каждого элемента системы.

Скачать (111KB)
7. Рис. 6. Зависимость температуры процессора от температуры входящей в водоблок воды – а), мощности процессора от температуры входящей в водоблок воды – б), нагрева воды от температуры входящей в водоблок воды – в), мощности процессора от температуры процессора – г), при расходах 0.3 л/мин (∆), 0.55 л/мин (□), 1 л/мин (°), 1.2 л/мин (×).

Скачать (209KB)
8. Рис. 7. Зависимость характеристики теплообменника процессора от температуры воды по экспериментальным данным а), по данным из математической модели б) при расходе – 0.3 л/мин (◊), 0.6 л/мин (□). 0.9 л/мин (∆), 1.2 л/мин (×).

Скачать (129KB)
9. Рис. 8. Расчётная зависимость коэффициенте теплопередачи от температуры воды при расходе – 0.3 л/мин (◊), 0.6 л/мин (□). 0.9 л/миг (∆), 1.2 л/мин (×).

Скачать (66KB)

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».