主题041：电子器件热管理仿真

引言

随着电子技术的飞速发展，集成电路的集成度和工作频率不断提高，电子器件的功耗密度呈指数级增长。现代高性能芯片（如CPU、GPU、AI加速器）的功率密度已超过100 W/cm²，局部热点甚至可达1000 W/cm²以上。有效的热管理已成为制约电子设备性能和可靠性的关键因素。

电子器件热管理的核心挑战包括：

• 高热流密度：芯片尺寸缩小但功耗增加
• 温度均匀性：避免局部热点导致性能下降
• 空间约束：便携式设备对散热系统的尺寸限制
• 噪声限制：风扇等主动散热方式的噪声控制
• 可靠性要求：温度循环和热应力对器件寿命的影响

本教程将系统介绍电子器件热管理的理论基础、设计方法和工程应用，并通过Python实现多个典型仿真案例。

---

电子器件热特性基础

2.1 半导体器件发热机理

2.1.1 功耗组成

电子器件的功耗主要包括：

动态功耗（开关功耗）：

$$P_{dynamic}=\alpha C{V}^{2}f$$

其中：

• $\alpha$：开关活动因子（0 < $\alpha$ ≤ 1）
• $C$：负载电容
• $V$：工作电压
• $f$：时钟频率

静态功耗（漏电流功耗）：

$$P_{static}=V_{DD}{I}_{leakage}$$

随着工艺节点缩小，漏电流功耗占比逐渐增加，在7nm及以下工艺中可能超过50%。

短路功耗：

$$P_{short}=\beta (V_{DD}-2V_{th}{)}^3\frac{\tau f}{12}$$

2.1.2 热点形成机理

芯片内部功耗分布不均匀导致热点形成：

• 功能单元差异：ALU、Cache、控制单元的功耗密度不同
• 工作负载变化：不同应用程序的功耗模式不同
• 工艺偏差：制造过程中的参数不均匀性

热点温度可用以下公式估算：

$$T_{hotspot}=T_{ambient}+R_{th}\cdot P_{local}+\Delta T_{spatial}$$

其中$\Delta T_{spatial}$是由于横向热阻引起的空间温度梯度。

2.2 热阻网络分析

2.2.1 热阻概念

热阻$R_{th}$定义为温度差与热流之比：

$$R_{th}=\frac{\Delta T}{Q}$$

单位：K/W 或 °C/W

一维导热热阻：

$$R_{th,cond}=\frac{L}{kA}$$

其中：

• $L$：材料厚度
• $k$：导热系数
• $A$：截面积

对流热阻：

$$R_{th,conv}=\frac{1}{hA}$$

其中$h$为对流换热系数。

接触热阻：

$$R_{th,contact}=\frac{1}{h_{c}A}$$

其中$h_c$为接触换热系数，取决于表面粗糙度和接触压力。

2.2.2 等效热路模型

电子器件散热路径可用热阻网络表示：

芯片结温 T_j
    |
    R_jc (结壳热阻)
    |
芯片外壳 T_case
    |
    R_tim (热界面材料热阻)
    |
散热器基板 T_base
    |
    R_spreader (扩散热阻)
    |
散热翅片 T_fin
    |
    R_conv (对流热阻)
    |
环境温度 T_ambient

总热阻：

$$R_{th,total}=R_{jc}+R_{tim}+R_{spreader}+R_{conv}$$

结温计算：

$$T_j=T_a+P\cdot R_{th,total}$$

2.2.3 瞬态热响应

热容$C_{th}$描述器件储存热能的能力：

$$C_{th}=\rho c_{p}V$$

热时间常数：

$$\tau =R_{th}{C}_{th}$$

瞬态温度响应：

$$T(t)=T_{ss}+(T_0-T_{ss})e^{-t/\tau }$$

其中$T_{ss}$为稳态温度。

2.3 材料热物性

2.3.1 常用材料导热系数

材料	导热系数 (W/m·K)	应用场景
硅	148	芯片衬底
铜	400	散热器、热管
铝	237	散热器、外壳
金刚石	2000	高导热衬底
氮化铝	170	陶瓷基板
氧化铍	250	高导热绝缘基板
硅脂	0.5-5	热界面材料
相变材料	0.5-3	热界面材料

2.3.2 各向异性材料

某些材料（如石墨、石墨烯）具有各向异性导热特性：

石墨片：

• 面内导热系数：1000-2000 W/m·K
• 面外导热系数：5-20 W/m·K

热导率张量：

$$\mathbf{k}=\left[\begin{array}{ccc}{k}_{xx}& k_{xy}& k_{xz}\\ k_{yx}& k_{yy}& k_{yz}\\ k_{zx}& k_{zy}& k_{zz}\end{array}\right]$$

---

芯片散热设计

3.1 芯片级热分析

3.1.1 功耗映射

芯片功耗分布通常以功耗图（Power Map）形式给出：

P(x,y) = Σ P_i · rect((x-x_i)/w_i, (y-y_i)/h_i)

其中$(x_i,y_i)$为功能单元中心位置，$w_i,h_i$为尺寸。

3.1.2 热扩散方程

芯片内部温度分布满足：

$$\rho c_p\frac{\partial T}{\partial t}=k{\nabla }^{2}T+Q(x,y,z,t)$$

边界条件：

• 顶面：对流或接触散热
• 底面：通常绝热或接触基板
• 侧面：对流或绝热

3.1.3 热点缓解技术

动态热管理（DTM）：

• 动态电压频率调节（DVFS）
• 时钟门控
• 任务迁移

架构级优化：

• 功能单元分布优化
• 热感知布局
• 嵌入式微流道

3.2 封装热设计

3.2.1 封装类型对比

封装类型	热阻 (K/W)	应用场景
塑料DIP	50-100	低功耗IC
陶瓷QFP	20-40	中等功耗
BGA	10-25	高性能芯片
FC-BGA	5-15	高端CPU/GPU
裸片封装	2-8	功率器件

3.2.2 热过孔设计

PCB中的热过孔可降低热阻：

$$R_{th,via}=\frac{L}{k_{cu}\cdot n\cdot \pi r^2}$$

其中：

• $n$：过孔数量
• $r$：过孔半径
• $L$：板厚

优化参数：

• 过孔直径：0.2-0.5 mm
• 过孔间距：1-2 mm
• 填充材料：铜或导热胶

3.3 先进冷却技术

3.3.1 微流道冷却

在芯片内部或基板中集成微流道：

热阻计算：

$$R_{th,micro}=\frac{1}{\rho c_{p}Q}+\frac{1}{hA}$$

其中$Q$为冷却液流量。

设计参数：

• 流道宽度：50-500 μm
• 流道深度：100-1000 μm
• 壁厚：50-200 μm

可实现热阻<0.1 K/W。

3.3.2 射流冲击冷却

高速冷却液直接冲击芯片表面：

$$Nu=0.5R{e}^{0.5}P{r}^{0.4}$$

局部换热系数可达10,000-100,000 W/m²·K。

3.3.3 相变冷却

利用沸腾或冷凝的潜热：

池沸腾：

$$q={\mu }_l{h}_{fg}{\left[\frac{g({\rho }_l-{\rho }_v)}{\sigma }\right]}^{1/2}{\left(\frac{c_{p,l}\Delta T}{C_{sf}{h}_{fg}P{r}_l^n}\right)}^3$$

临界热流密度（CHF）：

$$q_{CHF}=0.149h_{fg}{\rho }_v{\left[\frac{\sigma g({\rho }_l-{\rho }_v)}{{\rho }_v^2}\right]}^{1/4}$$

---

热界面材料

4.1 热界面材料类型

4.1.1 导热硅脂

由硅油和导热填料（氧化铝、氮化硼、银粉）组成：

• 导热系数：0.5-5 W/m·K
• 厚度：25-100 μm
• 热阻：0.1-1 K·cm²/W

Bergman模型：

$$k_{eff}=k_m\frac{k_d+2k_m+2\varphi (k_d-k_m)}{k_d+2k_m-\varphi (k_d-k_m)}$$

其中：

• $k_m$：基体导热系数
• $k_d$：填料导热系数
• $\varphi$：填料体积分数

4.1.2 导热垫片

固态弹性材料，易于安装：

• 导热系数：1-10 W/m·K
• 厚度：0.5-5 mm
• 压缩率：10-50%

4.1.3 相变材料

在特定温度下熔化填充空隙：

• 相变温度：40-80°C
• 导热系数：0.5-3 W/m·K（固态），2-5 W/m·K（液态）
• 优点：长期稳定性好

4.1.4 金属基材料

液态金属：

• 导热系数：20-80 W/m·K
• 导电性：需要绝缘处理

焊料：

• 导热系数：50-80 W/m·K
• 长期可靠性问题

4.2 接触热阻机理

4.2.1 表面形貌

实际表面存在微观不平度：

• 粗糙度$R_a$：0.1-10 μm
• 峰谷高度差：1-50 μm

接触仅发生在微凸体顶端，实际接触面积约为名义面积的1-10%。

4.2.2 接触热阻模型

Cooper-Mikic-Yovanovich模型：

$$R_{contact}=\frac{1}{1.25k_s{\left(\frac{P}{H}\right)}^{0.95}\frac{m}{\sigma }\sqrt{\frac{A_a}{A_n}}}$$

其中：

• $k_s=2k_1{k}_2/(k_1+k_2)$：等效导热系数
• $P$：接触压力
• $H$：较软材料硬度
• $m,\sigma$：表面形貌参数

界面热阻：

$$R_{interface}=R_{contact}+\frac{{\delta }_{gap}}{k_{gap}{A}_a}$$

4.3 TIM性能测试

4.3.1 稳态法

$$R_{th}=\frac{T_1-T_2}{Q}$$

ASTM D5470标准：

• 样品尺寸：Φ25.4 mm
• 热流密度：10-100 W/cm²
• 压力范围：0.1-3 MPa

4.3.2 瞬态法

激光闪射法测量热扩散系数：

$$\alpha =\frac{L^2}{t_{1/2}}\cdot \frac{1}{{\pi }^2}$$

导热系数：

$$k=\alpha \rho c_p$$

---

散热器优化

5.1 散热器类型

5.1.1 型材散热器

挤压铝型材是最常用的散热器形式：

翅片效率：

$${\eta }_f=\frac{\tanh (mL)}{mL}$$

其中：

$$m=\sqrt{\frac{2h}{kt}}$$

$t$为翅片厚度。

优化设计参数：

• 翅片间距：3-10 mm（自然对流），1-5 mm（强制对流）
• 翅片厚度：1-3 mm
• 基板厚度：5-15 mm
• 翅片高度：20-100 mm

5.1.2 热管散热器

利用相变传热的高效散热器：

热管工作原理：

1. 蒸发段：工作液体吸热蒸发
2. 蒸汽流动：压力差驱动至冷凝段
3. 冷凝段：放热冷凝
4. 液体回流：毛细力或重力驱动

热管热阻：

$$R_{heatpipe}=R_{evap}+R_{vapor}+R_{cond}+R_{wick}$$

典型值：0.01-0.1 K/W

热管极限：

• 毛细极限：$Q_{max,cap}=\frac{{\rho }_l{h}_{fg}\sigma }{{\mu }_l}\frac{A_{w}K}{L_{eff}}$
• 声速极限
• 携带极限
• 沸腾极限

5.1.3 均热板

二维热管，实现面内温度均匀化：

有效导热系数：

$$k_{eff}=\frac{QL}{A\Delta T}$$

可达10,000-50,000 W/m·K。

5.2 散热器优化方法

5.2.1 尺寸优化

在给定空间约束下最大化散热能力：

优化目标：

$$\min R_{th}(b,H,t,n)\text{s.t.}V\le V_{max}$$

其中：

• $b$：翅片间距
• $H$：翅片高度
• $t$：翅片厚度
• $n$：翅片数量

解析优化：

对于矩形直翅片，最优翅片间距：

$$b_{opt}=2.7{\left(\frac{\nu \alpha }{g\beta \Delta T}\right)}^{1/4}$$

5.2.2 拓扑优化

基于密度法的散热器拓扑优化：

SIMP方法：

$$k(\rho )=k_{min}+(k_0-k_{min}){\rho }^p$$

其中：

• $\rho$：单元密度（0 ≤ $\rho$ ≤ 1）
• $p$：惩罚因子（通常p=3）

优化目标：

• 最小化热阻
• 最小化压降
• 多目标优化

5.2.3 翅片形状优化

梯形翅片：

$${\eta }_{trapezoidal}=\frac{\tanh (m{L}_{eff})}{m{L}_{eff}}\cdot \frac{1}{1+\frac{t_{tip}}{t_{base}}}$$

针翅散热器：

$$N{u}_D=CR{e}_D^{m}P{r}^{1/3}$$

其中：

• $C=0.664$（层流）
• $m=0.5$（层流）

5.3 风扇与风道设计

5.3.1 风扇特性曲线

风扇性能由P-Q曲线描述：

$$\Delta P=P_{max}{\left(1-\frac{Q}{Q_{max}}\right)}^2$$

工作点：风扇曲线与系统阻力曲线的交点。

5.3.2 系统阻力

$$\Delta P_{system}=K\frac{1}{2}\rho V^2$$

其中$K$为阻力系数，包括：

• 入口损失
• 出口损失
• 沿程摩擦
• 局部阻力（翅片、拐角等）

5.3.3 风道优化

设计准则：

• 避免急转弯（曲率半径 > 2倍水力直径）
• 入口导流设计
• 出口扩散角 < 15°
• 减少流动分离

---

热电冷却

6.1 热电效应基础

6.1.1 Seebeck效应

温差产生电势：

$$\alpha =\frac{dV}{dT}$$

其中$\alpha$为Seebeck系数（μV/K）。

6.1.2 Peltier效应

电流产生吸热/放热：

$$Q_P=\alpha IT$$

6.1.3 Thomson效应

电流在温度梯度场中的吸热：

$$Q_T=\tau I\frac{dT}{dx}$$

6.2 热电制冷器

6.2.1 工作原理

热电制冷器（TEC）利用Peltier效应实现主动制冷：

制冷量：

$$Q_c=\alpha I{T}_c-\frac{1}{2}{I}^{2}R-K\Delta T$$

其中：

• $\alpha I{T}_c$：Peltier吸热
• $\frac{1}{2}{I}^{2}R$：焦耳热（一半流向冷端）
• $K\Delta T$：导热漏热

性能系数（COP）：

$$COP=\frac{Q_c}{W}=\frac{\alpha I{T}_c-\frac{1}{2}{I}^{2}R-K\Delta T}{\alpha I\Delta T+I^{2}R}$$

6.2.2 最大制冷量与最大COP

最大制冷量电流：

$$I_{max,Q}=\frac{\alpha T_c}{R}$$

最大COP电流：

$$I_{max,COP}=\frac{\alpha \Delta T}{R(\sqrt{1+Z{T}_m}-1)}$$

其中$Z={\alpha }^2/(RK)$为优值系数。

6.2.3 热电材料

材料	ZT（室温）	应用场景
Bi₂Te₃	1.0	商用TEC
PbTe	1.2	中温发电
SiGe	0.8	高温发电
SnSe	2.6	实验室阶段
纳米结构	2.0-3.0	研究前沿

6.3 TEC应用设计

6.3.1 级联设计

单级TEC的最大温差约70°C，级联可实现更大温差：

$$\Delta T_{total}=\sum _{i=1}^n\Delta T_i$$

但COP随级数增加而降低。

6.3.2 温度控制

TEC可用于精确温度控制：

PID控制：

$$I(t)=K_{p}e(t)+K_i\int e(t)dt+K_d\frac{de(t)}{dt}$$

其中$e(t)=T_{target}-T_{actual}$。

响应时间：

$${\tau }_{TEC}\approx \frac{m{c}_p}{\alpha I-K}$$

---

Python仿真实现

以下Python代码实现了6个电子器件热管理的工程案例仿真。

案例一：芯片结温计算与热阻网络分析

基于热阻网络模型计算芯片结温，分析各环节热阻贡献。

案例二：微流道冷却性能仿真

模拟芯片内部微流道冷却，分析流道几何参数对散热性能的影响。

案例三：热界面材料性能对比

对比不同类型TIM的导热性能，分析接触压力和厚度的影响。

案例四：散热器优化设计

优化翅片散热器的几何参数，平衡散热性能和压降。

案例五：热电制冷器性能分析

模拟TEC的制冷性能，分析电流、温差对COP的影响。

案例六：瞬态热响应与动态热管理

模拟芯片在负载变化时的瞬态温度响应，评估动态热管理策略。

详细代码见：run_simulation.py

---

总结与展望

7.1 技术发展趋势

1. 浸没式冷却：将服务器完全浸入介电液体中，可实现PUE<1.03
2. 两相冷却：利用沸腾和冷凝的潜热，热流密度可达1 kW/cm²
3. 热电-对流混合冷却：结合TEC的主动制冷和对流的被动散热
4. AI辅助热设计：机器学习优化散热结构和控制策略

7.2 设计工具推荐

• 商用软件：FloTHERM, Icepak, COMSOL, ANSYS
• 开源工具：OpenFOAM, Elmer, CalculiX
• 芯片级工具：HotSpot, 3D-ICE

7.3 行业标准

• JEDEC JESD51：集成电路热测试方法
• ASTM D5470：热界面材料导热系数测试
• IEC 62395：电子设备热管理

---

"""
主题041：电子器件热管理仿真
包含6个工程案例的Python实现
"""

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Rectangle, FancyBboxPatch
from matplotlib.collections import LineCollection
import matplotlib.patches as mpatches
from scipy.optimize import minimize_scalar, minimize
from scipy.integrate import odeint
import warnings
warnings.filterwarnings('ignore')

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['mathtext.fontset'] = 'stix'

# 物理常数
k_si = 148  # 硅导热系数 W/m·K
k_cu = 400  # 铜导热系数 W/m·K
k_al = 237  # 铝导热系数 W/m·K
k_air = 0.026  # 空气导热系数 W/m·K
rho_air = 1.225  # 空气密度 kg/m³
cp_air = 1005  # 空气比热容 J/kg·K
nu_air = 1.5e-5  # 空气运动粘度 m²/s
Pr_air = 0.71  # 空气普朗特数

g = 9.81  # 重力加速度 m/s²

print("="*60)
print("主题041：电子器件热管理仿真")
print("="*60)

# ============================================================================
# 案例一：芯片结温计算与热阻网络分析
# ============================================================================
print("\n" + "="*60)
print("案例一：芯片结温计算与热阻网络分析")
print("="*60)

# 芯片参数
chip_power = 100  # W
chip_size = 0.02  # m (20mm x 20mm)
chip_thickness = 0.001  # m (1mm)
T_ambient = 25  # °C

# 封装热阻
R_jc = 0.5  # K/W (结壳热阻，FC-BGA封装)

# 热界面材料参数
tim_thickness = 0.05e-3  # m (50 μm)
tim_k = 3.0  # W/m·K
R_tim = tim_thickness / (tim_k * chip_size**2)

# 散热器参数 (铝型材)
heatsink_base_thickness = 5e-3  # m
heatsink_base_area = 0.05 * 0.05  # m² (50mm x 50mm)
n_fins = 20
fin_height = 0.04  # m (40mm)
fin_thickness = 2e-3  # m (2mm)
fin_spacing = (heatsink_base_area**0.5 - n_fins * fin_thickness) / (n_fins - 1)

# 计算翅片效率
h_natural = 10  # W/m²·K (自然对流)
m_fin = np.sqrt(2 * h_natural / (k_al * fin_thickness))
eta_fin = np.tanh(m_fin * fin_height) / (m_fin * fin_height)

# 散热器热阻
A_fins = n_fins * 2 * fin_height * (heatsink_base_area**0.5)
A_base = heatsink_base_area - n_fins * fin_thickness * (heatsink_base_area**0.5)
A_total = eta_fin * A_fins + A_base
R_heatsink = 1 / (h_natural * A_total)

# 扩散热阻 (简化计算)
R_spreader = 0.2  # K/W

# 总热阻
R_total = R_jc + R_tim + R_spreader + R_heatsink

# 结温计算
T_junction = T_ambient + chip_power * R_total
T_case = T_ambient + chip_power * (R_tim + R_spreader + R_heatsink)
T_heatsink_base = T_ambient + chip_power * R_heatsink

print(f"\n热阻分析:")
print(f"结壳热阻 R_jc: {R_jc:.3f} K/W")
print(f"TIM热阻 R_tim: {R_tim:.3f} K/W")
print(f"扩散热阻 R_spreader: {R_spreader:.3f} K/W")
print(f"散热器热阻 R_heatsink: {R_heatsink:.3f} K/W")
print(f"总热阻 R_total: {R_total:.3f} K/W")
print(f"\n温度分布:")
print(f"环境温度: {T_ambient:.1f}°C")
print(f"散热器基板温度: {T_heatsink_base:.1f}°C")
print(f"芯片外壳温度: {T_case:.1f}°C")
print(f"芯片结温: {T_junction:.1f}°C")

# 热阻贡献分析
R_values = [R_jc, R_tim, R_spreader, R_heatsink]
R_labels = ['R_jc\n(结壳)', 'R_tim\n(TIM)', 'R_spreader\n(扩散)', 'R_heatsink\n(散热器)']

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 热阻网络图
ax1 = axes[0]
ax1.set_xlim(0, 10)
ax1.set_ylim(0, 6)
ax1.axis('off')
ax1.set_title('芯片散热热阻网络', fontsize=14, fontweight='bold')

# 绘制热阻网络
y_pos = 5
x_positions = [1, 3, 5, 7, 9]
labels = ['T_j', 'R_jc', 'R_tim', 'R_spreader', 'R_heatsink', 'T_a']
temps = [T_junction, T_case, T_heatsink_base, T_heatsink_base, T_ambient, T_ambient]

for i, (x, label, temp) in enumerate(zip(x_positions, labels[:-1], temps[:-1])):
    if 'R' in label:
        # 绘制电阻符号
        rect = Rectangle((x-0.3, y_pos-0.3), 0.6, 0.6, fill=False, linewidth=2)
        ax1.add_patch(rect)
        ax1.text(x, y_pos+0.6, label, ha='center', fontsize=10)
        ax1.text(x, y_pos-0.6, f'{R_values[i-1]:.2f}', ha='center', fontsize=9, color='blue')
    else:
        # 绘制温度节点
        circle = plt.Circle((x, y_pos), 0.2, fill=True, color='red', alpha=0.7)
        ax1.add_patch(circle)
        ax1.text(x, y_pos+0.5, f'{label}\n{temp:.1f}°C', ha='center', fontsize=10)
    
    # 连接线
    if i < len(x_positions) - 1:
        ax1.plot([x+0.2, x_positions[i+1]-0.3], [y_pos, y_pos], 'k-', linewidth=2)

# 环境温度节点
circle = plt.Circle((x_positions[-1], y_pos), 0.2, fill=True, color='blue', alpha=0.7)
ax1.add_patch(circle)
ax1.text(x_positions[-1], y_pos+0.5, f'T_a\n{T_ambient:.1f}°C', ha='center', fontsize=10)
ax1.plot([x_positions[-2]+0.3, x_positions[-1]-0.2], [y_pos, y_pos], 'k-', linewidth=2)

# 热流标注
ax1.annotate('', xy=(5, 4.2), xytext=(5, 3.2),
            arrowprops=dict(arrowstyle='->', lw=2, color='red'))
ax1.text(5.3, 3.7, f'Q = {chip_power} W', fontsize=11, color='red', fontweight='bold')

# 热阻贡献饼图
ax2 = axes[1]
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99']
wedges, texts, autotexts = ax2.pie(R_values, labels=R_labels, autopct='%1.1f%%',
                                     colors=colors, startangle=90)
ax2.set_title('各环节热阻贡献占比', fontsize=14, fontweight='bold')

plt.tight_layout()
plt.savefig('case1_thermal_resistance.png', dpi=150, bbox_inches='tight')
print("\n已保存 case1_thermal_resistance.png")

# 不同散热方案对比
print("\n" + "-"*50)
print("不同散热方案对比:")
scenarios = [
    ('无散热器', 50, 0.5 + 10 + 50),  # 仅自然对流
    ('小型散热器', 15, 0.5 + 0.1 + 0.2 + 15),
    ('中型散热器', 8, 0.5 + 0.1 + 0.2 + 8),
    ('大型散热器+风扇', 3, 0.5 + 0.1 + 0.2 + 3),
    ('水冷', 0.5, 0.5 + 0.05 + 0.1 + 0.5),
]

for name, R_hs, R_tot in scenarios:
    T_j = T_ambient + chip_power * R_tot
    status = "✓" if T_j < 85 else "✗"
    print(f"{name:20s}: R={R_tot:5.2f} K/W, T_j={T_j:5.1f}°C {status}")

print("\n案例一分析完成！")

# ============================================================================
# 案例二：微流道冷却性能仿真
# ============================================================================
print("\n" + "="*60)
print("案例二：微流道冷却性能仿真")
print("="*60)

# 微流道参数
channel_width = 100e-6  # m (100 μm)
channel_depth = 200e-6  # m (200 μm)
channel_length = 0.02  # m (20 mm)
n_channels = 50
wall_thickness = 50e-6  # m (50 μm)

# 冷却液参数 (水)
rho_water = 998  # kg/m³
cp_water = 4186  # J/kg·K
k_water = 0.6  # W/m·K
mu_water = 1e-3  # Pa·s
Pr_water = 7

# 流量
Q_flow = 100e-6 / 60  # m³/s (100 ml/min)

# 单通道截面积和湿周
A_channel = channel_width * channel_depth
P_wet = 2 * (channel_width + channel_depth)
D_h = 4 * A_channel / P_wet  # 水力直径

# 流速
v_channel = Q_flow / (n_channels * A_channel)

# 雷诺数
Re_channel = rho_water * v_channel * D_h / mu_water
print(f"\n流动参数:")
print(f"通道尺寸: {channel_width*1e6:.0f}μm × {channel_depth*1e6:.0f}μm")
print(f"通道数量: {n_channels}")
print(f"流速: {v_channel:.3f} m/s")
print(f"雷诺数: {Re_channel:.2f}")

# 换热系数 (层流或湍流)
if Re_channel < 2300:
    # 层流，充分发展
    Nu = 3.66  # 恒定壁温
    # 入口效应修正
    Gz = D_h / channel_length * Re_channel * Pr_water
    if Gz > 10:
        Nu = 3.66 + 0.0668 * Gz / (1 + 0.04 * Gz**(2/3))
else:
    # 湍流
    f = (0.79 * np.log(Re_channel) - 1.64)**(-2)
    Nu = (f/8) * (Re_channel - 1000) * Pr_water / (1 + 12.7 * (f/8)**0.5 * (Pr_water**(2/3) - 1))

h_channel = Nu * k_water / D_h

print(f"努塞尔数: {Nu:.3f}")
print(f"对流换热系数: {h_channel/1e3:.2f} kW/m²·K")

# 热阻计算
A_heat = n_channels * 2 * (channel_width + channel_depth) * channel_length
R_conv_micro = 1 / (h_channel * A_heat)
R_cond_wall = wall_thickness / (k_si * A_heat)
R_total_micro = R_cond_wall + R_conv_micro

print(f"\n热阻分析:")
print(f"对流热阻: {R_conv_micro*1e3:.3f} mK/W")
print(f"导热热阻: {R_cond_wall*1e3:.3f} mK/W")
print(f"总热阻: {R_total_micro*1e3:.3f} mK/W")

# 温升计算
q_heat = 500e3 * (channel_length * n_channels * (channel_width + wall_thickness))  # W
T_wall = T_ambient + q_heat * R_total_micro
dT_fluid = q_heat / (rho_water * Q_flow * cp_water)

print(f"\n温度分析:")
print(f"热流密度: {q_heat/(channel_length * n_channels * (channel_width + wall_thickness))/1e3:.1f} kW/m²")
print(f"壁面温度: {T_wall:.2f}°C")
print(f"流体温升: {dT_fluid:.2f}°C")

# 流道几何优化分析
print("\n" + "-"*50)
print("流道几何参数优化分析:")

channel_widths = np.linspace(50e-6, 300e-6, 50)
R_values_micro = []
h_values_micro = []

for w_ch in channel_widths:
    A_ch = w_ch * channel_depth
    P_w = 2 * (w_ch + channel_depth)
    D_h_ch = 4 * A_ch / P_w
    v_ch = Q_flow / (n_channels * A_ch)
    Re_ch = rho_water * v_ch * D_h_ch / mu_water
    
    if Re_ch < 2300:
        Nu_ch = 3.66
    else:
        f_ch = (0.79 * np.log(Re_ch) - 1.64)**(-2)
        Nu_ch = (f_ch/8) * (Re_ch - 1000) * Pr_water / (1 + 12.7 * (f_ch/8)**0.5 * (Pr_water**(2/3) - 1))
    
    h_ch = Nu_ch * k_water / D_h_ch
    A_h_ch = n_channels * P_w * channel_length
    R_ch = 1 / (h_ch * A_h_ch)
    
    R_values_micro.append(R_ch)
    h_values_micro.append(h_ch)

R_values_micro = np.array(R_values_micro)
h_values_micro = np.array(h_values_micro)

fig, axes = plt.subplots(1, 3, figsize=(15, 4))

# 热阻随流道宽度变化
ax1 = axes[0]
ax1.plot(channel_widths * 1e6, R_values_micro * 1e3, 'b-', linewidth=2)
ax1.set_xlabel('流道宽度 (μm)', fontsize=11)
ax1.set_ylabel('热阻 (mK/W)', fontsize=11)
ax1.set_title('热阻 vs 流道宽度', fontsize=12, fontweight='bold')
ax1.grid(True, alpha=0.3)

# 换热系数随流道宽度变化
ax2 = axes[1]
ax2.plot(channel_widths * 1e6, h_values_micro / 1e3, 'r-', linewidth=2)
ax2.set_xlabel('流道宽度 (μm)', fontsize=11)
ax2.set_ylabel('换热系数 (kW/m²·K)', fontsize=11)
ax2.set_title('换热系数 vs 流道宽度', fontsize=12, fontweight='bold')
ax2.grid(True, alpha=0.3)

# 微流道结构示意图
ax3 = axes[2]
ax3.set_xlim(0, 10)
ax3.set_ylim(0, 6)
ax3.set_aspect('equal')
ax3.axis('off')
ax3.set_title('微流道结构示意图', fontsize=12, fontweight='bold')

# 绘制流道截面
for i in range(5):
    x = 1 + i * 1.8
    # 流道
    rect = Rectangle((x, 2), 1, 2, fill=True, facecolor='lightblue', edgecolor='blue', linewidth=2)
    ax3.add_patch(rect)
    # 壁面
    if i < 4:
        rect_wall = Rectangle((x+1, 2), 0.8, 2, fill=True, facecolor='gray', edgecolor='black', linewidth=1)
        ax3.add_patch(rect_wall)
    
    # 流动方向箭头
    if i == 2:
        ax3.annotate('', xy=(x+0.8, 3), xytext=(x+0.2, 3),
                    arrowprops=dict(arrowstyle='->', lw=2, color='red'))

ax3.text(5, 0.8, '冷却液流动方向', ha='center', fontsize=10, color='red')
ax3.text(5, 5.2, '芯片基板', ha='center', fontsize=10)

plt.tight_layout()
plt.savefig('case2_microchannel_cooling.png', dpi=150, bbox_inches='tight')
print("\n已保存 case2_microchannel_cooling.png")
print("\n案例二分析完成！")

# ============================================================================
# 案例三：热界面材料性能对比
# ============================================================================
print("\n" + "="*60)
print("案例三：热界面材料性能对比")
print("="*60)

# TIM类型参数
tim_types = {
    '导热硅脂': {'k': 3.0, 'thickness': 50e-6, 'pressure_sensitivity': 0.1},
    '导热垫片': {'k': 6.0, 'thickness': 200e-6, 'pressure_sensitivity': 0.3},
    '相变材料': {'k': 3.5, 'thickness': 100e-6, 'pressure_sensitivity': 0.2},
    '液态金属': {'k': 50.0, 'thickness': 30e-6, 'pressure_sensitivity': 0.05},
    '焊料': {'k': 60.0, 'thickness': 50e-6, 'pressure_sensitivity': 0.0},
}

contact_area = chip_size**2  # m²

print("\n不同TIM性能对比:")
print(f"{'材料类型':<15} {'导热系数':<12} {'厚度(μm)':<12} {'热阻(K/W)':<12} {'温升(°C)':<12}")
print("-" * 70)

tim_results = {}
for name, params in tim_types.items():
    k = params['k']
    t = params['thickness']
    R_tim = t / (k * contact_area)
    dT = chip_power * R_tim
    tim_results[name] = {'R': R_tim, 'dT': dT, 'params': params}
    print(f"{name:<15} {k:<12.1f} {t*1e6:<12.1f} {R_tim:<12.4f} {dT:<12.2f}")

# 接触压力影响分析
print("\n" + "-"*50)
print("接触压力对TIM性能的影响:")

pressures = np.linspace(0.1, 3.0, 30)  # MPa

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 热阻随压力变化
ax1 = axes[0]
colors_tim = ['blue', 'green', 'orange', 'red', 'purple']
for (name, params), color in zip(tim_types.items(), colors_tim):
    # 简化模型：热阻随压力降低
    base_R = params['thickness'] / (params['k'] * contact_area)
    pressure_factor = 1 - params['pressure_sensitivity'] * (1 - np.exp(-pressures))
    R_pressure = base_R * pressure_factor
    ax1.plot(pressures, R_pressure, '-', color=color, linewidth=2, label=name)

ax1.set_xlabel('接触压力 (MPa)', fontsize=11)
ax1.set_ylabel('热阻 (K/W)', fontsize=11)
ax1.set_title('TIM热阻 vs 接触压力', fontsize=12, fontweight='bold')
ax1.legend(loc='upper right')
ax1.grid(True, alpha=0.3)

# 厚度对热阻的影响
ax2 = axes[1]
thicknesses = np.linspace(20e-6, 300e-6, 100)
for (name, params), color in zip(tim_types.items(), colors_tim):
    k = params['k']
    R_thickness = thicknesses / (k * contact_area)
    ax2.plot(thicknesses * 1e6, R_thickness, '-', color=color, linewidth=2, label=f'{name} (k={k})')

ax2.set_xlabel('厚度 (μm)', fontsize=11)
ax2.set_ylabel('热阻 (K/W)', fontsize=11)
ax2.set_title('TIM热阻 vs 厚度', fontsize=12, fontweight='bold')
ax2.legend(loc='upper left')
ax2.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig('case3_tim_comparison.png', dpi=150, bbox_inches='tight')
print("\n已保存 case3_tim_comparison.png")

# 推荐TIM选择
print("\n" + "-"*50)
print("TIM选择建议:")
print("• 低成本应用：导热硅脂")
print("• 易安装需求：导热垫片")
print("• 长期稳定性：相变材料")
print("• 高性能需求：液态金属（注意绝缘）")
print("• 永久连接：焊料（不可拆卸）")

print("\n案例三分析完成！")

# ============================================================================
# 案例四：散热器优化设计
# ============================================================================
print("\n" + "="*60)
print("案例四：散热器优化设计")
print("="*60)

# 散热器设计空间
base_size = 0.06  # m (60mm x 60mm)
max_volume = base_size**2 * 0.05  # m³ (最大高度50mm)

# 设计变量：翅片数量、高度、厚度
n_fins_range = np.arange(10, 41, 2)
fin_heights = np.linspace(0.02, 0.05, 20)

# 强制对流条件
v_air = 2.0  # m/s
Re_L = v_air * base_size / nu_air

# 平板对流换热系数
if Re_L < 5e5:
    Nu_L = 0.664 * Re_L**0.5 * Pr_air**(1/3)
else:
    Nu_L = (0.037 * Re_L**0.8 - 871) * Pr_air**(1/3)

h_forced = Nu_L * k_air / base_size
print(f"\n强制对流条件:")
print(f"风速: {v_air} m/s")
print(f"对流换热系数: {h_forced:.2f} W/m²·K")

# 优化分析
results = []
for n_f in n_fins_range:
    for h_f in fin_heights:
        # 假设固定翅片厚度
        t_f = 1.5e-3  # m
        
        # 计算翅片间距
        spacing = (base_size - n_f * t_f) / (n_f - 1) if n_f > 1 else base_size
        
        if spacing < 1e-3:  # 最小间距约束
            continue
        
        # 翅片效率
        m_f = np.sqrt(2 * h_forced / (k_al * t_f))
        eta_f = np.tanh(m_f * h_f) / (m_f * h_f)
        
        # 总表面积
        A_fins = n_f * 2 * h_f * base_size
        A_base = base_size**2 - n_f * t_f * base_size
        A_total_hs = eta_f * A_fins + A_base
        
        # 热阻
        R_hs = 1 / (h_forced * A_total_hs)
        
        # 压降估算（简化）
        Dh_channel = 2 * spacing * h_f / (spacing + h_f)
        Re_channel_hs = v_air * Dh_channel / nu_air
        f_hs = 64 / Re_channel_hs if Re_channel_hs < 2300 else 0.316 / Re_channel_hs**0.25
        dp = f_hs * (base_size / Dh_channel) * 0.5 * rho_air * v_air**2
        
        # 体积
        vol = base_size**2 * (5e-3 + h_f)
        
        results.append({
            'n_fins': n_f,
            'fin_height': h_f,
            'spacing': spacing,
            'R_heatsink': R_hs,
            'pressure_drop': dp,
            'volume': vol,
            'eta_fin': eta_f
        })

results = sorted(results, key=lambda x: x['R_heatsink'])
best_design = results[0]

print(f"\n优化结果:")
print(f"最优翅片数量: {best_design['n_fins']}")
print(f"最优翅片高度: {best_design['fin_height']*1e3:.1f} mm")
print(f"翅片间距: {best_design['spacing']*1e3:.2f} mm")
print(f"翅片效率: {best_design['eta_fin']:.3f}")
print(f"散热器热阻: {best_design['R_heatsink']:.4f} K/W")
print(f"压降: {best_design['pressure_drop']:.2f} Pa")

# 可视化
fig, axes = plt.subplots(1, 3, figsize=(15, 4))

# 热阻 vs 翅片数量
ax1 = axes[0]
nfins_unique = sorted(set([r['n_fins'] for r in results]))
R_by_nfins = {nf: [] for nf in nfins_unique}
for r in results:
    R_by_nfins[r['n_fins']].append(r['R_heatsink'])

R_min_by_nfins = [min(R_by_nfins[nf]) for nf in nfins_unique]
ax1.plot(nfins_unique, R_min_by_nfins, 'bo-', linewidth=2, markersize=6)
ax1.set_xlabel('翅片数量', fontsize=11)
ax1.set_ylabel('最小热阻 (K/W)', fontsize=11)
ax1.set_title('热阻 vs 翅片数量', fontsize=12, fontweight='bold')
ax1.grid(True, alpha=0.3)

# 热阻 vs 翅片高度
ax2 = axes[1]
hf_unique = sorted(set([r['fin_height'] for r in results]))
R_by_hf = {hf: [] for hf in hf_unique}
for r in results:
    R_by_hf[r['fin_height']].append(r['R_heatsink'])

R_min_by_hf = [min(R_by_hf[hf]) for hf in hf_unique]
ax2.plot(np.array(hf_unique)*1e3, R_min_by_hf, 'rs-', linewidth=2, markersize=6)
ax2.set_xlabel('翅片高度 (mm)', fontsize=11)
ax2.set_ylabel('最小热阻 (K/W)', fontsize=11)
ax2.set_title('热阻 vs 翅片高度', fontsize=12, fontweight='bold')
ax2.grid(True, alpha=0.3)

# 散热器结构示意图
ax3 = axes[2]
ax3.set_xlim(0, 10)
ax3.set_ylim(0, 6)
ax3.set_aspect('equal')
ax3.axis('off')
ax3.set_title('散热器结构示意图', fontsize=12, fontweight='bold')

# 基板
base_rect = Rectangle((1, 1), 8, 0.8, fill=True, facecolor='lightgray', edgecolor='black', linewidth=2)
ax3.add_patch(base_rect)

# 翅片
n_fins_draw = min(best_design['n_fins'], 15)
fin_spacing_draw = 8 / (n_fins_draw + 1)
fin_height_draw = min(best_design['fin_height'] * 100, 3.5)

for i in range(n_fins_draw):
    x = 1 + (i + 1) * fin_spacing_draw - 0.15
    fin_rect = Rectangle((x, 1.8), 0.3, fin_height_draw, fill=True, 
                         facecolor='silver', edgecolor='black', linewidth=1)
    ax3.add_patch(fin_rect)

ax3.text(5, 0.5, f'基板厚度: 5mm', ha='center', fontsize=9)
ax3.text(5, 5.5, f'翅片数量: {best_design["n_fins"]}\n翅片高度: {best_design["fin_height"]*1e3:.1f}mm', 
         ha='center', fontsize=10)

plt.tight_layout()
plt.savefig('case4_heatsink_optimization.png', dpi=150, bbox_inches='tight')
print("\n已保存 case4_heatsink_optimization.png")

print("\n案例四分析完成！")

# ============================================================================
# 案例五：热电制冷器性能分析
# ============================================================================
print("\n" + "="*60)
print("案例五：热电制冷器性能分析")
print("="*60)

# TEC参数 (商用Bi2Te3)
alpha_seebeck = 0.2  # V/K (塞贝克系数，200 μV/K × 1000对热电偶)
R_elec = 0.1  # Ω (电阻)
K_thermal = 0.4  # W/K (热导)

# 工作条件
T_cold = 20  # °C (目标冷端温度)
T_hot = 50  # °C (热端温度)
dT_tec = T_hot - T_cold

# 优值系数
ZT = alpha_seebeck**2 * (T_cold + 273.15) / (R_elec * K_thermal)
print(f"\nTEC参数:")
print(f"塞贝克系数: {alpha_seebeck*1e6:.1f} μV/K")
print(f"电阻: {R_elec*1e3:.1f} mΩ")
print(f"热导: {K_thermal:.2f} W/K")
print(f"优值系数 ZT: {ZT:.3f}")

# 电流范围
I_range = np.linspace(0.1, 20, 200)

# 计算制冷量和COP
Q_cooling = []
COP_values = []
Power_input = []

for I in I_range:
    # 制冷量 (Peltier吸热 - 焦耳热/2 - 导热漏热)
    Q_peltier = alpha_seebeck * I * (T_cold + 273.15)
    Q_joule = 0.5 * I**2 * R_elec
    Q_leak = K_thermal * dT_tec
    Qc = Q_peltier - Q_joule - Q_leak
    
    # 输入功率 (Peltier热 + 焦耳热)
    W_in = alpha_seebeck * I * dT_tec + I**2 * R_elec
    
    # COP
    cop = Qc / W_in if W_in > 0 else 0
    
    Q_cooling.append(max(Qc, 0))
    COP_values.append(max(cop, 0) if Qc > 0 else 0)
    Power_input.append(W_in)

Q_cooling = np.array(Q_cooling)
COP_values = np.array(COP_values)
Power_input = np.array(Power_input)

# 最优工作点
idx_max_Q = np.argmax(Q_cooling)
idx_max_COP = np.argmax(COP_values)

I_max_Q = I_range[idx_max_Q]
I_max_COP = I_range[idx_max_COP]
Q_max = Q_cooling[idx_max_Q]
COP_max = COP_values[idx_max_COP]

print(f"\n性能分析:")
print(f"最大制冷量: {Q_max:.3f} W @ I = {I_max_Q:.2f} A")
print(f"最大COP: {COP_max:.3f} @ I = {I_max_COP:.2f} A")

# 不同温差下的性能
print("\n" + "-"*50)
print("不同温差下的TEC性能:")
dT_values = [10, 20, 30, 40, 50, 60]
for dT in dT_values:
    # 最大制冷量电流
    T_c = T_hot - dT
    I_mq = alpha_seebeck * (T_c + 273.15) / R_elec
    Q_peltier_mq = alpha_seebeck * I_mq * (T_c + 273.15)
    Q_joule_mq = 0.5 * I_mq**2 * R_elec
    Q_leak_mq = K_thermal * dT
    Qc_mq = Q_peltier_mq - Q_joule_mq - Q_leak_mq
    print(f"ΔT = {dT}°C: 最大制冷量 = {max(Qc_mq, 0):.3f} W")

# 可视化
fig, axes = plt.subplots(1, 3, figsize=(15, 4))

# 制冷量 vs 电流
ax1 = axes[0]
ax1.plot(I_range, Q_cooling, 'b-', linewidth=2, label='制冷量')
ax1.axvline(I_max_Q, color='r', linestyle='--', label=f'最大制冷量点 (I={I_max_Q:.1f}A)')
ax1.set_xlabel('电流 (A)', fontsize=11)
ax1.set_ylabel('制冷量 (W)', fontsize=11)
ax1.set_title('TEC制冷量 vs 电流', fontsize=12, fontweight='bold')
ax1.legend()
ax1.grid(True, alpha=0.3)
ax1.set_xlim(0, 20)

# COP vs 电流
ax2 = axes[1]
ax2.plot(I_range, COP_values, 'g-', linewidth=2, label='COP')
ax2.axvline(I_max_COP, color='r', linestyle='--', label=f'最大COP点 (I={I_max_COP:.1f}A)')
ax2.set_xlabel('电流 (A)', fontsize=11)
ax2.set_ylabel('COP', fontsize=11)
ax2.set_title('TEC性能系数 vs 电流', fontsize=12, fontweight='bold')
ax2.legend()
ax2.grid(True, alpha=0.3)
ax2.set_xlim(0, 20)

# 输入功率 vs 制冷量
ax3 = axes[2]
ax3.plot(Power_input, Q_cooling, 'm-', linewidth=2)
ax3.set_xlabel('输入功率 (W)', fontsize=11)
ax3.set_ylabel('制冷量 (W)', fontsize=11)
ax3.set_title('制冷量 vs 输入功率', fontsize=12, fontweight='bold')
ax3.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig('case5_thermoelectric_cooling.png', dpi=150, bbox_inches='tight')
print("\n已保存 case5_thermoelectric_cooling.png")

print("\n案例五分析完成！")

# ============================================================================
# 案例六：瞬态热响应与动态热管理
# ============================================================================
print("\n" + "="*60)
print("案例六：瞬态热响应与动态热管理")
print("="*60)

# 芯片热模型参数
C_th_chip = 0.5  # J/K (芯片热容)
R_th_chip = 0.5  # K/W (芯片到外壳热阻)
C_th_heatsink = 50  # J/K (散热器热容)
R_th_heatsink = 2.0  # K/W (散热器到环境热阻)

# 动态功耗曲线 (模拟CPU负载变化)
def power_profile(t):
    """时变功耗曲线"""
    # 周期性负载变化
    base_power = 50  # W
    peak_power = 150  # W
    period = 60  # s
    
    # 方波负载
    if (t % period) < period / 2:
        return peak_power
    else:
        return base_power

# 动态热管理策略
def dtm_strategy(T_j, T_target=85, T_max=95):
    """动态热管理策略"""
    if T_j < T_target:
        return 1.0  # 全速运行
    elif T_j < T_max:
        # 线性降频
        return max(0.5, 1.0 - (T_j - T_target) / (T_max - T_target) * 0.5)
    else:
        return 0.5  # 最低频率

# 热路微分方程
def thermal_model(y, t, use_dtm=False):
    """二阶热路模型"""
    T_j, T_h = y  # 结温，散热器温度
    
    P_in = power_profile(t)
    
    if use_dtm:
        throttle = dtm_strategy(T_j)
        P_in *= throttle
    
    # 结温方程
    dTj_dt = (P_in - (T_j - T_h) / R_th_chip) / C_th_chip
    
    # 散热器温度方程
    dTh_dt = ((T_j - T_h) / R_th_chip - (T_h - T_ambient) / R_th_heatsink) / C_th_heatsink
    
    return [dTj_dt, dTh_dt]

# 仿真时间
t_sim = np.linspace(0, 300, 1000)  # 5分钟

# 无DTM的瞬态响应
y0 = [T_ambient, T_ambient]
solution_no_dtm = odeint(thermal_model, y0, t_sim, args=(False,))
T_j_no_dtm = solution_no_dtm[:, 0]
T_h_no_dtm = solution_no_dtm[:, 1]

# 有DTM的瞬态响应
solution_with_dtm = odeint(thermal_model, y0, t_sim, args=(True,))
T_j_with_dtm = solution_with_dtm[:, 0]
T_h_with_dtm = solution_with_dtm[:, 1]

# 计算功耗曲线
P_input = [power_profile(t) for t in t_sim]

# 计算有DTM时的实际功耗
P_actual_dtm = []
for i, t in enumerate(t_sim):
    P_base = power_profile(t)
    throttle = dtm_strategy(T_j_with_dtm[i])
    P_actual_dtm.append(P_base * throttle)

print(f"\n瞬态热分析:")
print(f"无DTM时最高结温: {np.max(T_j_no_dtm):.1f}°C")
print(f"有DTM时最高结温: {np.max(T_j_with_dtm):.1f}°C")
print(f"温度降低: {np.max(T_j_no_dtm) - np.max(T_j_with_dtm):.1f}°C")

# 计算性能损失
energy_no_dtm = np.trapezoid(P_input, t_sim)
energy_with_dtm = np.trapezoid(P_actual_dtm, t_sim)
performance_loss = (energy_no_dtm - energy_with_dtm) / energy_no_dtm * 100
print(f"性能损失: {performance_loss:.1f}%")

# 可视化
fig, axes = plt.subplots(2, 2, figsize=(14, 10))

# 温度响应对比
ax1 = axes[0, 0]
ax1.plot(t_sim, T_j_no_dtm, 'r-', linewidth=2, label='无DTM')
ax1.plot(t_sim, T_j_with_dtm, 'b-', linewidth=2, label='有DTM')
ax1.axhline(85, color='orange', linestyle='--', label='目标温度')
ax1.axhline(95, color='red', linestyle='--', label='最高温度限制')
ax1.set_xlabel('时间 (s)', fontsize=11)
ax1.set_ylabel('结温 (°C)', fontsize=11)
ax1.set_title('芯片瞬态温度响应', fontsize=12, fontweight='bold')
ax1.legend()
ax1.grid(True, alpha=0.3)

# 功耗曲线
ax2 = axes[0, 1]
ax2.plot(t_sim, P_input, 'g-', linewidth=2, label='输入功耗')
ax2.plot(t_sim, P_actual_dtm, 'm--', linewidth=2, label='实际功耗(有DTM)')
ax2.set_xlabel('时间 (s)', fontsize=11)
ax2.set_ylabel('功耗 (W)', fontsize=11)
ax2.set_title('功耗曲线', fontsize=12, fontweight='bold')
ax2.legend()
ax2.grid(True, alpha=0.3)

# 散热器温度
ax3 = axes[1, 0]
ax3.plot(t_sim, T_h_no_dtm, 'r-', linewidth=2, label='无DTM')
ax3.plot(t_sim, T_h_with_dtm, 'b-', linewidth=2, label='有DTM')
ax3.set_xlabel('时间 (s)', fontsize=11)
ax3.set_ylabel('散热器温度 (°C)', fontsize=11)
ax3.set_title('散热器瞬态温度', fontsize=12, fontweight='bold')
ax3.legend()
ax3.grid(True, alpha=0.3)

# 热容影响分析
ax4 = axes[1, 1]
C_values = [0.1, 0.5, 1.0, 2.0, 5.0]
tau_values = []
for C in C_values:
    tau = C * (R_th_chip + R_th_heatsink)
    tau_values.append(tau)
    ax4.plot(t_sim, T_j_no_dtm * (0.5/C)**0.5 + T_ambient * (1 - (0.5/C)**0.5), 
             '-', linewidth=2, label=f'C={C} J/K, τ={tau:.1f}s')

ax4.set_xlabel('时间 (s)', fontsize=11)
ax4.set_ylabel('结温 (°C)', fontsize=11)
ax4.set_title('热容对瞬态响应的影响', fontsize=12, fontweight='bold')
ax4.legend()
ax4.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig('case6_transient_thermal.png', dpi=150, bbox_inches='tight')
print("\n已保存 case6_transient_thermal.png")

print("\n案例六分析完成！")

# ============================================================================
# 总结
# ============================================================================
print("\n" + "="*60)
print("所有案例仿真完成！")
print("="*60)

print("\n生成的文件:")
print("1. case1_thermal_resistance.png - 芯片结温计算与热阻网络分析")
print("2. case2_microchannel_cooling.png - 微流道冷却性能仿真")
print("3. case3_tim_comparison.png - 热界面材料性能对比")
print("4. case4_heatsink_optimization.png - 散热器优化设计")
print("5. case5_thermoelectric_cooling.png - 热电制冷器性能分析")
print("6. case6_transient_thermal.png - 瞬态热响应与动态热管理")