2次元定常熱伝導
理论与物理
二维热传导基础
二维稳态热传导，是从一维怎么扩展来的呢？
这是温度在两个方向上变化的问题。电子基板的面内温度分布、模具的截面温度场、建筑墙体的热桥评估等都是典型例子。
控制方程
各向同性材料的二维稳态热传导方程如下。
如果 $k$ 恒定且无内热源，则归结为拉普拉斯方程 $\nabla^2 T = 0$。
有解析解吗？
对于矩形区域，若各边指定温度，可通过分离变量法得到级数解。例如，三边为0°C，一边为 $T_0$ 的正方形区域：
此解作为FEM代码的验证基准非常重要。
形状系数法
作为一种将二维几何效应一维化处理的简便方法，有形状系数 $S$。
例如，地下埋设管的热损失可用 $S = 2\pi L / \cosh^{-1}(D/r)$ 来评估。教科书（Incropera等）中总结了主要形状的 $S$。
使用形状系数的话，2D问题也能手算了呢。
是的。不过复杂形状下形状系数未知，就需要用FEM求解。在实际工作中，也经常从FEM结果反推形状系数的值，并在类似设计中复用。
拉普拉斯方程与解析解之美
二维稳态热传导由∇²T=0（拉普拉斯方程）描述。1822年傅里叶给出的矩形板解析解用正弦级数表示，至今仍用作验证基准。拉普拉斯方程与电位、速度势同形，19世纪的物理学家称赞这种统一性为“自然的深邃之美”。
各项的物理意义
- 蓄热项 $\rho c_p \partial T/\partial t$：单位体积的热能储存率。【日常示例】铁锅难热难冷，铝锅易热易冷——这是密度 $\rho$ 与比热 $c_p$ 的乘积（热容量）不同所致。热容量大的物体温度变化缓慢。水的比热非常大（4,186 J/(kg·K)），因此沿海地区气温比内陆稳定。非稳态分析中此项决定温度的时间变化速率。
- 热传导项 $\nabla \cdot (k \nabla T)$：基于傅里叶定律的热传导。与温度梯度成比例的热流。【日常示例】金属勺放入热锅，勺柄也会变热——因为金属的热导率 $k$ 高，热量从高温侧快速传向低温侧。木勺不烫是因为 $k$ 小。隔热材料（玻璃棉等）的 $k$ 极小，即使有温度梯度也难以传热。这是将“有温差处即有热流”这一自然趋势公式化。
- 对流项 $\rho c_p \mathbf{u} \cdot \nabla T$：伴随流体运动的热输送。【日常示例】吹风扇感到凉爽，是因为风（流体流动）带走了体表附近的暖空气，并供应新鲜的冷空气——这是强制对流。暖气房中天花板附近较暖，是因为受热空气因浮力上升的自然对流。PC的CPU散热器风扇也是通过强制对流散热。对流是比热传导高效得多的热输送手段。
- 热源项 $Q$：内部发热（焦耳热、化学反应热、辐射吸收等）。单位: W/m³。【日常示例】微波炉通过食品内部的微波吸收（体积发热）加热。电热毯的加热线通过焦耳发热（$Q = I^2 R / V$）变暖。锂离子电池充放电时的发热、刹车片的摩擦热也作为热源在分析中考虑。与外部对“表面”加热的边界条件不同，热源项表示“内部”的能量生成。
假设条件与适用范围
数值解法与实现
基于FEM的二维离散化
二维问题的FEM使用什么单元？
3节点三角形单元内温度梯度恒定，若不细分则精度不足。实际工作中推荐使用6节点三角形或8节点四边形。
四边形和三角形哪个更好？
相同节点数下四边形精度更高。但复杂形状的自动网格生成中，三角形（四面体）更容易生成。Ansys的网格划分器选择六面体优先（hex-dominant）能获得较好平衡。
有限差分法（二维）
等间距网格的中心差分公式为
若 $\Delta x = \Delta y$，则成为著名的五点差分格式。可用Excel或自编Python代码实现以用于验证。
用自编代码验证商用求解器的结果，这种思路很稳健呢。
特别是二维验证，用Excel VBA或Python几十行代码就能写，没有理由不做。
FDM的中心差分具有二阶精度
二维FDM的中心差分格式具有空间二阶精度，网格宽度减半则误差变为1/4。1960年代在IBM 704上NASA进行的火箭喷管2D热分析中，即使128×128网格也需要数小时，而现代PC不到0.01秒即可完成相同计算。50年间计算速度提升了10⁹倍以上。
线性单元 vs 二次单元
热传导分析中，线性单元通常也能获得足够精度。温度梯度急剧变化的区域（热冲击等）推荐使用二次单元。
热流评估
根据单元内的温度梯度计算得出。与节点应力类似，有时需要进行平滑处理。
对流-扩散问题
佩克莱特数高（对流主导）时，需要迎风稳定化（SUPG等）。纯热传导问题则不需要。
非稳态分析的时间步长
设定为远小于热扩散特征时间 $\tau = L^2 / \alpha$（$\alpha$: 热扩散率）的步长。对于急剧的温度变化，自动时间步长控制有效。
非线性收敛
温度相关物性值引起的非线性通常较温和，皮卡德迭代（直接替代法）往往足够。辐射的强非线性则推荐牛顿法。
稳态分析判定
所有节点的温度变化低于阈值（如 $|\Delta T| / T_{max} < 10^{-5}$）时判定为收敛。
显式法与隐式法的比喻
显式法是“仅凭当前信息预测未来的天气预报”——计算快，但时间步长大时不稳定（会漏掉风暴）。隐式法是“考虑未来状态的预测”——即使时间步长大也能稳定，但每一步都需要解方程，计算量大。对于没有急剧温度变化的问题，使用隐式法配合较大的时间步长更高效。
实践指南
2D模型的应用场景
3D分析是主流，特意使用2D模型有什么好处？
计算成本有数量级的差异。在进行参数化研究需要计算数十个案例，或截面方向的温度梯度占主导的问题中，2D是最佳选择。
实务示例: PCB基板的热桥分析
对多层PCB的截面进行建模时，将各层（铜箔、半固化片、芯材）作为具有不同 $k$ 的带状层排列。铜箔率为80%的L1层与20%的L3层，其等效热导率差异很大。
| 层 | 厚度 [um] | 面内k [W/(mK)] | 面外k [W/(mK)] |
|---|---|---|---|
| L1 (铜80%) | 35 | 318 | 1.1 |
| 半固化片 | 100 | 0.3 | 0.3 |
| L2 (铜50%) | 35 | 199 | 0.55 |
| 芯材 | 800 | 0.3 | 0.3 |
面内和面外相差两个数量级以上呢。
PCB基板是极端各向异性材料。通过2D截面分析评估面外方向的温度梯度及通孔效应，面内方向则用扩展热阻进行修正。这也是FloTHERM或Icepak内部建模所使用的方法。
对称性的利用
利用对称性可大幅缩减计算规模。
- 1轴对称: 1/2模型，对称面施加绝热条件
- 2轴对称: 1/4模型
- 周期对称: 仅对一个重复单元建模
为什么对称面是绝热条件？
如果温度场关于对称面呈镜像对称，那么穿过该面的温度梯度为零，即热流为零。从物理角度思考，这是理所当然的结论。
CPU芯片的2D温度分布图
英特尔在2003年的Pentium 4 "Prescott" 核心（90 nm工艺，TDP 84 W）中，充分利用2D稳态热分析进行热点管理。芯片上最大温差超过20°C，通过2D分布图识别电流密度集中区域并重新设计布线层。此方法成为后续多核设计的标准。
分析流程的比喻
热分析流程可以想象成“浴缸的循环加热设计”。确定浴缸形状（分析对象），设定初始水温（初始条件）和室外气温（边界条件），调整循环加热的功率（热源）。计算预测“2小时后会不会变凉？”——这就是非稳态热分析的本质。
初学者易犯的错误
“可以忽略辐射吗？”——室温附近通常可以。但超过几百度就另当别论了。辐射传热与温度的四次方成正比，高温下会压倒对流。您有过在晴天，向阳处和背阴处体感温度完全不同的经验吧？那就是辐射的威力。在工业炉或发动机周围的分析中忽略辐射，就像在酷暑天坚持说“日照没关系”一样。
边界条件的思考方式
可以把对流传热系数 $h$ 想象成“窗户的隔热性能”。$h$ 大 = 窗户薄 = 热量不断散失。$h$ 小 = 双层窗 = 热量不易散失。这个数值一个就能让结果大不相同，因此引用文献值或通过实验确定非常重要。您是不是随便输入“先设为10 W/(m²·K)吧…”？
软件比较
各工具的2D分析
用各软件进行2D热传导分析需要怎么做？
なった
詳しく
報告