(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211148201.7 (22)申请日 2022.09.21 (71)申请人 桂林电子科技大 学 地址 541004 广西壮 族自治区桂林市七 星 区金鸡路1号 (72)发明人 李思远　周思杰　周辽　 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/12(2006.01) G06F 119/08(2020.01) (54)发明名称 一种基于遗传算法的辐射冷却薄膜结构优 化设计方法 (57)摘要 本发明公开了一种基于遗传算法的辐射冷 却薄膜结构 优化设计方法， 该方法以传输矩阵法 获取结构参数向量并作为遗传算法的目标函数 确定与要优化的目标参数向量； 确定目标参数的 取值范围； 建立遗传算法模型， 并将目标函数， 目 标参数向量及目标参数取值范围输入到遗传算 法模型进行优化后， 获取制冷薄膜结构材料组合 的全局最优解。 根据最优解设计辐射冷却薄膜结 构并验证其制冷效果。 本发明将该设计方法集成 为应用软件， 根据输入参数直接获取全局最优 解， 节省了人工开发成本。 操作使用更加简单便 捷。 权利要求书1页 说明书2页 附图2页 CN 115470588 A 2022.12.13 CN 115470588 A 1.种基于 遗传算法的辐射冷却薄膜结构优化设计方法， 具体包 含以下步骤： 步骤一， 以制冷薄膜结构在8 ‑13μm的光谱定法发射率， 0.3 ‑2.5μm的光谱定向反射率， 0.3‑18 μm的光谱透射率为目标函数， 其中目标函数 是以最大化为目标辐射制冷薄膜 半球向光谱发射 率的计算 函数 步骤二， 确定 需要优化的目标参数； 其中目标参数至少包括薄膜材料光学参数， 每层 薄 膜的物理厚度， 相对于天顶角的入射角度 步骤三， 确定目标参数的取值范围； 步骤四， 建立遗传算法模型， 并将目标函数 、 需要优化的目标参数和目标参数 的 取值范围输入至遗传算法模型进 行优化后， 获取制冷薄膜结构材料组合的全局最优解并计 算其制冷功率。 2.根据权利要求1所述的一种基于遗传算法的辐射冷却薄膜结构优化设计方法， 其特 征在于， 步骤一所述的目标函数计算由传输矩阵法计算获得， 并由严格耦合波分析验证计 算结果获得， 极大程度上保证了目标函数运 算的准确率。 3.根据权利要求1所述的一种基于遗传算法的辐射冷却薄膜结构优化设计方法， 其特 征在于， 步骤一中 为： 其中 为结构的光谱定向发射 率， 为温度为 时的普朗克常量。 4.根据权利要求1所述的一种基于遗传算法的辐射冷却薄膜结构优化设计方法， 其特 征在于， 步骤二中材 料光学参数主 要包括材 料折射率， 材料消光系数以及材 料相对磁导 率。 5.根据权利要求1所述的一种基于遗传算法的辐射冷却薄膜结构优化设计方法， 其特 征在于， 步骤四中的遗传算法模型 结构为： (1)设置初始种群 个数为10 0， 包含100组需要优化目标参数向量； (2)种群适应度函数由步骤一创建； (3)个体评估； (4)选择， 交叉， 变异， 迭代。 其中交叉和变异概 率均为0.2。权　利　要　求　书 1/1 页 2 CN 115470588 A 2一种基于遗传算法的辐射冷却薄膜结构优化 设计方法 技术领域 [0001]本发明涉及传热学中辐射冷却领域， 特别涉及基于遗传 算法的辐射冷却薄膜优化 设计方法。 [0002]机器学习算法领域， 特别涉及传热学领域中辐射冷却薄膜材料性能基于机器学习 模型的优化 算法， 具体为 一种基于 机器学习模型的辐射冷却薄膜材 料性能计算方法。 背景技术 [0003]随着最近人口的增长和工业的进步， 对能源的需求迅速增加。 然而， 化石燃料的大 规模燃烧导致了一系列问题， 包括能源危机和全球变暖。 根据国际能源机构的数据， 建筑能 耗占全球最终能耗的三分之一以上； 此外， 空调和电扇的用电量约占建筑物总用电量的 20%。 显然， 冷却能源消耗在全球能源需求中占很大比例。 [0004]传统的冷却方法消耗大量能源， 可能对环境有害。 因此， 近年来， 一种无能耗、 无有 害气体排放的辐射冷却发射器引起了人们的极大关注。 辐射冷却技术作为一种被动冷却技 术， 由于其无能耗和有害气体排放， 在建筑物冷却、 热电和光伏领域具有巨大 的应用潜力。 其中对于辐射冷却器的优化与设计对提升辐射制冷性能至关重要。 发明内容 [0005]经过长期的研究发现， 面对综合性能的多 目标问题， 通过人工或单一目标计算及 优化， 往往导致设计方案局部最优且难以实现综合性能最优， 且人工计算费时费力， 需要一 种新的方法来 解决这一问题。 [0006]本发明提供如下技术方案： 一种基于遗传算法的辐射冷却薄膜结构优化设计方 法， 具体包括以下步骤。 [0007]步骤一， 以制冷薄膜 结构在8‑13 μm的光谱定法发射率， 0.3 ‑2.5 μm的光谱定向反射 率， 0.3‑18 μm的光谱透射率为目标函数， 其中目标函数Max(f(x))是以最大化为目标辐射制 冷薄膜半球向光谱发射 率的计算 函数， Max(f(x) )为 其中 为结构的光谱定向发射率， 为温度为 时的普朗克常量； 目标函 数计算由传输矩阵法计算获得， 并由严格耦合波分析验证计算结果获得， 极大程度上保证 了目标函数运 算的准确率。 [0008]步骤二， 确定需要优化的目标参数； 其中目标参数至少包括薄膜材料光学参数,主 要包括材料折射率， 材料消光系数以及材料相对磁导率； 每层薄膜的物理厚度 ;相对于天顶 角的入射角度。 [0009]步骤三， 确定目标参数的取值范围。 [0010]步骤四， 建立遗传算法模型， 并将目标函数Max(f(x))、 需要优化的目标参数和目 标参数的取值范围输入至遗传算法模型进 行优化后， 获取制冷薄膜结构材料组合的全局最说　明　书 1/2 页 3 CN 115470588 A 3