CFD-Simulation eines Raspberry Pi mittels FLOEFD

Raspberry Pi

Der Raspberry Pi ist ein preiswerter Computer, auf dem Linux läuft, der aber auch eine Reihe von Eingangs- und Ausgangsstiften (GPIO) besitzt, die es dem Anwender ermöglichen, elektronische Komponenten für physikalische Anwendungen zu steuern und das Internet der Dinge (IOT) zu erleben.

Der Raspberry Pi wird zum Erlernen von Programmierkenntnissen, zum Aufbau von Steuerungssystemen, für die Heimautomatisierung und sogar in industriellen Applikationen eingesetzt.

Aufgabenstellung:

Ein bekanntes Problem mit dem Raspberry Pi ist die Überhitzung und der daraus resultierende Leistungsverlust, wenn das Board hohen Temperaturen ausgesetzt ist. Alle elektronischen Geräte sind für einen bestimmten Betriebstemperaturbereich ausgelegt, in dem das Gerät effektiv arbeitet. Der ursprüngliche Schaltkreis des Pi verfügt über keinen Kühlmechanismus, außer dass der Prozessor gedrosselt wird, wenn die Gehäusetemperatur 80°C erreicht, und sogar noch weiter, wenn er die Höchsttemperatur von 85°C erreicht. Die Drosselmechanismen werden aktiviert, wenn die CPU kontinuierlich läuft, was bei großen Kompilieraufträgen der Fall ist. Auf der offiziellen Website des Pi wird empfohlen, entweder einen Kühlkörper oder einen Lüfter zu verwenden, um den Schaltkreis in diesem Fall zu kühlen.

Ziele:

Zwei handelsübliche Lüfter, der CFM-Lüfter [5] und der Delta-Lüfter [6], wurden ausgewählt, um mit dem CFD-Programmsystem FLOEFD ihre Wirkung auf die Kühlung des Pi zu simulieren. Neben der Variation der Strömungsrichtung der Lüfter wurden die Auswirkungen der Lage der Lüftungsöffnungen untersucht. Ziel war es, den Pi unter der kritischen Systemtemperatur (80°C) zu halten, wenn der Prozessor mit seiner vollen Leistung (3,1 W) arbeitet.

CFD Modell Raspberry Pi

Abbildung 1: Zwei mögliche Konfigurationen von Belüftungsöffnungen: oben und an den Seiten

Methode:

Der FLOEFD-Netzgenerator verwendet ein System von Verfeinerungskriterien, die jeweils eige-ne Werte und Verfeinerungsstufen haben. Um jedoch den Prozess der Netzdefinition weiter zu vereinfachen, wurde eine Methode zur automatischen Definition der Verfeinerungskriterien Fall implementiert – die automatische Parameterdefinition (APD). Die Hauptidee der APD-Technologie besteht darin, sowohl das Basisnetz als auch die Verfeinerungseinstellungen anhand der physikalischen Definition der Randbedingungen des Modells usw. zusammen mit den allgemeinsten Informationen über die Geometrie zu definieren. Die Strömung wird als externe Strömung mit einer Ventilator-Randbedingung simuliert. Es gibt mehrere Annahmen, die die Simulationsergebnisse beeinflussen können. Die thermischen Eigenschaften für die elektronischen Komponenten und die Platine wurden aus dem FLOEFD-Tutorial übernommen. Alle elektronischen Komponenten wurden mit einer idealisierten Geometrie simuliert.

Ergebnisse:

Abbildung 2 zeigt die Temperaturverteilung in dem System, wenn kein Drosselmechanismus vorhanden ist und der Prozessor eine Temperatur von 100°C erreicht. Natürliche Konvektion, Strahlung und Wärmeleitung sind die drei berücksichtigten Wärmeübertragungsmechanismen in dieser Aufgabenstellung. Die Temperatur wird in der Praxis nicht so hoch wie der simulierte Wert, da die Taktrate der CPU automatisch angepasst wird, um weniger Energie zu verbrauchen und die Temperatur auf 80°C zu senken [4].

Raspberry Temperaturverteilung im stationären Zustand ohne Drosselung

Abbildung 2: Temperaturverteilung im stationären Zustand ohne Drosselung

Es wurde die Komponententemperatur unter Verwendung eines Lüfters simuliert, der Luft in das System drücken oder ziehen kann. Abbildung 3 zeigt die Konfiguration, bei der sich die Lüftungsöffnungen auf der Oberseite des Gehäuses befinden. Die Höchsttemperatur der CPU erreicht 32°C bzw. 42°C für den CFM-Lüfter und den Delta-Lüfter, wenn sie die Luft in das Gehäuse gedrückt wird. Das Ziehen der Luft aus dem Gehäuse ist hingegen nicht so effektiv, da größere Bereiche mit der maximalen Temperatur konfrontiert werden (Abbildung 4). Ein Lüfter, der die Luft in das Gehäuse drückt, ist daher die bessere Lösung in dieser Konfiguration.

Raspberry Pi CFD

Abbildung 3: Temperaturverteilung in Abhängigkeit von der Strömungsrichtung – Lüftungsöffnungen auf der Oberseite

Bei der zweiten Konfiguration befinden sich die Lüftungsöffnungen an den Seiten des Gehäuses (Abbildung 4). Die maximale Temperatur in dieser Konfiguration ist mit 62°C höher und der CFM-Lüfter kühlt die Komponente effizienter ab als der Delta-Lüfter. Das Drücken der Luft verbessert die Kühlung deutlich mehr als das Ziehen der Luft aus dem Gehäuse.

Raspberry Pi CFD

Abbildung 4: Temperaturverteilung in Abhängigkeit von der Strömungsrichtung – Lüftungsöffnungen an den Seiten

Der Vergleich der Temperaturverteilung zeigt, dass die beste Lösung die Verwendung eines CFM-Lüfters ist, der die Luft in das Gehäuse drückt und die Belüftungsöffnungen an der Oberseite des Gehäuses liegen. Die Geschwindigkeitsvektoren in allen genannten Konfigurationen sind in den Abbildungen 5 und 6 dargestellt. Wenn der Lüfter die Luft in das Gehäuse drückt, entsteht ein größerer Luftstrom, als wenn die Luft herausgezogen wird.

Raspberry Pi CFD

Abbildung 5: Geschwindigkeitsvektoren – Lüftungsöffnungen auf der Oberseite

Raspberry Pi CFD

Abbildung 6: Geschwindigkeitsvektoren – Lüftungsöffnungen an den Seiten

Schlussfolgerung und Vorschläge:

Die Verwendung eines Lüfters hilft bei der Kühlung des Raspberry Pi. Der CFM-Lüfter ist bei der Kühlung effizienter als der Delta-Lüfter, unabhängig von der Positionierung der Lüftungslöcher. Darüber hinaus zeigen die Lüftungslöcher an der Oberseite eine bessere Kühlleistung als die Löcher an den Seiten. Die Strömungsbewegung ist bei jeder Konfiguration unterschiedlich, was sich auf die Temperaturverteilung in der Platine auswirkt. Die Verwendung korrekter Widerstandswerte des Chip-Herstellers erhöht die Genauigkeit der Simulation.

[1] https://www.distrelec.de/en/raspberry-pi-model-1gb-ram-raspberry-pi-raspberry-pi-model-bulk/p/30109158

[2] Kaur, A., & Jasuja, A. (2017, Mai). Health monitoring based on IoT using Raspberry PI. In 2017 International conference on computing, communication and automation (ICCCA) (pp. 1335-1340). IEEE.

[3] Horan, B. (2013). Practical Raspberry Pi. Apress

[4] https://www.raspberrypi.com/documentation/computers/raspberry-pi.html#adding-heatsinks

[5] https://www.mouser.com/ProductDetail/CUI-Devices/CFM-6025BF-035-274-20?qs=A6eO%252BMLsxmTz2crt8%2FbG4A%3D%3D

[6] https://www.digikey.com/en/products/detail/delta-electronics/ASB0305HP-00CP4/7403227?utm_adgroup=DC%20Fans&utm_source=google&utm_medium=cpc&utm_campaign=Shopping_Product_Fans