Codex 助力 Simulink 导热元件库开发与发布
它目前包含四种元件：单材料平壁导热、双材料平壁导热、单层圆筒径向导热，以及双层圆筒径向导热。
但这次更想分享的，是它的实现过程：从理解已有模型、梳理物理关系，到生成元件、运行验证、整理说明，再到上传 GitHub，这一轮转化工作全程都有 AI 工具参与。
这让我看到了 AI 与 Simulink 结合的一种实际用法：把工程师脑中的建模思路，转化成可以运行、检查和分享的工具。
为什么要做这样一个库？
我的出发点很简单：希望从传热学本身出发，让模型更容易理解。
学习传热时，我们会接触温度、热流、热阻和热容量。搭建模型时，我也希望能直接看到这些量之间的关系：两个节点为什么会发生换热？热阻由什么决定？净热流又如何改变温度？
对于这类集总热网络，以及采用节点离散的一维导热问题，普通 Simulink 信号模块就足以表达基本关系。
加减、乘除、增益和积分器，便能组成导热计算与储热方程。计算过程展开在模型内部，便于对照公式、检查单位，也方便结合控制逻辑继续扩展。
尤其是多材料接触和圆筒径向导热，实际项目里很常见，但几何关系、接触热阻和温度节点位置容易混在一起。我希望把这些内容放到清楚的参数和接口里，让搭建模型的过程也成为复核传热关系的过程。
图1：本次发布的四种导热元件。
建模思路：先算热流，再更新温度
这套方法可以从两个温度节点之间的换热理解。
以从节点1流向节点2的热流为正，导热关系为：
这里的 R 是两个温度节点之间的等效总热阻，单位为 K/W。同样的温差下，热阻越大，热流越小。四种元件分别采用以下关系。
单材料平壁：
其中，δ 是两个温度节点之间的导热距离，λ 是材料导热系数，A 是垂直于热流方向的面积。
双材料平壁：
δ₁、δ₂ 分别是两侧温度节点到材料界面的距离，R_c 是界面总接触热阻。若节点代表两个材料单元的中心温度，这两段距离通常分别取对应单元厚度的一半。
单层圆筒径向导热：
d_i、d_o 是内外侧温度节点所在直径，L 是圆筒轴向长度。径向传热面积随半径变化，因此热阻中会出现直径比的自然对数。
双层圆筒径向导热：
d_m 是两材料的界面直径，λ₁、λ₂ 分别对应内外层材料，要求 0 < d_i < d_m < d_o。
以上距离、直径和长度均使用 m，面积使用 m²，导热系数使用 W/(m·K)。R_c 使用总热阻 K/W；若资料给的是单位面积接触热阻，需要先除以界面面积，平壁为 A，圆筒界面为 πd_mL。
接着，把流入各温度节点的热流分别求和，通过储热方程更新温度：
于是，模型自然形成一个循环：温度决定热流，净热流决定温度变化。
库中每个导热元件输入两个温度，输出分别流入两侧节点的热流，满足 Q1=-q、Q2=q。导热元件只承担热阻计算，热容量由外部节点表示。
需要注意，目前的圆筒元件描述的是同轴圆筒壁的径向导热，并排圆柱之间的接触传热需要另外建立对应模型。
AI 最有价值的地方，是理解之后的转化
这次使用的 AI 工具是 Codex。我提供已有模型和建模要求，让它分析元件的输入输出、计算公式和参数含义，再整理成独立的库。
这个过程需要处理不少工程细节。例如，双材料元件里的两段距离，应对应温度节点到材料界面的距离；接触热阻要明确是总热阻，单位为 K/W；圆筒径向热阻不能直接套用平壁公式；两侧热流的符号也必须统一。
这些约束最终都要落实到参数、连线和检查规则中。我感受到的 AI 理解能力，就体现在它能把这些要求转化为具体、可检查的模型结构。
它需要在不同表达之间切换：已有模型里是模块和连线，传热学里是公式与假设，发布时又要变成参数说明和使用步骤。把这些表达对应起来，才能把自己的模型整理成别人也能使用的工具。我很看重这类跨表达的理解和整理能力。
随后，AI 生成 MATLAB 构建脚本，自动创建子系统、连接信号、设置参数面板和图标，并生成可以直接打开的 .slx 库文件。
库里还保留了完整构建源码。以后增加元件、修改参数或调整公式，都可以从源码重新生成。
交流也可以围绕具体的物理问题展开：界面热阻应放在哪里？端口热流方向怎么规定？改变几何参数后，结果是否符合直觉？AI 把讨论结果落实到模型和脚本中，工程师再查看结构、运行算例，协作就有了具体的检查对象。
从自然语言描述，到物理关系，再到信号流结构和可复用元件，这段转化过程，是这次实践中最让我感到 AI 能力提升的地方。
生成之后，还要实际运行和验证
AI 还调用 MATLAB/Simulink，完成了数值检查，包括正反向热流、零温差、同材料等效关系、非法参数，以及两个热质量之间的瞬态换热。
在 R2023a 环境下，当前版本通过了24项检查。双热质量算例中，仿真温度与解析解的最大偏差约为 8.86×10⁻⁵ ℃，同时检查了封闭系统的能量守恒。
图2：AI 执行仿真后生成的解析解对照曲线。
这说明 AI 可以参与模型实现，也可以执行验证并整理结果。不过，工程师仍需要确定物理假设、材料参数和边界条件，再判断模型是否适用于实际问题。
在这个过程中，我可以把更多精力放在模型的物理含义上，让 AI 协助完成重复的连线、参数封装和文档整理。模型是否正确，仍然通过公式、数值结果和能量平衡来判断，讨论也始终围绕可核对的结果展开。
连 GitHub 发布，也通过 AI 完成
这次的工作还延伸到了发布环节。
AI 整理了中英文说明、使用示例、验证记录和 MIT 许可证，并通过浏览器创建公开仓库、上传文件、发布 v0.1.0 版本。账号登录和身份验证由我本人完成，后续仓库操作由 AI 工具执行。
发布过程中，还从 GitHub 下载了文件，与本地逐一核对，确认17个项目文件内容一致。
从建模想法，到实际运行，再到形成可下载的开源项目，AI 已经参与了这条工作链的各个环节。 对个人工程实践而言，这样的理解、转化和执行能力，很值得继续探索。
图3：已发布的 GitHub 版本页面，包含下载包和校验文件。
项目已开源，感兴趣的朋友可以下载试用：
GitHub 地址：https://github.com/hwx20040317/simulink-heat-conduction
版本下载：v0.1.0 发布页面
当前只需要 MATLAB 和 Simulink，无需额外的 Simscape 热库。解压后，在项目根目录执行 setup_shc 即可加载。
如果你也在研究传热建模、一维热网络，或者尝试用 AI 辅助 Simulink 建模，欢迎在 GitHub 提 Issue、交流算例，也欢迎在评论区分享自己的思路。
希望这个小工具，能成为大家一起讨论传热建模和 AI 工程应用的一个起点。
