电力电子变流装置散热器状态智能预测方法

付和平1 陈 杰1 邱瑞昌1 刘志刚2

(1. 北京交通大学电气工程学院 北京 100044 2. 北京市轨道交通电气工程技术研究中心 北京 100044)

摘要 该文首先通过建立散热器稳态热阻模型和流体动力学模型,从理论上分析散热器散热性能下降的机理,风道压降的增加和表面传热系数的增大导致散热器热阻增大;其次建立基于集总参数模型的散热器状态预测模型及方案,同时建立功率器件功率损耗计算模型,并通过仿真和实验做了相关验证;最后通过实验得出不同堵塞程度下散热器热阻、热容、热时间常数的变化曲线,为散热器在线状态预测提供新的可行方案。

关键词:电力电子变流器 散热器 散热状态 智能预测

0 引言

温度是导致电力电子变流装置功率器件故障与失效的主要原因[1-3],电力电子器件失效应力源及检修作业量分布如图1所示。图1a为导致功率器件失效的主要应力源及所占的比例,可以看出,电力电子器件失效的主要应力源为温度应力[4-7]。因此,温度对功率变流装置的可靠性至关重要,温度越高,其可靠性和耐久性就会越差[8-9]

散热器作为变流器散热的重要部件,其作用是将功率器件的热量及时交换到外界,使功率器件运行在正常的温度范围内,保证功率器件的可靠运行和使用寿命。但在长期运行中,外界环境中的污垢随气流进入到散热器风道,使得散热器散热性能下降,最终导致功率器件运行在高温下,发生故障并失效。

width=221.15,height=120.95

图1 电力电子器件失效应力源及检修作业量分布

Fig.1 Distribution diagram of failure stress sources and maintenance work in power electronic devices

轨道交通领域对列车散热器状态的检测手段大多采用人工定期巡检维护的方法,此方法需要在列车停车时进行,且存在定期巡检的盲目性和人眼评估的不准确性,经常造成散热器的“过维护”和“欠维护”问题,且浪费大量的人力成本和维护成本。

图1b为某双馈变流器检修作业量分布,可以看出,散热系统日常维护在检修工作量中占据较高比重。因此,预测散热器的性能是保证变流器可靠性和延长电子器件寿命的重要工作之一,将极大地减少检修维护工作量,大幅节约运维成本。

为此,国内外学者开始探究散热器性能的在线评估方法,S. W. Montgomery[10]研究发现造成散热器性能下降的原因是灰尘颗粒粘附在散热翅片上,相当于一层热量阻隔层,降低了散热效果。D. A. Moore[11]研究发现散热器性能退化的主要原因为进风口灰尘的堆积,使得风道内的空气流量减少,降低了散热效果。以上研究都对灰尘导致散热器性能下降的原因做了分析,但没有从理论上对散热性能下降的机理进行分析。基于以上研究,A. Nabi等[12]对污垢导致计算机微翅片散热器性能下降的预测方法做了研究,建立了散热器稳态热阻和堵塞程度之间的对应关系,但建模精度较低,需要进一步研究 分析。

本文在以上研究的基础上,针对现阶段存在的不足,对散热器性能的退化机理进行理论分析,并基于变流器现有传感器,提出一种散热性能智能在线检测模型,可实时检测散热器状态,为运维决策提供数据支持,实现散热器的状态检修,节省大量的运维成本。

1 散热系统建模

1.1 散热器稳态热阻模型

散热器的热阻由散热基板的热阻和散热翅片的热阻两部分构成[13]。基板的热阻主要是热传导热阻,翅片的热阻包括热传导热阻和翅片到流体的对流换热热阻。

图2为散热器的热网络结构,将散热器划分为Na-1个热网络,每个热网络由基板热阻Rbase、散热翅片导热热阻Rcond和传热热阻Rconv三部分构成,分别表示为

width=80,height=30 (1)

width=84,height=30 (2)

width=93,height=30 (3)

其中

width=57,height=30 (4)

width=59,height=30 (5)

width=52,height=31 (6)

width=65,height=30 (7)

width=139,height=51 (8)

width=220,height=70(9)

width=226.15,height=114.45

图2 散热器热网络结构

Fig.2 The thermal network of the heatsink

则单个散热翅片网络热阻为

width=70,height=17 (10)

其中

width=110,height=20 (11)

y=1时,令R1=Rconv,则散热器总热阻为

width=101,height=30 (12)

式中,Hb为散热器基板厚度;Wb为散热器基板宽度;Lb为散热器长度;Ea为翅片宽度;Hf为翅片的高度;hfin为翅片对流传热系数;lbase为基板表面传热系数;lfin为翅片表面传热系数;lair为空气传热系数;hfin为翅片表面传热效率;y为每个翅片划分的小网格数;Pr为普朗特数;Re为雷诺数;Nu为努塞尔数;dh为当量水力直径;mair为流体动力学黏度;rair为流体密度;vair为风道内的风速;cp流体的比定压热容;Na为散热翅片个数。Ry为第y个网格的热阻;Ry-1为第y-1个网格的热阻;Rfin为单个散热翅片热阻;Rhs为散热器总热阻。

1.2 流体动力学模型

强迫风冷功率变流器的冷却系统由散热器和散热风扇构成,风扇的工作点由风扇工作特性曲线和散热器风道压降曲线共同决定,二者的交点决定了流过散热器的空气流量大小[14]

散热器的风扇压降表达式为

width=167,height=15 (13)

散热器入口压降Dpinlet为翅片间流体的突然收缩造成的压降,表达式为

width=165,height=39 (14)

散热器出口压降Dpoutlet为翅片间流体的突然膨胀造成的压降,表达式为

width=147,height=39 (15)

散热器风道的摩擦压降Dpf表达式为

width=117,height=31.95 (16)

width=90,height=30 (17)

式中,fair为空气与翅片内壁的摩擦因数。

1.3 污垢对散热器性能的影响

散热器在长期的运行过程中,灰尘和污垢在进风口处的堆积和在散热翅片上的粘附,都会导致散热性能的下降。图3为散热器俯视图和侧视图,图中,不规则形状为粘附在散热翅片表面的污垢,厚度为Sf

width=224,height=126.2

图3 污垢堆积后散热器俯视图和侧视图

Fig.3 Top and side views of heatsink after fouling accumulation

当灰尘粘附在散热翅片上,在风道内形成厚度为Sf的污垢时,式(14)和式(15)中的Ea变为Ea+Sf,导致空气在散热器出入口的压降DpinletDpoutlet增加,同时灰尘使得空气与内壁间的黏度系数μair增大,水力直径dh减小,摩擦因数fair增大,导致散热器风道内的摩擦压降Dpf增大,根据式(13),散热器整体压降随着风道内污垢的堆积不断增大。

各堵塞程度下散热器压降和热阻与流量的对应关系如图4所示。图4a中,Dphs(V)分别为散热器在0%、30%、50%、70%堵塞程度下的压降曲线,Dpfan(V)为MGA8024UB-O25风扇的工作特性曲线,可以看出,风扇的静态压力Dpfan(V)随风量的增加逐渐减小,而散热器的风道压降Dphs(V)随着风量增大而显著增大,二者的交点为风扇的静态工作点。

图4b为0~90%堵塞程度下散热器的稳态热阻和风扇风量的对应曲线,可以看出,随着风道堵塞程度的加深,散热器风道压降不断增加,风扇需要提供更多的压力克服散热器风道压降,从而使得进入散热器的冷却剂流量减小,导致热阻值增大。图中,1ft3=0.028 316 8m3

width=218.15,height=273.9

图4 各堵塞程度下散热器压降和热阻与流量的对应关系

Fig.4 The corresponding relationship between the pressure drop and heat resistance and flow rate of heatsink under each degree of blockage

2 散热器状态在线预测模型

2.1 散热器的集总参数模型

忽略散热器各点温度的微小变化,可得到散热器的集总参数热容模型。根据能量守恒定律,功率器件产生热量的功率为P0,瞬时热流量为f,则有

width=93,height=15 (18)

式中,V为功率器件的体积(m3);A为其散热表面积(m2);DThs(t)为散热器相对于周围环境的温升(℃),DThs(t)= Ths(t)-Ta(t),Ta(t)为环境温度(℃);Ths(t)为t时刻散热器的温度(℃)。

根据非稳定、有内热源的导热微分方程为

width=62,height=29 (19)

式中,c为比热容(J/(kg·℃));r 为散热器密度(kg/m3);t为时间(s)。

联立式(18)和式(19),可得功率器件上电时,损耗为P0,散热器非稳态导热微分方程为

width=168.95,height=28 (20)

微分方程的通解即为散热器的温升,且满足初始条件t =0,DThs=DThs(0),则通解为

width=206,height=41(21)

式中,Rhs=1/(Ahfin)为散热器表面对流热阻;Chs=rcV为散热器热容;ths为时间常数,ths=RhsChsDThs(∞)为稳态温升,即t =∞时的温升,DThs(∞)=P0/(Ahfin)。

同理,当功率器件断电时,损耗为0,散热器的非稳态导热微分方程为

width=124,height=28 (22)

微分方程的通解即为散热器的温升,且满足初始条件t =0,DThs=DThs(0),则通解为

width=93,height=27 (23)

2.2 状态预测模型

当散热器突然堵塞后,功率保持不变,表面传热系数hfin变为width=16,height=15,因此稳态热阻Rhs变为width=16,height=15,热时间常数ths变化为width=15,height=15,散热器温度从一种稳态过渡到下一种稳态,初始条件为t =t1DThs=DThs(t1),则散热器的温度变化微分方程为

width=210,height=41(24)

width=69,height=30 (25)

式中,Zhs(t)为散热器的热阻抗;P(t)为功率器件的功率损耗。

当温度达到稳态时,散热器的稳态热阻Rhs= width=37,height=15,则散热器热阻抗变化微分方程为

width=186.95,height=41 (26)

因此,只需监控散热器热阻抗的变化,求出散热器在不同堵塞程度下的稳态热阻和热容,就可以判断散热器的堵塞程度,散热器状态在线预测模型流程如图5所示。

利用变流装置现有的传感器,通过采集电压、电流、温度等参数,计算功率器件的功率损耗,并根据热阻的计算公式计算散热器热阻抗,根据集总参数模型,可以计算当前堵塞程度下散热器的稳态热阻和热容,最后根据稳态热阻和热容随堵塞程度的变化曲线,预测散热器当前状态堵塞程度。

width=225.35,height=163.3

图5 散热器状态在线预测模型流程

Fig.5 Forecast model of thermal dissipation state of heatsink

2.3 功率损耗计算模型

IGBT损耗由导通损耗Pcond_Q1和开关损耗Psw_Q1组成[15-16],即

width=160,height=33 (27)

width=162,height=30 (28)

式中,w 为角频率;fsw为开关频率;dk为各扇区导通占空比;ak为各扇区起始角度;bk为各扇区终止角度;Eon为IGBT开通能量损耗;Eoff为IGBT关断能量损耗;ic为IGBT通态电流;vce为IGBT导通压降;Udc为直流电压;Unom为直流额定电压。

续流二极管(VD)损耗由导通损耗Pcond_VD4和开关损耗Psw_VD4构成,计算过程分别为

width=184,height=33 (29)

width=114.95,height=30 (30)

式中,Err为VD关断能量损耗;if为VD通态电流;vf为VD导通压降。

在三相两电平空间矢量脉宽调制(Space Vector Pulse Width Modulation, SVPWM)方式下,三相桥臂共有八种开关模式,电压空间矢量扇区分布如图6所示。

width=173.65,height=134.4

图6 SVPWM电压空间矢量

Fig.6 The voltage space vector diagram of SVPWM modulation method

经过推导,各矢量在六个扇区内的作用时间见表1。

表1 各扇区基本矢量作用时间

Tab.1 Basic vector action time of each sector

扇区主矢量次矢量零矢量 ⅠT6=msinqTsT0=Ts-T4-T6 ⅡT0=Ts-T2-T6 ⅢT2=msinqTsT0=Ts-T2-T3 ⅣT1=-msinqTsT0=Ts-T1-T3 ⅤT0=Ts-T1-T5 ⅥT5=-msinqTsT0=Ts-T4-T5

计算Q1和VD4的导通占空比,以第Ⅰ扇区为例,Q1导通时,A相电压为正,导通占空比为

width=160,height=31 (31)

VD4导通时,A相电压为负,电流为正,导通占空比为

width=118,height=31 (32)

通过上述方法,计算所得各扇区内的Q1和VD4导通占空比见表2。

由于变流器结构的对称性,只需对A桥臂电流为正的开关管(Q1、VD4)的功率损耗进行计算,再乘以开关管的个数就可以得到整个变流器的功率损耗,则变流器总的功率损耗为

表2 A相电压各扇区内正负电平导通占空比

Tab.2 The on-state duty ratio of positive and negative levels in each sector of A phase voltage

扇区Q1导通占空比VD4导通占空比 Ⅰ/Ⅳ Ⅱ/Ⅴ Ⅲ/Ⅵ

width=192,height=20(33)

3 仿真和实验

3.1 功率损耗仿真与实验计算结果

IPOSIM仿真软件搭载了广泛用于功率仿真的PLECS仿真引擎,是行业普遍使用的结温和功率损耗仿真设计软件,仿真结果准确可靠。本节通过英飞凌IPOSIM仿真软件仿真结果与实验计算结果做对比,验证功率损耗模型的准确性,仿真参数见表3。

同样采用表3参数,本文设计搭建了散热器状态预测实验台,实验平台主电路示意图如图7所示,电路采用AC-DC-AC结构,前级采用二极管整流桥,后级采用三相IGBT逆变电路,负载采用阻感性负载。逆变器直流侧安装电压、电流传感器测量直流电压和电流,交流侧安装三个电流传感器和两个电压传感器,测量三相电流和线电压,用于功率损耗计算。同时散热器上安装两个PT100测量散热器温度,环境中安装一个PT100测量环境温度,用于散热器温升计算。本文根据2.3节建立的功率损耗计算模型,编写了DSP28377功率损耗计算程序,并根据电压电流传感器实时采集的数据,可以计算功率器件的功率损耗,同时采用同样的电路参数进行IPOSIM仿真模拟,功率损耗仿真和实验结果见表4。

表3 功率器件功率损耗仿真与实验设计参数

Tab.3 Power loss simulation and experimental design parameters of power devices

参 数数 值 直流侧电压/V330 交流侧线电压/V158 调制方式SVPWM 功率因数0.98 直流侧电流/A17.6 负载大小/A21 开关频率/Hz5 000 环境温度/℃28.2

width=455.5,height=111.9

图7 实验平台主电路示意图

Fig.7 Schematic diagram of main circuit of test platform

表4 IPOSIM仿真结果与实验计算结果

Tab.4 The results of IPOSIM simulation and experimental calculation

参 数IPOSIM仿真结果实验计算结果 IGBT开关损耗/W43.8343.29 FWD开关损耗/W4.085.60 IGBT导通损耗/W75.1270.8 FWD导通损耗/W12.6613.8 总损耗/W135.69133.49 IGBT芯片结温/℃59.3858.1 FWD芯片结温/℃33.7235.2

根据实验结果可以看出,本文建立的功率损耗计算模型实验结果与仿真结果十分接近,说明建立的模型准确可靠,在实际工程中,通过编写的DSP程序就可实现功率损耗的实时计算。

3.2 热阻、热容分析实验

根据实验台温度传感器测量的散热器温升数据和功率损耗计算数据,可以实时计算散热器的热阻抗,实验平台实物如图8所示,共设计九组实验,以10%为间隔,在0~80%的散热器进风口堵塞程度下分别进行实验,测量散热器的热阻抗值,不同堵塞程度下散热器热阻抗实验曲线和拟合曲线如图9所示。

width=199.9,height=124.1

图8 实验平台实物

Fig.8 Physical photograph of test platform

width=224.85,height=282.8

图9 不同堵塞程度下散热器热阻抗实验曲线和拟合曲线

Fig.9 Thermal impedance test curves and fitting curves for the heatsink with different degrees of blockage

为了保证图中曲线的清晰度,图9a选取在20%、40%、60%堵塞程度下实验测量所得的热阻抗曲线。

图9b为以10%为间隔,0~80%堵塞程度范围内的散热器热阻抗拟合曲线,拟合曲线由实验数据通过拟合函数得出,根据2.1节集总参数模型,将0~80%堵塞程度下的拟合曲线进行求解,可以得到散热器在不同堵塞程度下的稳态热阻和热容值,结果见表5。

不同堵塞程度下的稳态热阻、热容、热时间常数曲线如图10所示。

表5 散热器入风口0~80%堵塞程度下的稳态热阻和热容

Tab.5 Steady-state thermal resistance and heat capacity under zero to eighty percent blockage degree of heatsink air inlet

堵塞程度(%)热时间常数ths/min稳态热阻Rhs/(℃/W)热容/(J/℃) 05.540.08267.56 105.770.08468.69 206.250.08871.02 306.960.09275.65 407.580.09778.14 508.700.10483.65 609.900.11387.61 7012.020.13092.46 8016.130.158102.08

width=224.7,height=373.75

图10 0~80%堵塞程度下散热器的热阻、热容、热时间常数曲线

Fig.10 Curves of thermal resistance, thermal capacity and time constant of heatsink under 0~80% degree of blockage

图10a为0~80%堵塞程度下散热器的稳态热阻与堵塞程度之间的对应关系,可以看出,随着堵塞程度的加深,散热器的稳态热阻呈指数变化,这是由于风道内的污垢不仅造成风道内的压降呈指数变化,导致风扇提供的空气流量呈指数减少,而且污垢在风道内相当于隔热层,增加了一层污垢的热阻,导致翅片换热热阻变为污垢与空气之间的换热热阻,使得散热器稳态热阻增大。

图10b为0~80%堵塞程度下散热器的热容与堵塞程度间的关系,可以看出,随着堵塞程度的加深,散热器热容也呈指数变化,这是由于在散热器热容的基础上增加了污垢的热容,同时堵塞导致风道内有部分空气回流,也导致了散热器热容的增加。

图10c为0~80%堵塞程度下散热器的热时间常数与堵塞程度间的关系,可以看出,随着堵塞程度的加深,散热器热时间常数同样呈指数变化趋势,热时间常数为稳态热阻与热容的乘积,因此具有指数变化趋势。

根据以上实验结果,实际工程中,可以通过监测散热器的热阻和热容的变化,来预测散热器堵塞程度的发展趋势,为散热器状态在线预测提供一种可行方案。

4 结论

散热器在复杂的环境中长时间运行,会导致其散热性能的下降,其主要原因是污垢使得风道内的压降呈指数增加,散热风扇P-Q曲线决定了风扇所能提供的风量,因此使得风道内的风量呈指数下降,同时污垢相当于隔热层,两部分原因使得散热器的热阻增加。实验研究表明,散热器的稳态热阻、热容、热时间常数与堵塞程度都呈指数关系,因此为散热器的在线状态预测提供可行方案,工程应用中可以降低大量的运维成本,代替离线式人工检测,提高检测效率。

参考文献

[1] Andresen M, Ma K, Buticchi G, et al. Junction temperature control for more reliable power elec- tronics[J]. IEEE Transactions on Power Electronics, 2018, 33(1): 765-776.

[2] 任磊, 沈茜, 龚春英. 电力电子电路中功率晶体管结温在线测量技术研究现状[J]. 电工技术学报, 2018, 33(8): 1750-1761.

Ren Lei, Shen Qian, Gong Chunying. Current junction temperature online measurement techniques of power transistors in power electronic converters[J]. Transactions of China Electrotechnical Society, 2018, 33(8): 1750-1761.

[3] 万萌, 应展烽, 张伟. 分立型功率MOSFET结温估计的非线性热网络模型和参数辨识方法[J]. 电工技术学报, 2019, 34(12): 2477-2488.

Wan Meng, Ying Zhanfeng, Zhang Wei. Nonlinear thermal network model and parameter identification method for junction temperature estimation of discrete power MOSFET[J]. Transactions of China Electrotechnical Society, 2019, 34(12): 2477-2488.

[4] Choi U, Blaabjerg F, Lee K. Study and handling methods of power IGBT module failures in power electronic converter systems[J]. IEEE Transactions on Power Electronics, 2015, 30(5): 2517-2533.

[5] 姚芳, 胡洋, 李铮, 等. 基于结温监测的风电IGBT热安全性和寿命耗损研究[J]. 电工技术学报, 2018, 33(9): 2024-2033.

Yao Fang, Hu Yang, Li Zheng, et al. Study on thermal safety and lifetime consumption of IGBT in wind power converters based on junction temperature monitoring[J]. Transactions of China Electrotechnical Society, 2018, 33(9): 2024-2033.

[6] 彭英舟, 周雒维, 张晏铭, 等. 基于键合线等效电阻的IGBT 模块老化失效研究[J]. 电工技术学报, 2017, 32(20): 117-132.

Peng Yingzhou, Zhou Luowei, Zhang Yanming, et al. Study of IGBT module aging failure base on bond wire equivalent resistance[J]. Transactions of China Electrotechnical Society, 2017, 32(20): 117-132.

[7] 李辉, 胡姚刚, 刘盛权, 等. 计及焊层疲劳影响的风电变流器 IGBT 模块热分析及改进热网络模型[J]. 电工技术学报, 2017, 32(13): 80-87.

Li Hui, Hu Yaogang, Liu Shengquan, et al. Thermal analysis and improved thermal network model of IGBT module for wind power converter considering solder fatigue effects[J]. Transactions of China Electrotechnical Society, 2017, 32(13): 80-87.

[8] Laloya E, Lucia Ó, Sarnago H, et al. Heat mana- gement in power converters: from state of the art to future ultrahigh efficiency systems[J]. IEEE Transa- ctions on Power Electronics, 2016, 31(11): 7896- 7908.

[9] Wu Tong, Wang Zhiqiang, Ozpineci B, et al. Automated heatsink optimization for aircooled power semiconductor modules[J]. IEEE Transactions on Power Electronics, 2019, 34(6): 5027-5031.

[10] Montgomery S W. Fouling of high density heat sinks: theoretical origins and numerical analysis[C]// Thermal Measurement and Management, Eighteenth Annual IEEE Symposium, San Jose, CA, USA, 2002: 132-136.

[11] Moore D A. Characterization of fiber accumulation fouling in fine pitched heat sinks[C]//25th Annual IEEE Semiconductor Thermal Measurement and Management Symposium, San Jose, CA, USA, 2009: 279-284.

[12] Nabi A, Rodgers P, Barcohen A. Prediction of thermal performance degradation of air-cooled fine-pitch fin array heat sinks due to fouling[C]// Twenty-Second Annual IEEE Semiconductor Thermal Measurement and Management Symposium, Dallas, TX, 2006: 2-9.

[13] Ma Ke, He Ning, Liserre M, et al. Frequency-domain thermal modeling and characterization of power semiconductor devices[J]. IEEE Transactions on Power Electronics, 2016, 31(10): 7183-7193.

[14] Gammeter C, Krismer F, Kolar J W. Weight optimization of a cooling system composed of fan and extruded-fin heat sink[J]. IEEE Transactions on Industry Applications, 2015, 51(1): 509-520.

[15] 宋静文. 大功率光伏逆变器损耗模型的研究[D]. 成都: 西南交通大学, 2013.

[16] 李洋. 双馈风电变流器功率模块IGBT结温波动抑制策略研究[D]. 重庆: 重庆大学, 2016.

Intelligent Prediction Method for Thermal Dissipation State of Heatsink in Power Electronic Converter

Fu Heping1 Chen Jie1 Qiu Ruichang1 Liu Zhigang2

(1. School of Electrical Engineering Beijing Jiaotong University Beijing 100044 China 2. Beijing Rail Transit Electrical Engineering Technology Research Center Beijing 100044 China)

Abstract In this paper, a steady thermal resistance model and a fluid dynamical model of the heatsink are established to theoretically analyze the mechanism of declining thermal dissipation performance of the heatsink. Secondly, the thermal dissipation state prediction model and scheme based on lumped-parameter model are established. At the same time, the power loss calculation model of the power device is established, which is verified by simulation and experiment. Finally, the change curves of thermal resistance, thermal capacity and thermal time constant of the heatsink under different degrees of fouling are obtained, which provides a new feasible scheme for predicting the thermal dissipation state of the heatsink.

keywords:Power electronic converter, heatsink, thermal dissipation state, intelligent prediction

DOI: 10.19595/j.cnki.1000-6753.tces.L90398

中图分类号:TM46

作者简介

付和平 男,1995年生,博士,研究方向为城轨交通供电系统关键设备PHM技术。E-mail: 19117006@bjtu.edu.cn

陈 杰 男,1986年生,副教授,博士生导师,研究方向为城轨交通供电系统关键设备PHM技术。E-mail: jiechen@bjtu.edu.cn(通信作者)

收稿日期 2020-07-07

改稿日期 2020-09-16

中央高校基本科研业务费专项资金资助项目(2018JBZ004)。

(编辑 陈 诚)