基于人工神经网络的大功率LED灯具寿命预测方法技术

本发明专利技术公开了一种基于人工神经网络的大功率LED灯具寿命预测方法，其特征在于：包括如下步骤：步骤101、根据具体型号LED LM80寿命测试数据，以及TM21外推公式，得到LED的光通量退化曲线；步骤102、通过插值方法，得到温度在243K～423K范围内LED的光通量退化曲线；步骤103、建立并训练LED光通量、温度—寿命人工神经网络，用来预测一定光通量范围、一定温度范围内的LED寿命；步骤104、根据某型号LED灯具的温度分布，预测了灯具上每颗LED的L70寿命；步骤105、预测得出LED灯具的寿命，根据单颗LED的寿命曲线，结合LED灯具的热分布，对LED灯具寿命进行评价。

【技术实现步骤摘要】
基于人工神经网络的大功率LED灯具寿命预测方法
本专利技术涉及LED灯具
，特别是涉及一种基于人工神经网络的大功率LED灯具寿命预测方法。
技术介绍
LED，英文lightemittingdiode的简称，又称发光二极管。它的基本结构是一块电致发光的半导体材料，是一种固态的半导体器件，它可以直接把电转化为光。置于一个有引线的架子上，然后四周用环氧树脂密封，起到保护内部芯线的作用，所以LED的抗震性能好。LED的心脏是一个半导体的晶片，晶片的一端附在一个支架上，一端是负极，另一端连接电源的正极，使整个晶片被环氧树脂封装起来。发光二极管，是一种能够将电能转化为可见光的固态的半导体器件，它可以直接把电转化为光。LED的心脏是一个半导体的晶片，晶片的一端附在一个支架上，一端是负极，另一端连接电源的正极，使整个晶片被环氧树脂封装起来。半导体晶片由两部分组成，一部分是P型半导体，在它里面空穴占主导地位，另一端是N型半导体，在这边主要是电子。但这两种半导体连接起来的时候，它们之间就形成一个P-N结。当电流通过导线作用于这个晶片的时候，电子就会被推向P区，在P区里电子跟空穴复合，然后就会以光子的形式发出能量，这就是LED灯发光的原理。而光的波长也就是光的颜色，是由形成P-N结的材料决定的。众所周知，LED的使用寿命是其非常重要的一项参数，如何准确地预测LED灯的使用寿命具有重要的现实意义。
技术实现思路
本专利技术要解决的技术问题是：提供一种基于人工神经网络的大功率LED灯具寿命预测方法；该基于人工神经网络的大功率LED灯具寿命预测方法能够更加准确合理地对LED的使用寿命进行预测。本专利技术为解决公知技术中存在的技术问题所采取的技术方案是：一种基于人工神经网络的大功率LED灯具寿命预测方法，至少包括如下步骤：步骤101、根据具体型号LEDLM80寿命测试数据，以及TM21外推公式，得到LED的光通量退化曲线；步骤102、通过插值方法，得到温度在328K～378K范围内LED的光通量退化曲线；插值间距为5K；步骤103、建立并训练LED光通量、温度—寿命人工神经网络，用来预测一定光通量范围、一定温度范围内的LED寿命；步骤104、根据某型号LED灯具的温度分布，预测了灯具上每颗LED的L70寿命；步骤105、预测得出LED灯具的寿命，根据单颗LED的寿命曲线，结合LED灯具的热分布，对LED灯具寿命进行评价。进一步：所述步骤101具体为：所述单颗LED随着工作时间的增加，结温上升，导致荧光粉在较高温度下的性能衰退，使得荧光粉的量子效率减低，最终导致LED的光通量下降；根据TM21外推公式，LED输出光通量随时间的拟合公式表示为：φ(t)＝exp(-αtβ)(1)式中φ(t)表示t时刻LED归一化的光通量，α表示用最小二乘曲线拟合导出的衰变率常数，β为一个形参；根据LEDLM-80测试数据，得到LED归一化的光通量与寿命的拟合曲线；计算拟合曲线和原始值的均方误差：式中yk为第k组数据的拟合结果，dk为第k组数据的测试结果。更进一步：所述步骤102具体为：方程(1)中的系数α表示成阿列纽斯模型(3)：式中C为一个常数，Ea表示激活能，Ts表示LED的工作温度，kB表示玻尔兹曼常数，为8.617×10-5eV/K；在温度Ts1和TS2中间插值一个温度为Ts3的加速寿命曲线，将Ts1和TS2的系数α1、α2代入上式(3)，得出方程组：通过求解方程组(4)得到式中常数C和Ea/kB，将插值温度Ts3以及求出的C和Ea/kB带入方程(3)中，得到温度为Ts3时α系数的值；曲线拟合公式(1)中的β是一个初始化常数，温度TS3下的曲线拟合初试化常数β3表示为：式中β1为温度TS1下的曲线拟合初始化常数，β2为温度TS2下的曲线拟合初始化常数；通过插值，得到工作电流为150mA时，不同温度下LED的寿命随归一化的光通量变化的拟合曲线系数矩阵、不同温度下LED的寿命随归一化的光通量变化的拟合曲线。更进一步：所述步骤103具体为：LED的光通量下降为初试值的γ倍所经过的时间为LED的寿命，根据不同温度下LED的寿命与归一化的光通量之间的拟合公式(1)可以得出，不同温度下LED的寿命为：γ的取值范围为0到1。更进一步：所述步骤104具体为：建立LED温度、光通量-寿命人工神经网络，通过训练好的网络预测任意温度范围、任意光通量范围内LED的寿命；LED温度、光通量-寿命人工神经网络模型的输入为温度T和归一化的光通量φ，输出为LED的寿命t；连接输入层和输出层的是隐含层；将测试数据导入人工神经网络预测LED不同温度和不同光通量下的寿命。更进一步：所述步骤105具体为：首先根据LED光电热特性，建立LED光电热人工神经网络，并预测稳态下LED灯具各个LED芯片的光电热参数，同时结合有限元算法计算LED灯具的热分布，得出LED灯具的热分布，同时通过热成像仪测出了LED灯具的散热分布；其次根据LED灯具散热分布，结合第三部分建立的LED温度、光通量-寿命人工神经网络，预测LED路灯上每颗LEDL70寿命；最后通过对LED光通量、温度-寿命人工神经网络的预测结果进行数据搜索，寻找LED灯具的寿命。本专利技术具有的优点和积极效果是：通过采用上述技术方案，本文基于某型号LEDLM80寿命测试数据，以及TM21外推公式，得到了LED的光通量退化曲线；再通过插值方法，得到温度在328K～378K(温度梯度为5K)范围内LED的光通量退化曲线。利用得到的LED加速寿命曲线对LED温度、光通量-寿命人工神经网络进行了训练，人工神经网络的训练结果与目标值之间的相关系数为0.99811，拟合程度非常高，所以可以用来预测温度在328K-378K范围内、归一化光通量在1-0范围内LED的寿命。最后结合根据LED灯具的热分布图，根据LED温度、光通量-寿命人工神经网络预测了正常工作条件下，LED灯具上每颗LED的L70寿命，同时对LED灯具的寿命进行了预测。该方法简单实用，可以根据单颗LED的寿命曲线，结合LED灯具的热分布，对LED灯具进行寿命评价，可以为厂家提供一定的指导和参考。附图说明图1是本专利技术优选实施例的LED灯具寿命预测结构框图；图2是本专利技术优选实施例中归一化的光通量与寿命的拟合曲线；图3是本专利技术优选实施例中归一化的光通量与寿命的插值曲线；图4是本专利技术优选实施例中LED温度、光通量-寿命人工神经网络图；图5是本专利技术优选实施例中人工神经网络的训练结果图；图6是本专利技术优选实施例中LED灯具模型图；图7是本专利技术优选实施例中LED灯具热分布模拟结果图；图8是本专利技术优选实施例中LED灯具热分布测试结果图；图9是本专利技术优选实施例中LED灯具热分布的俯视图；图10是本专利技术优选实施例在不同温度下LED归一化光通量随寿命的变化曲线；图11是本专利技术优选实施例对LED光通量、温度-寿命人工神经网络的预测结果进行数据搜索的流程图。具体实施方式为能进一步了解本专利技术的
技术实现思路
、特点及功效，兹例举以下实施例，并配合附图详细说明如下：请参阅图1至图11，一种基于人工神经网络的大功率LED灯具寿命预测方法，包括如下步骤：步骤一、LED温度加速寿命曲线；LED温度加速寿命实验曲线拟合：LUXEON3本文档来自技高网...

【技术保护点】
一种基于人工神经网络的大功率LED灯具寿命预测方法，其特征在于：至少包括如下步骤：步骤101、根据具体型号LED LM80寿命测试数据，以及TM21外推公式，得到LED的光通量退化曲线；步骤102、通过插值方法，得到温度在243K～423K范围内LED的光通量退化曲线；步骤103、建立并训练LED光通量、温度—寿命人工神经网络，用来预测一定光通量范围、一定温度范围内的LED寿命；步骤104、根据某型号LED灯具的温度分布，预测了灯具上每颗LED的L70寿命；步骤105、预测得出LED灯具的寿命，根据单颗LED的寿命曲线，结合LED灯具的热分布，对LED灯具寿命进行评价。

【技术特征摘要】
1.一种基于人工神经网络的大功率LED灯具寿命预测方法，其特征在于：至少包括如下步骤：步骤101、根据具体型号LEDLM80寿命测试数据，以及TM21外推公式，得到LED的光通量退化曲线；步骤102、通过插值方法，得到温度在243K～423K范围内LED的光通量退化曲线；步骤103、建立并训练LED光通量、温度—寿命人工神经网络，用来预测一定光通量范围、一定温度范围内的LED寿命；步骤104、根据某型号LED灯具的温度分布，预测了灯具上每颗LED的L70寿命；步骤105、预测得出LED灯具的寿命，根据单颗LED的寿命曲线，结合LED灯具的热分布，对LED灯具寿命进行评价。2.根据权利要求1所述基于人工神经网络的大功率LED灯具寿命预测方法，其特征在于：所述步骤101具体为：所述单颗LED，随着工作时间的增加，结温上升，导致荧光粉在较高温度下的性能衰退，荧光粉的量子效率减低，最终导致LED的光通量下降；根据TM21外推公式，LED输出光通量随时间的拟合公式表示为：φ(t)＝exp(-αtβ)(1)式中φ(t)表示t时刻LED归一化的光通量，α表示用最小二乘曲线拟合导出的衰变率常数，β为一个形参；根据LEDLM-80测试数据，得到LED归一化的光通量与寿命的拟合曲线；计算拟合曲线和原始值的均方误差：式中yk为第k组数据的拟合结果，dk为第k组数据的测试结果。3.根据权利要求2所述基于人工神经网络的大功率LED灯具寿命预测方法，其特征在于：所述步骤102具体为：方程(1)中的系数α表示成阿列纽斯模型(3)：式中C为一个常数，Ea表示激活能，Ts表示LED的工作温度，kB表示玻尔兹曼常数，为8.617×10-5eV/K；在温度Ts1和TS2中间插值一个温度为Ts3的加速寿命曲线，将Ts1和TS2的系数α1、α2代入上式(3)，得出方程组：通过求解方程组(4)得到式中常数C...

【专利技术属性】
技术研发人员：刘宏伟，于丹丹，张赞允，郭凯，王迪，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津,12