LED灯光电热特性的分析方法技术

本发明专利技术公开了一种LED灯光电热特性的分析方法，其特征在于：包括：步骤1、当初始测试温度为tO时，测试单颗LED工作在范围输入电流条件下的光电热特性；步骤2、当测试温度t＝tO+N﹡A时，测试单颗LED的光电热特性；步骤3、以单颗LED工作温度和电流为输入，相应的光通量、光功率、电功率为输出训练人工神经网络；步骤4、利用上述人工神经网络预测温度为T，驱动电流为i时，单颗LED的光通量、光功率、电功率；步骤5、结合预测结果和有限元算法，得到温度为t，驱动电流为i时，单颗LED的热分布；步骤6、结合温度为T，驱动电流为i时，单颗LED光电热预测结果和有限元算法，得到LED灯具的热分布及光强分布。

【技术实现步骤摘要】

本专利技术涉及光电子
，特别涉及一种LED灯光电热特性的分析方法。本专利技术将人工神经网络和有限元算法结合起来，通过单颗LED的光电热特性更加高效快捷地分析LED灯具的光电热耦合及其特性。
技术介绍
近年来，通过有限元算法对LED光电热耦合及其特性进行分析，是国内外非常普遍的一种多物理场分析的方法。C.lonescu、NorocelCodreanu等人，利用有限元分析方法对热电制冷器、印刷版热点模块等的性能进行了分析评价，结果表明实验结果与有限元分析结果一致。周岷峰介绍了热点有限元模型的基本原理，模型建立的过程和部件参数的选择依据，并利用有限元分析软件计算得到了应力分布及变化的结论,以及对热电模块结构进行优化设计的方法。刘沛、郭伦春、柴广跃等人通过ANASYS有限元软件从散热、可靠稳定性及成本体积等各个方面研究了基于垂直散热结构的LED光电热特性，并对不同散热模式的LED光电热特性进行了研究，同时进行了实验测试分析，最后得出垂直散热结构的中小功率LED是目前照明应用的优秀光源。杨道国、贾红亮等人通过有限元分析对湿热环境下LED球泡灯的多物理场进行了耦合分析，他们通过比较多物理场分析和实验观察结果的比较，得出运用多物理场耦合分析LED球泡灯的可靠性是一种有效的方法。庞博以一种LED集成光源,某型LED投光灯为研究对象,通过使用热路法与有限元法相结合对投光灯的稳态温度分布进行了计算,并通过实验和有限元所获得的温度数据进行了对比证明了有限元分析结果的准确性。综合所述，有限元是LED光电热多物理场分析必不可少的分析方法，但是当物理场较多时有限元算法的计算效率十分低，需要的计算资源会很大，计算时间也很长，人工神经网络和有限元算法结合使用可以很好地拟补有限元算法在这方面的不足。
技术实现思路
本专利技术的目的是提出一种LED灯光电热特性的分析方法。本专利技术结合人工神经网络和有限元算法，提高了多物理场分析的效率，减少了多物理场分析的计算资源和计算时间。本专利技术的技术方案如下：一种LED灯光电热特性的分析方法,包括如下步骤：步骤101、当初始测试温度为tO时，测试单颗LED工作在范围输入电流条件下的光电热特性；其中：tO的范围是298K～300K；步骤102、当测试温度t＝tO+N﹡A时，测试单颗LED的光电热特性；其中：N为测试的次数；A为温度递增的常数；其中：t不大于375K；步骤103、以单颗LED工作温度和电流为输入，相应的光通量、光功率、电功率为输出训练人工神经网络；步骤104、利用上述人工神经网络预测温度为T，驱动电流为i时，单颗LED的光通量、光功率、电功率；其中：t的范围是298K～375K；i的范围是0～450mA；步骤105、结合预测结果和有限元算法，得到温度为T，驱动电流为I时，单颗LED的热分布；步骤106、结合温度为T，驱动电流为i时，单颗LED光电热预测结果和有限元算法，得到LED灯具的热分布及光强分布。作为优选实施方式，本专利技术还采用了如下附件技术特征：进一步：所述步骤106具体为：步骤1061、根据人工神经网络的预测结果，拟合出额定工作电流下单颗LED的光通量、光功率、电功率随温度的变化关系；步骤1062、利用拟合结果求出单颗LED热功率随温度的变化关系；步骤1063、以单颗LED的热功率为热源，设置LED灯具中所有的LED；步骤1064、借助有限元算法，得到LED灯具的热分布；步骤1065、结合LED光通量随温度的变化关系和有限元算法，得到LED灯具光通量的分布。进一步：所述步骤105具体为：步骤1051、根据人工神经网络的预测结果，拟合出额定工作电流下单颗LED的光功率、电功率随温度的变化关系；步骤1052、利用拟合结果求出单颗LED热功率随温度的变化关系；步骤1053、借助有限元算法，得到单颗LED模型的热分布。进一步：在上述步骤103中，将测试数据分为训练数据集和测试数据集两部分，训练数据集用来训练人工神经网络，测试数据集用来验证训练好的神经网络。进一步：在所述步骤101中，采用脉冲电流作为LED的驱动电流。本专利技术具有的优点和积极效果是：(1)利用训练好的人工神经网络预测任意工作条件下LED的光电热耦合及其特性，不需要知道所涉及的物理场之间的函数关系。(2)通过单颗LED的测试结果可以得到由同种型号的LED组成的灯具的光电热耦合特性，这种方法具有普遍的适用性。(3)人工神经网络和有限元算法结合使用，提高了多物理场分析的效率，使用的计算资源更少，计算时间更短。(4)如果需要将LED的结构、型号等参数考虑进去，只需要重新训练人工神经网络即可，具有很强的推广性。附图说明附图1为LED光电热三层人工神经网络结构示意图；附图2为简化的LED光电热模型；附图3为单颗LED的结构模型；附图4为LED灯具的结构模型。其中：I为工作电流；T为结温；Φ为光通量；PE为电功率；PL为光功率；γ(·)、δ(·)为激活函数；h、g为激活函数的输入；W(1)、W(2)为输入层与隐含层以及隐含层与输出层之间的权值。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4：一种LED灯光电热特性的分析方法,包括如下步骤：步骤101、当初始测试温度为tO时，测试单颗LED工作在范围输入电流条件下的光电热特性；其中：tO的范围是298K～300K；本优选实施例中，tO＝299.15K；步骤102、当测试温度t＝tO+N﹡A时，测试单颗LED的光电热特性；其中：N为测试的次数；A为温度递增的常数；其中：t不大于375K；本优选实施例中A＝2K；步骤103、以单颗LED工作温度和电流为输入，相应的光通量、光功率、电功率为输出训练人工神经网络；步骤104、利用上述人工神经网络预测温度为T，驱动电流为i时，单颗LED的光通量、光功率、电功率；其中：t的范围是298K～375K；i的范围是0～450mA；步骤105、结合预测结果和有限元算法，得到温度为T，驱动电流为I时，单颗LED的热分布；步骤106、结合温度为T，驱动电流为i时，单颗LED光电热预测结果和有限元算法，得到LED灯具的热分布及光强分布。作为优选实施方式，本专利技术还采用了如下附件技术特征：进一步：所述步骤106具体为：步骤1061、根据人工神经网络的预测结果，拟合出额定工作电流下单颗LED的光通量、光功率、电功率随温度的变化关系；步骤1062、利用拟合结果求出单颗LED热功率随温度的变化关系；步骤1063、以单颗LED的热功率为热源，设置LED灯具中所有的LED；步骤1064、借助有限元算法，得到LED灯具的热分布；步骤1065、结合LED光通量随温度的变化关系和有限元算法，得到LED灯具光通量的分布。进一步：所述步骤105具体为：步骤1051、根据人工神经网络的预测结果，拟合出额定工作电流下单颗LED的光功率、电功率随温度的变化关系；步骤1052、利用拟合结果求出单颗LED热功率随温度的变化关系；步骤1053、借助有限元算法，得到单颗LED模型的热分布。进一步：在上述步骤103中，将测试数据分为训练数据集和测试数据集两部分，训练数据集用来训练人工神经网络，测试数据集用来验证训练好的神经网络。进一步：在本文档来自技高网...

【技术保护点】
一种LED灯光电热特性的分析方法,包括如下步骤：步骤101、当初始测试温度为tO时，测试单颗LED工作在范围输入电流条件下的光电热特性；其中：tO的范围是298K～300K；步骤102、当测试温度t＝tO+N﹡A时，测试单颗LED的光电热特性；其中：N为测试的次数；A为温度递增的常数；其中：t不大于375K；步骤103、以单颗LED工作温度和电流为输入，相应的光通量、光功率、电功率为输出训练人工神经网络；步骤104、利用上述人工神经网络预测温度为T，驱动电流为i时，单颗LED的光通量、光功率、电功率；其中：t的范围是298K～375K；i的范围是0～450mA；步骤105、结合预测结果和有限元算法，得到温度为t，驱动电流为i时，单颗LED的热分布；步骤106、结合温度为t，驱动电流为i时，单颗LED光电热预测结果和有限元算法，得到LED灯具的热分布及光强分布。

【技术特征摘要】
1.一种LED灯光电热特性的分析方法,包括如下步骤：步骤101、当初始测试温度为tO时，测试单颗LED工作在范围输入电流条件下的光电热特性；其中：tO的范围是298K～300K；步骤102、当测试温度t＝tO+N﹡A时，测试单颗LED的光电热特性；其中：N为测试的次数；A为温度递增的常数；其中：t不大于375K；步骤103、以单颗LED工作温度和电流为输入，相应的光通量、光功率、电功率为输出训练人工神经网络；步骤104、利用上述人工神经网络预测温度为T，驱动电流为i时，单颗LED的光通量、光功率、电功率；其中：t的范围是298K～375K；i的范围是0～450mA；步骤105、结合预测结果和有限元算法，得到温度为t，驱动电流为i时，单颗LED的热分布；步骤106、结合温度为t，驱动电流为i时，单颗LED光电热预测结果和有限元算法，得到LED灯具的热分布及光强分布。2.根据权利要求1所述的LED灯光电热特性的分析方法，其特征在于，所述步骤106具体为：步骤1061、根据人工神经网络的预测结果，拟合出额定工作电流下单颗LED的光通量、...

【专利技术属性】
技术研发人员：刘宏伟，郭凯，程俊超，于丹丹，张建新，牛萍娟，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津;12