一种基于深度学习的LED健康监测系统及方法，包括中央控制模块、LED驱动模块、LED照明模块、状态监测模块、天气传感模块、人机交互模块和深度学习模块、显示预警模块；LED驱动模块、天气传感模块、人机交互模块、显示预警模块和深度学习模块均连接到中央控制模块；LED驱动模块连接LED照明模块，LED照明模块和中央控制模块之间设置有状态监测模块；本发明专利技术对LED照明系统的多个特性参数进行监测，可以同时反映LED光源和电源的健康状态。本发明专利技术采用深度学习方法，建立LED在不同室温、电流下的电学特性，可以精确反映不同工作状态下LED的电学特性，为健康状态监测提供参考。为健康状态监测提供参考。为健康状态监测提供参考。
【技术实现步骤摘要】
一种基于深度学习的LED健康监测系统及方法
[0001]本专利技术涉及智能照明
，尤其是涉及一种基于深度学习的LED健康监测系统及方法。
技术介绍
[0002]LED因具有高亮度、节能、价格便宜等诸多优点使得其渐渐成为了照明领域的主流产品。虽然随着技术和工艺水平的不断发展，LED器件的可靠性逐渐提高。但同时，与其他的灯具相比，LED的可靠性还有很多自身特有的问题：
[0003](1)LED为点状发光光源，产生的热量集中在微小区域，功率密度大，散热难，易导致结温升高，器件退化；
[0004](2)LED使用一段时间后，随着器件的老化，其光色性能下降；
[0005](3)LED驱动电源结构相对其他类型的电源结构更复杂，元器件老化造成的电源故障和失效问题更严重。
[0006]因此，虽然LED的理论寿命可达10万小时，但在实际应用中温度、湿度、电流等都是影响其可靠性和寿命的重要因素，使其寿命显著小于预期寿命。因此，对于LED照明系统的可靠性的研究和健康状态的监测显得尤为重要。
[0007]对于大功率LED，特别是类似舞台、体育场等重要公共场合，对LED的健康状态进行检测和评估更是具有重要的意义。
[0008]传统的LED健康监测方法，往往只能基于经验模型或者统计模型，结合测试数据，对LED的健康状态进行评估。该方法最大的问题是无法考虑单个LED的差异性，也无法结合单个LED的历史退化趋势，更精确的评估LED的健康状态。
技术实现思路
[0009]本专利技术的目的在于提供一种基于深度学习的LED健康监测系统及方法，以解决上述问题。
[0010]为实现上述目的，本专利技术采用以下技术方案：
[0011]一种基于深度学习的LED健康监测系统，包括中央控制模块、LED驱动模块、LED照明模块、状态监测模块、天气传感模块、人机交互模块、显示预警模块和深度学习模块；LED驱动模块、天气传感模块、人机交互模块、显示预警模块和深度学习模块均连接到中央控制模块；LED驱动模块连接LED照明模块，LED照明模块和中央控制模块之间设置有状态监测模块；
[0012]天气传感模块用于采集包括户外亮度、气温和湿度在内的实时天气数据；
[0013]人机交互模块用于输入包括照明时间段和亮度在内的LED照明需求，预警模块的报警阈值和状态检测模块的采样间隔；
[0014]深度学习模块用于存放深度学习模型和根据天气数据和用户输入值计算LED照明模块的预测值；
[0015]状态监测模块用于监测LED照明模块的实时工作状态数据；
[0016]中央控制模块用于根据人机交互模块或天气传感模块的数据输出LED照明模块的控制信号，以及处理与它连接的各模块传递给它的数据；
[0017]LED驱动模块用于输出控制LED发光亮度的输出信号；
[0018]显示预警模块用于显示天气参数、LED照明模块的预测值和实时工作状态数据；
[0019]LED照明模块用于根据LED驱动模块的控制信号发出相应亮度的光。
[0020]进一步的，显示预警模块所显示的LED照明模块的检测值和预测值之间的误差超过显示预警模块的报警阈值，发出报警信号。
[0021]进一步的，显示预警模块的报警阈值为LED照明模块的检测值和预测值之间的偏差为3％～～15％。
[0022]进一步的，预测值包括LED照明模块的电流、压降和外壳温度；工作状态数据包括LED照明模块的电流、压降和外壳温度。
[0023]进一步的，状态检测模块的采样间隔为5min～30min。
[0024]进一步的，一种基于深度学习的LED健康监测方法，包括以下步骤：
[0025]在深度学习模块中存入深度学习模型；
[0026]通过人机交互模块输入LED的照明需求、显示预警模块的报警阈值和状态检测模块的测试时间间隔；
[0027]天气传感模块每隔根据用户输入的检测间隔收集实时天气状态；所述所有数据汇总到中央控制模块；
[0028]中央控制模块根据人机交互模块和天气传感模块的汇总数据，计算获得LED照明模块的驱动电流值，输出LED照明模块的控制信号；
[0029]状态监测模块根据人机交互模块输入的检测时间间隔，定时收集LED照明模块的实时工作状态；
[0030]深度学习模块根据实时天气参数和人机交互模块的输入值，计算获得LED照明模块的预测值；
[0031]中央控制模块比较LED照明模块的测试值和预测值，如果两个值之间的差值小于阈值，将未预警的测试数据补充进深度学习模块的历史数据，更新深度学习模型；如果两个值之间的差值大于阈值，则发出警报；
[0032]显示预警模块显示天气参数、LED照明模块的预测值和检测值、偏移量和报警。
[0033]进一步的，深度学习模型采用以下步骤建立：
[0034]步骤1，在LED照明模块出厂时，采集不同室温、湿度和工作电流下压降和亮度，将此数据重构成时序数据，用作模型训练的历史数据；
[0035]步骤2，以室温、湿度、户外亮度和LED模块发光亮度为输入，以LED模块的电流、压降和管壳温度为输出，构建长短期记忆深度学习网络；
[0036]步骤3，以所述历史数据作为训练数据，使用深度学习框架训练深度学习模型；
[0037]步骤4，计算训练获得的模型对训练输入数据的预测值，计算预测值和实测值之间的误差，采用遗传算法寻找预测值和实测值之间的误差的最小值，以获得网络参数的最优值；
[0038]步骤5，深度学习模块根据实时天气参数和人机交互模块的输入值，计算获得LED
照明模块的电流、压降、外壳温度的预测值；
[0039]步骤6，状态监测模块采集LED照明模块的电流、压降和亮度，与预测值进行比较，如果误差未超过预警阈值，补充进历史数据中；如果误差超过阈值，显示预警模块输出预警信号；
[0040]步骤7，采用步骤6获得的测试数据对深度学习模型进行训练和更新。
[0041]进一步的，深度学习框架是LSTM回归模型，神经元个数128～512，学习率大小为0.001～0.05，迭代次数为200～2000。
[0042]与现有技术相比，本专利技术有以下技术效果：
[0043]本专利技术对LED照明系统的多个特性参数进行监测，可以同时反映LED光源和电源的健康状态。本专利技术采用深度学习方法，基于历史测试数据，建立可以精确反映不同工作状态下LED的电学特性，为健康状态监测提供参考。从而可以充分考虑每个LED的个性化差异，为用户提供更精确的LED健康状态和剩余寿命。
[0044]本专利技术采用深度学习方法，建立LED在不室温、电流下的电学特性，可以精确反映不同工作状态下LED的电学特性，为健康状态监测提供参考。
[0045]本专利技术采用新的测试数据更新深度学习网络，使模型具有更强的适应性和可移植性。
附图说明
[0046]图1为本专利技术系统本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的LED健康监测系统，其特征在于，包括中央控制模块、LED驱动模块、LED照明模块、状态监测模块、天气传感模块、人机交互模块、显示预警模块和深度学习模块；LED驱动模块、天气传感模块、人机交互模块、显示预警模块和深度学习模块均连接到中央控制模块；LED驱动模块连接LED照明模块，LED照明模块和中央控制模块之间设置有状态监测模块；天气传感模块用于采集包括户外亮度、气温和湿度在内的实时天气数据；人机交互模块用于输入包括照明时间段和亮度在内的LED照明需求，预警模块的报警阈值和状态检测模块的采样间隔；深度学习模块用于存放深度学习模型和根据天气数据和用户输入值计算LED照明模块的预测值；状态监测模块用于监测LED照明模块的实时工作状态数据；中央控制模块用于根据人机交互模块或天气传感模块的数据输出LED照明模块的控制信号，以及处理与它连接的各模块传递给它的数据；LED驱动模块用于输出控制LED发光亮度的输出信号；显示预警模块用于显示天气参数、LED照明模块的预测值和实时工作状态数据；LED照明模块用于根据LED驱动模块的控制信号发出相应亮度的光。2.根据权利要求1所述的一种基于深度学习的LED健康监测系统，其特征在于，显示预警模块所显示的LED照明模块的检测值和预测值之间的误差超过显示预警模块的报警阈值，发出报警信号。3.根据权利要求2所述的一种基于深度学习的LED健康监测系统，其特征在于，显示预警模块的报警阈值为LED照明模块的检测值和预测值之间的偏差为3％～～15％。4.根据权利要求1所述的一种基于深度学习的LED健康监测系统，其特征在于，预测值包括LED照明模块的电流、压降和外壳温度；工作状态数据包括LED照明模块的电流、压降和外壳温度。5.根据权利要求4所述的一种基于深度学习的LED健康监测系统，其特征在于，状态检测模块的采样间隔为5min～30min。6.一种基于深度学习的LED健康监测方法，其特征在于，基于权利要求1至5任意一项所述的基于深度学习的LED健康监测系统，包括以下步骤：在深度学习模块中存入深度学习模型；通过人机交互模块输入LED的照明需求、显示预警模...
【专利技术属性】
技术研发人员：张林，朱世豪，张子昂，杜京松，
申请(专利权)人：长安大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。