[發明專利]基于人工神經網絡的大功率LED燈具壽命預測方法

有效

• 申請號: 201711339198.6
• 申請日: 2017-12-14
• 公開（公告）號: CN107944190B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 劉宏偉;于丹丹;張贊允;郭凱;王迪
• 申請（專利權）人: 天津工業大學
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F119/04;G06F119/08
• 代理公司: 天津市鼎和專利商標代理有限公司 12101
• 代理人: 蒙建軍

1.一種基于人工神經網絡的大功率LED燈具壽命預測方法，其特征在于：至少包括如下步驟：

步驟101、根據具體型號LED LM80壽命測試數據，以及TM21外推公式，得到LED的光通量退化曲線；具體為：

單顆LED，隨著工作時間的增加，結溫上升，導致熒光粉在較高溫度下的性能衰退，熒光粉的量子效率減低，最終導致LED的光通量下降；根據TM21外推公式，LED輸出光通量隨時間的擬合公式表示為：

φ(t)＝exp(-αt^β) (1)

式中φ(t)表示t時刻LED歸一化的光通量，α表示用最小二乘曲線擬合導出的衰變率常數，β為一個形參；

根據LED LM-80測試數據，得到LED歸一化的光通量與壽命的擬合曲線；

計算擬合曲線和原始值的均方誤差：

式中yk為第k組數據的擬合結果，dk為第k組數據的測試結果；

步驟102、通過插值方法，得到溫度在243K～423K范圍內LED的光通量退化曲線；具體為：

方程(1)中的系數α表示成阿列紐斯模型(3)：

式中C為一個常數，Ea表示激活能，Ts表示LED的工作溫度，k_B表示玻爾茲曼常數，為8.617×10^-5eV/K；

在溫度T_s1和T_S2中間插值一個溫度為T_s3的加速壽命曲線，將T_s1和T_S2的系數α₁、α₂代入上式(3)，得出方程組：

通過求解方程組(4)得到式中常數C和Ea/k_B，將插值溫度T_s3以及求出的C和Ea/k_B帶入方程(3)中，得到溫度為T_s3時α系數的值；

曲線擬合公式(1)中的β是一個初始化常數，溫度T_S3下的曲線擬合初試化常數β₃表示為：

式中β₁為溫度T_S1下的曲線擬合初始化常數，β₂為溫度T_S2下的曲線擬合初始化常數；

通過插值，得到不同溫度下LED的壽命隨歸一化的光通量變化的擬合曲線系數矩陣、不同溫度下LED的壽命隨歸一化的光通量變化的擬合曲線；

步驟103、建立并訓練LED光通量、溫度—壽命人工神經網絡，用來預測一定光通量范圍、一定溫度范圍內的LED壽命；具體為：

LED的光通量下降為初試值的γ倍所經過的時間為LED的壽命，根據不同溫度下LED的壽命與歸一化的光通量之間的擬合公式(1)可以得出，不同溫度下LED的壽命為：

γ的取值范圍為0到1；

步驟104、根據某型號LED燈具的溫度分布，預測了燈具上每顆LED的L70壽命；具體為：

建立LED溫度、光通量-壽命人工神經網絡，通過訓練好的網絡預測任意溫度范圍、任意光通量范圍內LED的壽命；

LED溫度、光通量-壽命人工神經網絡模型的輸入為溫度T和歸一化的光通量φ，輸出為LED的壽命t；連接輸入層和輸出層的是隱含層；

將測試數據導入人工神經網絡，預測好的神經網絡可以預測LED不同溫度和不同光通量下的壽命；

步驟105、預測得出LED燈具的壽命，根據單顆LED的壽命曲線，結合LED燈具的熱分布，對LED燈具壽命進行評價。

2.根據權利要求1所述基于人工神經網絡的大功率LED燈具壽命預測方法，其特征在于：所述步驟105具體為：

首先根據LED光電熱特性，建立LED光電熱人工神經網絡，預測穩態下LED燈具各個LED芯片的光電熱參數，同時結合有限元算法計算LED燈具的熱分布，得出LED燈具的熱分布，同時通過熱成像儀測出了LED燈具的散熱分布；

其次根據LED燈具散熱分布，結合第三部分建立的LED溫度、光通量-壽命人工神經網絡，預測LED路燈上每顆LED L70壽命；

最后通過對LED光通量、溫度-壽命人工神經網絡的預測結果進行數據搜索，尋找LED燈具的L70壽命，LED燈具的L70壽命t滿足條件：在t時刻所有LED燈具上所有LED燈珠歸一化光通量之和為40×70％。