[發明專利]一種LED壽命的預測方法

在審

• 申請號: 201910587767.1
• 申請日: 2019-07-02
• 公開（公告）號: CN110362900A
• 公開（公告）日: 2019-10-22
• 發明（設計）人: 張志潔
• 申請（專利權）人: 嶺南師范學院
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/00;G06N3/04;G01R31/26;G01R31/44
• 代理公司: 廣州市南鋒專利事務所有限公司 44228
• 代理人: 李慧

本發明涉及一種LED壽命的預測方法，包括以下步驟：將數據集分為訓練集和測試集；將ACO(混合蟻群)和GSO(螢火蟲)進行結合形成基于混合蟻群和螢火蟲的優化算法(ACO+GSO)；采用ACO+GSO混合智能優化算法對WNN(小波神經網絡)的初始參數進行優化，避免初始參數選擇不當而導致的檢測精度問題，采用WNN對訓練數據集進行學習、形成優化模型；其中，采用溫度、電流、初始光通量和初始色坐標等參數作為WNN的輸入，LED壽命作為WNN的輸出，采用已形成的優化模型對測試集中的LED壽命進行檢測，解決了預測時間長和精度不佳的問題，提升傳統的智能算法的計算精度和收斂速度，避免出現局部尋優等問題，減少了人工干預，提升LED壽命檢測的可靠性。

技術領域

本發明屬于LED測試技術領域，具體涉及一種LED壽命的預測方法。

背景技術

近年來，半導體照明在工業領域和日常生活中的應用越來越廣泛，發光二極管(LightEmittingDiode,LED)是一種電致發光的半導體發光器件，屬新型固態冷光源，具有電壓驅動低、能效高、壽命長和成本低等優點。隨著LED技術的發展，在LED的研發中有一不可忽視的限制因素，即其實際壽命與理論值的差距。因此，進行相應的壽命試驗，并根據LED的各項指標來估計LED的壽命，提高其可靠性，延長其使用周期成為了一種必要策略，如何準確地預測LED壽命也成為了一項重要的課題。

目前，由數據驅動的LED壽命預測方法主要包括統計回歸方法和經典的機器學習算法。受到模型選擇的影響，傳統的統計方法無法在多維影響因素條件下對LED壽命進行推斷；而經典的機器學習算法雖然具有較好的數據處理能力，但其自身在運行時間和預測精度方面仍具有一定局限性，無法實現LED壽命預測的可靠性。

發明內容

本發明的目的是在于提供一種LED壽命的預測方法，通過LED的多維指標參數對LED可靠性進行評價，混合智能優化算法和小波神經方法對LED壽命進行有效精準預測，基于混合蟻群(AntColony Optimization,ACO)和螢火蟲(Glowworm Swarm Optimization,GSO)優化小波神經網絡(WaveletNeuralNetwork,WNN)的LED壽命預測方法(ACO+GSO-WNN)，對參數進行搜索尋優，該方法避免了ACO和GSO二者的缺點，并實現優勢互補，同時減少了WNN算法參數調優的人工干預，預測精度高、魯棒性強，具有較好的應用前景。

為實現上述發明的目的，本發明采取的技術方案如下：

一種LED壽命的預測方法，包括混合蟻群(ACO)、螢火蟲(GSO)和小波神經網絡(WNN)，其特征在于，所述的方法包括如下步驟：

S1、獲取LED數據，將數據集分為訓練集和測試集；

S2、設置蟻群規N_ACO、最大迭代數T_ACO、信息揮發系數ρ∈[0,1]以及信息素濃度Q；設置核函數參數σ和正則化參數γ的范圍，隨機產生一組參數序列(σ,γ)作為螞蟻的初始位置向量；

S3、計算每個螞蟻個體當前所在位置的適應度值；計算螞蟻當前所處位置j處的信息素濃度，適應度越小，信息素濃度越大，以均方差定義適應度：

S4、通過每只螞蟻的信息素濃度大小，確定螞蟻適應度值最小的位置；進行信息素濃度的迭代更新，將滿足適應度條件f≤f_d的螞蟻位置向量(σ,γ)放入集合X_ACO，直至迭代結束。

S5、設置螢火蟲的種群規模為N_GSO，最大迭代次數T_GSO，將蟻群算法得到的優化的X_ACO初始化螢火蟲N_GSO個蟲子位置，并隨機選擇其它剩余蟲子的位置，每個螢火蟲個體都攜帶了相同的熒光素濃度l_o和感知半徑r_o；

S6、更新螢火蟲的熒光素；