[发明专利]基于人工神经网络的大功率LED灯具寿命预测方法

权利要求书

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；具体为：

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(-αt^β) (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LED LM-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；

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；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，k_B表示玻尔兹曼常数，为8.617×10^-5eV/K；

在温度T_s1和T_S2中间插值一个温度为T_s3的加速寿命曲线，将T_s1和T_S2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/k_B，将插值温度T_s3以及求出的C和Ea/k_B带入方程(3)中，得到温度为T_s3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T_S3下的曲线拟合初试化常数β₃表示为：

式中β₁为温度T_S1下的曲线拟合初始化常数，β₂为温度T_S2下的曲线拟合初始化常数；

通过插值，得到不同温度下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；

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；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；

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；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，预测好的神经网络可以预测LED不同温度和不同光通量下的寿命；

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，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LED L70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L70寿命，LED灯具的L70寿命t满足条件：在t时刻所有LED灯具上所有LED灯珠归一化光通量之和为40×70％。