[发明专利]一种LED荧光粉胶涂覆厚度的预测方法

说明书

本发明公开了一种LED荧光粉胶涂覆厚度的预测方法，包括S1采集LED封装过程的生产数据构成原始数据集，将原始数据集划分为训练数据和测试数据，对测试数据进行归一化处理，S2多次构建和训练LED荧光粉胶涂覆厚度预测模型,得到多个训练好的LED荧光粉胶涂覆厚度预测模型；S3将处理后的测试数据输入多个训练好的LED荧光粉胶涂覆厚度预测模型，输出值为LED荧光粉胶涂覆厚度，对预测结果进行分析，得到最优LED荧光粉胶涂覆厚度预测模型。本发明提高了生成LED荧光粉胶涂覆厚度预测模型的效率，也提高了LED荧光粉胶涂覆厚度预测模型的精度。

技术领域

本发明涉及LED加工领域，具体涉及一种LED荧光粉胶涂覆厚度的预测方法。

背景技术

LED封装非常关键，决定了LED应用产品的质量性能，而大功率白光LED封装过程中荧光粉的涂覆厚度是直接影响LED发光效果品质的关键一环。而现在一般工厂想要获得大功率LED产生某一色坐标的效果都是通过大量的实验不断尝试去获得荧光粉的涂覆厚度，这样大大的提高了成本，降低了效率。

现有技术中通过采集荧光粉封装过程的生产数据，采用统计过程分析，建立涂覆厚度与荧光粉胶配方的关系预测模型，对荧光粉胶配方和涂覆厚度进行自适应调整，并对终端产品品质进行智能分析和诊断，获得荧光粉胶配方及涂覆厚度的优化方案。在这个方案中建立LED灯涂覆厚度是关键，而回归模型的精确度不是很高。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种LED荧光粉胶涂覆厚度的预测方法。本发明可以有效解决现有技术中预测不够精确，误差大等问题。

本发明采用如下技术方案：

一种LED荧光粉胶涂覆厚度的预测方法，包括：

S1采集LED封装过程的生产数据构成原始数据集，将原始数据集划分为训练数据和测试数据，对测试数据进行归一化处理；

S2多次构建和训练LED荧光粉胶涂覆厚度预测模型，得到多个训练好的LED荧光粉胶涂覆厚度预测模型；

S3将处理后的测试数据输入多个训练好的LED荧光粉胶涂覆厚度预测模型，输出值为LED荧光粉胶涂覆厚度，对预测结果进行分析，得到最优LED荧光粉胶涂覆厚度预测模型。

所述原始数据集，具体为：荧光粉胶配比、荧光粉涂敷厚度及LED发光效果。

所述构建和训练LED荧光粉胶涂覆厚度预测模型，具体为：

S2.1SVR核函数的选择，所述SVR核函数为径向基核函数；

S2.2通过萤火虫算法来确定LED荧光粉涂覆厚度预测模型的惩罚系数C、不敏感损失系数ε和核参数σ进行动态优化选择操作，所述LED荧光粉胶涂覆厚度预测模型为：y＝f(x|C，ε，σ)

其中，σ为径向基核函数参数、C为惩罚系数、ε为不敏感损失系数。

所述S2.2通过萤火虫算法来确定LED荧光粉涂覆厚度预测模型的惩罚系数C、不敏感损失系数ε和核参数σ进行动态优化选择操作，具体为：

S2.2.1设置参数{σ，C，ε}的搜索范围；

S2.2.2通过萤火虫算法的评估函数，初始化萤火虫种群数量N、步长因子α、初始吸引度β₀、光吸收系数γ；

S2.2.3参数{σ，C，ε}分别对应萤火虫的可行解位置x_i＝(x_i1，x_i2，x_i3)＝(σ_i1，C_i2，ε_i3)设定搜索范围，并初始化位置；