[发明专利]一种基于BP神经网络的大功率LED寿命预测方法

说明书

本发明公开半导体照明领域中的一种基于BP神经网络的大功率LED寿命预测方法，设置N组恒定温度‑电流双应力组合，温度为Tsubgt;n/subgt;，电流为Isubgt;n/subgt;，依次按照N组温度‑电流双应力组合进行加速寿命试验，每组加载P个小时，测量出每次加速寿命试验后的LED的光通量φsubgt;n/subgt;；将温度Tsubgt;n/subgt;、电流Isubgt;n/subgt;以及测得光通量φsubgt;n/subgt;作为输入，将LED寿命作为输出，建立BP神经网络预测模型，并训练该模型；将LED实际的环境温度T、工作电流I以及光通量φ为0.7输入到训练好的BP神经网络模型，预测出LED寿命；本发明将LED所受到的共性应力即温度和电流作为神经网络的输入，考虑到了环境应力参数的不同、本身属性的不同，将环境应力关系和实际寿命相对应，能更加准确合理地对LED寿命进行预测。

技术领域

本发明涉及半导体照明领域，特别是涉及预测大功率LED寿命的方法，用于实现1瓦、2瓦甚至数十瓦以上的大功率LED的快速寿命预测。

背景技术

发光二极管(LED)作为新一代的光源，具有寿命长、转换效率高、节能环保等优良特性，另外LED具有功率大、光效高、成本低等优点，使其受到广泛的关注。随着LED技术的发展，LED的使用寿命不断增加，其使用寿命长达几万小时，如何有效地评估LED照明产品的可靠性，尤其是寿命问题已经成为LED照明产业面临的急需解决的关键共性问题。

目前，预测LED寿命的模型有艾林模型、阿伦纽斯模型和逆幂律模型等，都是根据专家的知识和经验来构建LED加速寿命模型，才能外推出正常条件下产品的可靠性信息。因试验产品和环境应力参数的不同，构建的加速寿命模型的形式也存在差异性。大功率LED产品的寿命不仅与其相关器件如芯片、驱动电源)的可靠度等因素有关，还与产品本身的属性如材料、几何特性和散热设计等要素相关。因此，很难找出一个形式简单又能够系统性描述实际寿命与环境应力关系的加速寿命模型。而神经网络是基于人脑神经元构造和工作方式提出的数学模型，以其极高的自适应、自学习能力，可以较好地拟合各种非线性函数，在科学研究中广为应用，能够用于电子元器件的寿命预测。

发明内容

为了能够更加准确合理地对LED的寿命进行预测，本发明提出一种基于BP神经网络的大功率LED寿命预测方法，通过加速寿命试验得到的实验数据建立神经网络模型，对该网络不断进行训练以达到设定的精度要求，从而实现大功率LED的快速寿命预测。

本发明提出一种基于BP神经网络的大功率LED寿命预测方法采用的技术方案是包括以下步骤：

步骤1：设置N组恒定温度-电流双应力组合，N≥2，温度为T_n，电流为I_n，n＝1，2，...，N，T₁＜T₂＜…＜T_N，I₁＜I₂＜…＜I_N，依次按照N组温度-电流双应力组合进行加速寿命试验，每组加载P个小时，P≥100；测量出每次加速寿命试验后的LED的光通量φ_n；

步骤2：将试验加载的温度T_n、电流I_n以及测得光通量φ_n作为输入，将LED寿命t作为输出，建立温度T_n、电流I_n、光通量φ_n和LED寿命t的BP神经网络预测模型，并训练该模型；

步骤3：将LED实际的环境温度T、工作电流I以及光通量φ为0.7输入到训练好的BP神经网络模型，预测出LED寿命。