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;
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;
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;
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;
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101具体为:所述单颗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(-αtβ) (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。
3.根据权利要求2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102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,kB表示玻尔兹曼常数,为
8.617×10-5eV/K;
在温度Ts1和TS2中间插值一个温度为Ts3的加速寿命曲线,将Ts1和TS2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/kB,将插值温度Ts3以及求出的C和Ea/kB带入方程(3)中,得到温度为Ts3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TS3下的曲线拟合初试化常数β3表示为:式中β1为温度TS1下的曲线拟合初始化常数,β2为温度TS2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。
4.根据权利要求3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103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。
5.根据权利要求4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104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。
6.根据权利要求5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灯具的寿命。