本發(fā)明涉及光電子技術(shù)領(lǐng)域，特別涉及一種LED燈光電熱特性的分析方法。本發(fā)明將人工神經(jīng)網(wǎng)絡(luò)和有限元算法結(jié)合起來，通過單顆LED的光電熱特性更加高效快捷地分析LED燈具的光電熱耦合及其特性。

背景技術(shù)：

近年來，通過有限元算法對LED光電熱耦合及其特性進(jìn)行分析，是國內(nèi)外非常普遍的一種多物理場分析的方法。

C.lonescu、Norocel Codreanu等人，利用有限元分析方法對熱電制冷器、印刷版熱點(diǎn)模塊等的性能進(jìn)行了分析評價，結(jié)果表明實(shí)驗(yàn)結(jié)果與有限元分析結(jié)果一致。周岷峰介紹了熱點(diǎn)有限元模型的基本原理，模型建立的過程和部件參數(shù)的選擇依據(jù)，并利用有限元分析軟件計算得到了應(yīng)力分布及變化的結(jié)論,以及對熱電模塊結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計的方法。

劉沛、郭倫春、柴廣躍等人通過ANASYS有限元軟件從散熱、可靠穩(wěn)定性及成本體積等各個方面研究了基于垂直散熱結(jié)構(gòu)的LED光電熱特性，并對不同散熱模式的LED光電熱特性進(jìn)行了研究，同時進(jìn)行了實(shí)驗(yàn)測試分析，最后得出垂直散熱結(jié)構(gòu)的中小功率LED是目前照明應(yīng)用的優(yōu)秀光源。楊道國、賈紅亮等人通過有限元分析對濕熱環(huán)境下LED球泡燈的多物理場進(jìn)行了耦合分析，他們通過比較多物理場分析和實(shí)驗(yàn)觀察結(jié)果的比較，得出運(yùn)用多物理場耦合分析LED球泡燈的可靠性是一種有效的方法。

龐博以一種LED集成光源,某型LED投光燈為研究對象,通過使用熱路法與有限元法相結(jié)合對投光燈的穩(wěn)態(tài)溫度分布進(jìn)行了計算,并通過實(shí)驗(yàn)和有限元所獲得的溫度數(shù)據(jù)進(jìn)行了對比證明了有限元分析結(jié)果的準(zhǔn)確性。

綜合所述，有限元是LED光電熱多物理場分析必不可少的分析方法，但是當(dāng)物理場較多時有限元算法的計算效率十分低，需要的計算資源會很大，計算時間也很長，人工神經(jīng)網(wǎng)絡(luò)和有限元算法結(jié)合使用可以很好地擬補(bǔ)有限元算法在這方面的不足。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提出一種LED燈光電熱特性的分析方法。本發(fā)明結(jié)合人工神經(jīng)網(wǎng)絡(luò)和有限元算法，提高了多物理場分析的效率，減少了多物理場分析的計算資源和計算時間。本發(fā)明的技術(shù)方案如下：

一種LED燈光電熱特性的分析方法,包括如下步驟：

步驟101、當(dāng)初始測試溫度為t_O時，測試單顆LED工作在范圍輸入電流條件下的光電熱特性；其中：t_O的范圍是298K～300K；

步驟102、當(dāng)測試溫度t＝t_O+N﹡A時，測試單顆LED的光電熱特性；其中：N為測試的次數(shù)；A為溫度遞增的常數(shù)；其中：t不大于375K；

步驟103、以單顆LED工作溫度和電流為輸入，相應(yīng)的光通量、光功率、電功率為輸出訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)；

步驟104、利用上述人工神經(jīng)網(wǎng)絡(luò)預(yù)測溫度為T，驅(qū)動電流為i時，單顆LED的光通量、光功率、電功率；其中：t的范圍是298K～375K；i的范圍是0～450mA；

步驟105、結(jié)合預(yù)測結(jié)果和有限元算法，得到溫度為T，驅(qū)動電流為I時，單顆LED的熱分布；

步驟106、結(jié)合溫度為T，驅(qū)動電流為i時，單顆LED光電熱預(yù)測結(jié)果和有限元算法，得到LED燈具的熱分布及光強(qiáng)分布。

作為優(yōu)選實(shí)施方式，本發(fā)明還采用了如下附件技術(shù)特征：

進(jìn)一步：所述步驟106具體為：

步驟1061、根據(jù)人工神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果，擬合出額定工作電流下單顆LED的光通量、光功率、電功率隨溫度的變化關(guān)系；

步驟1062、利用擬合結(jié)果求出單顆LED熱功率隨溫度的變化關(guān)系；

步驟1063、以單顆LED的熱功率為熱源，設(shè)置LED燈具中所有的LED；

步驟1064、借助有限元算法，得到LED燈具的熱分布；

步驟1065、結(jié)合LED光通量隨溫度的變化關(guān)系和有限元算法，得到LED燈具光通量的分布。

進(jìn)一步：所述步驟105具體為：

步驟1051、根據(jù)人工神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果，擬合出額定工作電流下單顆LED的光功率、電功率隨溫度的變化關(guān)系；

步驟1052、利用擬合結(jié)果求出單顆LED熱功率隨溫度的變化關(guān)系；

步驟1053、借助有限元算法，得到單顆LED模型的熱分布。

進(jìn)一步：在上述步驟103中，將測試數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集兩部分，訓(xùn)練數(shù)據(jù)集用來訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，測試數(shù)據(jù)集用來驗(yàn)證訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)。

進(jìn)一步：在所述步驟101中，采用脈沖電流作為LED的驅(qū)動電流。

本發(fā)明具有的優(yōu)點(diǎn)和積極效果是：

(1)利用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)預(yù)測任意工作條件下LED的光電熱耦合及其特性，不需要知道所涉及的物理場之間的函數(shù)關(guān)系。

(2)通過單顆LED的測試結(jié)果可以得到由同種型號的LED組成的燈具的光電熱耦合特性，這種方法具有普遍的適用性。

(3)人工神經(jīng)網(wǎng)絡(luò)和有限元算法結(jié)合使用，提高了多物理場分析的效率，使用的計算資源更少，計算時間更短。

(4)如果需要將LED的結(jié)構(gòu)、型號等參數(shù)考慮進(jìn)去，只需要重新訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)即可，具有很強(qiáng)的推廣性。

附圖說明

附圖1為LED光電熱三層人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖；

附圖2為簡化的LED光電熱模型；

附圖3為單顆LED的結(jié)構(gòu)模型；

附圖4為LED燈具的結(jié)構(gòu)模型。

其中：I為工作電流；T為結(jié)溫；Φ為光通量；P_E為電功率；P_L為光功率；γ(·)、δ(·)為激活函數(shù)；h、g為激活函數(shù)的輸入；W⁽¹⁾、W⁽²⁾為輸入層與隱含層以及隱含層與輸出層之間的權(quán)值。

具體實(shí)施方式

為能進(jìn)一步了解本發(fā)明的發(fā)明內(nèi)容、特點(diǎn)及功效，茲例舉以下實(shí)施例，并配合附圖詳細(xì)說明如下：

請參閱圖1至圖4：

一種LED燈光電熱特性的分析方法,包括如下步驟：

步驟101、當(dāng)初始測試溫度為t_O時，測試單顆LED工作在范圍輸入電流條件下的光電熱特性；其中：t_O的范圍是298K～300K；本優(yōu)選實(shí)施例中，t_O＝299.15K；

步驟102、當(dāng)測試溫度t＝t_O+N﹡A時，測試單顆LED的光電熱特性；其中：N為測試的次數(shù)；A為溫度遞增的常數(shù)；其中：t不大于375K；本優(yōu)選實(shí)施例中A＝2K；

步驟103、以單顆LED工作溫度和電流為輸入，相應(yīng)的光通量、光功率、電功率為輸出訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)；

步驟104、利用上述人工神經(jīng)網(wǎng)絡(luò)預(yù)測溫度為T，驅(qū)動電流為i時，單顆LED的光通量、光功率、電功率；其中：t的范圍是298K～375K；i的范圍是0～450mA；

步驟105、結(jié)合預(yù)測結(jié)果和有限元算法，得到溫度為T，驅(qū)動電流為I時，單顆LED的熱分布；

步驟106、結(jié)合溫度為T，驅(qū)動電流為i時，單顆LED光電熱預(yù)測結(jié)果和有限元算法，得到LED燈具的熱分布及光強(qiáng)分布。

作為優(yōu)選實(shí)施方式，本發(fā)明還采用了如下附件技術(shù)特征：

進(jìn)一步：所述步驟106具體為：

步驟1061、根據(jù)人工神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果，擬合出額定工作電流下單顆LED的光通量、光功率、電功率隨溫度的變化關(guān)系；

步驟1062、利用擬合結(jié)果求出單顆LED熱功率隨溫度的變化關(guān)系；

步驟1063、以單顆LED的熱功率為熱源，設(shè)置LED燈具中所有的LED；

步驟1064、借助有限元算法，得到LED燈具的熱分布；

步驟1065、結(jié)合LED光通量隨溫度的變化關(guān)系和有限元算法，得到LED燈具光通量的分布。

進(jìn)一步：所述步驟105具體為：

步驟1051、根據(jù)人工神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果，擬合出額定工作電流下單顆LED的光功率、電功率隨溫度的變化關(guān)系；

步驟1052、利用擬合結(jié)果求出單顆LED熱功率隨溫度的變化關(guān)系；

步驟1053、借助有限元算法，得到單顆LED模型的熱分布。

進(jìn)一步：在上述步驟103中，將測試數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集兩部分，訓(xùn)練數(shù)據(jù)集用來訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，測試數(shù)據(jù)集用來驗(yàn)證訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)。

進(jìn)一步：在所述步驟101中，采用脈沖電流作為LED的驅(qū)動電流。

本發(fā)明的第一步是訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的原始數(shù)據(jù)的獲得。首先測試某一溫度下，單顆LED工作在范圍輸入電流條件下的光電熱特性；接著按一定的梯度增加溫度，循環(huán)測試單顆LED的光電熱特性。

本發(fā)明使用的人工神經(jīng)網(wǎng)絡(luò)為三層誤差后向傳輸?shù)娜斯ど窠?jīng)網(wǎng)絡(luò)，以LED的工作電流I和工作溫度T為輸入，相應(yīng)的光通量Φ、電功率P_E、光功率P_L為輸出，LED光電熱人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖如附圖1所示。人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程，就是通過系統(tǒng)誤差的后向傳輸不斷調(diào)整輸入層與隱含層以及隱含層與輸出層之間的權(quán)值W⁽¹⁾、W⁽²⁾的過程。附圖1中的激活函數(shù)γ(·)、δ(·)分別為正切雙曲線函數(shù)和線性傳輸函數(shù)，h、g表示激活函數(shù)的輸入。

本發(fā)明利用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)，可以預(yù)測LED在任意工作條件下的光電熱特性，通過直線擬合，得出一定工作條件下單顆LED的光通量、光功率、電功率隨溫度的變化關(guān)系，并利用擬合結(jié)果求出LED熱功率隨溫度的變化關(guān)系。如附圖2所示。

本發(fā)明基于一款芯片倒裝焊的LED，依據(jù)LED的熱阻模型和結(jié)構(gòu)建立LED的結(jié)構(gòu)模型。如附圖3所示。其中1表示環(huán)氧樹脂外殼，半徑尺寸大小為R＝1.53mm；2表示SiC襯底，尺寸大小為1×1×0.33mm；3表示GaN芯片，尺寸大小為1×1×0.005mm；4表示陶瓷散熱材料，尺寸大小為3.45×3.45×0.83mm；5表示覆銅的鋁基板，尺寸大小為50×50×1.5mm。利用有限元算法，以LED熱功率隨溫度的變化關(guān)系為熱源，得到單顆LED的熱分布。同時以單顆LED的熱功率為熱源，設(shè)置附圖4所示的LED燈具中所有的LED，借助有限元算法，得到LED燈具的熱分布以及LED燈具光通量的分布。

本發(fā)明一種LED燈光電熱特性的分析方法,包括下面步驟：

(1)測試某一溫度下，單顆LED工作在范圍輸入電流條件下的光電熱特性；

(2)按一定的梯度增加溫度，循環(huán)測試單顆LED的光電熱特性；

(3)以LED工作溫度和電流為輸入，相應(yīng)的光通量、光功率、電功率為輸出訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)；

(4)利用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)預(yù)測任意工作條件下LED的光通量、光功率、電功率；

(5)結(jié)合預(yù)測結(jié)果和有限元算法，得到任意工作條件下單顆LED的熱分布；

(6)結(jié)合任意工作條件下單顆LED光電熱預(yù)測結(jié)果和有限元算法，得到LED燈具的熱分布及光強(qiáng)分布。

第(6)步中，依次包括下列步驟：

1)根據(jù)人工神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果，擬合出一定工作條件下單顆LED的光通量、光功率、電功率隨溫度的變化關(guān)系；

2)利用擬合結(jié)果求出單顆LED熱功率隨溫度的變化關(guān)系；

3)以單顆LED的熱功率為熱源，設(shè)置LED燈具中所有的LED；

4)借助有限元算法，得到LED燈具的熱分布。

以上對本發(fā)明的實(shí)施例進(jìn)行了詳細(xì)說明，但所述內(nèi)容僅為本發(fā)明的較佳實(shí)施例，不能被認(rèn)為用于限定本發(fā)明的實(shí)施范圍。凡依本發(fā)明申請范圍所作的均等變化與改進(jìn)等，均應(yīng)仍歸屬于本發(fā)明的專利涵蓋范圍之內(nèi)。