技术摘要：
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Tn，电流为In，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φn；将温度Tn、电流In  全部
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。
技术实现要素：
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Tn，电流为In，n＝1， 2，...，N，T1＜T2＜…＜TN，I1＜I2＜…＜IN，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φn； 步骤2：将试验加载的温度Tn、电流In以及测得光通量φn作为输入，将LED寿命t作 为输出，建立温度Tn、电流In、光通量φn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。 进一步地，步骤1中，加速寿命试验之前，先搭建包括高低温试验箱、直流稳压电 源、积分球、电脑的试验平台，在高低温试验箱内部放置LED样品、导热胶片、散热器和固定 平台，固定平台上方通过散热器连接导热胶片，LED样品装在导热胶片上，高低温试验箱提 供温度Tn，LED样品正负电极经引线连接直流稳压电源，直流稳压电源给LED样品提供电流 In，试验后的LED取出冷却再放进积分球内，通过电脑测量得到LED的光通量φn。 3 CN 111612142 A 说　明　书 2/6 页 更进一步地，取c个LED样品，c≥10，将其平均分成d组，每组包含c/d个LED，将一组 LED样品都放在散热器上且将c/d个LED串联后连接直流稳压电源。 更进一步地，先加载第一组恒定温度-电流双应力：在温度T1、电流I1下进行P个小 时的加速寿命试验，每进行q个小时的连续加载后，q≥10，将这一组LED样品都取出测量其 光通量，测量完毕后，将这组LED样品再放入到高低温试验箱内进行连续的q小时加载，加载 完毕后再将LED取出测量其光通量，以此类推直至试验加载时间累积到P个小时即停止这组 试验；其余的N-1组加载试验方法和第一组相同，获得了温度Tn、电流In双应力下测得的LED 在不同加速时间点对应的光通量φn。 本发明具有的优点和有益效果为： 本发明利用加速寿命试验的相关数据，根据LED可靠性与相关参数的映射关系，建 立温度、电流、光通量与寿命的BP神经网络预测模型，将加速寿命实验中加载的温度、电流 应力以及测得的LED在不同时间点对应的光通量作为输入，其每个时间点的光通量所对应 的加速试验累积时间作为输出，即寿命作为输出，对其网络进行训练，利用训练好的网络预 测大功率LED的寿命并计算模型精度，而不需要再通过加速寿命模型来外推LED的寿命，实 现了大功率LED寿命的快速预测，提高了预测寿命的效率及精度。试验结果表明，该BP神经 网络具有良好的预测能力，可在短时间内成功预测大功率LED的寿命。并且本发明将LED所 受到的共性应力即温度和电流作为神经网络的输入，该BP神经网络能够预测LED在任意温 度和电流下的工作寿命，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，因此更加准确合理地对LED的寿命进行预测，可应用于LED在不同工作 环境下的寿命预测。 附图说明 图1是本发明一种基于BP神经网络的大功率LED寿命预测操作流程图； 图2是本发明采用的试验平台的连接原理图； 图3是本发明中实例中应力组合一的加载模式示意图； 图4是本发明中实例中应力组合二的加载模式示意图； 图5是本发明中实例中应力组合三的加载模式示意图； 图6是BP神经网络执行流程图； 图7为温度、电流、光通量—寿命BP神经网络结构示意图， 图2中：1.高低温试验箱；2.直流稳压电源；3.积分球；4.电脑；5.LED样品；6.导热 胶片；7.散热器；8.固定平台。