采用RBF神经网络与光谱参数的LED结温预测.docx

采用RBF神经网络与光谱参数的LED结温预测 摘要：为快速、准确地预测大功率LED的PN结温度，提高其发光效率、延长使用寿命，在分析LED光谱法测量结温的基础上，搭建实验平台，采集不同电流、不同结温下的双光谱参数，利用回归逼近方式分析结温与光谱参数的关系，并基于RBF神经网络理论建立LED结温预测模型。实验验证发现，与正向电压法相比，该方法仅存在3℃的预测误差，且无需考虑半导体内部复杂结构，可以快速、简单、准确地预测LED结温。 关键词： 结温预测；径向基函数；神经网络；光谱分析 DOIDOI：10.11907/rjdk.182025 中图分类号：TP302 文献标识码：A 文章编号文章编号：1672-7800（2018）008-0053-04 英文摘要Abstract：Quick and accurate measurement of LED junction temperature can help to improve the luminous efficiency and extend the service life. In this paper， based on the analysis of the principle of spectral method， the experimental platform is set up， the spectral parameters of different junction temperatures under different current are collected. The relationship between the junction temperature and the spectral parameters is analyzed by the regression approximation method， and a prediction model of the LED junction temperature is established based on the RBF neural network theory.Experimental results show that the deviation is less than 3℃ compared with the voltage method and there is no need to consider the complex structure inside the semiconductor， the LED junction temperature prediction can be quickly， simple and accurate. 英文键词Key Words：Junction temperature prediction；RBF；neural network；spectral analysis 0 引言 结温是影响大功率LED光、色、电特性的重要因素[1-3]。过高的结温会导致LED发光效率降低、光通量下降、寿命缩短[4-6]。因此测量并预测LED结温对研究LED产品可靠性具有十分重要的作用。 LED结温测量方法分为接触式测量和非接触式测量两类。目前，LED结温测量的国际标准方法是正向电压法[7]，与管脚温度法[8]一样，在测量时往往受到灯具外壳及产品封装等限制，一般难以接触LED管脚，无法测量LED引脚两端电压，同时其测量条件是在小电流状态下进行，无法及时掌握现场运行的LED灯具结温，极大限制了接触式测量方法的应用。 Kasemann[9]提出采用红外微相仪进行非接触式LED结温测量，该方法测试简单，但要求芯片裸露，且设备昂贵。在光谱法测量结温的研究中，2013年邱西振等[10]提出采用峰谷值随结温的移动关系表征结温，但在测量时往往出现多峰或平坦的情况，影响精度，难以准确测量峰值。2009年叶炎钟等[11]提出辐射强度法，该方法同样受到误差困扰。2013年Chen K等[12]采用中心波长法降低测量仪器的误差。本课题组在近几年也提出了相对光谱差异法、质心波长法和双参数法测量LED结温[13-15]，进一步提高了LED结温测量的准确度，不过尚未建立直接的LED光热数学计算模型。研究表明，LED结温与光谱参数、电流存在密切的联系。因此，需要建立模型以准确表达其关系，从而进行结温预测。 本文研究电流、光谱参数与结温之间的内在关联，通过实验标定得到双光谱参数、电流、结温三者之间的关系，利用神经网络非线性回归能力，采用系统辨识原理，依据光谱参数、电流及结温实验数据，建立RBF神经网络结温预测模型，将RBF神经网络推广到LED结温预测中，对LED结温预测具有一定启发