基于蛙跳算法优化SVM的小功率LED寿命预测模型

针对小功率LED失效时间预测需要大量失效数据、预测成本较高的情况,从工程实践的实际需求出发,提出了基于改进蛙跳算法(ISFLA)优化支持向量机(SVM)的小功率LED寿命预测模型。SVM使用径向基核函数(RBF),以小功率LED的可靠度作为SVM输入,失效时间作为输出。为了减小蛙跳算法的计算成本,现引入进化阶段指标T加快收敛速度,并利用ISFLA优化核函数参数的选取,使得仅需少量训练样本即可建立SVM。该模型不仅能预测加速应力下的小功率LED失效时间,也可根据小功率LED在加速应力下的失效时间预测正常应力水平下的寿命。实验证明,在小样本条件下,该方法得到训练结果的相关系数为0.998,检验组误差小于3%,快速简洁地实现了小功率LED高精度寿命预测。

浅析LED光谱衰减的评估模型

要科学地进行LED光谱衰减和颜色变化的评估,确保LED使用的可靠性,不仅需要建立预测模型,而且需要保证一定的试验时间。对目前报道过的基于LED电流加速老化实验引起的光谱衰减的几种预测模型进行了介绍,并就其局限性做了分析。同时,对已报道过的用威布尔分布函数预测功率型LED的光通维持的结果进行了探讨。