CN106529054B - 一种考虑模块间相关性的led灯具建模方法 - Google Patents
一种考虑模块间相关性的led灯具建模方法 Download PDFInfo
- Publication number
- CN106529054B CN106529054B CN201611023160.3A CN201611023160A CN106529054B CN 106529054 B CN106529054 B CN 106529054B CN 201611023160 A CN201611023160 A CN 201611023160A CN 106529054 B CN106529054 B CN 106529054B
- Authority
- CN
- China
- Prior art keywords
- led
- led lamp
- performance degradation
- degradation
- performance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000006731 degradation reaction Methods 0.000 claims abstract description 110
- 230000015556 catabolic process Effects 0.000 claims abstract description 108
- 238000013461 design Methods 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 claims abstract description 15
- 238000013178 mathematical model Methods 0.000 claims abstract description 14
- 230000007246 mechanism Effects 0.000 claims abstract description 8
- 230000007850 degeneration Effects 0.000 claims description 55
- 230000004907 flux Effects 0.000 claims description 33
- 238000009826 distribution Methods 0.000 claims description 28
- 230000035939 shock Effects 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 23
- 241001465382 Physalis alkekengi Species 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 21
- 231100001160 nonlethal Toxicity 0.000 claims description 18
- 230000017525 heat dissipation Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 230000003412 degenerative effect Effects 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 6
- 239000000843 powder Substances 0.000 claims description 6
- 239000004065 semiconductor Substances 0.000 claims description 6
- 230000001568 sexual effect Effects 0.000 claims description 6
- 230000005653 Brownian motion process Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 238000000611 regression analysis Methods 0.000 claims description 4
- 241001025261 Neoraja caerulea Species 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000001816 cooling Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 235000012431 wafers Nutrition 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 241000039077 Copula Species 0.000 description 8
- 230000000644 propagated effect Effects 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003121 nonmonotonic effect Effects 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
- Led Device Packages (AREA)
Abstract
本发明提供一种考虑模块间相关性的LED灯具建模方法,包括:LED灯具可靠性结构分析;LED的性能退化机理及其数学模型;电源模块的性能退化及其数学模型;随机冲击对LED灯具系统各结构的影响;考虑性能退化的相关性和定向传播的系统级建模;LED灯具可靠性设计优化;得到性能退化模型;与现有技术相比,本发明具有如下的有益效果:通过运用进化算法完成多目标优化,得到优化问题的非支配解集,灯具制造企业通过在非支配解集中选取最合适的方案。运用该方法将为灯具制造企业提供有力的系统可靠性设计优化工具。
Description
技术领域
本发明是一种考虑模块间相关性的LED灯具建模方法,属于LED灯具技术领域。
背景技术
LED灯具是一个有多个模块组成的系统,且各个模块的性能是不断退化的,按照目前业界普遍接受的LED寿命计算方法,当LED光衰下降到初始值的一定比例时的时间为LED灯具的寿命定义,即LED灯具的寿命是有LED芯片的光衰决定的,LED芯片光衰特性除了受自身工艺品质影响外,其他模块的性能也会对其光衰产生很大的影响。因而LED灯具的建模在理论上是一个考虑多个具有性能退化特性模块和外部冲击的系统建模问题。
关于系统各模块之间的相关性研究,国外学者开展了大量的研究。其中以色列Levitin教授提出了失效传播的概念来刻画多个模块之间的相关失效,在一个多状态系统内的各个模块之间具有固定的失效传播路径,当一个模块失效后会以一定的概率导致其他模块的失效,然后依据通用生成函数方法和系统结构函数求得多状态系统的可靠性指标。Levitin教授提出的方法只考虑了二值可靠性模块,既模块只有工作和失效两种状态,没有从模块本身性能退化的角度研究模块的退化并最终导致系统性能退化的关系。SerkanEryilmaz在文献中提出了两个多状态元件相关性的建模方法。该方法假设元件并非二值元件,而是拥有多个性能状态,两个元件不同性能状态之间存在相关性,运用copula函数描述其相关性,算例分析中选取Farlie-Gumbel-Morgenstern(FGM)copula函数来刻画两个元件各状态间的相关性,最终分别求出了这两个多状态元件在串联、并联两种情况下的系统故障率函数。该方法仅仅考虑了用Copula函数来描述两个元件不同状态下的联合概率分布,并没有考虑失效传播的影响,最终求由两个多状态元件串联构成的系统,在元件失效存在相关性情况下的系统可靠度要高于元件失效相互独立的情况,这一结论这和我们实际的直观认识是相悖的,例如LED灯具中电源模块和LED芯片可以看作是两个串联的模块,如果其性能退化具有相关性,意味着当电源模块性能退化后会加速LED芯片的光衰,因而两个模块串联时系统总的可靠度要低于二者不具有相关性的情况。
关于性能退化,Suk Joo Boe教授提出了一种退化建模方法,将性能退化分划分为加性退化路径和乘性退化路径两种,并在退化路径中加入随机变量描述退化过程的随机特征。退化路径和随机变量需要依据实际系统的退化特征来选取。Haong Pham教授在文献中引用了这种退化模型来描述系统中的多种退化进程,且引入了外界的随机冲击来完善模型。
关于具体的LED灯具系统级建模,从目前掌握的公开文献看,飞利浦公司已经开始从系统级考虑LED灯具的可靠性问题,其方法是将LED灯具的失效分为芯片级、封装级、模组级和系统级,试图从多层级的失效数据之间寻找失效规律。LED灯具系统的可靠性模型则是首先通过传统的实验方法得到各个功能模块的失效概率分布,然后根据灯具的结构函数,通过蒙特卡罗仿真的方法得出灯具系统的故障率分布。
失效传播属于共因失效的范畴,可以共同的诱因导致了两个模块的失效(退化)。王家序在文献中介绍了一种不完全共因失效动态故障树分析方法,可以用于用于模块间不完全共因失效的故障分析。葛小凯在文献中尝试对多个存在依赖性的退化部件进行建模,但是其依赖性主要关注了维修过程中模块间的相互制约情况,没有考虑性能退化过程的相关性,无法直接运用于LED灯具此类系统。李常有等研究了基于Gamma过程的退化模型,并且结合贝叶斯估计进行实时可靠性评估。
具体到LED灯具的可靠性建模,国内研究单位和相关企业鲜有相关的报道和文献。国内相关学者对LED灯具的可靠性研究主要集中如何通过实验发现设计缺陷,改进缺陷提升灯具关键部件的可靠性水平。例如复旦大学的江程等提出了一种LED路灯的模块化的设计思路,通过模块化设计,对路灯的模块化设计中的光学模组提出了几种解决方案,并创新地设计了内曲面光学调制的光学模组,提高了LED的可靠性水平,为本课题的研究提供了一种很好的思路。杨光对道路照明中的LED路灯散热方案进行了研究,他主要从大功率LED的热特性着手,通过分析大功率LED的散热设计流程及常见的一、二次散热方案设计,导热材料的选用,主、被动散热模式的设计,以及散热模块的封装问题来探讨大功率LED路灯的散热方案和不同的散热方案所适应的范围。田明航,冯毅分析了热管在大功率LED中的散热作用,提出了利用热管技术对大功率LED进行散热的构想,设计了LED热管散热器的原理结构,并对其传热机理、传热路线和各传热阶段的热阻进行了定性分析和定量分析,建立了传热模型,导出了总传热系数的计算式,并给出了该热管散热器的设计计算实例。为LED路灯的散热提出了新的思路。
现有技术中,并没有一种合适的LED灯具建模方法。
发明内容
针对现有技术存在的不足,本发明目的是提供一种考虑模块间相关性的LED灯具建模方法,以解决上述背景技术中提出的问题。
为了实现上述目的,本发明是通过如下的技术方案来实现:一种考虑模块间相关性的LED灯具建模方法,包括:
LED灯具可靠性结构分析;
LED的性能退化机理及其数学模型;
电源模块的性能退化及其数学模型;
随机冲击对LED灯具系统各结构的影响;
考虑性能退化的相关性和定向传播的系统级建模;
LED灯具可靠性设计优化;
得到性能退化模型。
进一步地,所述LED灯具可靠性结构分析指:LED灯具系统从结构上包括LED芯片、电源模块、散热系统、防水以及灯具结构五大部分,其中LED芯片和电源模块是LED灯具系统的核心,是可靠性分析和建模的主要研究对象,分析LED灯具可靠性从以下五个方面分析:
电源模块或者LED芯片任一模块失效,LED灯具系统失效;
散热和防水的性能优劣将影响电源和LED芯片的性能;
电源性能的退化会向LED芯片模块定向传播;
电源模块的退化和LED芯片的退化具有相关性;
LED灯具整体性能最终由LED芯片的性能决定。
进一步地,所述LED的性能退化机理及其数学模型指:LED性能的退化指其光通量的退化,其失效和寿命的定义与普通半导体器件不同,普通半导体器件的寿命定义是基于统计意义上的平均无故障工作时间,而LED的失效和寿命定义是基于光通量的退化量而确定的,目前照明用LED主要以白光LED为主,其中又以蓝光LED加荧光粉的白光LED结构最多,分析其组成结构可知其性能的退化包含了以下几个部分:荧光粉在较高温度下的性能衰退,蓝光LED晶片自身的性能衰退,固晶底胶的性能退化,以及其他封装材料引起的光衰。
按照LED灯具寿命的定义:其光通量下降到某一预定阀值所用的小时数,普通照明用灯具该阀值为初始光通量的70%,装饰性LED灯具为初始光通量的50%,即当灯具的光通量下降到改阀值后,便认为其已经失效。
灯具的光通量由LED芯片的光通量决定,为此首先定义LED芯片性能退化的数学描述方法,LED光通量是随着时间递减的,光通量是时间的函数;由于生产加工过程的不确定性,光通量又具有其随机性,为此我们借鉴退化路径的方法来描述LED芯片的退化行为,退化路径的数学描述有两种:
通用加性退化路径模型:D(t;X,θ)=X·η(t;θ);
通用乘性退化路径模型:D(t;X,θ)=η(t;θ)+X;
其中η(t;θ)表示平均退化路径,是参数为θ的时间的函数,随机变量X代表了在平均退化路径的基础上的退化过程的随机特性,其累计分布函数为FX,密度函数为fX,平均退化路径是单调递增的或单调递减的。
进一步地,所述电源模块的性能退化及其数学模型指:LED驱动电源的输出电流随着时间的推移呈现上升的趋势,但是叠加了一个非平稳的随机序列,通过回归分析可以得到输出电流变化的大致趋势,将输出电流监测样本数据与回归结果做差得到非平稳的随机序列,通过正态检验,得到该序列具有正态分布的特征,因此输出电流整体变化趋势具有参数漂移的Wiener过程的特点,即输出电流随时间的变化规律可以表示为:
I(t)=I0+x(t)=I0+ρt+ξw(t);
其中I0为初始电流值,根据制造厂家的生成工艺和一致性水平,满足一定的分布;ρ为漂移系数,表征了电流的退化系数,与测试应力有关,w(t)为标准的Winner过程,参数ξ反映了Winner过程的扩散,对于同一批次被测模块,忽略其初始电流的差别,仅在不同应力下观察电流性能退化量,通过数据拟合的方法得到电源退化表达式中的各个参数,电源模块退化量和故障函数表达式:
D2(t)=I0+ρt+ξw(t)
F2(t)=Pr(D2(t)>ID)
其中ID为判定电源退化至失效状态的阀值。
进一步地,所述随机冲击对LED灯具系统各结构的影响指:LED灯具在使用过程中会受到来自外界的随机冲击的影响,其中在LED灯具中会受到随机冲击影响的模块主要有电源和LED芯片,假设冲击服从速率为λ的齐次泊松过程{N(t),t≥0},每次冲击以概率p(t)直接导致系统失效,即随机冲击将以速率为λ·p(t)的非齐次泊松过程造成系统直接失效,称为致命冲击,截至时间t致命冲击的次数记做N1(t),此外冲击以概率q(t)=1-p(t)对系统各模块造成性能退化,称之为非致命冲击,截至时间t非致命冲击的次数记做N2(t),存在关系N(t)=N1(t)+N2(t),N1(t)取值属于{0,1}。
第i次冲击对系统的退化量记做{ωi1,ωi2},其中ωi1表示对电源的性能退化分量,ωi1表示冲击对LED芯片造成的性能退化分量,假设ωij为非负的独立同分布随机变量,其分布函数为Qj(x),j=1,2,时间为t时,发生的非致命冲击次数记做M=N2(t),则非致命冲击对电源模块的性能退化量的分布为Q1(x)的M重卷积,非致命冲击对LED芯片造成的性能退化量的分布为假设ωi1服从参数为μ的指数分布,为M各服从指数分布的独立同分布随机变量之和的概率分布,则服从形状参数为整数的伽玛分布,Erlang分布,即
以LED芯片为例,LED芯片自身的退化特性用退化路径模型表示,记做D2(t)=X2·η(t;θ),非致命冲击对LED芯片造成的退化量为复合泊松过程,记做可得LED芯片总的退化量,记做M2(t)=D2(t)+S2(t),对于电源模块则有M1(t)=D1(t)+S1(t),LED灯具系统的可靠度函数表示为:
其中Φ(M1(t),M2(t))表示两个性能退化模块构成的系统的可靠度函数,表示不发生致命冲击的概率。
进一步地,所述考虑性能退化的相关性和定向传播的系统级建模指:性能退化的的定向传播指的是当电源模块的性能退化,如控制精度性能退化,或是由于电源出现某种故障,导致电源发热严重,这些因素都会向灯具中的LED芯片传播,导致LED芯片的退化加速。
进一步地,所述LED灯具可靠性设计优化指:LED灯具核心模块为电源和LED芯片,核心模块的性能对系统的可靠性起主要作用,LED灯具内部温度对电源模块和LED芯片的性能退化都有非常直接的影响,因而散热模块的性能将直接影响核心模块的退化加速因子,防水性能对LED灯具可靠性的影响主要体现在对外界冲击的抵御能力,决定了随机冲击的到达速率,综上所述,LED灯具各模块的性能表现对灯具的系统可靠性都将产生直接或间接的影响。
进一步地,所述得到性能退化模型指:通过对电源和LED芯片性能退化数据的分析,得到电源模块和LED芯片性能退化模型在单独工作条件下的性能退化模型。
本发明的有益效果:本发明的一种考虑模块间相关性的LED灯具建模方法,通过运用进化算法完成多目标优化,得到优化问题的非支配解集,灯具制造企业通过在非支配解集中选取最合适的方案。运用该方法将为灯具制造企业提供有力的系统可靠性设计优化工具。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明一种考虑模块间相关性的LED灯具建模方法的LED灯具可靠性结构图;
图2为本发明一种考虑模块间相关性的LED灯具建模方法的系统结构框图;
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
本发明提供一种技术方案:一种考虑模块间相关性的LED灯具建模方法,包括:
LED灯具可靠性结构分析;
LED的性能退化机理及其数学模型;
电源模块的性能退化及其数学模型;
随机冲击对LED灯具系统各结构的影响;
考虑性能退化的相关性和定向传播的系统级建模;
LED灯具可靠性设计优化;
得到性能退化模型。
LED灯具可靠性结构分析指:LED灯具系统从结构上包括LED芯片、电源模块、散热系统、防水以及灯具结构五大部分,其中LED芯片和电源模块是LED灯具系统的核心,是可靠性分析和建模的主要研究对象,如图1,分析LED灯具可靠性从以下五个方面分析:
电源模块或者LED芯片任一模块失效,LED灯具系统失效;
散热和防水的性能优劣将影响电源和LED芯片的性能;
电源性能的退化会向LED芯片模块定向传播;
电源模块的退化和LED芯片的退化具有相关性;
LED灯具整体性能最终由LED芯片的性能决定。
LED的性能退化机理及其数学模型指:LED性能的退化指其光通量的退化,其失效和寿命的定义与普通半导体器件不同。普通半导体器件的寿命定义是基于统计意义上的平均无故障工作时间,而LED的失效和寿命定义是基于光通量的退化量而确定的。目前照明用LED主要以白光LED为主,其中又以蓝光LED加荧光粉的白光LED结构最多,分析其组成结构可知其性能的退化主要包含了几个部分:荧光粉在较高温度下的性能衰退,蓝光LED晶片自身的性能衰退,固晶底胶的性能退化,以及其他封装材料引起的光衰。
按照LED灯具寿命的定义:其光通量下降到某一预定阀值所用的小时数,普通照明用灯具该阀值为初始光通量的70%,装饰性LED灯具为初始光通量的50%,即当灯具的光通量下降到改阀值后,便认为其已经失效。
灯具的光通量由LED芯片的光通量决定,为此我们首先定义LED芯片性能(光通量)退化的数学描述方法。大量的可靠性试验数据表明LED光通量是随着时间递减的,光通量是时间的函数;同时由于生产加工过程的不确定性,光通量又具有其随机性,为此我们借鉴退化路径的方法来描述LED芯片的退化行为。退化路径的数学描述有两种:
通用加性退化路径模型:D(t;X,θ)=X·η(t;θ)
通用乘性退化路径模型:D(t;X,θ)=η(t;θ)+X
其中η(t;θ)表示平均退化路径,是参数为θ的时间的函数,随机变量X代表了在平均退化路径的基础上的退化过程的随机特性,其累计分布函数为FX,密度函数为fX。平均退化路径可以是单调递增的也可以是单调递减的,也有学者研究过非单调的退化路径函数,不过在实际中很少有非单调退化的实例。例如最简单的乘性退化模型D(t;X,θ)=ξ·t,其中ξ=X为退化速率,X服从威布尔分布,forθ,r>0。本项目中将运用乘性退化路径的方法来描述LED芯片的性能退化过程,随机变量X的分布选取威布尔分布,最终通过实验数据和回归分析得到威布尔分布中的参数。
电源模块的性能退化及其数学模型指:LED驱动电源的输出电流随着时间的推移呈现上升的趋势,但是叠加了一个非平稳的随机序列,通过回归分析可以得到输出电流变化的大致趋势,将输出电流监测样本数据与回归结果做差得到非平稳的随机序列,通过正态检验,得到该序列具有正态分布的特征,因此输出电流整体变化趋势具有参数漂移的Wiener过程的特点,即输出电流随时间的变化规律可以表示为:
I(t)=I0+x(t)=I0+ρt+ξw(t);
其中I0为初始电流值,根据制造厂家的生成工艺和一致性水平,满足一定的分布;ρ为漂移系数,表征了电流的退化系数,与测试应力有关,w(t)为标准的Winner过程,参数ξ反映了Winner过程的扩散,对于同一批次被测模块,忽略其初始电流的差别,仅在不同应力下观察电流性能退化量,通过数据拟合的方法得到电源退化表达式中的各个参数,电源模块退化量和故障函数表达式:
D2(t)=I0+ρt+ξw(t)
F2(t)=Pr(D2(t)>ID)
其中ID为判定电源退化至失效状态的阀值。
随机冲击对LED灯具系统各结构的影响指:LED灯具在使用过程中会受到来自外界的随机冲击的影响,其中在LED灯具中会受到随机冲击影响的模块主要有电源和LED芯片,假设冲击服从速率为λ的齐次泊松过程{N(t),t≥0},每次冲击以概率p(t)直接导致系统失效,即随机冲击将以速率为λ·p(t)的非齐次泊松过程造成系统直接失效,称为致命冲击,截至时间t致命冲击的次数记做N1(t),此外冲击以概率q(t)=1-p(t)对系统各模块造成性能退化,称之为非致命冲击,截至时间t非致命冲击的次数记做N2(t),存在关系N(t)=N1(t)+N2(t),N1(t)取值属于{0,1}。
第i次冲击对系统的退化量记做{ωi1,ωi2},其中ωi1表示对电源的性能退化分量,ωi1表示冲击对LED芯片造成的性能退化分量,假设ωij为非负的独立同分布随机变量,其分布函数为Qj(x),j=1,2,时间为t时,发生的非致命冲击次数记做M=N2(t),则非致命冲击对电源模块的性能退化量的分布为Q1(x)的M重卷积,非致命冲击对LED芯片造成的性能退化量的分布为假设ωi1服从参数为μ的指数分布,为M各服从指数分布的独立同分布随机变量之和的概率分布,则服从形状参数为整数的伽玛分布,Erlang分布,即
以LED芯片为例,LED芯片自身的退化特性用退化路径模型表示,记做D2(t)=X2·η(t;θ),非致命冲击对LED芯片造成的退化量为复合泊松过程,记做可得LED芯片总的退化量,记做M2(t)=D2(t)+S2(t),对于电源模块则有M1(t)=D1(t)+S1(t),LED灯具系统的可靠度函数表示为:
其中Φ(M1(t),M2(t))表示两个性能退化模块构成的系统的可靠度函数,表示不发生致命冲击的概率。
考虑性能退化的相关性和定向传播的系统级建模指:性能退化的的定向传播指的是当电源模块的性能退化,如控制精度性能退化,或是由于电源出现某种故障,导致电源发热严重,这些因素都会向灯具中的LED芯片传播,导致LED芯片的退化加速。
如图2所示,为了描述这种现象我们借鉴了目前ALT试验中的规律,提出了性能退化加速因子的概念,即在LED退化模型中增加加速因子来表示电源模块的对LED芯片性能的影响。加速因子用G(t,γ)表示,考虑了电源模块对LED芯片的定向性能退化传播后,LED芯片的退化模型可以表示为:
其中G(t,γ)=γ·M1(t),表示了电源性能退化导致LED退化的加速因子,其中M1(t)为电源模块的性能,γ为性能退化传播系数。
接下来分析电源和LED之间的相关性,由于电源模块和LED同时分布在狭小的灯具腔体内,而且很多LED灯具产品中电源和LED芯片公用了散热系统,因而其热量相互耦合在一起的,则两个模块的性能退化并非独立的,而是存在相关性。为了刻画两个模块之间的相关性,我们采用copula函数的方法,假设电源和LED的故障函数分别为F1(t)和F2(t),其Copula函数记做C(·,·),则联合概率分布为C(F1(t),F2(t))。在分析系统可靠度是只考虑系统中的核心模块,系统结构如图2所示,为两个退化元件串联模型,由之前的分析可知,电源模块的可靠度函数R1(t)=1-F1(t)=1-Pr(M1(t)<L1),其中L1为预定的电源性能阀值,LED芯片的可靠度函数:R2(t)=1-F1(t)=1-Pr(M1(t)<L1),
其中L2为LED光通量阀值。则系统的可靠度函数为:
其中F1(t)和F2(t)可以通过前面的分析中得到相应的表达式,并运用参数估计手段得到其参数。联合概率分布C(F1(t),F2(t))的确定首先需要选取Copula函数,本项目将选用两变量Gumbel copula函数
C(v,z)=exp{-[(-lnv)α+(-lnz)α]1/α},
则C(F1(t),F2(t))=exp{-[(-lnF1(t))α+(-lnF2(t))α]1/α}。然后运用双变量Copula函数的极大似然估计发对全对数似然函数求解,求得参数α。
LED灯具可靠性设计优化指:按照图1的LED灯具结构的模块划分,LED灯具核心模块为电源和LED芯片,核心模块的性能对系统的可靠性起主要作用,LED灯具内部温度对电源模块和LED芯片的性能退化都有非常直接的影响,因而散热模块的性能将直接影响核心模块的退化加速因子,防水性能对LED灯具可靠性的影响主要体现在对外界冲击的抵御能力,决定了随机冲击的到达速率,综上所述,LED灯具各模块的性能表现对灯具的系统可靠性都将产生直接或间接的影响。
对于灯具制造企业,可以通过优化设计、提高原材料质量等手段来提高各模块的性能表现。例如可以采用质量更高的LED芯片,在电源设计中也可以通过提高元件质量和设计冗余来提高性能,因此对于生产制造企业,各模块的性能表现与成本是密切相关的,一般来讲提高模块的性能意味着成本增加,同理压缩成本的情况下模块性能将会受到影响,因而在可靠性和成本之间找到最佳的平衡点实际上是一个多目标优化问题。
因为之前建立的可靠性模型形式复杂,并且为多峰函数,因而采用进化算法对多目标优化问题进行求解。优化目标为最大化系统可靠度并且最小化成本,约束条件为对可靠度和系统成本,以及各模块成本取值的限定范围等,运用进化算法完成多目标优化,得到优化问题的非支配解集,灯具制造企业通过在非支配解集中选取最合适的方案。运用该方法将为灯具制造企业提供有力的系统可靠性设计优化工具。
得到性能退化模型指:通过对电源和LED芯片性能退化数据的分析,得到电源模块和LED芯片性能退化模型在单独工作条件下的性能退化模型。
考虑各模块间性能退化相关性、失效传播以及外界随机冲击共同作用下的LED灯具可靠性模型。从理论上给出更加合理的LED灯具可靠性模型,为可靠性设计和优化提供理论支撑。
LED灯具系统可靠性和成本的多目标优化。在高可靠性和低成本之间找到最佳平衡点,为相关制造企业提供设计优化的理论支持。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种考虑模块间相关性的LED灯具建模方法,其特征在于:包括:
LED灯具可靠性结构分析;
LED的性能退化机理及其数学模型;
电源模块的性能退化及其数学模型;
随机冲击对LED灯具系统各结构的影响;
考虑性能退化的相关性和定向传播的系统级建模;
LED灯具可靠性设计优化;
得到性能退化模型;
其中,所述随机冲击对LED灯具系统各结构的影响指:LED灯具在使用过程中会受到来自外界的随机冲击的影响,其中在LED灯具中会受到随机冲击影响的模块主要有电源和LED芯片,假设冲击服从速率为λ的齐次泊松过程{N(t),t≥0},每次冲击以概率p(t)直接导致系统失效,即随机冲击将以速率为λ·p(t)的非齐次泊松过程造成系统直接失效,称为致命冲击,截至时间t致命冲击的次数记做N1(t),此外冲击以概率q(t)=1-p(t)对系统各模块造成性能退化,称之为非致命冲击,截至时间t非致命冲击的次数记做N2(t),存在关系N(t)=N1(t)+N2(t),N1(t)取值属于{0,1};
第i次冲击对系统的退化量记做{ωi1,ωi2},其中ωi1表示对电源的性能退化分量,ωi2
表示冲击对LED芯片造成的性能退化分量,假设ωij为非负的独立同分布随机变量,其分布
函数为Qj(x),j=1,2,时间为t时,发生的非致命冲击次数记做M=N2(t),则非致命冲击对电
源模块的性能退化量的分布为Q1(x)的M重卷积,非致命
冲击对LED芯片造成的性能退化量的分布为假设ωi1服
从参数为μ的指数分布,为M各服从指数分布的独立同分布随机变量之和的概率分
布,则服从形状参数为整数的伽玛分布,Erlang分布,即
具体为LED芯片时,LED芯片自身的退化特性用退化路径模型表示,记做D2(t)=X2·η
(t;θ),非致命冲击对LED芯片造成的退化量为复合泊松过程,记做可得LED芯
片总的退化量,记做M2(t)=D2(t)+S2(t),对于电源模块则有M1(t)=D1(t)+S1(t),LED灯具
系统的可靠度函数表示为:
其中Φ(M1(t),M2(t))表示两个性能退化模块构成的系统的可靠度函数, 表示不发生致命冲击的概率;X2:随机变量;η(t, θ)表示平均退化路径;D1
(t):电源模块退化量;S1(t) :冲击对电源模块造成的退化量。
2.根据权利要求1所述的一种考虑模块间相关性的LED灯具建模方法,其特征在于:所述LED灯具可靠性结构分析指:LED灯具系统从结构上包括LED芯片、电源模块、散热系统、防水以及灯具结构五大部分,其中LED芯片和电源模块是LED灯具系统的核心,是可靠性分析和建模的主要研究对象,分析LED灯具可靠性从以下五个方面分析:
电源模块或者LED芯片任一模块失效,LED灯具系统失效;
散热和防水的性能优劣将影响电源和LED芯片的性能;
电源性能的退化会向LED芯片模块定向传播;
电源模块的退化和LED芯片的退化具有相关性;
LED灯具整体性能最终由LED芯片的性能决定。
3.根据权利要求1所述的一种考虑模块间相关性的LED灯具建模方法,其特征在于:所述LED的性能退化机理及其数学模型指:LED性能的退化指其光通量的退化,其失效和寿命的定义与普通半导体器件不同,普通半导体器件的寿命定义是基于统计意义上的平均无故障工作时间,而LED的失效和寿命定义是基于光通量的退化量而确定的,目前照明用LED主要以白光LED为主,其中又以蓝光LED加荧光粉的白光LED结构最多,分析其组成结构可知其性能的退化包含了以下几个部分:荧光粉在较高温度下的性能衰退,蓝光LED晶片自身的性能衰退,固晶底胶的性能退化,以及其他封装材料引起的光衰;
按照LED灯具寿命的定义:其光通量下降到某一预定阈值所用的小时数,普通照明用灯具该阈值为初始光通量的70%,装饰性LED灯具为初始光通量的50%,即当灯具的光通量下降到该阈值后,便认为其已经失效;
灯具的光通量由LED芯片的光通量决定,为此首先定义LED芯片性能退化 的数学描述方法,LED光通量是随着时间递减的,光通量是时间的函数;由于生产加工过程的不确定性,光通量又具有其随机性,为此我们借鉴退化路径的方法来描述LED芯片的退化行为,退化路径的数学描述有两种:
通用加性退化路径模型:D(t;X,θ)=X·η(t;θ);
通用乘性退化路径模型:D(t;X,θ)=η(t;θ)+X;
其中η(t;θ)表示平均退化路径,是参数为θ的时间的函数,随机变量X代表了在平均退化路径的基础上的退化过程的随机特性,其累计分布函数为FX,密度函数为fX,平均退化路径是单调递增的或单调递减的。
4.根据权利要求1所述的一种考虑模块间相关性的LED灯具建模方法,其特征在于:所述电源模块的性能退化及其数学模型指:LED驱动电源的输出电流随着时间的推移呈现上升的趋势,但是叠加了一个非平稳的随机序列,通过回归分析可以得到输出电流变化的大致趋势,将输出电流监测样本数据与回归结果做差得到非平稳的随机序列,通过正态检验,得到该序列具有正态分布的特征,因此输出电流整体变化趋势具有参数漂移的Wiener过程的特点,即输出电流随时间的变化规律可以表示为:
I(t)=I0+x(t)=I0+ρt+ξw(t);
其中I0为初始电流值,根据制造厂家的生成工艺和一致性水平,满足一定的分布;ρ为漂移系数,表征了电流的退化系数,与测试应力有关,w(t)为标准的Wiener过程,参数ξ反映了Wiener过程的扩散,对于同一批次被测模块,忽略其初始电流的差别,仅在不同应力下观察电流性能退化量,通过数据拟合的方法得到电源退化表达式中的各个参数,电源模块退化量和故障函数表达式:
D1(t)=I0+ρt+ξw(t)
F2(t)=Pr(D1(t)>ID)
其中ID为判定电源退化至失效状态的阈值。
5.根据权利要求1所述的一种考虑模块间相关性的LED灯具建模方法,其特征在于:所述得到性能退化模型指:通过对电源和LED芯片性能退化数据的分析,得到电源模块和LED芯片性能退化模型在单独工作条件下的性能退化模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611023160.3A CN106529054B (zh) | 2016-11-21 | 2016-11-21 | 一种考虑模块间相关性的led灯具建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611023160.3A CN106529054B (zh) | 2016-11-21 | 2016-11-21 | 一种考虑模块间相关性的led灯具建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106529054A CN106529054A (zh) | 2017-03-22 |
CN106529054B true CN106529054B (zh) | 2019-06-28 |
Family
ID=58352503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611023160.3A Active CN106529054B (zh) | 2016-11-21 | 2016-11-21 | 一种考虑模块间相关性的led灯具建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106529054B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763627A (zh) * | 2018-04-13 | 2018-11-06 | 西北工业大学 | 结构机构失效概率灵敏度分解方法、计算方法及应用 |
EP3660607A1 (de) * | 2018-11-30 | 2020-06-03 | Siemens Aktiengesellschaft | Verfahren und system zur überwachung des betriebes mindestens einer antriebskomponente |
CN109218453B (zh) * | 2018-11-30 | 2021-08-20 | 广州海同工业技术有限公司 | 一种基于物联网的智能定位泵通信系统 |
CN110135040B (zh) * | 2019-05-04 | 2022-08-16 | 西北工业大学 | 基于神经网络的3k行星减速器可靠性评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103292982A (zh) * | 2013-06-05 | 2013-09-11 | 桂林电子科技大学 | 基于步进应力的led灯具的加速退化试验方法 |
CN103364703A (zh) * | 2012-11-27 | 2013-10-23 | 深圳清华大学研究院 | Led多应力下可靠性快速评测方法 |
CN106021685A (zh) * | 2016-05-16 | 2016-10-12 | 北京航空航天大学 | 一种考虑测量误差的退化可靠性分析方法 |
-
2016
- 2016-11-21 CN CN201611023160.3A patent/CN106529054B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103364703A (zh) * | 2012-11-27 | 2013-10-23 | 深圳清华大学研究院 | Led多应力下可靠性快速评测方法 |
CN103292982A (zh) * | 2013-06-05 | 2013-09-11 | 桂林电子科技大学 | 基于步进应力的led灯具的加速退化试验方法 |
CN106021685A (zh) * | 2016-05-16 | 2016-10-12 | 北京航空航天大学 | 一种考虑测量误差的退化可靠性分析方法 |
Non-Patent Citations (6)
Title |
---|
GaN LED参数退化模型的研究;张燕峰;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150315;第2015年卷(第03期);第I135-136页 * |
LED照明用驱动电源性能可靠性评估;周月阁等;《电机与控制学报》;20140930;第18卷(第9期);第99-103页的第1节 * |
LED驱动电源可靠性评估方法的研究;邵雪瑾;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140415;第2014年卷(第04期);第I136-37页 * |
基于加速性能退化的 LED 灯具可靠性评估;肖承地等;《发光学报》;20140930;第35卷(第9期);第1143-1151页 * |
基于加速试验的LED驱动电源寿命预测及对整灯寿命影响分析;栗阳;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20160915;第2016年卷(第09期);第C042-218页的摘要、第3-6章 * |
栗阳.基于加速试验的LED驱动电源寿命预测及对整灯寿命影响分析.《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》.2016,第2016年卷(第09期),第C042-218页的摘要、第3-6章. * |
Also Published As
Publication number | Publication date |
---|---|
CN106529054A (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529054B (zh) | 一种考虑模块间相关性的led灯具建模方法 | |
Machairas et al. | Algorithms for optimization of building design: A review | |
Ciulla et al. | Forecasting the cell temperature of PV modules with an adaptive system | |
Tronchin et al. | Energy analytics for supporting built environment decarbonisation | |
González-Vidal et al. | Towards energy efficiency smart buildings models based on intelligent data analytics | |
Fan et al. | Delayed dynamic step shuffling frog-leaping algorithm for optimal design of photovoltaic models | |
CN101699235B (zh) | 半导体照明灯具结温分析测试系统及其测试方法 | |
Liu et al. | Lifetime prediction of a multi-chip high-power LED light source based on artificial neural networks | |
CN103020336A (zh) | 一种等效led光源创建方法 | |
Ibrahim et al. | System level reliability assessment for high power light-emitting diode lamp based on a Bayesian network method | |
Wu et al. | Reliability evaluation of the solar power system based on the Markov chain method | |
Liu et al. | Energy and carbon performance of urban buildings using metamodeling variable importance techniques | |
Zhou et al. | A novel green design method using electrical products reliability assessment to improve resource utilization | |
Chen et al. | Analysis and modeling of thermal effect and optical characteristic of LED systems with parallel plate-fin heatsink | |
Baniyounes et al. | Institutional smart buildings energy audit. | |
CN112001639B (zh) | 综合能源系统能源需求的可调能力评估方法及存储介质 | |
Mauree et al. | Influence of Buildings Configuration on the Energy Demand and Sizing of Energy Systems in an Urban Context | |
Singh et al. | Reliability assessment of a remote hybrid renewable energy system using Monte Carlo simulation | |
CN109635315B (zh) | 面向胚胎硬件细胞重用策略的可靠性建模和设计指导方法 | |
Shailesh et al. | Application of accelerated life testing principles to project long term lumen maintenance of LED luminaires | |
CN113609686B (zh) | 一种新能源置信容量分析方法及系统 | |
CN105243446A (zh) | 一种基于粒子群算法的电量组合预测方法 | |
Li et al. | Modeling and analysis of failure mechanism dependence based on petri net | |
Ge et al. | Appearance Design Method of Smart Street Lamp Based on Kansei Engineering | |
Scheepers et al. | Detailed thermal modeling of high powered LEDs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |