CN115639456A

CN115639456A - 一种发光二极管的寿命预测方法、系统及介质

Info

Publication number: CN115639456A
Application number: CN202211570339.6A
Authority: CN
Inventors: 罗海平
Original assignee: Shenzhen Fanzi Industrial Co ltd
Current assignee: Shenzhen Guangtai Optoelectronics Co.,Ltd.
Priority date: 2022-12-08
Filing date: 2022-12-08
Publication date: 2023-01-24
Anticipated expiration: 2042-12-08
Also published as: CN115639456B

Abstract

本发明涉及一种发光二极管的寿命预测方法、系统及介质，属于发光二极管技术领域，本发明通过根据基于时间序列的低频噪声参数获取当前发光二极管的寿命衰减系数，获取当前发光二极管的产品类型；根据发光二级光的产品类型以及发光二极管的寿命衰减系数确定当前发光二极管的最终使用寿命值，并将最终使用寿命值传输至寿命预测终端。通过本方法能够对不同电流参数条件的对半导体PN结及封装引线类型的发光二极管进行低频噪声参数的预测，从而根据低频噪声参数对发光二极管的寿命进行预测；而当发光二极管为第二产品类型时，通过温度变化曲线来对发光二极管的寿命进行预测，通过本方法根据不同条件的发光二极管进行寿命预测，使得寿命预测更加准确。

Description

一种发光二极管的寿命预测方法、系统及介质

技术领域

本发明涉及发光二极管技术领域，尤其涉及一种发光二极管的寿命预测方法、系统及介质。

背景技术

发光二极管是一种电致发光的半导体发光器件，属新型固态冷光源。现在对LED的研究重点除提高发光效率外，荧光粉的匹配，大功率LED芯片生长与制备、新器件结构的研发等也是研究热点；另外，有机发光二极管也是近年较新兴的发展方向。但在LED的研发中有一不可忽视的限制因素，即其实际寿命与理论值的差距。因此，进行相应的寿命试验，并根据老化后的各项指标来估计LED的寿命，提高其可靠性，延长其使用周期成为了一种必须的手段。随着可靠性水平的提高，传统寿命试验难以在可行时间内完成，而且现有技术中，发光二极管的过激低频噪声通常由其内部的缺陷引起，而在多数的工作场景中，发光二极管的工作电流与低频噪声参数密切相关，当产生高电流时，低频噪声主要是表面复合1/f噪声，且功率老化在器件有源区诱发缺陷会引起表面复合1/f噪声增大，从而导致发光二极管的寿命产生变化。通过噪声与电流的关系，以及噪声与器件内部缺陷态的相关性，可以来检测和分析LED器件的工作寿命，评估LED的性能会有着很好的应用发展前景。

发明内容

本发明克服了现有技术的不足，提供了一种发光二极管的寿命预测方法、系统及介质。

为达上述目的，本发明采用的技术方案为：

本发明第一方面提供了一种发光二极管的寿命预测方法，包括以下步骤：

通过scada监测系统获取当前发光二极管在预设时间之内的工作参数数据信息，并通过对所述工作参数数据信息进行预处理以及筛选，通过筛选后获取数据来源；

根据所述数据来源获取当前发光二极管在预设时间之内的电流参数数据信息，并根据所述电流参数数据信息获取基于时间序列的低频噪声参数；

根据所述基于时间序列的低频噪声参数获取当前发光二极管的寿命衰减系数，获取当前发光二极管的产品类型；

根据所述发光二级光的产品类型以及所述发光二极管的寿命衰减系数确定当前发光二极管的最终使用寿命值，并将所述最终使用寿命值传输至寿命预测终端。

进一步地，本发明的一个较佳实施例中，通过对所述工作参数数据信息进行预处理以及筛选，通过筛选后获取数据来源，具体包括以下步骤：

判断所述工作参数数据信息是否存在异常，若所述工作参数数据信息存在异常状况，并获取异常状况的异常类型；

若所述异常类型为预设异常类型，通过使用线性插补法对所述工作参数数据信息进行处理，得到一次处理信息，并去除所述一次处理信息中不符合物理意义的数据，得到二次处理数据；

通过z-score公式对所述二次处理数据进行标准化，以获取预处理后的工作参数信息，通过LOF算法使用欧式距离来对所述预处理后的工作参数信息进行度量计算，以获取所述预处理后的工作参数信息之间的区别信息；

根据所述预处理后的工作参数信息之间的区别信息获取所述预处理后的工作参数信息的离群点数据，将离群点数据从所述工作参数信息中剔除，以获取处理后的工作参数数据信息，并将所述处理后的工作参数数据信息作为数据来源。

进一步地，本发明的一个较佳实施例中，根据所述数据来源获取当前发光二极管在预设时间之内的电流参数数据信息，并根据所述电流参数数据信息获取基于时间序列的低频噪声参数，具体包括以下步骤：

获取当前发光二极管的工作温度值，若所述工作温度值低于预设温度值，则根据所述数据来源获取当前发光二极管在预设时间之内的电流参数数据信息，并根据所述电流参数数据信息构建基于时间序列的电流参数数据曲线图；

根据所述基于时间序列的电流参数数据曲线图获取电流参数数据大于预设电流参数数据的曲线图，并将所述电流参数数据大于预设电流参数数据的曲线图剔除，以获取处理后的基于时间序列的电流参数数据曲线图；

获取当前发光二极管的初始低频噪声参数信息，并通过大数据获取各电流参数之下所述初始低频噪声参数信息对应的低频噪声参数测试数据，将所述测试数据作为训练数据，将所述训练数据输入到卷积神经网络中训练，得到训练后的卷积神经网络；

获取所述处理后的基于时间序列的电流参数数据曲线图中的各子曲线图数据，并将所述子曲线图数据输入到所述训练后的卷积神经网络，得到各子曲线图数据对应的低频噪声参数变化数据，并对所述各子曲线图数据对应的低频噪声参数变化数据进行整合，以获取基于时间序列的低频噪声参数。

进一步地，本发明的一个较佳实施例中，根据所述基于时间序列的低频噪声参数获取当前发光二极管的寿命衰减系数，具体包括以下步骤：

根据所述基于时间序列的低频噪声参数以及所述电流参数数据信息构建数学模型，以通过贝叶斯网络对所述数学模型反复模拟，得到多个数学模型的相关概率值；

获取概率值大于预设概率值的数学模型，根据所述概率值大于预设概率值的数学模型获取低频噪声参数与所述电流参数数据信息的潜在关系；

根据所述低频噪声参数与所述电流参数数据信息的潜在关系获取当前发光二极管的寿命衰减系数。

进一步地，本发明的一个较佳实施例中，根据所述发光二级光的产品类型以及所述发光二极管的寿命衰减系数确定当前发光二极管的最终使用寿命值，具体包括以下步骤：

若所述发光二极管的产品类型为第一预设产品类型时，则根据所述当前的发光二极管的寿命衰减系数计算出当前发光二极管的寿命值；

若所述发光二极管的产品类型为第二预设产品类型时，并剔除所述当前的发光二极管的寿命衰减系数，则获取当前发光二极管在服役时间之内的工作温度信息；

根据所述当前发光二极管在服役时间之内的工作温度信息构建温度退化曲线；

根据所述温度退化曲线预测当前发光二极管的寿命值。

进一步地，本发明的一个较佳实施例中，根据所述温度退化曲线预测当前发光二极管的寿命值，具体包括以下步骤：

根据所述温度退化曲线构建检索标签，根据所述检索标签从大数据网络中检索相同类型发光二极管的历史温度退化曲线；

将所述历史温度退化曲线与历史温度退化曲线进行拟合分析，以获取所述历史温度退化曲线与历史温度退化曲线的相似度；

获取相似度大于预设相似度的历史温度退化曲线作为参考曲线图，并获取所述参考曲线图对应的发光二极管在服役过程中的工作环境参数；

获取与所述工作环境参数相同的发光二极管的参考曲线图，并根据所述参考曲线图获取该发光二极管的寿命值，并将该发光二极管的剩余寿命值作为当前发光二极管的剩余寿命值输出。

本发明第二方面提供了一种发光二极管的寿命预测系统，所述系统包括存储器以及处理器，所述存储器中包含发光二极管的寿命预测方法程序，所述发光二极管的寿命预测方法程序被所述处理器执行时，实现如下步骤：

在本实施例中，通过对所述工作参数数据信息进行预处理以及筛选，通过筛选后获取数据来源，具体包括以下步骤：

在本实施例中，根据所述数据来源获取当前发光二极管在预设时间之内的电流参数数据信息，并根据所述电流参数数据信息获取基于时间序列的低频噪声参数，具体包括以下步骤：

本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质包括发光二极管的寿命预测方法程序，所述发光二极管的寿命预测方法程序被处理器执行时，实现任一项所述的发光二极管的寿命预测方法的步骤。

本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：

本发明通过scada监测系统获取当前发光二极管在预设时间之内的工作参数数据信息，并通过对工作参数数据信息进行预处理以及筛选，通过筛选后获取数据来源；根据数据来源获取当前发光二极管在预设时间之内的电流参数数据信息，并根据电流参数数据信息获取基于时间序列的低频噪声参数；根据基于时间序列的低频噪声参数获取当前发光二极管的寿命衰减系数，获取当前发光二极管的产品类型；根据发光二级光的产品类型以及发光二极管的寿命衰减系数确定当前发光二极管的最终使用寿命值，并将最终使用寿命值传输至寿命预测终端。当温度值低于预设温度值时，通过本方法能够对不同电流参数条件的对半导体PN结及封装引线类型的发光二极管进行低频噪声参数的预测，从而根据低频噪声参数对发光二极管的寿命进行预测；而当发光二极管不为半导体PN结及封装引线类型的发光二极管类型时，此时，电流对于低频噪声参数几乎无影响，通过温度变化曲线来对发光二极管的寿命进行预测，通过本方法根据不同条件的发光二极管进行寿命预测，使得寿命预测更加准确。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。

图1示出了一种发光二极管的寿命预测方法的方法流程图；

图2示出了一种发光二极管的寿命预测方法的第一方法流程图；

图3示出了一种发光二极管的寿命预测方法的第二方法流程图；

图4示出了一种发光二极管的寿命预测系统的系统框图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

S102:通过scada监测系统获取当前发光二极管在预设时间之内的工作参数数据信息，并通过对工作参数数据信息进行预处理以及筛选，通过筛选后获取数据来源；

S104:根据数据来源获取当前发光二极管在预设时间之内的电流参数数据信息，并根据电流参数数据信息获取基于时间序列的低频噪声参数；

S106:根据基于时间序列的低频噪声参数获取当前发光二极管的寿命衰减系数，获取当前发光二极管的产品类型；

S108:根据发光二级光的产品类型以及发光二极管的寿命衰减系数确定当前发光二极管的最终使用寿命值，并将最终使用寿命值传输至寿命预测终端。

需要说明的是，当工作温度值低于预设温度值时（相当于在适宜的工作温度之下），通过本方法能够对不同电流参数条件的对半导体PN结及封装引线类型的发光二极管进行低频噪声参数的预测，从而根据低频噪声参数对发光二极管的寿命进行预测；而当发光二极管不为半导体PN结及封装引线类型的发光二极管类型时，此时，电流对于低频噪声参数几乎无影响，通过温度变化曲线来对发光二极管的寿命进行预测，通过本方法根据不同条件的发光二极管进行寿命预测，使得寿命预测更加准确。

进一步地，本发明的一个较佳实施例中，通过对工作参数数据信息进行预处理以及筛选，通过筛选后获取数据来源，具体包括以下步骤：

S202：判断工作参数数据信息是否存在异常，若工作参数数据信息存在异常状况，并获取异常状况的异常类型；

S204:若异常类型为预设异常类型，通过使用线性插补法对工作参数数据信息进行处理，得到一次处理信息，并去除一次处理信息中不符合物理意义的数据，得到二次处理数据；

S206:通过z-score公式对二次处理数据进行标准化，以获取预处理后的工作参数信息，通过LOF算法使用欧式距离来对预处理后的工作参数信息进行度量计算，以获取预处理后的工作参数信息之间的区别信息；

S208:根据预处理后的工作参数信息之间的区别信息获取预处理后的工作参数信息的离群点数据，将离群点数据从工作参数信息中剔除，以获取处理后的工作参数数据信息，并将处理后的工作参数数据信息作为数据来源。

需要说明的是，通过使用线性插补法对工作参数数据信息进行处理，能够使得数据缺失值被补充完整，以及通过z-score公式对二次处理数据进行标准化有利于提高寿命预测系统的计算速率；通过LOF算法使用欧式距离来对预处理后的工作参数信息进行度量计算，以获取预处理后的工作参数信息之间的区别信息，以获取离群点数据，通过对离群点数据进行剔除，使得工作参数信息更符合真实的数据，进而提高本装置中寿命预测的准确性。

进一步地，本发明的一个较佳实施例中，根据数据来源获取当前发光二极管在预设时间之内的电流参数数据信息，并根据电流参数数据信息获取基于时间序列的低频噪声参数，具体包括以下步骤：

S302:获取当前发光二极管的工作温度值，若工作温度值低于预设温度值，则根据数据来源获取当前发光二极管在预设时间之内的电流参数数据信息，并根据电流参数数据信息构建基于时间序列的电流参数数据曲线图；

S304:根据基于时间序列的电流参数数据曲线图获取电流参数数据大于预设电流参数数据的曲线图，并将电流参数数据大于预设电流参数数据的曲线图剔除，以获取处理后的基于时间序列的电流参数数据曲线图；

S306:获取当前发光二极管的初始低频噪声参数信息，并通过大数据获取各电流参数之下初始低频噪声参数信息对应的低频噪声参数测试数据，将测试数据作为训练数据，将训练数据输入到卷积神经网络中训练，得到训练后的卷积神经网络；

S308:获取处理后的基于时间序列的电流参数数据曲线图中的各子曲线图数据，并将子曲线图数据输入到训练后的卷积神经网络，得到各子曲线图数据对应的低频噪声参数变化数据，并对各子曲线图数据对应的低频噪声参数变化数据进行整合，以获取基于时间序列的低频噪声参数。

需要说明的是，在温度符合预定温度条件之下，由于在输入电流小于4mA时，340h的功率老化对发光二极管的1/f噪声幅度和宽带噪声电压特性基本没有影响；当输入电流大于5时，低频噪声有所增大，5到100赫兹范围内的宽带噪声电压增大比较明显。而高电流时，低频噪声主要是表面复合1/f噪声，且功率老化在器件有源区诱发缺陷会引起表面复合1/f噪声增大。通过本方法能够获取基于时间序列的低频噪声参数，从而根据基于时间序列的低频噪声参数来计算出发光二极管的剩余使用寿命。

进一步地，本发明的一个较佳实施例中，根据基于时间序列的低频噪声参数获取当前发光二极管的寿命衰减系数，具体包括以下步骤：

根据基于时间序列的低频噪声参数以及电流参数数据信息构建数学模型，以通过贝叶斯网络对数学模型反复模拟，得到多个数学模型的相关概率值；

获取概率值大于预设概率值的数学模型，根据概率值大于预设概率值的数学模型获取低频噪声参数与电流参数数据信息的潜在关系；

根据低频噪声参数与电流参数数据信息的潜在关系获取当前发光二极管的寿命衰减系数。

需要说明的是，当前发光二极管的寿命衰减系数与低频噪声参数与电流参数数据信息的潜在关系满足以下关系式：

在该关系式中，α为寿命衰减系数；k，p 为待定系数；

通过贝叶斯网络模拟确认后低频噪声参数与电流参数数据信息的潜在关系式；f为低频噪声参数的频率值。

需要说明的是，本关系式中

为数学模型，在温度符合预设温度之下，在一定程度上，由于电流参数数据信息与低频噪声参数存在一定的关系，如当输入电流大于5mA时，低频噪声增大，5到100赫兹范围内的宽带噪声电压增大比较明显。当产生高电流时，低频噪声主要是表面复合1/f噪声，且功率老化在器件有源区诱发缺陷会引起表面复合1/f噪声增大。通过以上关系式能够有效地预测出发光二极管的寿命衰减系数。

进一步地，本发明的一个较佳实施例中，根据发光二级光的产品类型以及发光二极管的寿命衰减系数确定当前发光二极管的最终使用寿命值，具体包括以下步骤：

若发光二极管的产品类型为第一预设产品类型时，则根据当前的发光二极管的寿命衰减系数计算出当前发光二极管的寿命值；

若发光二极管的产品类型为第二预设产品类型时，并剔除当前的发光二极管的寿命衰减系数，则获取当前发光二极管在服役时间之内的工作温度信息；

根据当前发光二极管在服役时间之内的工作温度信息构建温度退化曲线；

根据温度退化曲线预测当前发光二极管的寿命值。

其中，在本实施例中，第一预设产品类型为半导体PN结及封装引线类型的发光二极管，在适宜的工作温度之下，由于电应力老化对与半导体PN结及封装引线等类型的发光二极管退化密切相关。而第二预设产品类型为无半导体PN结及封装引线等类型的发光二极管，该类发光二极管对于温度的影响最大。在适宜的温度之下，从而根据不同类型的发光二极管进行退化预测，当发光二极管的产品类型为第一预设类型时，发光二极管的寿命与寿命衰减系数呈负相关，即当寿命衰减系数越小，发光二极管的使用寿命越长；反之，发光二极管的使用寿命越短。在适宜的温度之下，当发光二极管的产品类型为第二预设类型时，通过温度来对发光二极管的寿命进行预测。

进一步地，本发明的一个较佳实施例中，根据温度退化曲线预测当前发光二极管的寿命值，具体包括以下步骤：

根据温度退化曲线构建检索标签，根据检索标签从大数据网络中检索相同类型发光二极管的历史温度退化曲线；

将历史温度退化曲线与历史温度退化曲线进行拟合分析，以获取历史温度退化曲线与历史温度退化曲线的相似度；

获取相似度大于预设相似度的历史温度退化曲线作为参考曲线图，并获取参考曲线图对应的发光二极管在服役过程中的工作环境参数；

获取与工作环境参数相同的发光二极管的参考曲线图，并根据参考曲线图获取该发光二极管的寿命值，并将该发光二极管的剩余寿命值作为当前发光二极管的剩余寿命值输出。

需要说明的是，在本实施例中，所述工作环境参数值可为发光二级灰尘度，潮湿度等，通过本方法能够有效地提高寿命预测的准确度。

此外，本方法还可以包括以下步骤：

根据所述剩余寿命值的当前环境影响因素确定评价指标，并通过层次分析法根据所述评价指标的评分获取权重向量信息，并通过灰色关联分析法得到当前环境影响因素的评价分数；

若所述环境影响因素存在至少一项评价分数不在阈值范围之内时，获取评价分数大于预设评价分数的环境影响因素，根据所述环境影响因素构建二次检索标签；

根据所述二次检索标签检索关于所述评价分数大于预设评价分数的环境影响因素的维护方案，获取相似度大于预设相似度的维护方案；

获取当前发光二极管的空闲时间数据信息，通过根据所述空闲时间数据信息以及所述相似度大于预设相似度的维护方案生成维护建议。

需要说明的是，通过本方法能够寻找出影响当前发光二极管的最大的因素，进而根据该项环境影响因素生成相应的维护方案，进而对该项维护方案提出在空闲时间进行维护，通过本方法能够使得维护方案更加合理。

此外，本方法还可以包括以下步骤：

获取当前发光二极管的评价分数大于预设评价分数的环境影响因素，若所述环境影响因素为温度影响因素；

通过无线传感器获取当前发光二极管所在工作区域中的温度场数据信息，并根据所述温度场数据信息进行区分等级；

获取等级低于预设等级的温度场位置节点，根据所述温度场位置节点生成一个或者多个发光二极管的布局节点；

获取每个布局节点附近的已安装物体，并判断所述已安装物体是否与当前发光二极管的布局节点存在干涉，以生成干涉位置节点，根据所述干涉位置节点生成最终的布局节点。

需要说明的是，在一些特定的场景中，如一个工作车间中，靠近热源的温度较高，通过本方法能够对该类场景中的安装位置节点进行判定，以选取出较佳的光源安装位置，使得发光二极管能够提高使用寿命，使得发光二极管的维护更加合理。

本发明第二方面提供了一种发光二极管的寿命预测系统，该系统包括存储器41以及处理器62，存储器41中包含发光二极管的寿命预测方法程序，发光二极管的寿命预测方法程序被处理器执行时，实现如下步骤：

通过scada监测系统获取当前发光二极管在预设时间之内的工作参数数据信息，并通过对工作参数数据信息进行预处理以及筛选，通过筛选后获取数据来源；

根据数据来源获取当前发光二极管在预设时间之内的电流参数数据信息，并根据电流参数数据信息获取基于时间序列的低频噪声参数；

根据基于时间序列的低频噪声参数获取当前发光二极管的寿命衰减系数，获取当前发光二极管的产品类型；

根据发光二级光的产品类型以及发光二极管的寿命衰减系数确定当前发光二极管的最终使用寿命值，并将最终使用寿命值传输至寿命预测终端。

在本实施例中，通过对工作参数数据信息进行预处理以及筛选，通过筛选后获取数据来源，具体包括以下步骤：

判断工作参数数据信息是否存在异常，若工作参数数据信息存在异常状况，并获取异常状况的异常类型；

若异常类型为预设异常类型，通过使用线性插补法对工作参数数据信息进行处理，得到一次处理信息，并去除一次处理信息中不符合物理意义的数据，得到二次处理数据；

通过z-score公式对二次处理数据进行标准化，以获取预处理后的工作参数信息，通过LOF算法使用欧式距离来对预处理后的工作参数信息进行度量计算，以获取预处理后的工作参数信息之间的区别信息；

根据预处理后的工作参数信息之间的区别信息获取预处理后的工作参数信息的离群点数据，将离群点数据从工作参数信息中剔除，以获取处理后的工作参数数据信息，并将处理后的工作参数数据信息作为数据来源。

在本实施例中，根据数据来源获取当前发光二极管在预设时间之内的电流参数数据信息，并根据电流参数数据信息获取基于时间序列的低频噪声参数，具体包括以下步骤：

获取当前发光二极管的工作温度值，若工作温度值低于预设温度值，则根据数据来源获取当前发光二极管在预设时间之内的电流参数数据信息，并根据电流参数数据信息构建基于时间序列的电流参数数据曲线图；

根据基于时间序列的电流参数数据曲线图获取电流参数数据大于预设电流参数数据的曲线图，并将电流参数数据大于预设电流参数数据的曲线图剔除，以获取处理后的基于时间序列的电流参数数据曲线图；

获取当前发光二极管的初始低频噪声参数信息，并通过大数据获取各电流参数之下初始低频噪声参数信息对应的低频噪声参数测试数据，将测试数据作为训练数据，将训练数据输入到卷积神经网络中训练，得到训练后的卷积神经网络；

获取处理后的基于时间序列的电流参数数据曲线图中的各子曲线图数据，并将子曲线图数据输入到训练后的卷积神经网络，得到各子曲线图数据对应的低频噪声参数变化数据，并对各子曲线图数据对应的低频噪声参数变化数据进行整合，以获取基于时间序列的低频噪声参数。

本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质包括发光二极管的寿命预测方法程序，发光二极管的寿命预测方法程序被处理器执行时，实现任一项的发光二极管的寿命预测方法的步骤。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims

1.一种发光二极管的寿命预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种发光二极管的寿命预测方法，其特征在于，通过对所述工作参数数据信息进行预处理以及筛选，通过筛选后获取数据来源，具体包括以下步骤：

3.根据权利要求1所述的一种发光二极管的寿命预测方法，其特征在于，根据所述数据来源获取当前发光二极管在预设时间之内的电流参数数据信息，并根据所述电流参数数据信息获取基于时间序列的低频噪声参数，具体包括以下步骤：

4.根据权利要求1所述的一种发光二极管的寿命预测方法，其特征在于，根据所述基于时间序列的低频噪声参数获取当前发光二极管的寿命衰减系数，具体包括以下步骤：

5.根据权利要求1所述的一种发光二极管的寿命预测方法，其特征在于，根据所述发光二级光的产品类型以及所述发光二极管的寿命衰减系数确定当前发光二极管的最终使用寿命值，具体包括以下步骤：

若所述发光二极管的产品类型为第一预设产品类型时，则根据所述发光二极管的寿命衰减系数计算出当前发光二极管的寿命值；

若所述发光二极管的产品类型为第二预设产品类型时，并剔除所述发光二极管的寿命衰减系数，则获取当前发光二极管在服役时间之内的工作温度信息；

根据所述温度退化曲线预测当前发光二极管的寿命值。

6.根据权利要求5所述的一种发光二极管的寿命预测方法，其特征在于，根据所述温度退化曲线预测当前发光二极管的寿命值，具体包括以下步骤：

7.一种发光二极管的寿命预测系统，其特征在于，所述系统包括存储器以及处理器，所述存储器中包含发光二极管的寿命预测方法程序，所述发光二极管的寿命预测方法程序被所述处理器执行时，实现如下步骤：

8.根据权利要求7所述的一种发光二极管的寿命预测系统，其特征在于，通过对所述工作参数数据信息进行预处理以及筛选，通过筛选后获取数据来源，具体包括以下步骤：

9.根据权利要求7所述的一种发光二极管的寿命预测系统，其特征在于，根据所述数据来源获取当前发光二极管在预设时间之内的电流参数数据信息，并根据所述电流参数数据信息获取基于时间序列的低频噪声参数，具体包括以下步骤：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括发光二极管的寿命预测方法程序，所述发光二极管的寿命预测方法程序被处理器执行时，实现如权利要求1到6任一项所述的发光二极管的寿命预测方法的步骤。