用于LED老化检测分析的LO分析法

刘战

摘要：LED灯是新世纪节能设备的重点研究对象。对LED灯具的老化预测和设计了一种的加速老化试验，采用LO分析法的方法研究其特性，从而预测LED老化趋势，实验结果表明相比传统的分析方法，LO分析法具有更高的准确性。

关键词：LED老化;LO分析法

中图分类号：U491   文献标识码：A

1 引言

半导体发光二极管（LED）作为新能源产业的支柱，具有体积小、寿命长、效率高等特点。由于新能源和工业的特性，其应用领域得到了极大的拓展。然而，由于缺乏有效的可靠性测试，LED灯具的工作时间往往与理论寿命有很大的差距。为了评估LED灯具的可靠性，人们还进行了许多费时、高成本的传统标准和可靠性试验。因此，LED灯具可靠性试验的创新与重构是亟待解决的关键问题[1，2]。

另一方面，LED是具有相对较长寿命的半导体光源。因此，在正常额定工作条件下不能在短时间内完成寿命测试。因此，为了缩短测试时间，我们往往要采用加速LED衰减的方法进行预测。而加速LED衰减的方法的准确性往往另人担忧。传统的加速寿命试验后一般采用方差分析的方法[3]。本论文采用LO分析法[4]相比方差分析具有更高的准确性。

2老化寿命实验

现今产业界发光二极管的老化寿命测试，以在高低温的环境下长时间点亮发光二极管，来做为测量方法。本论文中以此种方法为基础，而进行老化寿命实验。

在实验前，要先将所选用的发光二极管在25 ± 2℃环境温度下，以额定电流源点亮发光二极管48小时，以确保该发光二极管在寿命 实验时无故障。发光二极管持续点亮需要一个固定的电流源，这边所使用的是 KEITHLEY 237，当 PLED6000 测试发光二极管的同时，KEITHLEY 237 会停止提 供电流源，待 PLED6000 测试完后再回復提供定电流源。

同时以烤箱加热由PD （Photo Diode） 读取光强度。以PLED6000 硬件来测试发光二极管的参数及PD 值，再以LEDPC 软件收集测试资料进行分析。（由于 KEITHLEY 237 及 PLED6000 有可能因彼此各属于不同的 电压源及电流源，在测试时双方造成电源互相影响。

3 LO Method

LO Method为一种模糊类神经系统（Neuro-Fuzzy System）算法，主要是用来解决回归预测（Regression Estimation）的问题，模糊类神经系统结合模糊理论（Fuzzy Theory）与类神经网络（Neural Network）的优点，以模糊理论进行网络架构初始化，再以类神经网络的参数调整机制最佳化系统变量;LO Method主要可以分为2大步骤，一是结构识别，主要是用来进行网络架构的初始化，包含自动建立系统所需的模糊规则（Fuzzy Rule），另一个步骤为参数识别，利用混合式学习算法（Hybrid Learning）进行系统参数最佳化，以增进系统效能。

4 老化壽命预估实验

本论文采用曲线拟合方式，使用工程专业软件MATLAB 系统，将光强度值输入后所拟合出来。根据拟合的曲线，通过倒传递类神经网络方法建立数学模型。将发光二极管在 50℃下所量测到光强度值代入LO方法建立的数学模型计算得到图1。

由图1可以看出，相比文献[3]采用的方法，本文采用的倒传递类神经网络（BPN）方法更接近实际值，更加准确。

参考文献：

[1]孔曙光. 厦门LED产业发展“故事”[J]. 厦门科技， 2019（5）.

[2]庄琼云， 潘书万， 陈松岩， et al. GaN基绿光LED芯片电流加速失效机理研究[J]. 光电子·激光， 2019（6）.

[3]王艺燃， 李月锋， 邹军. 白光LED加速老化性能分析[J]. 中国照明电器， 2014（10）.

[4]Lee S J ， Ouyang C S . A neuro-fuzzy system modeling with self-constructing rule generation and hybrid SVD-based learning[J]. IEEE Transactions on Fuzzy Systems， 2003， 11（3）：341-353.