姚莉帆 王亮

摘要：半導體照明是國家重點扶持的新興產(chǎn)業(yè)，led作為第四代光源，因為其節(jié)能環(huán)保等優(yōu)點，深受市場的歡迎。對led可靠性作出準確的預測顯得十分重要，能夠?qū)σ院筇岣遧ed性能打下基礎(chǔ)。為了應對led復雜多變的工作環(huán)境，本文采用優(yōu)化PSO-BP神經(jīng)網(wǎng)絡模型對led可靠性進行分析，能非常精確的預測出其不同工作環(huán)境下的使用壽命。

關(guān)鍵詞：led；可靠性；BP神經(jīng)網(wǎng)絡；PSO算法；壽命；優(yōu)化

0 引言

led被稱為第四代照明光源或綠色光源，市場前景廣闊，Led壽命在實際工作中受很多因素的影響。為了準確預測其壽命，本文采用優(yōu)化PS0-BP神經(jīng)網(wǎng)絡模型，實驗結(jié)果表明，該模型外推力很好，預測結(jié)果精確，誤差極小，對以后led的深入研究有十分重要的作用。

1 BP神經(jīng)網(wǎng)絡與PSO算法

BP神經(jīng)網(wǎng)絡是一種多層前饋神經(jīng)網(wǎng)絡，它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡的權(quán)值和閾值，使網(wǎng)絡的誤差平方和最小。

粒子群算法（PSO），是基于群體的，將每個個體看作是D維搜索空間中的一個沒有體積的微粒（點），在搜索空間中以一定的速度飛行，這個速度根據(jù)它本身的飛行經(jīng)驗和同伴的飛行經(jīng)驗來動態(tài)調(diào)整。第i個微粒表示為Xi=（Xi1，Xi2，…，XiD），它經(jīng)歷過的最好位置（有最好的適應值）記為Pi=（Pi1，Pi2，…，PiD），也稱為pbest。在群體所有微粒經(jīng)歷過的最好位置的索引號用符號g表示，即Pg，也稱為gbest。微粒i的速度用Vi=（Vi1，Vi2，…，Vid）表示。對每一代，它的第d維（1≤d≤D）根據(jù)如下方程進行變化：

其中w為慣性權(quán)重，c1和c2為加速常數(shù)，rand（）和Rand（）為兩個在[0，1]范圍里變化的隨機值。

3 優(yōu)化的PSO-BP神經(jīng)網(wǎng)絡

BP神經(jīng)網(wǎng)絡容易陷入局部極小值的誤區(qū)，收斂速度也比較緩慢，網(wǎng)絡結(jié)構(gòu)也不統(tǒng)一因而本文采用優(yōu)化粒子群算法（OPSO），對學習因子c1，c2，慣性權(quán)重w及誤差函數(shù)e做了適當?shù)膬?yōu)化調(diào)整。

3.1 加速系數(shù)的優(yōu)化選擇

PSO算法中，加速系數(shù)的選擇，會直接影響到模型的收斂速度和精度，因而本實驗對加速系數(shù)采用動態(tài)調(diào)整方式，具體調(diào)整如下：

其中Cstart為加速常數(shù)開始值，Cend為加速常數(shù)結(jié)束值，Max為最大迭代次數(shù)，pret為當前迭代次數(shù)。

3.2 誤差函數(shù)的選擇

系統(tǒng)的誤差大小是檢測系統(tǒng)可靠性的重要指標，關(guān)系到整個算法的收斂精度。本實驗對誤差函數(shù)的優(yōu)化選擇為：

其中是yk真實輸出值，yk是預測輸出值。

3.3 慣性權(quán)重的選擇

慣性權(quán)重對算法的收斂精度有著極其關(guān)鍵的作用，容易陷入局部極小值或不利于算法收斂。因而本次實驗選擇讓慣性權(quán)重非線性遞減，具體如下：

其中Wstart為慣性權(quán)重初始值，Wend為慣性權(quán)重最終值，Maxiter為最大迭代次數(shù)，iter為當前迭代次數(shù)，慣性權(quán)重值在0.4～0.9間。

4 仿真運行

由于影響led可靠性的因素眾多，本實驗選擇了溫度、濕度、電流、作為輸入變量，根據(jù)時間的變化以此來預測光通量的變化，以得出led工作壽命時間。網(wǎng)絡拓撲結(jié)構(gòu)設為3-7-1，隱含層的激發(fā)函數(shù)及輸出層輸出函數(shù)均選擇為sigmoid函數(shù)，對輸入輸出進行了歸一化處理，將輸入層數(shù)據(jù)映射到[0，1]之間，待樣本訓練結(jié)束后，再將模型輸出層反歸一化返回到原數(shù)據(jù)范圍。

本次測試實驗數(shù)據(jù)1000組，對BP，PSO-BP，OPSO-BP參數(shù)進行了如下設置：學習速率皆為0.25，訓練次數(shù)120，訓練目標10-6，種群大小50，迭代次數(shù)13；學習因子分別為：1.8，2；1.8，2；線性；慣性權(quán)值分別為0.5，線性，非線性。

運行結(jié)果如下：

由各圖可以看出，OPSO算法預測誤差明顯低于傳統(tǒng)BP神經(jīng)網(wǎng)絡算法及標準PSO-BP算法，收斂速度也有人很大的改善，預測精度達到了99%，達到了我們預期的要求。

5 結(jié)語

本文通過將優(yōu)化的PSO算法應用到BP神經(jīng)網(wǎng)絡上，也極大的改善了收斂速度，提高了收斂精度。通過該模型對led可靠性的預測，能十分精確的預測出led在不同工作環(huán)境下的工作壽命，對日后led的深入研究與生產(chǎn)有十分重大的作用。

參考文獻：

[1]鄒水平，吳柏禧，萬珍平，唐洪亮，湯勇.電-熱應力對GaN基白光LED可靠性的影響[J].發(fā)光學報，2016，37（01）：124-129.

[2]郭偉玲，樊星，崔德勝，吳國慶，俞鑫.一種基于偽失效壽命LED可靠性快速評價方法[J].發(fā)光學報，2013，34（02）：213-217.

[3]羅小兵，楊江輝，劉勝.溫度和濕度對LED可靠性的影響及其機制分析[J].半導體光電，2009，30（03）：366-370.

[4]金豫杰，羅文廣.基于BP神經(jīng)網(wǎng)絡的公路隧道交通量預測[J].廣西工學院學報，2005（S3）：31-34.