基于遗传算法的BP神经网络的LED寿命预测模型

摘要

提出了一种新型的基于遗传算法（GA）优化的误差反向传播（BP）神经网络的寿命预测模型。选取不同公司生产的LED,以LED光源光通量维持率测量方法 （LM-80-08）测试报告中的电流、结温、初始光通量和初始色坐标作为神经网络的输入,LED在网络输入的应力条件下的寿命为输出,可以预测LED在任意电流和结温下的寿命。研究结果表明,该GA-BP模型相比于LED光源长期流明维持率的预测方法 （TM-21-11）更具灵活性,预测误差较传统BP神经网络降低了65.5%,平均相对误差达到1.47%,优于Adaboost模型的54%和3.16%,训练样本相关系数达到99.4%,GA-BP模型预测LED寿命误差更小,普适性更高,在LED的寿命预测中具有实际意义。