新型大功率LED路灯散热性能智能预测研究

论文摘要

近年来,随着LED器件的密集化和小型化,单位容积器件的发热量迅速增大,对装置的可靠性造成了极大威胁。研究表明,当温度超过一定值时,LED器件的失效率将呈指数规律上升。因此,如何提高散热性能是大功率LED路灯实现产业化亟待解决的关键技术之一。为此,各个产家和研发机构都采取了不同散热方式来解决,但总存在着热沉级数过多、热阻过大的问题。本论文将振荡热管应用于散热器上,并对其结构进行优化,将优化后的散热器安装在LED基板上,在实验台架上测试散热效果,采集温度信号,同时利用人工智能技术对大功率LED路灯温度信号进行了预测,对其散热性能进行评价,本文所作的主要工作如下：1)采用灰色关联分析方法对实验测得的铜-水闭合回路振荡热管传热性能与充液率、倾斜角、热量输入,弯道数目,热管内径的相互关系进行关联分析处理,确定了影响因子之间的主次关系,进而根据影响传热功率的主要因子和散热器底座的尺寸选取传热性能最好的振荡热管。2)运用多场协同原理,通过在Fluent软件中进行仿真计算分析,对翅片热管透气孔复合散热器结构进行优化,取优化后的翅片热管透气孔复合散热器与其他四种典型的散热器对比场协同效果。3)建立大功率LED路灯温度信号采集的实验系统,并且将所采集到的数据信号进行了去噪声处理,具体使用的是经验模态分解和Hilbert结合方法去噪。4)利用支持向量机和神经网络建立大功率LED路灯温度信号时间序列预测模型,并用遗传算法优化支持向量机参数,以提高预测模型的精度,通过比较,得到遗传优化支持向量机算法的预测精度最佳。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究意义
• 1.2 LED散热研究现状
• 1.2.1 从封装结构上研究散热
• 1.2.2 从封装材料上研究散热
• 1.2.3 外接热沉研究散热
• 1.3 热管散热技术的研究与发展
• 1.3.1 热管散热国外研究现状
• 1.3.2 热管散热国内研究现状
• 1.4 场协同理论的应用
• 1.5 智能预测的应用
• 1.6 研究内容与文章结构
• 第2章 振荡热管散热器的设计
• 2.1 振荡热管的特点
• 2.2 振荡热管的国内外研究现状
• 2.3 振荡热管传热性能的灰色关联分析
• 2.3.1 灰色关联分析的具体步骤
• 2.3.2 实例应用
• 2.4 振荡热管传热性能的单因素分析
• 2.4.1 管径
• 2.4.2 充液率
• 2.4.3 通道弯数与倾斜角度
• 2.4.4 充液介质物性
• 2.5 振荡热管选取
• 2.6 本章小结
• 第3章 散热器结构的优化设计
• 3.1 强化传热技术的发展与研究现状
• 3.1.1 强化传热方法分类
• 3.1.2 影响对流强化传热技术的重要因素
• 3.1.3 强化传热性能的评价准则
• 3.2 场协同原理简介
• 3.3 数值计算分析
• 3.3.1 物理模型
• 3.3.2 数值计算模型
• 3.4 数值计算结果及分析
• 3.5 本章小结
• 第4章 LED路灯温度信号采集与处理
• 4.1 LED的散热机理分析
• 4.1.1 热传递基本原理
• 4.1.2 LED的散热机理
• 4.2 LED热力学参数介绍
• 4.2.1 结温
• 4.2.2 电压温度系数
• 4.2.3 热阻
• 4.3 实验台数据的采集
• 4.3.1 实验系统
• 4.3.2 温度信号的采集
• 4.4 实验数据的处理
• 4.4.1 EMD算法的提出
• 4.4.2 EMD算法原理
• 4.4.3 经验模态分解的过程
• 4.4.4 EMD与Hilbert变换的结合提取瞬时参数
• 4.4.5 实测温度序列EMD处理
• 4.5 本章小结
• 第5章 大功率LED路灯温度信号智能预测
• 5.1 BP神经网络理论简介
• 5.1.1 BP神经元
• 5.1.2 BP神经网络学习算法
• 5.2 支持向量机理论简介
• 5.2.1 线性支持向量机
• 5.2.2 非线性支持向量机
• 5.3 遗传算法基本原理及其在支持向量机的应用
• 5.3.1 遗传算法基本原理
• 5.3.2 遗传算法的基本参数
• 5.3.3 遗传算法的基本操作
• 5.3.4 遗传算法的运算流程
• 5.3.5 遗传算法在支持向量机中的应用
• 5.4 大功率LED路灯温度信号的智能预测
• 5.5 本章小结
• 第6章 结论与展望
• 参考文献
• 攻读学位期间发表的论文及参与课题
• 致谢