基于蚁群神经网络的LED灯管寿命预测
DOI:
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金项目(71461020);江西省教育厅科学技术研究项目(12717)


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对高可靠性、长寿命复杂产品的可靠性评估过程,在加速寿命退化试验数据的基础上,提出了一种基于试验数据驱动的自适应智能方法,并对某型LED灯管的寿命与可靠性进行预测分析。首先,通过指数模型拟合性能退化曲线,推算出各组应力条件下的伪失效寿命值;再将蚁群算法结合BP神经网络等智能算法应用于寿命预测模型的建立,根据试验证明寿命服从对数正态分布,且检验寿命必须满足置信度区间范围内;最后,预测出正常应力条件下LED灯管的工作寿命。结果表明,基于蚁群神经网络预测LED灯管寿命的方法,预测误差较小,收敛速度快,能够满足工程要求。

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2016-01-13
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2016-11-14
  • 出版日期:
文章二维码

漂浮通知

①《半导体光电》新近入编《中文核心期刊要目总览》2023年版(即第10版),这是本刊自1992年以来连续第10次被《中文核心期刊要目总览》收录。
②目前,《半导体光电》已入编四个最新版高质量科技期刊分级目录,它们分别是中国电子学会《电子技术、通信技术领域高质量科技期刊分级目录》(T3)、中国图象图形学学会《图像图形领域高质量科技期刊分级目录》(T3)、中国电工技术学会《电气工程领域高质量科技期刊分级目录》(T3)和中国照明学会《照明领域高质量科技期刊分级目录》(T2)。
③关于用户登录弱密码必须强制调整的说明
④《半导体光电》微信公众号“半导体光电期刊”已开通,欢迎关注