基于优化PSO—BP神经网络对led可靠性预测

龙源期刊网 https://www.wendangku.net/doc/6f16667449.html,

基于优化PSO—BP神经网络对led可靠性预测

作者：姚莉帆王亮

来源：《科学与财富》2018年第32期

摘要：半导体照明是国家重点扶持的新兴产业，led作为第四代光源，因为其节能环保等优点，深受市场的欢迎。对led可靠性作出准确的预测显得十分重要，能够对以后提高led性能打下基础。为了应对led复杂多变的工作环境，本文采用优化PSO-BP神经网络模型对led

可靠性进行分析，能非常精确的预测出其不同工作环境下的使用寿命。

关键词：led；可靠性；BP神经网络；PSO算法；寿命；优化

0 引言

led被称为第四代照明光源或绿色光源，市场前景广阔，Led寿命在实际工作中受很多因

素的影响。为了准确预测其寿命，本文采用优化PS0-BP神经网络模型，实验结果表明，该模型外推力很好，预测结果精确，误差极小，对以后led的深入研究有十分重要的作用。

1 BP神经网络与PSO算法

BP神经网络是一种多层前馈神经网络，它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。

粒子群算法（PSO），是基于群体的，将每个个体看作是D维搜索空间中的一个没有体积的微粒（点），在搜索空间中以一定的速度飞行，这个速度根据它本身的飞行经验和同伴的飞行经验来动态调整。第i个微粒表示为Xi=（Xi1，Xi2，…，XiD），它经历过的最好位置

（有最好的适应值）记为Pi=（Pi1，Pi2，…，PiD），也称为pbest。在群体所有微粒经历过

的最好位置的索引号用符号g表示，即Pg，也称为gbest。微粒i的速度用Vi=（Vi1，

Vi2，…，Vid）表示。对每一代，它的第d维（1≤d≤D）根据如下方程进行变化：

其中w为惯性权重，c1和c2为加速常数，rand（）和Rand（）为两个在[0，1]范围里变化的随机值。

3 优化的PSO-BP神经网络

BP神经网络容易陷入局部极小值的误区，收敛速度也比较缓慢，网络结构也不统一因而本文采用优化粒子群算法（OPSO），对学习因子c1，c2，惯性权重w及误差函数e做了适当的优化调整。