蚂蚁算法优化LED结构参数降低结温的应用探讨

肖原彬

江苏理工学院 江苏 常州 213001

引言

1 结温对LED主要性能指标的影响

1.1 结温对LED光通量（Luminous Flux简写Φ）的影响

光通量是LED照亮效果的直接贡献者，其值大小被用作判断LED是否有效的依据[2]，与结温存在如下关系式（1）：

1.2 结温对LED发光效率（Luminous Efficiency）的影响

发光效率又称光效，其具体定义为：LED正常发光时测得的光通量Φ值与输入LED总能耗E的比值数。目前有关研究数据表明在同样的能量输入条件下，LED灯发光效率最高可达300lm/W[3]，相比于传统照明设备，LED拥有更高的发光效率，正是这一特性才使得LED灯被视为下一代节能光源，而被大力发展；发光效率与结温关系如图1所示，从图1中可以看出：当LED结温越高时，LED各颜色的发光效率均有不同程度的降低，其中以黄光和红光的下降程度最高，表明这两种颜色对于LED结温变化的敏感度最高；而各颜色发光效率降低的累计必然导致整体LED能量转换效率的降低。

图1 LED发光效率与结温的关系

1.3 结温对LED使用寿命的影响

LED照明过程中结温长时间处于高位会使得LED内部各个结构可靠性显著降低，而LED内部结构失效主要有以下几点原因[4]：

1.3.1 过高的LED结温导致位于核心部位的P型和N型结构层产生畸变，进而造成失配度不断扩大，内部结构层有效运动电子注入效率下滑，更多的电能以热量的形式耗尽，最终导致LED能量转换效率降低。

1.3.2 用以封装LED芯片的高分子树脂型材料在LED结温过高时一方面其本身会老化变形，另一方面材料内部掺杂的荧光粉也会缓慢变性直至最终失效，而失效的封装和变性的荧光粉则影响了LED整体光照效果，发出的光变黄发暗，造成LED整体光衰、失效。

1.3.3 过高的结温还容易引起P型和N型导电电极以杂质的形态进入复合区，造成无效掺杂，形成深层次能级，导致LED内部电子的运动速率降低，具体表现为内部材料层结构提前老化，性能衰退。

1.4 结温对LED光波长的影响

LED发出的光是包含多种颜色的可见光，而人肉眼会自主识别光源中的主波长和峰值波长，其中前者表示人眼看到光的色度，后者代表人眼看到光的强度，下列公式2表明了LED结温与LED发光波长的关系式：

2 LED结温过高的原因

正如前文所述，相比与传统的照明设备（如白炽灯、荧光灯），虽然LED灯具有较高的能量转换效率，但距离百分之百的转换率仍存有一定差距，这意味着输入LED内部的电能除了一部分转化为LED光能用于照明外，其余相当一部分的能量转为热的形式存在，而LED设计结构是否合理很大程度上决定了LED内部积聚热能的高低，即LED结温的高低。下面结合LED部分结构参数对LED结温的影响加以说明[5]：

柳红头上蒙着一条红丝巾。苏石从她的头上剥了下来，红丝巾打着一个结，是个死结。他捏着红丝巾的那个结，硬梆梆的。苏石从大棚里爬了出来，瘫坐在地上，点上一支烟，他边抽烟边借着大棚里透出朦胧的灯光，审视着手上的红丝巾，好像不认识似的。

2.1 LED灯功率大小对结温的影响

LED灯功率大小通常由其内部LED芯片个数决定，这是由于尽管技术上单颗大功率的LED芯片是可制备的但由于单颗LED芯片设计功率过大，一方面相比于多颗小功率LED芯片组成的照明设备更易造成热积聚效应导致LED结温过高，使各结构提前老化；另一方面LED配套设计的热沉结构（即散热器）也较为复杂后期不易维护，LED整体性能不可靠。而多颗小功率LED芯片虽然缓解了单颗功率级别LED芯片的问题，但如何有效确定LED功率大小即LED芯片个数和各LED芯片之间排布间距仍有疑问：如LED芯片过多容易造成发出的光不聚焦，引起视觉疲劳，同时LED芯片间距不合理也容易造成热积聚效应，引起结温过高问题导致LED失效。

2.2 LED芯片内部材料热阻效应对结温的影响

通常LED内部多余的热量主要以热传导的形式散出LED芯片，其传热路径主要分两路：向上经过封装树脂层，向下经过衬底、银胶、热沉、导热胶、AI基板等结构；其中以向下传热路径为主，这是因为LED芯片热量在向上传递的介质材料为高分子树脂，其作用主要是保护芯片内部结构用以隔绝外部环境，它的热导系数一般较低约0.17W/(m·k)左右，相比于热沉如铝材237.5 W/(m·k)的热导系数小很多，且用于封装的树脂材料其内部均掺有不同浓度的荧光粉，用以改进LED的发光性能，这使得它的热导率进一步降低，所以经由树脂层传出的热量很少；而热量在向下传递的途径通常会经过多层材料如上所述，如果各层材料之间的结构参数匹配不合理也容易造成热量积聚在某一层，影响整体热量散出，进而引起LED结温升高如：热沉设计过小或厚度过窄均易造成LED芯片热量积聚，而热沉设计过大又容易导致LED芯片体积增大，内部引脚所用金线增加，造成生产成本增加。

目前照明级别的LED封装方式主要采用如下四种结构即:三维垂直、垂直、倒装、正装，而主流LED照明厂家所生产的LED内部除芯片外其他结构均类似，如图2所示，主要包括了：芯片（热源）、金球、衬底、银胶、热沉、导热胶、AI基板、灌封Si胶、电极引线、塑料管刻、金线、荧光粉、透镜等结构，但由于采用了不同的LED结构参数，造成最终不同类型的LED在工作时结温的千差万别，性能也参差不齐。因此，人们想通过优化LED各项结构参数的方式来降低芯片结温从而获得性能更为可靠、寿命更久的LED照明产品，为此人们做出了多种途径尝试，其中主要方式是通过试制LED样品并测量其工作状态下结温以获得实验数据并进行改进，但该方法主要存在以下不足之处：

图2 LED内部构造图

2.2.1 通常为了获取不同结构参数下LED工作时的结温数据，只能采取大量不同规格LED样品的试制，极易造成原材料的浪费，不符合环保理念且LED样品的试制一般需额外定制，会导致LED研发成本居高不下；

2.2.2 在进行LED样品结温测量时需点亮一段时间后才能对样品进行多次测量，以此来保证结温数据采样的准确性，所以每种类型LED样品的测试周期一般较长，不利于新LED产品的持续更新；

2.2.3 不能有效规避由于LED样品本身制造质量不合格原因造成结温测量不准确的情况，即实验结果不能保证，容易造成错误的生产指导意见；

2.2.4 LED结温测试所用的T3ster仪器价格昂贵，致使测试费用居高不下，进一步推高研发成本；

2.2.5 耗费大量资源所测得的不同结构参数下LED工作时的结温数据没有充分利用，造成隐形资源的浪费。

综上所述，人们迫切需要一种简单可靠的方法，以帮助人们在诸多LED结构参数中寻找与LED结温相关的主要结构参数及其相应的组合。

3 智能蚂蚁算法在优化LED结构参数降低结温的应用

蚂蚁算法作为新型的智能算法，借鉴于自然界蚂蚁觅食的策略，其优势在于以下几点[6]：①整体算法是基于正反馈工作模式进行的，使得寻找最优解的过程是渐进式收敛即有最优解产出；②整体计算采用并行下的分布式处理，使得收敛速率大大提高；③算法模拟了多个个体对于实际环境（参数）的反应，且相互之间不直接传递消息只依靠环境中留存的信号和自身的感知为判断依据，所以算法整体适应性较强；④整体模型训练依靠真实的数据，充分挖掘并揭示数据内在联系；⑤整体搜索最优解，有效避免局部最优解陷阱，结果更可靠。

本文探讨将智能蚂蚁算法应用于LED结构参数优化，以求降低LED结温，可提高LED使用性能。

智能蚂蚁算法应用具体思路流程图如下图3所示：

图3 LED结构参数优化的蚂蚁算法流程图

首先初始化：将用于LED生产的主要结构参数：芯片（个数、大小、间隔尺寸）、金球（面积、接触位置、个数）、衬底（材料、厚度、大小）、银胶（材料、厚度、风干时间）、热沉（材料、厚度、形状）、导热胶（材料、厚度）、AI基（材料、大小、形状）、透镜（尺寸、形状、材料）、荧光粉（浓度、掺杂位置）、金线（长短、粗细、引线位置）、塑料壳（材料、形状、大小）、引线（接触位置、长短、粗细、材料）、Si胶（风干时长、形状）、散热器（形状、材料、大小）等进行排序，完成后随机将其任意组合，每个组合配以相应的信息素即权重、信息素挥发值，并设定相应的极限误差和收敛精度。

其次在误差范围内开始寻找最优结构参数：①设定相应数量的蚂蚁，让其从蚁巢出发，按照如下原则进行觅食前进，每只蚂蚁每步只能进入一个组合，且在组合内每只蚂蚁只能选取一个参数，当组合内的某一参数被选取后，该参数自身对应的信息素会增加相应设定值。②此外在每只蚂蚁完成各自组合内唯一参数选取后，需将所有组合中各个参数的信息素减去相应的值即信息素挥发，以求降低干扰结构因素，强化有效参数的权重。③任意蚂蚁必须在完成所有组合中的参数采集后才能回巢，且需按原路返回，接下来程序自行判断，如蚂蚁未完成所有可能组合尝试则程序自动返回步骤二；如蚂蚁已完成所有组合的尝试，则程序自动跳转至下一步骤。④完成所有组合尝试后，程序自动更新全部参数对应的信息素并进入下一阶段程序运行。⑤在完成所有测试后，自动判断程序是否达到设置的收敛精度，如已经达到预设的收敛精度后随即退出程序并输出相关结果，否则程序自动跳转至步骤一继续执行算法。

4 针对LED结构参数优化蚂蚁算法的参数调整

在运用蚂蚁算法完成LED结构参数优化时需对蚂蚁算法本身相关参数进行调整，以求达到最佳运行效果这主要包括以下两点内容：①每个参数信息素每次挥发值大小需进行调整，通常情况下，信息素挥发值过大或者过小，都可能造成蚁群在整体搜索最佳组合时所需的时间变久，程序调试时可预先设置不同数值的信息素挥发值，进行运算，一方面测试其整体的运行时长、另一方面依据程序给出的不同LED结构参数优化结果，进行对应LED样品的试制，实际测试LED结温，从而给出合适的信息素挥发值。②调整合理测试蚂蚁数目，因为LED主要结构参数种类多，各参数可选项多，如在蚂蚁算法运行时设置过多的蚂蚁数目而每只蚂蚁需尝试所有组合，且蚂蚁每步尝试过程完全是随机，必然会导致整个程序运行时长过久，所以需测试不同蚂蚁数目条件的程序运算收敛性，以确定最佳的蚂蚁数目；具体的操作可参考信息素挥发值的调试过程。

最后，在调试完蚂蚁算法后，可运行该程序并参考程序给出的最优参数组合和每个参数对应的信息素值大小，为依据来确定LED样品的生产结构参数，降低LED结温，提高整体研发效率。

5 结束语

通过采用智能蚂蚁算法的优化，一方面可高效寻找出潜在制备结温更低性能更为优异的LED结构参数，另一方面也有效减低了大量无效LED实验样品的制备，为生产者节约了研发成本和开发时间。