基于有限元算法和人工神经网络结合的多芯片LED光源多物理场分析

多芯片LED光源的可靠性分析涉及到光、电、热多个物理场,高精度的多场分析结果会导致计算资源过多、计算时间过长、计算难度大等问题。为解决上述问题,本文分别利用传统的有限元算法(FEM)和高效的人工神经网络方法(ANN)进行LED光源温度分析,并讨论两种方法的优劣性。最后,通过将FEM分析单一传热物理场的优势与ANN计算时间短、计算资源需求低的优势相结合,归纳出一种更为高效的方法来进行多芯片LED光源的散热分析。利用该方法,ANN的预测数据与训练数据之间的相关系数达到了0.997 79,预测结果与实际热分布图有良好的匹配,计算资源相比传统的FEM方法节约了59%。该方法的应用能够在满足精度的前提下耗费更少的计算资源和时间,同时提高了分析的灵活性。除此之外,该方法对求解大功率LED光源寿命等可靠性问题也具有一定的参考价值。