新型大功率LED路灯散热性能智能预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-21页 |
| ·研究意义 | 第10-11页 |
| ·LED散热研究现状 | 第11-16页 |
| ·从封装结构上研究散热 | 第11-12页 |
| ·从封装材料上研究散热 | 第12-14页 |
| ·外接热沉研究散热 | 第14-16页 |
| ·热管散热技术的研究与发展 | 第16-17页 |
| ·热管散热国外研究现状 | 第17页 |
| ·热管散热国内研究现状 | 第17页 |
| ·场协同理论的应用 | 第17-18页 |
| ·智能预测的应用 | 第18-19页 |
| ·研究内容与文章结构 | 第19-21页 |
| 第2章 振荡热管散热器的设计 | 第21-29页 |
| ·振荡热管的特点 | 第21页 |
| ·振荡热管的国内外研究现状 | 第21-22页 |
| ·振荡热管传热性能的灰色关联分析 | 第22-26页 |
| ·灰色关联分析的具体步骤 | 第22-24页 |
| ·实例应用 | 第24-26页 |
| ·振荡热管传热性能的单因素分析 | 第26-28页 |
| ·管径 | 第26-27页 |
| ·充液率 | 第27页 |
| ·通道弯数与倾斜角度 | 第27页 |
| ·充液介质物性 | 第27-28页 |
| ·振荡热管选取 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 散热器结构的优化设计 | 第29-38页 |
| ·强化传热技术的发展与研究现状 | 第29-32页 |
| ·强化传热方法分类 | 第29-30页 |
| ·影响对流强化传热技术的重要因素 | 第30-31页 |
| ·强化传热性能的评价准则 | 第31-32页 |
| ·场协同原理简介 | 第32页 |
| ·数值计算分析 | 第32-35页 |
| ·物理模型 | 第32-33页 |
| ·数值计算模型 | 第33-35页 |
| ·数值计算结果及分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 LED路灯温度信号采集与处理 | 第38-55页 |
| ·LED的散热机理分析 | 第38-40页 |
| ·热传递基本原理 | 第38-40页 |
| ·LED的散热机理 | 第40页 |
| ·LED热力学参数介绍 | 第40-44页 |
| ·结温 | 第40-41页 |
| ·电压温度系数 | 第41-42页 |
| ·热阻 | 第42-44页 |
| ·实验台数据的采集 | 第44-45页 |
| ·实验系统 | 第44页 |
| ·温度信号的采集 | 第44-45页 |
| ·实验数据的处理 | 第45-53页 |
| ·EMD算法的提出 | 第45-46页 |
| ·EMD算法原理 | 第46-47页 |
| ·经验模态分解的过程 | 第47页 |
| ·EMD与Hilbert变换的结合提取瞬时参数 | 第47-49页 |
| ·实测温度序列EMD处理 | 第49-53页 |
| ·本章小结 | 第53-55页 |
| 第5章 大功率LED路灯温度信号智能预测 | 第55-71页 |
| ·BP神经网络理论简介 | 第55-59页 |
| ·BP神经元 | 第56-57页 |
| ·BP神经网络学习算法 | 第57-59页 |
| ·支持向量机理论简介 | 第59-62页 |
| ·线性支持向量机 | 第59-61页 |
| ·非线性支持向量机 | 第61-62页 |
| ·遗传算法基本原理及其在支持向量机的应用 | 第62-69页 |
| ·遗传算法基本原理 | 第63页 |
| ·遗传算法的基本参数 | 第63页 |
| ·遗传算法的基本操作 | 第63-64页 |
| ·遗传算法的运算流程 | 第64-67页 |
| ·遗传算法在支持向量机中的应用 | 第67-69页 |
| ·大功率LED路灯温度信号的智能预测 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第6章 结论与展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读学位期间发表的论文及参与课题 | 第78-79页 |
| 致谢 | 第79页 |
