| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 课题国内外研究现状 | 第10-11页 |
| 1.3 课题研究内容 | 第11-13页 |
| 第二章 基于人工神经网络的LED光电热耦合理论 | 第13-25页 |
| 2.1 LED光电热耦合理论 | 第13-17页 |
| 2.1.1 LED输入电功率与PN结结温的关系 | 第13-16页 |
| 2.1.2 LED输出光通量与输入电功率的关系 | 第16-17页 |
| 2.2 LED光电热BP人工神经网络 | 第17-23页 |
| 2.2.1 人工神经网络(ANN)模型 | 第17-18页 |
| 2.2.2 误差反向传输的人工神经网络(BP ANN) | 第18-20页 |
| 2.2.3 BP人工神经网络的优化 | 第20-22页 |
| 2.2.4 LED光电热BP人工神经网络 | 第22-23页 |
| 2.3 基于BP人工神经网络的LED光电热耦合理论 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 LED芯片光电热特性测试与分析 | 第25-31页 |
| 3.1 LED芯片光电热特性测试系统搭建 | 第25-28页 |
| 3.1.1 LED光电热特性测试原理 | 第25-26页 |
| 3.1.2 LED光电热特性测试方法 | 第26-28页 |
| 3.2 LED光电热特性测试结果与分析 | 第28-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 半导体照明系统光电热特性分析 | 第31-49页 |
| 4.1 LED光电热人工神经网络训练 | 第31-41页 |
| 4.1.1 恒温条件下LED光电热人工神经网络训练 | 第31-34页 |
| 4.1.2 恒流条件下LED光电热人工神经网络训练 | 第34-37页 |
| 4.1.3 一般条件下LED光电热人工神经网络训练 | 第37-41页 |
| 4.2 基于人工神经网络的LED模型热分析 | 第41-43页 |
| 4.3 基于人工神经网络的LED光电热分析方法与传统方法的比较 | 第43-45页 |
| 4.4 基于人工神经网络的LED光源模型热分析 | 第45-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 基于人工神经网络的LED光源寿命预测 | 第49-59页 |
| 5.1 LED温度加速寿命曲线温度插值 | 第49-51页 |
| 5.2 不同温度下LED芯片寿命预测 | 第51-52页 |
| 5.3 LED温度、光通量-寿命人工神经网络 | 第52-54页 |
| 5.4 基于人工神经网络的LED光源寿命预测 | 第54-57页 |
| 5.5 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 发表论文和参加科研情况 | 第65-67页 |
| 致谢 | 第67页 |
