一种利于散热的LED路灯的制作方法

本发明属于led路灯，涉及一种利于散热的led路灯。

背景技术：

1、led路灯以定向发光、功率消耗低、驱动特性好、响应速度快、抗震能力高、使用寿命长和绿色环保等优势逐渐走入人们的视野，led路灯具有高效、安全、节能、环保、寿命长、响应速度快和显色指数高等独特优点，led路灯在夜间长期照明工作，且由于覆盖灰尘使热量散发不出去，最终导致温度逐渐升高。

2、led路灯的散热效果不佳，在长期高温情况下容易导致内部元件加快损坏和老化的问题。现有技术较少构建led路灯的散热评价指标，制定散热系统以提升led路灯的散热性能，延长路灯的寿命。

技术实现思路

1、为解决现有技术中存在的上述问题，本发明提供了一种利于散热的led路灯。

2、本发明的目的可以通过以下技术方案实现：

3、本申请提供了一种利于散热的led路灯，包括监测模块、处理模块和散热模块，其中：

4、所述监测模块，用于监测与led路灯相关的状态数据，所述状态数据包括工作时长、环境温度、灰尘量和led路灯温度；

5、所述处理模块，连接监测模块，用于将监测的状态数据输入预设的散热评价模型，输出对应的散热参考指标；

6、所述散热模块，连接处理模块，用于根据输出的散热参考指标，控制散热设施对led路灯的散热程度。

7、进一步地，所述处理模块中，所述预设的散热评价模型，包括以下构建步骤：

8、s1、收集大量与led路灯相关的状态数据样本；

9、s2、对工作时长、环境温度和灰尘量所构成的数据集进行主成分分析，选取第一主成分轴的得分作为led路灯的温度影响变量；

10、s3、对温度影响变量与led路灯温度进行加权调整，获得散热参考指标。

11、进一步地，步骤s2中，所述对工作时长、环境温度和灰尘量所构成的数据集进行主成分分析，选取第一主成分轴的得分作为led路灯的温度影响变量，包括以下步骤：

12、s21、数据标准化：对工作时长、环境温度和灰尘量所构成的数据集进行标准化处理；

13、s22、确定相关系数矩阵：在数据标准化后，计算数据集变量之间的相关系数，得到相关系数矩阵；

14、s23、计算相关系数矩阵的特征值和特征向量，并将特征值按从大到小的顺序对特征向量排序，得到主成分轴；

15、s24、将标准化后的数据集变量投影在各主成分轴中，求各主成分轴得分；

16、s25、选取第一主成分轴得分，作为led路灯的温度影响变量。

17、进一步地，步骤s22中，所述相关系数矩阵，相关系数的计算公式如下：

18、

19、式中：rij表示数据集变量xi与xj之间的相关系数；xki表示xi的第k个样本，xkj表示xj的第k个样本，k＝1，2，…，n，其中n为样本数。

20、进一步地，步骤s3中，所述对温度影响变量与led路灯温度进行加权调整，获得散热参考指标，包括以下步骤：

21、s31、将温度影响变量各样本的主成分得分，除以所有样本的主成分得分和，获得各样本的温度影响权重；

22、s32、将各样本的led路灯温度乘以对应的温度影响权重，获得散热参考指标。

23、进一步地，所述散热模块中，所述根据输出的散热参考指标，控制散热设施对led路灯的散热程度，具体为将散热参考指标输入预设的bp人工神经网络模型，输出对应的控制指令以控制散热设施对led路灯的散热程度，所述预设的bp人工神经网络模型，包括以下构建步骤：

24、t1、确定模型结构：确定神经网络的层数和每层的神经元数量，包括输入层、隐藏层和输出层，其中输入层为散热参考指标，输出层为散热设施对led路灯的散热程度；

25、t2、前向传播：将输入数据通过神经网络进行计算，从输入层开始，通过隐藏层逐层传递，最终到达输出层，在每个神经元中，根据输入数据和权重计算加权和，最后通过激活函数得到神经元的输出；

26、t3、计算误差：将神经元的输出与期望输出进行比较，计算出误差；

27、t4、反向传播：根据误差，从输出层开始，逐层反向传播误差，并根据误差利用梯度下降算法调整连接权重和偏置；

28、t5、重复迭代：重复进行步骤t2至步骤t4，直到达到预设的误差阈值时停止；

29、t6、模型评估：使用独立的测试数据集对训练好的神经网络进行测试，采用决定系数评估模型的预测能力。

30、本发明的有益效果：

31、通过收集大量与led路灯相关的状态数据样本，所述状态数据包括工作时长、环境温度、灰尘量和led路灯温度；对工作时长、环境温度和灰尘量所构成的数据集进行主成分分析，选取第一主成分轴的得分作为led路灯的温度影响变量；对温度影响变量与led路灯温度进行加权调整，获得散热参考指标；根据输出的散热参考指标，控制散热设施对led路灯的散热程度。本发明解决了现有技术难以通过led路灯温度的影响因子对路灯温度的散热提供参考，导致led路灯散热效果差的问题。

技术特征：

1.一种利于散热的led路灯，其特征在于：包括监测模块、处理模块和散热模块，其中：

2.根据权利要求1所述的一种利于散热的led路灯，其特征在于：步骤s2中，所述对工作时长、环境温度和灰尘量所构成的数据集进行主成分分析，选取第一主成分轴的得分作为led路灯的温度影响变量，包括以下步骤：

3.根据权利要求2所述的一种利于散热的led路灯，其特征在于：步骤s22中，所述相关系数矩阵，相关系数的计算公式如下：

4.根据权利要求1所述的一种利于散热的led路灯，其特征在于：步骤s3中，所述对温度影响变量与led路灯温度进行加权调整，获得散热参考指标，包括以下步骤：

5.根据权利要求1所述的一种利于散热的led路灯，其特征在于：所述散热模块中，所述根据输出的散热参考指标，控制散热设施对led路灯的散热程度，具体为将散热参考指标输入预设的bp人工神经网络模型，输出对应的控制指令以控制散热设施对led路灯的散热程度，所述预设的bp人工神经网络模型，包括以下构建步骤：

技术总结本发明涉及一种利于散热的LED路灯，通过收集大量与LED路灯相关的状态数据样本，所述状态数据包括工作时长、环境温度、灰尘量和LED路灯温度；对工作时长、环境温度和灰尘量所构成的数据集进行主成分分析，选取第一主成分轴的得分作为LED路灯的温度影响变量；对温度影响变量与LED路灯温度进行加权调整，获得散热参考指标；根据输出的散热参考指标，控制散热设施对LED路灯的散热程度。本发明解决了现有技术难以通过LED路灯温度的影响因子对路灯温度的散热提供参考，导致LED路灯散热效果差的问题。技术研发人员：周承根,黄能健,吴志锋,李超然,任彪受保护的技术使用者：广东标昇光能科技有限公司技术研发日：技术公布日：2024/4/24