文献类型：期刊文章

作　　者：曹逸兴[1] 陈尚欢[2] 李宇彤[2] 杜运佳[2] 陈威[4] 樊嘉杰[1,3,4] 张国旗[1,3]

Cao Yixing;Chen Shanghuan;Li Yutong;Du Yunjia;Chen Wei;Fan Jiajie;Zhang Guoqi(Institute of Future Lighting,Academy for Engineering&Technology,Fudan University,Shanghai 200433,China;College of Mechanical and Electrical Engineering,Hohai University,Changzhou 213022,China;EEMCS Faculty,Delft University of Technology,Delft 2528,Netherlands;State Key Laboratory of Solid State Lighting,Changzhou Institute of Technology Research for Solid State Lighting,Changzhou 213161,China)

机构地区：[1]复旦大学工程与应用技术研究院超越照明研究所,上海200433 [2]河海大学机电工程学院,江苏常州213022 [3]代尔夫特理工大学微电子工程系,荷兰代尔夫特2528 [4]常州市半导体照明应用技术研究院半导体照明联合创新国家重点实验室,江苏常州213161

出　　处：《稀有金属材料与工程》

基　　金：国家自然科学基金(51805147);江苏省六大人才高峰项目(GDZB-017);江苏省重点研发计划(产业前瞻与关键核心技术)(BE2019041)。

年　　份：2021

卷　　号：50

期　　号：7

起止页码：2393-2398

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对由钇铝石榴石基、硅基氮氧化物和氮化物混合制备的三元高显色荧光粉体系,采用修正Lambert-Beer模型结合BP(back propagation,BP)人工神经网络的方法实现了任意比例混合荧光粉体系的发射光谱预测。首先,通过修正Lambert-Beer模型计算出3种荧光粉以任意比例混合后的发射光谱比例系数;其次,采用BP人工神经网络对比例系数进行训练和预测;最后,实现3种荧光粉混合后发射光谱的预测并通过实验测量验证。研究结果表明:比例系数预测值与理论计算值之间的误差可以控制在5%以内;通过BP神经网络预测的发射光谱图谱与试验测量图谱符合程度较好,两者的均方根误差RMSE和色度差异Δxy较小,平均值分别为0.019和0.0016。

关 键 词：高显色LED  混合荧光粉  发射光谱 Lambert-Beer理论  人工神经网络

分 类 号：O482.31]