亚星游戏官网-www.yaxin868.com

专利名称：照明系统失效机率的检测方法及装置的制作方法
技术领域：
本发明涉及光电领域，具体而言，涉及一种照明系统失效机率的检测方法及装置。
背景技术：
为了对照明设备的可靠性进行估算，需要检测照明系统的失效机率，在现有技术中，一般是对照明系统的LED进行检测，认为LED失效则照明系统失效，仅通过LED的失效机率判断照明系统的失效机率是不准确的。针对现有技术中无法准确检测照明系统的失效机率的问题，目前尚未提出有效的解决方案。

发明内容
本发明提供了一种照明系统失效机率的检测方法及装置，以至少解决无法准确检测照明系统的失效机率的问题。为了实现上述目的，根据本发明的一个方面，提供了一种照明系统失效机率的检测方法。根据本发明的照明系统失效机率的检测方法包括获取照明系统中多个子系统在第一时间段的失效机率；根据多个子系统在第一时间段的失效机率确定照明系统在第一时间段的失效机率；根据照明系统中多个子系统在第一时间段的失效机率确定照明系统中多个子系统在第二时间段的失效机率，其中，第二时间段的起始时刻为第一时间段的终止时刻；根据多个子系统在第二时间段的失效机率确定照明系统在第二时间段的失效机率；以及根据照明系统在第一时间段的失效机率和照明系统在第二时间段的失效机率确定照明系统的失效机率。进一步地，根据多个子系统在第一时间段的失效机率确定照明系统在第一时间段的失效机率包括获取贝叶斯网络模型；向贝叶斯网络模型发送多个子系统在第一时间段的失效机率；获取由贝叶斯网络模型确定的照明系统在第一时间段的失效机率。进一步地，在确定照明系统的失效机率之后，上述方法还包括确定失效的子系统，其中，在贝叶斯网络模型中包括照明系统的失效机率与失效的子系统之间的对应关系。进一步地，根据照明系统中多个子系统在第一时间段的失效机率确定照明系统中多个子系统在第二时间段的失效机率包括获取马尔可夫链模型；向马尔可夫链模型发送多个子系统在第一时间段的失效机率；获取由马尔可夫链模型确定的照明系统中多个子系统在第二时间段的失效机率。进一步地，获取照明系统中多个子系统在第一时间段的失效机率包括获取经过失效树模型化简后的照明系统中多个子系统在第一时间段的失效机率。进一步地，获取贝叶斯网络模型包括获取来自互联网的贝叶斯网络模型，获取马尔可夫链模型包括获取来自互联网的马尔可夫链模型。为了实现上述目的，根据本发明的另一个方面，提供了一种照明系统失效机率的检测装置，该装置用于执行本发明提供的任意一种照明系统失效机率的检测方法。根据本发明的另一方面，提供了一种照明系统失效机率的检测装置。该照明系统失效机率的检测装置包括获取单元，用于获取照明系统中多个子系统在第一时间段的失效机率；第一确定单元，用于根据多个子系统在第一时间段的失效机率确定照明系统在第一时间段的失效机率；第二确定单元，用于根据照明系统中多个子系统在第一时间段的失效机率确定照明系统中多个子系统在第二时间段的失效机率，其中，第二时间段的起始时刻为第一时间段的终止时刻；第三确定单元，用于根据多个子系统在第二时间段的失效机率确定照明系统在第二时间段的失效机率；以及第四确定单元，用于根据照明系统在第一时间段的失效机率和照明系统在第二时间段的失效机率确定照明系统的失效机率。进一步地，第一确定单元包括第一获取子单元，用于获取贝叶斯网络模型；第一发送子单元，用于向贝叶斯网络模型发送多个子系统在第一时间段的失效机率；第二获取子单元，用于获取由贝叶斯网络模型确定的照明系统在第一时间段的失效机率。进一步地，上述装置还包括第五确定单元，用于确定失效的子系统，其中，在贝叶斯网络模型中包括照明系统的失效机率与失效的子系统之间的对应关系。进一步地，第二确定单元包括第三获取子单元，用于获取马尔可夫链模型；第二发送子单元，用于向马尔可夫链模型发送多个子系统在第一时间段的失效机率；第四获取子单元，用于获取由马尔可夫链模型确定的照明系统中多个子系统在第二时间段的失效机率。进一步地，获取单元还用于获取经过失效树模型化简后的照明系统中多个子系统在第一时间段的失效机率。进一步地，第一获取子单元还用于获取来自互联网的贝叶斯网络模型，第三获取子单元还用于获取来自互联网的马尔可夫链模型。通过本发明，由于采用检测照明系统各子系统的失效机率，并通过各子系统的失效机率对整个照明系统在各时间段的失效机率进行动态确定，从而准确测得照明系统的失效机率，因此解决了现有技术中无法准确检测照明系统的失效机率的问题，进而更准确地了解照明系统的性能。


构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中图I是根据本发明实施例的照明系统失效机率的检测装置的结构框图；图2是根据本发明实施例的照明系统失效机率的检测方法的流程图；图3是根据本发明实施例的贝叶斯网络模型示意图；图4a是根据本发明实施例的LED灾难性失效在马尔科夫链模型中的示意图；图4b是根据本发明实施例的LED流明低于70%在马尔科夫链模型中的示意图；图4c是根据本发明实施例的焊点失效在马尔科夫链模型中的示意图；图4d是根据本发明实施例的电解电容失效在马尔科夫链模型中的示意图；以及图4e是根据本发明实施例的照明系统失效在马尔科夫链模型中的示意图。
具体实施例方式需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。本发明实施例提供了一种照明系统失效机率的检测装置，以下对本发明实施例所提供的照明系统失效机率的检测装置进行介绍。图I是根据本发明实施例的照明系统失效机率的检测装置的结构框图。如图I所示，该照明系统失效机率的检测装置包括获取单元11、第一确定单元12、第二确定单元13、第三确定单元14和第四确定单元15。获取单元11用于获取照明系统中多个子系统在第一时间段的失效机率。第一确定单元12用于根据多个子系统在第一时间段的失效机率确定照明系统在第一时间段的失效机率。第一确定单元12可以通过多种途径确定照明系统在第一时间段的失效机率，在本实施例中，照明系统在第一时间段的失效机率是通过贝叶斯网络模型确定，优选地，第一确定单元包括第一获取子单元、第一发送子单元和第二获取子单元，其中，第一获取子单元用于获取贝叶斯网络模型；第一发送子单元用于向贝叶斯网络模型发送多个子系统在第一时间段的失效机率；第二获取子单元，用于获取由贝叶斯网络模型确定的照明系统在第一时间段的失效机率。贝叶斯网络模型包含整体和局部的关系，通过上述各子单元，即可根据照明系统的子系统确定该照明系统整体的在该时间段的失效机率。第二确定单元13用于根据照明系统中多个子系统在第一时间段的失效机率确定照明系统中多个子系统在第二时间段的失效机率，其中，第二时间段的起始时刻为第一时间段的终止时刻。第二确定单元13可以通过多种途径根据某一子系统在上一时间段的失效机率确定其在下一时间段的失效机率，在本实施例中，下一时间段的失效机率是通过马尔科夫链模型确定的，优选地，第二确定单元13可以包括第三获取子单元、第二发送子单元和第四获取子单元，其中，第三获取子单元用于获取马尔可夫链模型；第二发送子单元用于向马尔可夫链模型发送多个子系统在第一时间段的失效机率；第四获取子单元，用于获取由马尔可夫链模型确定的照明系统中多个子系统在第二时间段的失效机率。通过马尔科夫链模型可以定义各失效机率和时间的动态关系，因此，通过以上各子单元，可以根据在第一时间段获取的子系统的失效机率确定其在后续各时间段的失效机率。第三确定单元14用于根据多个子系统在第二时间段的失效机率确定照明系统在第二时间段的失效机率。第三确定单元14的结构类似于第一确定单元12，将该时间段内各子系统的失效机率放入贝叶斯网络模型，即可确定在该时间段照明系统的失效机率。第四确定单元15用于根据照明系统在第一时间段的失效机率和照明系统在第二时间段的失效机率确定照明系统的失效机率。通过拟合照明系统在各个时间段的失效机率就能完整地确定照明系统在每个时间段的失效机率。在本实施例中，由于采用检测照明系统各子系统的失效机率，并通过各子系统的失效机率对整个照明系统在各时间段的失效机率进行动态确定，从而准确测得照明系统的失效机率，因此解决了现有技术中无法准确检测照明系统的失效机率的问题，进而更准确地了解照明系统的性能。由于贝叶斯网络模型中包括照明系统各子系统与照明系统这一整体的关系，因此，既可以通过各子系统的失效机率确定照明系统的失效机率，又可以在获取到照明系统的失效机率的情况下，确定当前最有可能失效的系统，优选地，上述装置还包括第五确定单元，第五确定单元用于确定失效的子系统，其中，在贝叶斯网络模型中包括照明系统的失效机率与失效的子系统之间的对应关系。由于贝叶斯网络模型和马尔科夫链模型比较复杂，为了便于数据的处理，可以先通过失效树模型对第一时间段的失效机率进行化简，将化简后的失效机率发送至贝叶斯网络模型和马尔科夫链模型中，大大减少了所需的计算量，优选地，获取单元还用于获取经过失效树模型化简后的照明系统中多个子系统在第一时间段的失效机率。本实施例中，为了使不同使用者能够获取各数学模型中更多新的资料或算法，可以将本装置和云端资料库连接，优选地，第一获取子单元还用于获取来自互联网的贝叶斯网络模型，第三获取子单元还用于获取来自互联网的马尔可夫链模型。本发明实施例还提供了一种照明系统失效机率的检测方法，该方法可以基于上述的装置来执行。图2是根据本发明实施例的照明系统失效机率的检测方法的流程图。如图2所示，该照明系统失效机率的检测方法包括如下的步骤S202至步骤S210。步骤S202，获取照明系统中多个子系统在第一时间段的失效机率。第一时间段从初始时间开始，该时间段各子系统的失效机率可通过查阅相应产品说明书等资料来获取。在开始检测后失效机率会发生改变。步骤S204，根据多个子系统在第一时间段的失效机率确定照明系统在第一时间段的失效机率。在本步骤中，可以通过多种途径确定照明系统在第一时间段的失效机率，本实施例中照明系统在第一时间段的失效机率是通过贝叶斯网络模型确定，优选地，本步骤可以具体分为步骤SI至步骤S3。SI，获取贝叶斯网络模型(BNs)。贝叶斯网络是一个有向无环图(Directed Acyclic Graph,简称为DAG)，由代表变量节点及连接这些节点有向边构成。节点代表随机变量，节点间的有向边代表了节点间的互相关系(由父节点指向其子节点)，用条件概率进行表达关系强度，没有父节点的用先验概率进行信息表达。节点变量可以是任何问题的抽象，如测试值，观测现象，意见征询等。通过贝叶斯网络，我们可以根据已知的变量来推测尚未观察到的其他可能性变量，贝叶斯网络的影响可能是概率或确定性。图3是根据本发明实施例的贝叶斯网络模型示意图。如图3所示，通过图3列举的4个子系统的失效机率，可以得出整个照明系统的失效机率。S2，第一发送子单元用于向贝叶斯网络模型发送多个子系统在第一时间段的失效机率。S3，第二获取子单元，用于获取由贝叶斯网络模型确定的照明系统在第一时间段的失效机率。贝叶斯网络模型包含整体和局部的关系，通过上述各子单元，即可根据照明系统的子系统确定该照明系统整体的在该时间段的失效机率。步骤S206，根据照明系统中多个子系统在第一时间段的失效机率确定照明系统中多个子系统在第二时间段的失效机率，其中，第二时间段的起始时刻为第一时间段的终止时刻。通过多种途径均可以实现根据某一子系统在上一时间段的失效机率确定其在下一时间段的失效机率，在本实施例中，下一时间段的失效机率是通过马尔科夫链模型(Markov Chain)确定的，具体地，首先，可以获取马尔可夫链模型；然后，向马尔可夫链模型发送多个子系统在第一时间段的失效机率；最后，获取由马尔可夫链模型确定的照明系统中多个子系统在第二时间段的失效机率。通过马尔科夫链模型可以定义各失效机率和时间的动态关系，因此，通过以上各子单元，可以根据在第一时间段获取的子系统的失效机率确定其在后续各时间段的失效机率。马尔可夫链是一个在过渡时间之间描述随机过程的离散状态。一个动态贝叶斯网络(DBN)是通过结合(离散)时间的一个静态贝叶斯网络的扩展概念。因此一个动态贝叶斯 网络，是离散时间随机过程的模型。一个动态贝叶斯网络表示的一组静态贝叶斯网络是在每一个时间切线中不同的时间节点之间联通弧点集合。马尔可夫链描述了一种状态序列，其每个状态值取决于前面有限个状态[I]。马尔可夫链是具有马尔可夫性质的随机变量乂_13_23_3...的一个数列。这些变量的范围，即它们所有可能取值的集合，被称为“状态空间”，而X_n的值则是在时间n的状态。如果X_{n+1}对于过去状态的条件概率分布仅是X_n的一个函数，则P(X_{n+1}=xIX_l=x_l, X_2=x_2,. . . , X_n=x_n)=P(X_{n+1}=x|X_n=x_n)。这里x为过程中的某个状态。上面这个恒等式可以被看作是马尔可夫性质。马尔可夫过程的定义设{(X(t)，t G T)}是一个随机过程，如果{X(t)，t G T)}在t0时刻所处的状态为已知时，它在时刻t>t0之前所处的状态无关，则称{X(t)，t G T)}具有马尔可夫性。设{X(t)，t G T)}的状态空间为S，如果对于任意的n会2，任意的tl<t2<. . . . <tn G T,在条件 X(ti)=xi, xi G S，i=l, 2,. . . , n_l 下,X(tn)的条件分布函数恰好等于在条件X(tn-l)=xn-l下的条件分布函数，即P (X (tn) <=xn X (tl) =xl, X (t2) =x2, . . . , X (tn_l) =xn_l)=P (X (tn) <=xn | X (tn_l) =xn_l)则称{(X(t)，t G T)}为马尔可夫过程。马尔可夫过程，能为给定样品文本，生成粗略，但看似真实的文本。步骤S208，根据多个子系统在第二时间段的失效机率确定照明系统在第二时间段的失效机率。本步骤与步骤S204相似，将该时间段内各子系统的失效机率放入贝叶斯网络模型，即可确定在该时间段照明系统的失效机率。步骤S210，根据照明系统在第一时间段的失效机率和照明系统在第二时间段的失效机率确定照明系统的失效机率。通过拟合照明系统在各个时间段的失效机率就能完整地确定照明系统在每个时间段的失效机率。
图4a是根据本发明实施例的LED灾难性失效在马尔科夫链模型中的示意图，通过对4个时间段中元器件失效机率的分析，得出失效机率和流明的动态关系，同理，图4b是根据本发明实施例的LED流明低于70%在马尔科夫链模型中的示意图，图4c是根据本发明实施例的焊点失效在马尔科夫链模型中的示意图，图4b是根据本发明实施例的电解电容失效在马尔科夫链模型中的示意图。根据以上示意图中所包括的信息，即可得到图4e，图4e是根据本发明实施例的照明系统失效在马尔科夫链模型中的示意图。图4a至图4d中的tl、t2、t3和t4具有相同的物理意义，tl为检测开始后的第一个时间段，t2的起始时刻是tl的结束时刻，t3的起始时刻是t2的结束时刻，t4的起始时刻是t的结束时刻，且tl、t2、t3和t4的时长一般是相同的，在图4a至图4d中，均通过图4e中的tl与图4a至图4d中的tl相同。由于贝叶斯网络模型和马尔科夫链模型比较复杂，为了便于数据的处理，可以先通过失效树模型对第一时间段的失效机率进行化简，将化简后的失效机率发送至贝叶斯网络模型和马尔科夫链模型中，大大减少了所需的计算量，优选地，在步骤S204中还可以获取经过失效树模型化简后的照明系统中多个子系统在第一时间段的失效机率。本实施例中，为了使不同使用者能够获取各数学模型中更多新的资料或算法，可以将本装置和云端资料库连接，优选地，在步骤S204中还可以获取来自互联网的贝叶斯网络模型，同理，在步骤S206中，还可以获取来自互联网的马尔可夫链模型。从以上的描述中，可以看出，本发明实施例可以准确测得照明系统的失效机率。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。显然，本领域的技术人员应该明白，上述的本发明的各�？榛蚋鞑街杩梢杂猛ㄓ玫募扑阕爸美词迪郑�它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路�？椋�或者将它们中的多个模块或步骤制作成单个集成电路�？槔词迪�。这样，本发明不限制于任何特定的硬件和软件结合。以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
权利要求
1.一种照明系统失效机率的检测方法，其特征在于，包括获取照明系统中多个子系统在第一时间段的失效机率；根据所述多个子系统在所述第一时间段的失效机率确定所述照明系统在所述第一时间段的失效机率；根据所述照明系统中多个子系统在所述第一时间段的失效机率确定所述照明系统中多个子系统在第二时间段的失效机率，其中，所述第二时间段的起始时刻为所述第一时间段的终止时刻；根据所述多个子系统在所述第二时间段的失效机率确定所述照明系统在所述第二时间段的失效机率；以及根据所述照明系统在所述第一时间段的失效机率和所述照明系统在所述第二时间段的失效机率确定所述照明系统的失效机率。
2.根据权利要求I所述的方法，其特征在于，根据所述多个子系统在所述第一时间段的失效机率确定所述照明系统在所述第一时间段的失效机率包括获取贝叶斯网络模型；向所述贝叶斯网络模型发送所述多个子系统在所述第一时间段的失效机率；获取由所述贝叶斯网络模型确定的所述照明系统在所述第一时间段的失效机率。
3.根据权利要求2所述的方法，其特征在于，在确定所述照明系统的失效机率之后，所述方法还包括确定失效的子系统，其中，在所述贝叶斯网络模型中包括所述照明系统的失效机率与失效的子系统之间的对应关系。
4.根据权利要求2所述的方法其特征在于，根据所述照明系统中多个子系统在所述第一时间段的失效机率确定所述照明系统中多个子系统在第二时间段的失效机率包括获取马尔可夫链模型；向所述马尔可夫链模型发送所述多个子系统在所述第一时间段的失效机率；获取由所述马尔可夫链模型确定的所述照明系统中多个子系统在第二时间段的失效机率。
5.根据权利要求4所述的方法，其特征在于，获取照明系统中多个子系统在第一时间段的失效机率包括获取经过失效树模型化简后的照明系统中多个子系统在第一时间段的失效机率。
6.根据权利要求5所述的方法，其特征在于，获取贝叶斯网络模型包括获取来自互联网的贝叶斯网络模型，获取马尔可夫链模型包括获取来自互联网的马尔可夫链模型。
7.一种照明系统失效机率的检测装置，其特征在于，包括获取单元，用于获取照明系统中多个子系统在第一时间段的失效机率；第一确定单元，用于根据所述多个子系统在所述第一时间段的失效机率确定所述照明系统在所述第一时间段的失效机率；第二确定单元，用于根据所述照明系统中多个子系统在所述第一时间段的失效机率确定所述照明系统中多个子系统在第二时间段的失效机率，其中，所述第二时间段的起始时刻为所述第一时间段的终止时刻；第三确定单元，用于根据所述多个子系统在所述第二时间段的失效机率确定所述照明系统在所述第二时间段的失效机率；以及第四确定单元，用于根据所述照明系统在所述第一时间段的失效机率和所述照明系统在所述第二时间段的失效机率确定所述照明系统的失效机率。
8.根据权利要求7所述的装置，其特征在于，所述第一确定单元包括第一获取子单元，用于获取贝叶斯网络模型；第一发送子单元，用于向所述贝叶斯网络模型发送所述多个子系统在所述第一时间段的失效机率；第二获取子单元，用于获取由所述贝叶斯网络模型确定的所述照明系统在所述第一时间段的失效机率。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括第五确定单元，用于确定失效的子系统，其中，在所述贝叶斯网络模型中包括所述照明系统的失效机率与失效的子系统之间的对应关系。
10.根据权利要求8所述的装置，其特征在于，所述第二确定单元包括第三获取子单元，用于获取马尔可夫链模型；第二发送子单元，用于向所述马尔可夫链模型发送所述多个子系统在所述第一时间段的失效机率；第四获取子单元，用于获取由所述马尔可夫链模型确定的所述照明系统中多个子系统在第二时间段的失效机率。
11.根据权利要求10所述的装置，其特征在于，所述获取单元还用于获取经过失效树模型化简后的照明系统中多个子系统在第一时间段的失效机率。
12.根据权利要求11所述的装置，其特征在于，所述第一获取子单元还用于获取来自互联网的贝叶斯网络模型，所述第三获取子单元还用于获取来自互联网的马尔可夫链模型。
全文摘要
本发明公开了一种照明系统失效机率的检测方法及装置，该照明系统失效机率的检测方法包括获取照明系统中多个子系统在第一时间段的失效机率；根据多个子系统在第一时间段的失效机率确定照明系统在第一时间段的失效机率；根据照明系统中多个子系统在第一时间段的失效机率确定照明系统中多个子系统在第二时间段的失效机率；根据多个子系统在第二时间段的失效机率确定照明系统在第二时间段的失效机率；以及根据照明系统在第一时间段的失效机率和照明系统在第二时间段的失效机率确定照明系统的失效机率。通过本发明，可以更准确地了解照明系统的性能。
文档编号G01R31/44GK102982241SQ201210492618
公开日2013年3月20日 申请日期2012年11月27日 优先权日2012年11月27日
发明者许绍伟, 樊学军, 王之英, 孙博, 袁长安 申请人:北京半导体照明科技促进中心