-
视觉参数包括[14-15]辐射发光效率LER、蓝光危害效率
$ {\eta }_{B} $ 、显色指数$ {R}_{a} $ 、相关色温CCT和照度E,非视觉参数包括昼夜节律因子$ {C}_{AF} $ 、昼夜节律刺激CS。昼夜节律因子$ {C}_{AF} $ 的计算见公式(8):式中:
$ P(\lambda ,I,T) $ 为光源在电流I、温度T下光谱功率的叠加;$ C(\lambda ) $ 为非视觉光谱响应曲线;$ V(\lambda ) $ 为明视觉光谱响应曲线。昼夜节律刺激CS值可由公式(9)来计算:式中:
$ C{L_A} $ 为生理节律光照,1548是归一化常数;$ {E_\lambda } $ 为光谱辐照度分布;$ {S_\lambda } $ 为S型视锥细胞光谱灵敏度曲线;$ m{p_\lambda } $ 是黄斑色素透射率曲线;$ {V_\lambda } $ 和$ {V_\lambda }^, $ 分别代表明视觉以及暗视觉的光谱响应曲线;$RodS at、 k、 {a}_{b-y}$ 和$ {a}_{rod} $ 为常数,分别为6.5 W/${\rm{m}}^{2}$ 、0.2616、0.7和3.3。辐射发光效率LER和照度E的计算如下:
$ {\mathrm{式}\mathrm{中}:K}_{m} $ 表示光源最大光通量,为683 lm/W。为了设计既有较高
$ {C_{AF}} $ 又有较高LER的照明系统,需对两参数折衷处理。根据国际照明委员会CIE对办公室环境的参数要求,照度设为300 lx,显色指数$ {R}_{a} $ 大于90。考虑到现实环境因素会阻碍CS传递到人眼,将CS值设置为0.3~0.4之间,蓝光危害效率$ {\eta }_{B} $ 控制在0.3以下,在2500~8000 K色温下寻求满足上述条件的照明方案。采用遗传算法对$ {C_{AF}} $ 和LER进行多目标优化,为了消除量纲的影响,把$ {C_{AF}} $ 和LER归一化处理, 通过Matlab仿真得出$ {C_{AF}} $ 在限制下最大值和最小值分别为1.1647和0.1963;LER最大值和最小值分别为368 lm/W和265 lm/W。优化的方程如下,以四路占空比大小作为未知量$ {D_r},{D_g},{D_b},{D_y} $ :求
$ {C_{AF}} $ 和LER的Pareto解集时,最优前端个体系数ParetoFraction取0.08,种群大小PopulationSize取100,最大遗传代数Generations设置为500代,停止代数StallGenLimit为500代,适应度函数偏差TolFun设为$ 1{e}^{-100} $ ,得到的8个照明系统方案如表1所示。由表1可知,照度为300 lx时,照明方案的色温分布在2855~7628 K,节律刺激值CS随色温的变化曲线如图5所示, CS在2800~3500 K、4000~8000 K时随色温增加而变大,在3500~4000 K呈现急剧下降的趋势,这是因为
$ {CL}_{A} $ 和色温有公式(9)的关系,而CS和$ {CL}_{A} $ 呈正相关。要想维持CS值在0.3~0.4之间,色温的可选空间较大。No. CCT/K CAF CS LER/lm·W−1 Ra ηB 1 2855 0.2223 0.3008 360 90 0.0483 2 3131 0.2514 0.3107 355 90 0.1005 3 3532 0.3063 0.3306 347 90 0.1432 4 4000 0.3896 0.3016 340 91 0.1648 5 4986 0.5783 0.3344 326 91 0.2097 6 5932 0.7603 0.3661 304 91 0.2305 7 6661 0.8641 0.3897 283 92 0.2482 8 7628 1.0192 0.3986 278 92 0.2837 Table 1. Calculated values of the parameters of the eight groups of optimal solutions
-
为验证该光谱模型的准确性,测试这8种方案下各路电流值(见表2),再改变灯珠温度,将各方案实测值和模型值进行比较。8种方案是按照色温的大小来排列的,即按照昼夜节律因子
$ {C_{AF}} $ 的大小排列,方案8的色温最高,即方案8对人体的非视觉效应影响最大。由于是在2500~8000 K色温内的寻优,所以这8种方案可以代表限制条件下的最佳方案。No. Ir/mA Ig/mA Ib/mA Iy/mA 1 227 28 7 324 2 183 48 12 317 3 140 83 26 309 4 119 136 54 301 5 71 169 113 231 6 63 170 178 233 7 64 174 204 218 8 73 106 238 212 Table 2. Measured four current values under each scheme
由于目前常用的照明光源为D50和D65,而方案5和方案7的色温分别最接近D50和D65,以方案5和方案7为例,分析实测光谱和模型光谱的拟合情况,如图6所示。
从拟合效果看,两个方案均能准确反映实际光谱。为了更精确地体现模型和实测光谱的差距,表3计算了8种方案各参数指标的误差,并标明了最大误差时的温度。由于SPIC-200可以直接测出相关色温CCT、显色指数
$ {R}_{a} $ 、照度E,但辐射发光效率LER、昼夜节律因子$ {C}_{AF} $ 等参数无法直接测出,对于无法直接测得的参数,通过SPIC-200测量出实际的光谱,再根据公式(10)计算得出。No. CCT/K CAF CS LER/lm·W−1 Ra ηB 1 3.84% (45 ℃) 2.98% (75 ℃) 3.07% (120 ℃) 5.03% (105 ℃) 4.81% (105 ℃) 2.91% (120 ℃) 2 4.94% (90 ℃) 3.61% (90 ℃) 2.16% (105 ℃) 4.78% (60 ℃) 3.26% (120 ℃) 4.18% (65 ℃) 3 4.56% (105 ℃) 3.98% (45 ℃) 3.89% (105 ℃) 5.21% (120 ℃) 3.96% (60 ℃) 5.06% (105 ℃) 4 2.57% (75 ℃) 3.85% (60 ℃) 5.08% (90 ℃) 6.89% (120 ℃) 4.68% (75 ℃) 5.68% (120 ℃) 5 5.66% (120 ℃) 5.76% (90 ℃) 4.93% (105 ℃) 5.82% (60 ℃) 4.98% (105 ℃) 4.82% (90 ℃) 6 3.89% (105 ℃) 2.68% (75 ℃) 5.31% (60 ℃) 4.78% (60 ℃) 5.96% (75 ℃) 5.41% (90 ℃) 7 6.94% (120 ℃) 5.33% (30 ℃) 2.85% (75 ℃) 6.74% (90 ℃) 6.12% (105 ℃) 3.56% (45 ℃) 8 6.57% (30 ℃) 7.06% (120 ℃) 5.97% (105 ℃) 5.87% (60 ℃) 5.96% (30 ℃) 6.78% (90 ℃) Table 3. Comparison of measured values and model values of the parameters of each scheme
表3中,模型和实测参数的绝对误差最大为7.06%,说明该模型能较好拟合实际光谱。初始照度为300 lx,但随着LED温度的升高,E逐渐衰减。图7给出了照度E和温度T的拟合曲线,两者呈线性负相关,
$ {R}^{2} $ 为0.9869。不同方案参数的最大误差值有差别,影响参数误差的因素为LED的结温差、热耦合效应等。驱动LED芯片时,连续波电流会使LED因热效应进而结温上升,影响实验结果,在实验中采用脉冲电流驱动LED发光,并且仅在测量光谱的一瞬间闭合开关,最大限度减小LED的结温差对实验数据的影响。由于四路LED芯片之间最小的距离为19 mm左右,热耦合效应很微弱,对实验影响极小。整个实验的温度调节是通过恒温加热平台V-0505实现的,尽管将温度从30°~120°进行了等分,但温度随时间的变化并非是均匀的,因此需要考虑梯度温度的影响。该实验的温度仅受时间影响,所以在一维状态下,梯度温度可看成是温度的变化率。经过测量可知,温度从30°升到120°需要18 min,以1 min为间隔,通过红外线测温仪来测量实验平台的实时温度,绘制出温度随时间的变化曲线见图8。
由图8可以看出,加热过程中,温度的变化率逐渐衰减,12 min之后,温度几乎平稳。说明在刚开始时,光源的非视觉参数变化速率较快,随着温度的逐渐平稳,非视觉参数也增加到最大,趋于平稳。
以方案1、5、8为例,两种非视觉参数随温度的变化见图9,可以看出:温度升高,
$ {C}_{AF} $ 值逐渐增加,CS值逐渐减小。当从30 ℃上升到120 ℃时,方案1的$ {C}_{AF} $ 从0.2223增至0.2459,CS从0.3008减至0.2597;方案5的$ {C}_{AF} $ 由0.5783上升到0.6701,CS从0.3344减少到0.2998;方案8的$ {C}_{AF} $ 值由1.0192上升到1.0902,CS从0.3986减少到0.3657。随着温度变化,蓝光占比逐渐增加,非视觉效应增强,但
$ {C}_{AF} $ 和CS的计算受照度影响不同,说明二者在描述非视觉效应时存在一些差异。为消除照度的影响,对光谱进行照度补偿,使照度恒定在300 lx,通过电流、温度模型计算当前光谱分布,补偿公式如下:式中:
${D_{{r}}},{D_{{g}}},{D_{{b}}},{D_{{y}}}$ 为温度T下补偿占空比;${P_{{I,T}}}{\left( \lambda \right)}$ 、${P_{{{{I}}_0},{{{T}}_0}}}{\left( \lambda \right) }$ 指电流I、温度T和初始电流I0;温度T0下光源的光谱;${C_{{{{A}}{{F}}}_{{I,T}}}}$ 、${C_{{{{A}}{{F}}}_{{{I}_0,{{T}}_0}}}}$ 为电流I、温度T和初始电流I0,温度T0下昼夜节律因子;${\text{CS}_{{I,T}}}$ 、${\text{CS}_{{{{{I}}_0}},{{{T}_0}}}}$ 为电流I、温度T和初始电流${{{I}}_0}$ ,温度${{{T}}_0}$ 下昼夜节律刺激;$({x_{{I,T}}},{y_{{I,T}}})$ 、$({x_{{{{I}}_0}{\text{,}}{{{T}}_0}}},{y_{{{{I}}_0},{{{T}}_0}}})$ 为电流I、温度T和初始电流I0,温度T0下的色坐标;$ {k_1},{k_2},{k_3},{k_4},{k_5} $ 为各项的权重。昼夜节律因子$ {C}_{AF} $ 和昼夜节律刺激CS作为两种衡量光的非视觉效应的变量,理应随温度的变化呈现相同的趋势。但在补偿前发现二者随温度的变化趋势截然相反,是因温度升高后有物理量的变化,导致二者趋势不同。经分析发现照度受温度的影响很大,于是决定用PWM调光补偿照度,其采用高频率的周期数字脉冲驱动光源,通过改变周期脉冲内有效电平脉宽的宽度来调整输出的有效电流,从而调节光源参数。PWM调光补偿的响应速度更快,光源控制精度更高,可控性更强,是照明调光领域中的优选方式。补偿后照度始终维持在300 lx,其余的光源参数尽可能地接近补偿前,从而得到合理的补偿方案。补偿后的非视觉参数随温度的变化趋势如图10所示。Figure 10. Temperature-dependent variation curve of non-visual parameters of schemes 1, 5, and 8 after compensation
补偿后,随着温度升高,CAF的增大趋势略微减缓,CS由下降变为上升。方案1的CAF从0.2223逐渐增加到0.2405,CS的值从0.3008增到0.3204;方案5的CAF从0.5783增加到0.6522,CS的值从0.3344增加到0.3637;方案8的CAF从0.5783逐渐增加到0.6522,CS的值从0.3344增加到0.3637。CAF和CS均随温度升高而增大,且二者表现出一定的正相关性。
Research on lighting system based on LED current and temperature spectrum model
doi: 10.3788/IRLA20210727
- Received Date: 2022-01-12
- Rev Recd Date: 2022-03-05
- Publish Date: 2022-08-05
-
Key words:
- current and temperature spectrum model /
- circadian rhythm stimulation /
- genetic algorithm /
- lighting scheme design
Abstract: Changes in current and temperature can affect the spectral distribution of the LED, which in turn affects the visual and non-visual parameters of the light source. In this paper, starting from the spectral model based on the distribution of photon energy levels in the LED chip luminescent material, the current and temperature model was established for the RGBY four-color LED. The R-square of the spectral fitting could reach 0.99. On this basis, the genetic algorithm (GA) was used to optimize the circadian rhythm factor and luminous efficiency with multiple objectives. When the illuminance was 300 lx, 8 sets of visual parameters (color rendering index and blue light hazard efficiency) and non-visual parameters ( circadian rhythm stimulus) were designed to verify the feasibility of this model. Then, the relationship between two non visual parameters and temperature was explored. The results show that the circadian rhythm factors increased with the increase of temperature, but the circadian rhythm stimulus decreased with the increase of temperature. The reason for this situation was that the two parameters were differently affected by the illuminance. After compensating the illuminance of the light source, it was found that the two non-visual parameters both increased with the increase of temperature, and the two showed a certain positive correlation. This research started from the perspective of the light source spectrum and provided a reference for the consideration of non-visual effects in the design of LED lighting sources.