Accurate chromatic control and color rendering optimization in LED lighting systems using junction temperature feedback
Notice bibliographique
Résumé
Accurate color control of LED lighting systems is a challenging task: noticeable chromaticity shifts are commonly observed in mixed-color and phosphor converted LEDs due to intensity dimming. Furthermore, the emitted color varies with the LED temperature. We present a novel color control method for tri-chromatic and tetra-chromatic LEDs, which enable to set and maintain the LED emission at a target color, or combination of correlated color temperature (CCT) and intensity. The LED color point is maintained over variations in the LED junctions’ temperatures and intensity dimming levels. The method does not require color feedback sensors, so to minimize system complexity and cost, but relies on estimation of the LED junctions’ temperatures from the junction voltages. If operated with tetra-chromatic LEDs, the method allows meeting an additional optimization criterion: for example, the maximization of a color rendering metric like the Color Rendering Index (CRI) or the Color Quality Scale (CQS), thus providing a high quality and clarity of colors on the surface illuminated by the LED. We demonstrate the control of a RGBW LED at target D65 white point with CIELAB color difference metric triangle;a,bE < 1 for simultaneous variations of flux from approximately 30 lm to 100 lm and LED heat sink temperature from 25°C to 58°C. In the same conditions, we demonstrate a CCT error <1%. Furthermore, the method allows varying the LED CCT from 5500K to 8000K while maintaining luminance within 1% of target. Further work is ongoing to evaluate the stability of the method over LED aging.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».