随着时代的进步和科学技术的发展，人们对能源的需要也日益增加，同时加上经济危机和全球范围内的能源短缺和环境污染等问题，合理的开发，减少浪费，提高能源的利用，寻找新的节能环保技术成为各国的主流思想。发光二极管(light emitting diode，LED)作为新一代绿色照明光源以其光效高寿命长、体积小，质量轻、辐射低、功耗低和绿色节能等优点获得广泛关注。LED是基于电致发光原理的固态冷光源，光电转换率是传统照明光源的十倍，已经成为当前最理想的绿色光源。但是由于半导体光电技术的制约，LED的发光效率很低，大量的电能转换成热量不能及时散去，影响LED的发光性能和使用寿命，因此对结点温度进行准确控制是提升LED光效的有效途径。本文在对LED照明技术发展和现状研究的基础上，介绍了神经网络辨识原理及LED光源的优点，为课题的进一步研究提供理论支持，从LED光电热特性着手分析，重点介绍了LED的热学特性、结点温度及其测量方法。建立了大功率LED照明灯具的物理模型，得出所需辨识模型的系统框图。搭建了120W大功率照明灯具系统试验平台进行输入功率和结温测量实验，分析了输入功率和结温之间的关系，为系统辨识提供数据支持。重点建立了大功率LED照明系统的输入输出BP网络模型，利用网络辨识算法对输入输出变量进行系统辨识，得出结温和功率的网络模型，测试网络性能；利用基于遗传算子改进粒子群算法优化BP网络，对试验数据进行系统辨识和仿真结果分析，得出了优化后的输入输出网络模型，进行网络测试，验证了模型的精确度和可靠性，将两种算法的网络模型仿真结果进行比较，得出了优化后的网络模型的精确度更高，网络性能更加稳定。研究结果可为建立LED照明灯具的反馈控制系统提供理论依据，具有实际意义。