近年来,随着LED器件的密集化和小型化,单位容积器件的发热量迅速增大,对装置的可靠性造成了极大威胁。研究表明,当温度超过一定值时,LED器件的失效率将呈指数规律上升。因此,如何提高散热性能是大功率LED路灯实现产业化亟待解决的关键技术之一。为此,各个产家和研发机构都采取了不同散热方式来解决,但总存在着热沉级数过多、热阻过大的问题。本论文将振荡热管应用于散热器上,并对其结构进行优化,将优化后的散热器安装在LED基板上,在实验台架上测试散热效果,采集温度信号,同时利用人工智能技术对大功率LED路灯温度信号进行了预测,对其散热性能进行评价,本文所作的主要工作如下：1)采用灰色关联分析方法对实验测得的铜-水闭合回路振荡热管传热性能与充液率、倾斜角、热量输入,弯道数目,热管内径的相互关系进行关联分析处理,确定了影响因子之间的主次关系,进而根据影响传热功率的主要因子和散热器底座的尺寸选取传热性能最好的振荡热管。2)运用多场协同原理,通过在Fluent软件中进行仿真计算分析,对翅片热管透气孔复合散热器结构进行优化,取优化后的翅片热管透气孔复合散热器与其他四种典型的散热器对比场协同效果。3)建立大功率LED路灯温度信号采集的实验系统,并且将所采集到的数据信号进行了去噪声处理,具体使用的是经验模态分解和Hilbert结合方法去噪。4)利用支持向量机和神经网络建立大功率LED路灯温度信号时间序列预测模型,并用遗传算法优化支持向量机参数,以提高预测模型的精度,通过比较,得到遗传优化支持向量机算法的预测精度最佳。