TWI476398B - Correction Method of Water Heat and Heat Transfer Coefficient - Google Patents

Description

水冷熱傳係數修正方法

本發明是有關於一種修正方法，特別是指一種水冷熱傳係數修正方法。

為達成機性要求，及減少合金添加，愈來愈多的鋼鐵廠在熱加工後，透過各型的冷卻設備將產品快速冷卻到設定的溫度範圍。而溫降過程控制的精確與否，便成為產品品質穩定的主要條件之一，要能精確的控制溫降，方法之一就是設法準確地計算冷卻水的熱傳係數。

冷卻水在高溫表面的熱傳係數已有許多相關研究提出不同的計算方法，如以水流速度、水量、表面溫度及尺寸等，做為計算時的參數。Shimoi等人的研究中，可利用查表的方式，使用水量密度及鋼板表面溫度找出對應的熱傳係數。然而，這樣的方法並未包含表面品質的資訊，因此，在生產過程中，當表面品質變異時，控制系統對於水冷能力的估算上會產生誤差而影響製程的穩定。

因此，本發明之目的，即在提供一種水冷熱傳係數修正方法。

於是本發明水冷熱傳係數修正方法，適用於一 高溫表面，及一影像擷取裝置，包含一影像取得步驟、一特徵組取出步驟、一修正值運算步驟，及一熱傳係數運算步驟。

該影像取得步驟，利用該影像擷取裝置取得該高溫表面之一影像。

該特徵組取出步驟，取出該影像中一對應該高溫表面之品質的特徵組。

該修正值運算步驟，根據該特徵組得到一修正值。

該熱傳係數運算步驟，利用該修正值將一水冷熱傳係數理論值修正為一修正後水冷熱傳係數。

1‧‧‧影像擷取裝置

2‧‧‧後端主機

3‧‧‧鋼材

4‧‧‧輸送帶

5‧‧‧分類器

6‧‧‧水冷區

S1‧‧‧影像取得步驟

S2‧‧‧特徵組取出步驟

S3‧‧‧修正值運算步驟

S4‧‧‧熱傳係數運算步驟

本發明之其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中：圖1是一示意圖，說明本發明中一影像擷取裝置、一鋼材，及一後端主機的相關位置；圖2是一流程圖，說明本發明水冷熱傳係數修正方法的步驟流程；圖3是一示意圖，說明一物件個數、一物件平均面積，及一物件平均輪廓長度的計算方法；圖4是一示意圖，說明一水冷熱傳係數理論值；及圖5是一示意圖，說明一類神經網路。

在本發明被詳細描述之前，應當注意在以下的 說明內容中，類似的元件是以相同的編號來表示。

參閱圖1與圖2，本發明水冷熱傳係數修正方法的第一較佳實施例，適用於一藉由輸送帶4將要送入水冷區6的鋼材3的高溫表面、一設置於水冷區6前的影像擷取裝置1，及一與該影像擷取裝置1連接的後端主機2。該水冷熱傳係數修正方法包含一影像取得步驟S1、一特徵組取出步驟S2、一修正值運算步驟S3，及一熱傳係數運算步驟S4。

在該影像取得步驟S1中，利用該影像擷取裝置1取得該鋼材3的高溫表面之一影像，並傳送至後端主機2。

在該特徵組取出步驟S2中，後端主機2之處理器(圖未示)取出該影像中一對應該高溫表面之品質的特徵組。此時，先將該影像中的多個像素各別對應至一灰階值，若該灰階值大於一閾值時，將該灰階值設為0，否則設為1，因而能由具有不同灰階值像素的分界定義出多個封閉物件。如此一來，藉由後端主機2的處理器，該影像會被轉換為一包括多個封閉物件的二值化影像。接著，再根據該等封閉物件計算出一包括一物件個數、一物件平均面積及一物件平均輪廓長度的特徵組。

物件個數、物件平均面積，及物件平均輪廓長度計算方法

參閱圖2及圖3，特徵組中，該物件個數為該 二值化影像中該等封閉物件的個數。該物件平均面積為該二值化影像中該等封閉物件面積的平均值。而物件平均輪廓長度為該二值化影像中該等封閉物件周長的平均值。

以一個6乘6的影像為例，計算方法如下。先由該影像的左上角開始，由上而下，然後由左而右搜尋，當搜尋到灰階值為1時，則將此像素標示為a，然後記錄此為一搜尋起點，然後繼續往四面八方檢查相鄰像素，如果灰階值為1，則標示同樣的符號，直到搜尋到像素灰階值為0或者已經標示過符號，則停止搜尋，並且由剛才記錄之搜尋起點的下一像素開始搜尋，搜尋到灰階值為1的像素標為另一個不同的符號，如b，重覆前述過程，直到搜尋至影像右下角為止。然後，檢查總共使用了多少種不同的符號，便可以得到物件個數。本例中共有a、b、c、d共四種符號，故物件個數為4。

而物件平均面積及物件平均輪廓長度的計算，以上述標示為a的封閉物件為例，只須由影像左上角開始，先由上而下，然後由左而右至影像右下角，計算標示為a的像素數目，及各別計算標示為其他符號的像素數目，然後加總再除以物件個數，即為物件平均面積。以本例而言，物件a至d分別各占3、5、3、1個像素，因此在本較佳實施例中，其平均面積即為(3+5+3+1)/4=3。

然後，各別計算出所有被標示的符號對應的封閉物件的周長，然後加總再除以物件個數，即為物件平均輪廓長度。首先取得輪廓長度方法則依據物件影像之座標 點。如圖3所示，假設物件輪廓上共有N_k 個點，其中第i個點座標為(x_i ,y_i )。然後，影像物件輪廓長度可依C_k 計算，其中%符號表相除後取餘數，例如(N_k +1)%N_k 為1，以物件b為例，共有5個像素，座標位置分別為(3,4)、(4,5)、(4,6)、(3,5)及(2,5)，其中(3,4)、(4,5)的距離為1.4(取至小數第一位)，各像素之間的距離如下表所示。

當完成所有物件之輪廓計算後，依據物件個數，取其算術平均值，作為平均輪廓長度的大小。本例中，四個物件的輪廓長度分別為3.4、6.2、3.4及0，物件平均輪廓長度為3.25。

接著，在該修正值運算步驟S3中，根據該特徵組得到一修正值。此時，使用一迴歸分析方法由該特徵 組得到該修正值。在本較佳實施例中，使用一次線性迴歸方法，迴歸方程式的形式為S =w ₁ n +w ₂ a +w ₃ c ，其中n為已知物件個數，a為已知物件平均面積，c為已知物件平均輪廓長度，S為已知修正值。

為了求得較佳的迴歸分析結果，先將所有已知資料進行正規化，經過正規化之資料，亦為迴歸分析方法之訓練資料，如下表所示：

接著，利用最小平方法，求得w1、w2、w3分別為0.41、0.006及0.117。再將特徵組中的物件個數、物件平均面積及物件平均輪廓長度分別代入S =w ₁ n +w ₂ a +w ₃ c 中，可以得到一S值，此時的S值即為對應該特徵組的修正值。

值得一提的是，該迴歸分析方法不限於一次線性迴歸，也可以是二次線性迴歸，或者是更高次的線性迴歸。以二次線性迴歸計算時，迴歸方程式形式為S =w ₁ n +w ₂ a +w ₃ c +w ₄ na +w ₅ ac +w ₆ nc +w ₇ nn +w ₈ aa +w ₉ cc ，在代入n、a、c，及S後，可以得到w1、w2、w3、w4、w5、w6、w7、w8、w9分別為0.056、0.059、-0.009、0.002、0.014、0.005、0.008、0.007、0.003。同樣地，再將特徵組中的物件個數、物件平均面積及物件平均輪廓長度分別代入迴歸方程式後，可以得到S值，即為修正值。此時的修正值將與訓練資料更為相關。

然後，參閱圖2及圖4，在熱傳係數運算步驟S4時，利用該修正值將一水冷熱傳係數理論值修正為一修正後水冷熱傳係數。此時，先根據Shimoi等人的方法查表(見圖4)得到水冷熱傳係數理論值，接著將由迴歸分析 方法得到的修正值乘上水冷熱傳係數理論值，以得到該修正後水冷熱傳係數。舉例來說，當表面溫度為350℃時，水量密度為0.8 m³ /m² /min的水，查表後可以得到水冷熱傳係數理論值為7000 W/m² /K。假設在該修正值運算步驟S3中得到的修正值為0.95時，修正後水冷熱傳係數為6650 W/m² /K。以上為本發明之第一較佳實施例。

參閱圖2及圖5，本發明水冷熱傳係數修正方法的第二較佳實施例，其與第一較佳實施的不同點在於，在該修正值運算步驟S3中，使用一分類方法由該特徵組得到該修正值。此時，後端主機2(見圖1)的處理器中載有一經過訓練的分類器5，該分類器5為一電腦程式產品，在載入該處理器後可以達到所述之功能，且用以訓練的資料即為本發明之第一實施例中的經過正規化的資料。在本較佳實施例中，分類器5以類神經網路實施。

該分類器5具有輸入層、隱藏層，及輸出層，每一層包括多個節點。本較佳實施例中，由於特徵組中包括物件個數、物件平均面積及物件平均輪廓長度共三個特徵值，故輸入層中有三個節點。而輸出層，由0.90至2.00，每0.01間隔對應一節點。

實行分類方法時，將該特徵組取出步驟S2中所得到的物件個數、物件平均面積及物件平均輪廓長度，對應地輸入該輸入層的三個節點中，經過隱藏層，最後輸出層中對應分類結果的節點會輸出1。假設對應0.95的節點輸出1時，該修正值即為0.95。

值得一提的是，該分類器5不以各式類神經網路為限，也可以是支援向量機(Support Vector Machine，SVM)。該輸出層中節點的設計也不以間隔為0.01為限，可視實際狀況增加或減少。

綜上所述，本發明由擷取到的影像中取出特徵組，再配合迴歸分析方法或分類方法，修正查表所得到的水冷熱傳係數理論值，故確實能達成本發明之目的。

惟以上所述者，僅為本發明之較佳實施例而已，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。

S1‧‧‧影像取得步驟

S2‧‧‧特徵組取出步驟

S3‧‧‧修正值運算步驟

S4‧‧‧熱傳係數運算步驟

Claims (4)

1. 一種水冷熱傳係數修正方法，適用於一高溫表面，及一影像擷取裝置，包含以下步驟：一影像取得步驟，利用該影像擷取裝置取得該高溫表面之一影像；一特徵組取出步驟，取出該影像中一對應該高溫表面之品質的特徵組，其中，先將該影像轉換為一包括多個封閉物件的二值化影像，再根據該等封閉物件計算出該特徵組，其中在將該影像轉換為該二值化影像的過程中，先將該影像中的多個像素各別對應至一灰階值，若該灰階值大於一閾值時，將該灰階值設為0，否則設為1，因而能由具有不同灰階值像素的分界定義出該等封閉物件，其中該特徵組包括一物件個數、一物件平均面積及一物件平均輪廓長度；一修正值運算步驟，根據該特徵組得到一修正值；及一熱傳係數運算步驟，利用該修正值將一水冷熱傳係數理論值修正為一修正後水冷熱傳係數。
2. 如請求項1所述的水冷熱傳係數修正方法，其中在該修正值運算步驟中，使用一迴歸分析方法由該特徵組得到該修正值。
3. 如請求項1所述的水冷熱傳係數修正方法，其中在該修正值運算步驟中，使用一分類方法由該特徵組得到該修正值。
4. 如請求項1所述的水冷熱傳係數修正方法，其中在該熱傳係數運算步驟中，是將該水冷熱傳係數理論值乘上該修正值，以得到該修正後水冷熱傳係數。