TWI780913B - 可不斷改善風扇評估邏輯之方法及使用該方法之風扇評估裝置 - Google Patents

Abstract

一種可不斷改善風扇評估邏輯之方法，可於一風扇評估裝置上使用，該方法主要先備置一風扇，該風扇係對應一組參數，以及將該風扇安裝於一風洞裝置。接著再以該電腦執行一評估邏輯，將該組參數轉換出一評估壓力流量曲線，以及藉由該風洞裝置量測該風扇運轉狀態而得到一實測壓力流量曲線。再以該電腦執行一修正邏輯來修正該評估邏輯，而得到一修正評估邏輯。以該修正評估邏輯取代該評估邏輯。最後再重覆上述步驟，每次重覆時所備置的風扇係相同或不同於前次所備置的風扇。

Description

可不斷改善風扇評估邏輯之方法及使用該方法之風扇評估裝置

本發明係與風扇性能的評估技術有關，特別是指一種可不斷改善風扇評估邏輯之方法及使用該方法之風扇評估裝置。

目前已知的風扇設計技術，以使用於電腦之中央處理單元(CPU)之風扇為例，設計者大多使用既有的成品，以該成品風扇的風扇直徑、轉速、葉片數量，角度，扇葉高度等參數的數值為主，再依據自己的需求來調整這些參數的數值，以使所設計出來的風扇能適用於所需要的場合。前述的風扇直徑、轉速、葉片數量，角度，扇葉高度等參數乃是主要的參數，其他還可以視需求再加上其他參數，例如扇葉翼形、葉片根部弦長、葉片末端弦長、安裝角、扭轉角、輪轂外徑、葉頂間隙之參數數值。

在設計者依其需求調整上述參數的數值之後，即需要依其參數實際製造產品出來，並安裝在風洞裝置上進行檢測，而以實際量測到的壓力流量曲線(P-Q Curve)來判斷該風扇的性能。若是性能沒有達到設計者的需求，則設計者往往會不知道在眾多的參數中是哪一個參數扮演關鍵的角色，因此在調整參數時往往無法找到關鍵的參數來進行調整，而需要在試做多個樣品之後才能確定最佳的風扇參數。

目前已知的先前技術的問題在於，目前沒有一個有效的方法來對風扇的各個參數進行推算評估，必須實際製作出來後再進行調整，因此在調整參數上有著相當大的不確定性，而且在調整參數的過程中會製造出多個中間產品，造成人力物力的浪費。

本發明之主要目的即在於提出一種可不斷改善風扇評估邏輯之方法及使用該方法之風扇評估裝置，其可解決前述問題，在設計的階段即可以評估出該風扇的壓力流量曲線，而且隨著設計風扇實測次數的增加，可以不斷的改善評估邏輯，使得評估邏輯對各個風扇所評估出的壓力流量曲線愈為趨近於實質量測到的壓力流量曲線，而可供設計者在不做出實際產品，即可採用該評估出來的壓力流量曲線。

為了達成上述目的，本發明提出一種可不斷改善風扇評估邏輯之方法及使用該方法之風扇評估裝置，包含有下列步驟：A)備置一風扇，該風扇係對應一組參數，該組參數中至少包含扇葉外徑、扇葉內徑以及轉速之數值，且儲存於一電腦中，以及將該風扇安裝於一風洞裝置；B)以該電腦執行一評估邏輯，該評估邏輯被執行時，係以該組參數為基礎轉換出一評估壓力流量曲線，以及藉由該風洞裝置本身所具備之一量測設備來量測該風扇運轉時吹入或吸出該風洞裝置的氣流，進而得到一實測壓力流量曲線，該實測壓力流量曲線係輸入至該電腦；C)以該電腦執行一修正邏輯，依據該實測壓力流量曲線與該評估壓力流量曲線的差異來修正該評估邏輯，而得到一修正評估邏輯，其中，若以該電腦執行該修正評估邏輯對該組參數進行轉換，則所得到的新的評估壓力流量曲線必 然較前述步驟B)所得到的該評估壓力流量曲線更接近該實測壓力流量曲線；D)以該修正評估邏輯取代前述步驟B)中的該評估邏輯；以及E)重覆上述步驟A)至步驟D)，每次重覆時所備置的風扇係相同或不同於前次所備置的風扇。

藉由上述方法，本發明可在設計的階段就能評估出該風扇的壓力流量曲線，而可讓設計者評估其所設計的風扇其性能。而且隨著設計風扇實測次數的增加，本發明還可以不斷的改善評估邏輯，使得評估邏輯對各個風扇所評估出的壓力流量曲線愈為趨近於實質量測到的壓力流量曲線，而可供設計者在不做出實際產品來實測的情況下，即可直接採用該評估出來的壓力流量曲線。

此外，本發明再提出一種風扇評估裝置，亦可以達成上述目的，該風扇評估裝置包含有：一風洞裝置，具有一通氣口，該風洞裝置具有一安裝結構供一風扇安裝於上，且該風扇運轉所驅動的氣流係進入該通氣口或由該通氣口吸出；一量測設備，安裝於該風洞裝置內部；以及一電腦，電性連接於該量測設備，讀取該量測設備所量測到的複數數值，該電腦執行一評估程序，該評估程序包含上述方法中所載之步驟A)至步驟D)。

藉由上述技術特徵，本發明提出之該風扇評估裝置，即可在設計風扇時，在輸入參數之後，就能獲得評估壓力流量曲線，這個評估壓力流量曲線本身即已接近於實際量測的量測壓力流量曲線，而且隨著評估的風扇實測數量愈多，其所評估出來的評估壓力流量曲線即會愈為趨近於實際量測所得的量測壓力流量曲線，亦即，其評估結果會愈來愈準確，而具有相當可靠的參考價值。

10:風扇評估裝置

11:風扇

12:參數

21:電腦

22:評估邏輯

221:訓練程式

222:訓練模型

26:修正邏輯

29:評估程序

31:風洞裝置

32:量測設備

321:感測器

36:通氣口

38:安裝結構

22’:修正評估邏輯

222’:修正訓練模型

41:風扇

42:參數

51:電腦

52:評估邏輯

56:修正邏輯

52’:修正評估邏輯

EPQ:評估壓力流量曲線

MPQ:實測壓力流量曲線

圖1係本發明第一較佳實施例之結構示意圖。

圖2係本發明第一較佳實施例之方塊示意圖。

圖3係本發明第一較佳實施例之另一方塊示意圖。

圖4係本發明第一較佳實施例之動作示意圖。

圖5係本發明第一較佳實施例之另一動作示意圖。

圖6係本發明第一較佳實施例之流程示意圖。

圖7係本發明第一較佳實施例之壓力流量曲線示意圖。

圖8係本發明第二較佳實施例之結構示意圖。

圖9係本發明第二較佳實施例之流程示意圖。以及圖10係本發明第三較佳實施例之結構示意圖。

為了詳細說明本發明之技術特點所在，茲舉以下之較佳實施例並配合圖式說明如後，其中：如圖1至圖7所示，本發明第一較佳實施例所提出之一種可不斷改善風扇評估邏輯之方法，主要具有下列步驟：A)如圖1至圖3所示，備置一風扇11，該風扇11係對應一組參數，該組參數12中至少包含扇葉外徑、扇葉內徑以及轉速之數值，且儲存於一電腦21中，以及將該風扇11安裝於一風洞裝置31。於本實施例中，該風扇11以軸流扇為例，而該組參數12包含扇葉翼形為NACA 4412，葉片根部弦長25mm(毫米)，葉片末端弦長35mm，安裝角32度，扭轉角10度，風扇直徑116mm，輪轂外徑50mm，葉片數目9個，輪轂深度22mm，轉速3000rpm，葉頂間隙2mm，扇框高度25mm。

B)如圖2至圖5所示，以該電腦21執行一評估邏輯22，該評估邏輯22被執行時，係以該組參數12為基礎轉換出一評估壓力流量曲線EPQ，以及藉由該風洞裝置31本身所具備之一量測設備32來量測該風扇11運轉時吹入或吸出該風洞裝置31的氣流，進而得到一實測壓力流量曲線MPQ，該實測壓力流量曲線MPQ係輸入至該電腦21。於本第一實施例中，該評估邏輯22係具有一訓練程式221以及一訓練模型222，該訓練模型222係由該訓練程式221以類神經網路預先對多個風扇11所各自對應的不同組參數12以及前述多個風扇11所各自對應的不同實測壓力流量曲線MPQ進行訓練所完成的。

C)如圖6所示，以該電腦21執行一修正邏輯26，該修正邏輯26係為：依據該實測壓力流量曲線MPQ與該評估壓力流量曲線EPQ的差異來修正該評估邏輯22，而得到一修正評估邏輯22’。其中，若以該電腦21執行該修正評估邏輯22’對該組參數12進行轉換，則所得到的新的評估壓力流量曲線(圖中未示)必然較前述步驟B)所得到的該評估壓力流量曲線EPQ更接近該實測壓力流量曲線MPQ。於本實施例中，該修正邏輯26係為：在該實測壓力流量曲線MPQ與該評估壓力流量曲線EPQ的總和數值差異到達5%以上時，以該訓練程式221將該實測壓力流量曲線MPQ回饋至該訓練模型222並再訓練，而得到一修正訓練模型222’，該修正評估邏輯22’即包含該修正訓練模型222’及該訓練程式221。

D)以該修正評估邏輯22’取代前述步驟B)中的該評估邏輯22。

E)重覆上述步驟A)至步驟D)，每次重覆時所備置的風扇11係相同或不同於前次所備置的風扇11。

圖7即顯示本發明第一較佳實施例的整體流程。

藉由上述步驟，本發明之方法即是先將多個風扇11所對應的各組參數12與實測壓力流量曲線MPQ先以類神經網路進行訓練，因此，所得到的訓練模型222即是一個成熟且趨近於實測壓力流量曲線MPQ的訓練模型222。這個訓練模型222對於新風扇11所對應的參數12所做出的評估壓力流量曲線EPQ，事實上已足以接近於該新風扇11所對應的實測壓力流量曲線MPQ，不過，再經由本發明的上述步驟A)至步驟E)，則還可以不斷的再修正其評估邏輯22，而使本發明之得最後所評估出來的評估壓力流量曲線EPQ更為接近該新風扇11所對應的實測壓力流量曲線MPQ。

由上可知，藉由本發明第一實施例所提供之方法，在風扇11的設計階段即可以評估出該風扇11的評估壓力流量曲線EPQ，而且隨著設計風扇實測次數的增加，可以不斷的以該修正評估邏輯22’來改善該評估邏輯22，使得該評估邏輯22對各個風扇11所評估出的該評估壓力流量曲線EPQ愈為趨近於實質量測到的該實測壓力流量曲線MPQ，設計者可依其需求來決定是否在不製造出實際產品的情況下即採用該評估出來的評估壓力流量曲線EPQ來做為實測壓力流量曲線MPQ。

須補充說明的是，本發明第一實施例中所使用的風扇雖然是以軸流扇為例，然而，本發明並不以軸流扇為限制，其他種風扇例如離心風扇，斜流風扇，橫流扇，亦可以適用於本發明第一實施例所揭露之方法。

如圖8至圖9所示，本發明第二較佳實施例所提出之一種可不斷改善風扇評估邏輯之方法，其技術內容大致上相同於前揭第一實施例，不同之處在於： 在步驟B)中，該評估邏輯52並不是使用類神經網路的技術，而是具有一運算式，該運算式係舉例主要的部分如下列算式：Ps=Pmax*[(Qmax-Q)/Qmax]^0.75

Q=Qmax*(Pmax-Ps)/Pmax

Pmax=ρ*(OD+ID)^2*rpm^2*(A1/A)^2*cos(θ)/4；Qmax=(OD+ID)*rpm*(OD^2-ID^2)*(A/A1)^0.5*sin(θ)/2；其中，OD為扇葉外徑；ID為扇葉內徑；ρ為空氣密度；rpm為轉速；A1為葉片投影面積；A為風扇通道面積；θ為扇葉攻角<45度；Q為流量；Qmax為最大流量；Ps為靜壓；Pmax為最大靜壓。

上述的算式，僅是舉例而已，對所屬技術領域中具有通常知識者而言，對上述算式是能夠直接理解的，而且該運算式也不僅限於上述算式，或也可不是上述算式而改用其他已知的算式來求得該評估壓力流量曲線EPQ。

該電腦51執行該評估邏輯52時，係以該組參數42代入該運算式中運算出該評估壓力流量曲線EPQ，這個運算式係為所屬技術領域人員可以理解者。

在步驟C)中，該修正邏輯56係為：先比對該評估壓力流量曲線EPQ以及該實測壓力流量曲線MPQ，並得到結果為一組近似度數值，於本實施例中，這個比對乃是以最小平方誤差法進行比對。接著再以該組近似度數值來調整該評估邏輯52的該運算式，而得到一修正運算式，該修正評估邏輯52’即包含該修正運算式，該修正運算式係舉例如下列算式：Ps=C1*Pmax*[(Qmax-Q)/Qmax]^0.75；Q=C2*Qmax*(Pmax-Ps)/Pmax； Pmax=C3*ρ*(OD+ID)^2*rpm^2*(A1/A)^2*cos(θ)/4；Qmax=C4*(OD+ID)*rpm*(OD^2-ID^2)*(A/A1)^0.5*sin(θ)/2；其中，C1~C4為修正係數，在決定前述C1~C4的數值時，可以使用現有已知的深度學習的技術，依據該組近似度數值來經過資料探勘、不適當資料剔除、及特徵篩選的過程，進而決定出前述C1~C4的數值。

此外，前述的參數中，Ps,Q,Pmax,Qmax這四個計算式會增加其他特徵影響的計算公式，因此前述的算式的形式也有可能隨實際使用的風扇形式不同而有不同，但是無論使用何種算式，基本上必須至少求得Ps,Q,Pmax,Qmax這四個結果。

在本第二實施例中，雖然不是使用類神經網路的深度學習技術，但也是使用類似機器學習的方式在不斷的修正該評估邏輯52，使得該評估邏輯52可以隨著設計風扇實測次數的增加，來不斷的以該修正評估邏輯52’來改善該評估邏輯52，使得該評估邏輯52對各個風扇41所評估出的該評估壓力流量曲線EPQ愈為趨近於實質量測到的該實測壓力流量曲線MPQ。

本第二實施例之其餘技術特徵及所能達成的功效均概同於前揭第一實施例，容不再予贅述。

如圖10所示，本發明第三較佳實施例提出一種風扇評估裝置10，主要由一風洞裝置31、一量測設備32以及一電腦21所組成，其中：由於本第三實施例係為物之發明，其技術內容與請求項1有高度相關，因此各元件的圖示編號亦概同於前揭第一實施例。於本第三實施例中，該風洞裝置31，具有一通氣口36，該風洞裝置31具有一安裝結構38供一風扇11安裝於上，且該風扇11運轉所驅動的氣流進入該通氣口36。於本第三實施例中，該安 裝結構38係為一夾具。在本實施例中，該通氣口36係以氣流吹入為例說明，但實際上亦可以吸出的方式來實施，並不僅以吹入的方式實施為限制。

該量測設備32，安裝於該風洞裝置31內部。於本第三實施例中，該量測設備32具有複數感測器321，分別安裝於該風洞裝置31內的不同位置，而可以感測到複數數值。

該電腦21，電性連接於該量測設備32(圖中不顯示電性連接之連線)，讀取該量測設備32所量測到的複數數值，該電腦21執行一評估程序29，該評估程序29包含前述第一實施例中所載之步驟A)至步驟D)，亦可將前述第一實施例中的步驟B)及步驟C)改以前述第二實施例中所載之步驟B)及C)取代之。

本第三實施例之操作方式係參照前述第一實施例或第二實施例中所載之方法步驟，因此不再於此贅述。

本第三實施例所能達成之功效係概同於前揭第一實施例，於此容不贅述。

11:風扇

12:參數

22:評估邏輯

26:修正邏輯

32:量測設備

22’:修正評估邏輯

EPQ:評估壓力流量曲線

MPQ:實測壓力流量曲線

Claims (8)

1. 一種可不斷改善風扇評估邏輯之方法，包含有下列步驟：A)備置一風扇，該風扇係對應一組參數，該組參數中至少包含扇葉外徑、扇葉內徑以及轉速之數值，且儲存於一電腦中，以及將該風扇安裝於一風洞裝置；B)以該電腦執行一評估邏輯，該評估邏輯被執行時，係以該組參數為基礎轉換出一評估壓力流量曲線，以及藉由該風洞裝置本身所具備之一量測設備來量測該風扇運轉時吹入或吸出該風洞裝置的氣流，進而得到一實測壓力流量曲線，該實測壓力流量曲線係輸入至該電腦；C)以該電腦執行一修正邏輯，依據該實測壓力流量曲線與該評估壓力流量曲線的差異來修正該評估邏輯，而得到一修正評估邏輯，其中，若以該電腦執行該修正評估邏輯對該組參數進行轉換，則所得到的新的評估壓力流量曲線必然較前述步驟B)所得到的該評估壓力流量曲線更接近該實測壓力流量曲線；以及D)以該修正評估邏輯取代前述步驟B)中的該評估邏輯；E)重覆上述步驟A)至步驟D)，每次重覆時所備置的風扇係相同或不同於前次所備置的風扇。
2. 依據請求項1所述之可不斷改善風扇評估邏輯之方法，其中：於步驟B)中，該評估邏輯係具有一訓練程式以及一訓練模型，該訓練模型係由該訓練程式以類神經網路預先對多個風扇所各自對應的不同組參數以及前述多個風扇所各自對應的不同實測壓力流量曲線進行訓練所完成的；於步驟C)中，該修正邏輯係為：以該訓練程式將該實測壓力流量曲線回饋至該訓練模型並再 訓練，而得到一修正訓練模型，該修正評估邏輯即包含該修正訓練模型與該訓練程式。
3. 依據請求項1所述之可不斷改善風扇評估邏輯之方法，其中：於步驟B)中，該評估邏輯係具有一運算式，該電腦執行該評估邏輯時，係以該組參數代入該運算式中運算出該評估壓力流量曲線；於步驟C)中，該修正邏輯係為：先比對該評估壓力流量曲線以及該實測壓力流量曲線，並得到結果為一組近似度數值，以該組近似度數值調整該評估邏輯的該運算式，而得到一修正運算式，該修正評估邏輯即包含該修正運算式。
4. 依據請求項3所述之可不斷改善風扇評估邏輯之方法，其中：該運算式係包含下列算式：Ps=Pmax*[(Qmax-Q)/Qmax]^0.75 Q=Qmax*(Pmax-Ps)/Pmax Pmax=ρ*(OD+ID)^2*rpm^2*(A1/A)^2*cos(θ)/4；Qmax=(OD+ID)*rpm*(OD^2-ID^2)*(A/A1)^0.5*sin(θ)/2；其中，OD為扇葉外徑；ID為扇葉內徑；ρ為空氣密度；rpm為轉速；A1為葉片投影面積；A為風扇通道面積；θ為扇葉攻角<45度；Q為流量；Qmax為最大流量；Ps為靜壓；Pmax為最大靜壓；該修正運算式係包含下列算式：Ps=C1*Pmax*[(Qmax-Q)/Qmax]^0.75；Q=C2*Qmax*(Pmax-Ps)/Pmax；Pmax=C3*ρ*(OD+ID)^2*rpm^2*(A1/A)^2*cos(θ)/4；Qmax=C4*(OD+ID)*rpm*(OD^2-ID^2)*(A/A1)^0.5*sin(θ)/2； 其中，C1~C4為修正係數。
5. 依據請求項3所述之可不斷改善風扇評估邏輯之方法，其中：在比對該評估壓力流量曲線以及該實測壓力流量曲線時，係以最小平方誤差法進行比對。
6. 一種風扇評估裝置，包含有：一風洞裝置，具有一通氣口，該風洞裝置具有一安裝結構供一風扇安裝於上，且該風扇運轉所驅動的氣流係進入該通氣口；一量測設備，安裝於該風洞裝置內部；以及一電腦，電性連接於該量測設備，讀取該量測設備所量測到的複數數值，該電腦執行一評估程序，該評估程序包含請求項1所載之步驟A)至步驟D)。
7. 依據請求項6所述之風扇評估裝置，其中：該安裝結構係為一夾具。
8. 依據請求項6所述之風扇評估裝置，其中：該量測設備係具有複數感測器，分別安裝於該風洞裝置內的不同位置。

Images