CN100363736C - 电气元件温升辨识分类方法 - Google Patents

Abstract

一种电气元件温升辨识分类方法，包含下列步骤：首先，提供多个电气元件；其次，撷取电气元件对应于多个热状态的多个热影像数据，并将这些热影像数据进行影像处理，而得到对应的多个热特征数据，其中每一电气元件的热状态中的至少一个是属于因高温所造成的劣化热状态；然后，撷取一特定区域的特定热影像，进行影像处理，得到对应的特定热特征数据，其中该特定区域是具有电气元件中的至少一个；最后，将特定热特征数据与所有热特征数据进行分类比对，以得到该特定区域的温升辨识结果。

Description

电气元件温升辨识分类方法

技术领域

本发明是有关于一种电气元件温升辨识分类方法。

背景技术

随着科技的进步，人类对于各种灾害防护的要求也日渐提升。对于某些特定地点，例如精密实验室或半导体厂房的无尘室而言，其内的仪器设备或工件材料通常成本昂贵，因此不仅要能先期发现火灾，同时更必须对火灾的先期条件进行实时应变的目的。因此，火灾防护***与消防设施的设置日益重要。

现有的火灾防护***或消防设施，多半都属于被动式的侦测，即火灾发生之后产生烟雾及高温，传达到火灾防护***或消防设施的传感器位置，使其作动后，才进行消防警报与灭火等动作。针对上述被动式火灾防护***的缺点，习知技术中已采用红外线热影像整合型的侦测或监控***，例如台湾专利公告第466107号的“红外线热影像侦测***”以及公告第476221号的“利用热影像进行之影像监测辨识方法”等专利，均已提出使用如红外线等热影像摄影等方式，对特定区域进行主动监控，以得到火灾先期提早预防的效果。

然而，上述习知的红外线热影像整合型侦测或监控***多半是以影像辨识的方式来进行温升的侦测与监控，在使用上仍然有其不便之处，以下加以说明。

通常，一般房屋或密闭场所若未放置高热源或易燃物品时，最容易发生火灾的部分，通常是在其电力***或电路元件等部位。换言之，若不考虑特殊场合时，火灾发生最常见的因素多半是因通电而造成的情况。举例而言，一旦实验室内产生烟雾时，即可能表示仪器设备的电力***或电路元件已经接近燃烧起火点，虽然此时并未发生火灾，然而，当烟雾开始产生时，即表示温度已到达燃点，燃烧条件已经具备，因此火灾可能在极短的时间内随时发生，容易应变不及；且即便在第一反应时间内进行灭火动作，但仪器设备或其工件材料仍然可能因高温而产生变质或损毁等状况，影响所及，可能足以造成无法弥补的灾害。

此时，若使用上述习知的红外线热影像整合型侦测或监控***来进行密闭空间的温度侦测，虽然可以设定温度侦测的标准值，使得仪器设备的电力***或电路元件的温度尚未到达标准值之前，即先进行警示动作。然而，精密实验室或半导体厂房之中，某些实验或制程可能在特定的高温或低温状态下进行，所使用的电子元件其燃点各不相同，且各有不同的操作安全温度范围；举例而言，加热器的温度必然远高于一般电气元件或装置的温度，而低温制程下所使用的某些特定元件则可能在常温左右的温度即会变质，甚至产生燃烧反应。此时，若以红外线侦测或监控***进行侦测，不但温度侦测的标准值不易决定，而且在侦测或监控***产生警示动作时，也不易辨别温度异常的起因为何，甚至容易产生误判，无法正确辨识高温的起因究竟为火灾的先期反应，或是实验或制程中位于操作安全温度范围的电气元件的正常反应。

发明内容

有鉴于此，本发明的目的在于提供一种电气元件温升辨识分类方法，对于习知的红外线热影像整合型侦测或监控***加以改良，针对电气元件的温升分类法则，将热影像监控***的分类分为失效类别与失效严重性等两类不同的数据，如此可更容易地对电气元件因温升而产生异常或失效等状况以及其严重性进行侦测。

本发明的电气元件温升辨识分类方法，是对所侦测的特定空间内的各种电气元件预先建立其不同温度状态的影像数据，并将这些影像数据参数化后，存放于一参数数据库之中。如此，在以红外线热影像整合型侦测或监控***侦测特定空间时，即可将热影像转换为对应参数，并将这些对应参数与参数数据库中的参数值加以比对，而判定影像中各区的温度分布是对应于何种电气元件，以及电气元件的温升辨识结果。

本发明揭示一种电气元件温升辨识分类方法，包含下列步骤：首先，提供多个电气元件；其次，撷取电气元件对应于多个热状态的多个热影像数据，并将这些热影像数据进行影像处理，而得到对应的多个热特征数据，其中每一电气元件的热状态中的至少一个是属于因高温所造成的劣化热状态；然后，撷取一特定区域的特定热影像，进行影像处理，得到对应的特定热特征数据，其中该特定区域是具有电气元件中的至少一个；最后，将特定热特征数据与所有热特征数据进行分类比对，以得到该特定区域的温升辨识结果。

本发明的电气元件温升辨识分类方法中，热特征数据可包含失效严重性数据(例如最高温度数据以及温度分布范围数据)与失效类别数据(例如温度分布形状数据以及三维温度映像数据。)另外，将特定热特征数据与热特征数据进行分类比对的动作，可采用类神经网络的多层分类(Multi-layerPerception)、主轴分析(Principal Component Analysis)模式或模糊集合(Fuzzy Set)等方法。

附图说明

图1是显示红外线热影像整合型监控侦测***的一例的示意图。

图2是显示本发明的电气元件温升辨识分类方法的流程图。

图3A是显示本发明的电气元件未经影像处理的热影像数据的示意图。

图3B是显示本发明的电气元件经影像处理后的热影像数据的示意图。

符号说明：

10～影像处理辨识装置；

110～影像处理模块；

120～影像辨识比对模块；

125～特征数据库；

130～判断模块；

140～影像撷取控制模块；

20～影像撷取装置；

210～调整装置。

具体实施方式

为使本发明的上述及其它目的、特征和优点能更明显易懂，下文特举一具体的较佳实施例，并配合所附图式做详细说明。

请参见图1与图2，说明本发明的电气元件温升辨识分类方法的流程。本发明的电气元件温升辨识分类方法可应用于任一红外线热影像整合型监控侦测***之中而使用，例如图1即显示一红外线热影像整合型监控侦测***。

图1中，热影像或烟雾影像是使用一影像撷取装置20(例如一红外线摄影机)来进行撷取的动作。影像撷取装置20所侦测的一特定区域撷取其特定的影像，例如红外线的热影像或一般可见光影像，会送至影像处理辨识装置10以进行转换与比对的动作。另外，影像撷取装置20可具有一调整装置210，用以调整其侦测的特定区域的范围，以使影像撷取装置20可进行移动或旋转等调整动作，而使侦测的特定区域涵盖较大的范围，并减少无法侦测的死角。

影像处理辨识装置10通常是设置在一计算机主机，服务器或其它适合的处理器内，或设置成一控制芯片的型式。如图1所示，影像处理辨识装置10可具有一影像处理模块110、一影像辨识比对模块120、一判断模块130以及一影像撷取控制模块140。影像撷取控制模块140是用以控制影像撷取装置20的动作。影像处理模块110是用以接收影像撷取装置20所撷取的影像信号，并进行影像处理，而产生对应于热影像的相关数据。影像辨识比对模块120中具有一特征数据库125，储存预先建立的多个热特征数据，使得影像辨识比对模块120接收经由影像处理模块110所进行影像处理后得到的相关数据后，可与特征数据库125中的热特征数据进行比对并进行影像辨识。

本发明的电气元件温升辨识分类方法，主要是用以辨识常用的电气元件在温度升高时所可能产生的问题，因此在进行电气元件温升辨识分类之前，必须先提供常见的多个电气元件(步骤S10)。

电气元件的种类众多，包含有输配电元件、控制元件、保护元件、以及量测元件等四类。由于本发明是为辨识常用的电气元件在温度升高时所可能产生的问题，因此可将电气元件依其热源产生方式以及阻隔状态来区分。常见的电气元件的热源产生方式可分为单一热源、双热源、三热源、以及多热源等四种，若再考虑单一热源是否与外界有阻隔，或是热源之间的接触，则可细分为下列八项：

1.单热源无阻隔：如电阻、加热器、比压器、比流器等。

2.单热源有阻隔：如开关、继电器、变压器等。

3.单热源接点：如电容接点、开关接点、加热器接点等。

4.双热源元件：如双灯座、双表座等。

5.双热源线路：如单相使用线路、相位不平衡线路等。

6.三热源元件：如三灯座、三表座等。

7.三热源线路：如线路过载。

8.多热源元件：如多个电路元件集合的装置。

在此必须说明，上述的区分法则可依照电路元件的形式与应用而加以合并或改变，并非固定不变的。

界定电气元件之后，即可撷取电气元件对应于多个热状态的多个热影像数据(步骤S20)。此一步骤一般是以图1中的影像撷取装置20，例如红外线摄影装置来进行。必须注意的是，每一电气元件的热状态中，通常至少一种热状态是属于电气元件已经产生问题的因高温所造成的劣化热状态；在因高温所造成的劣化热状态的电气元件并不见得产生烟雾或温度过高，但可能已经因为温度的上升而使得电气元件的效能产生劣化现象。由于不同的电气元件，其因高温所造成的劣化现象可能也不相同，因此必须针对不同的电气元件而选择不同的热状态组合。

然后，这些电气元件的热影像数据由影像处理辨识装置10进行影像处理，而得到对应的多个热特征数据(步骤S30)，并存放于特征数据库125中以供辨识比对之用。热特征数据可包含失效严重性数据与失效类别数据两种。失效严重性数据一般是显示电气元件因高温所造成的劣化的程度，例如最高温度数据以及温度分布范围数据；而失效类别数据则通常是显现电气元件产生因高温所造成的劣化现象的模式，例如温度分布形状数据以及三维温度映像数据。如此，藉由失效严重性数据与失效类别数据的组合，即可对不同热状态的每一电气元件产生一组独特的热特征数据。

接着，即可依步骤S20以及S30的动作，对具有电气元件的一特定区域撷取一特定热影像(步骤S40)，并进行影像处理，得到对应的特定热特征数据(步骤S50)。此时，并不需特别指明特定区域中所有的电气元件分别为何。

最后，将特定热特征数据与特征数据库125中的所有热特征数据进行分类比对，以得到特定区域的温升辨识结果(步骤S60)。以下说明分类比对的动作。将特定热特征数据与热特征数据进行分类比对的建立模式动作，可采用类神经网络的多层分类(Multi-layer Perception)、主轴分析(Principal Component Analysis)模式或模糊集合(Fuzzy Set)等方法，以取得各热影像图的特征为输入模式，而电气元件的分类原则为输出模式，由此输入输出之间所建立的模式，即可寻求其最佳化参数。

请再参见图3A以及图3B，以一范例说明本发明的电气元件温升辨识分类方法中影像辨识分类的动作。

图3A是显示一组电气元件，由(a)至(f)分别为不同的角度及远近距离所拍摄的热影像数据。由于一热影像之中，通常会具有不只一个的区域高温，因此在进行影像处理时，须先进行平滑化(Smoothing)处理后，再进行X轴或Y轴投射或数值方法等动作，如此即可取得高温区域的位置，而得到最高温度数据以及温度分布范围数据。

另外，电气元件的热分布，会受到其是否具有阻隔或其三维立体的角度所影响。无外壳阻隔的电气元件，其温度分布形状数据可由可见光直接得到，但若有外壳的电气元件，则会依外壳的散热条件而影响其温度分布形状数据。因此，一般必须先获取热影像数据中的温度平均值及变异量后，进行去除背景温度的动作，并以模糊逻辑方法进行映像(Mapping)动作，取得温度分布形状数据以及三维温度映像数据。藉由上述影像处理后的电气元件的热影像数据，其背景温度均已去除，且经过映像动作，如图3B的(a)至(f)所示。

在此必须说明，由于影像处理与辨识的技术日新月异，因此本发明所使用的影像处理与辨识技术并不受限于上述实施例中所述的形式，而可应用其它适当的影像处理技术。

Claims (10)

1.一种电气元件温升辨识分类方法，包含下列步骤：

提供多个电气元件；

撷取该电气元件对应于多个热状态的多个热影像数据，并将该热影像数据进行影像处理，而得到对应的多个热特征数据，其中每一该电气元件的该热状态中的至少一个是属于因高温所造成的劣化热状态；

撷取一特定区域的特定热影像，并将该特定热影像进行影像处理，得到对应的特定热特征数据，其中该特定区域是具有该电气元件中的至少一个；以及

将该特定热特征数据与该热特征数据进行分类比对，以得到该特定区域的温升辨识结果。

2.根据权利要求1所述的电气元件温升辨识分类方法，其中该热特征数据包含失效严重性数据。

3.根据权利要求2所述的电气元件温升辨识分类方法，其中该失效严重性数据包含最高温度数据。

4.根据权利要求2所述的电气元件温升辨识分类方法，其中该失效严重性数据包含温度分布范围数据。

5.根据权利要求1所述的电气元件温升辨识分类方法，其中该热特征数据包含失效类别数据。

6.根据权利要求5所述的电气元件温升辨识分类方法，其中该失效类别数据包含温度分布形状数据。

7.根据权利要求5所述的电气元件温升辨识分类方法，其中该失效类别数据包含三维温度映像数据。

8.根据权利要求1所述的电气元件温升辨识分类方法，其中将该特定热特征数据与该热特征数据进行分类比对的动作是采用类神经网络的多层分类。

9.根据权利要求1所述的电气元件温升辨识分类方法，其中将该特定热特征数据与该热特征数据进行分类比对的动作是采用主轴分析模式。

10.根据权利要求1所述的电气元件温升辨识分类方法，其中将该特定热特征数据与该热特征数据进行分类比对的动作是采用模糊集合。

Images