EĻĻAS FOTOVIĻŅI
Principi
OIL-PHOTOWAVE sistēma izmanto ātrdarbīgu attēlveidošanas tehnoloģiju, lai inteliģenti uztvertu caur plūsmas šūnu plūstošo daļiņu formu. Izmantojot inteliģento apmācības algoritmu, tiek iegūtas nodiluma daļiņu morfoloģiskās īpašības (piemēram, ekvivalentais diametrs, morfoloģiskais faktors un tukšumu attiecība), un daļiņas tiek automātiski klasificētas un saskaitītas, lai noteiktu galveno nodiluma formu vai piesārņojuma avotu un noteiktu eļļas piesārņojuma pakāpi, viegli novērtējot iekārtu stāvokli tikai dažu minūšu laikā.
SPECIFIKĀCIJAS
| PRECE | PARAMETRI | |
| 1 | Testa metode | Ātrgaitas attēlveidošana |
| 2 | Tehnika | Inteliģenta attēlu atpazīšana |
| 3 | Pikseļu izmērs | 1280×1024 |
| 4 | Izšķirtspēja | 2 µm |
| 5 | Optiskais palielinājums | ×4 |
| 6 | Daļiņu formas minimālā noteikšanas robeža | 10 µm |
| 7 | Daļiņu izmēra minimālā noteikšanas robeža | 2 µm |
| 8 | Nodiluma daļiņu klasifikācija | Griešana, slīdēšana, nogurums un nemetāliski |
| 9 | Piesārņojuma pakāpe | GJB420B, ISO4406, NAS1638 |
| 10 | Funkcijas | Nodiluma daļiņu un piesārņojuma pakāpes analīze; mitruma, viskozitātes, temperatūras, dielektriskās konstantes analīzes moduļi opcijām |
| 11 | Testēšanas laiks | 3–5 minūtes |
| 12 | Parauga tilpums | 20 ml |
| 13 | Daļiņu diapazons | 2–500 µm |
| 14 | Paraugu ņemšanas režīms | 8 veltņu peristaltiskais sūknis |
| 15 | Iebūvēts dators | 12,1 collu IPC |
| 16 | Izmēri (A×P×Dz) | 438 mm × 452 mm × 366 mm |
| 17 | Jauda | Maiņstrāva 220 ± 10 % 50 Hz 200 W |
| 18 | Vides ekspluatācijas prasības | 5°C~+40°C, <(95±3)% relatīvais mitrums |
| 19 | Uzglabāšanas temperatūra (°C) | -40°C ~ +65°C |
Tipisks pielietojums
Kuģis, elektroenerģija, mašīnbūve, rūpnieciskā ražošana, aviācija, dzelzceļš
Galvenās iezīmes
-Analizēt daļiņu, kuru izmērs pārsniedz 10 μm, faktiskās morfoloģiskās īpašības un nodiluma formu.
-Analizējiet daļiņu izmēra virs 2 μm piesārņojuma pakāpi.
-Mitruma, viskozitātes, temperatūras, dielektriskās konstantes vairāku vienu analīzes funkciju režīma opcijas.
-Nodiluma daļiņu morfoloģijas raksturlielumu apmācības datubāze un ikdienas analīzes datubāze.
-Nodiluma klasifikācija un tendenču analīze.
-Izmantojot apmācības intelektuālo algoritmu, lai klasificētu un saskaitītu griešanas, slīdēšanas, noguruma un nemetālisku (ūdens pilienu, šķiedru, gumijas, grants un citu nemetālisku) iemeslu radītās nodiluma daļiņas.
