ഓയിൽ-ഫോട്ടോവേവ്
തത്വങ്ങൾ
ഫ്ലോ സെല്ലിലൂടെ ഒഴുകുന്ന കണങ്ങളുടെ ആകൃതി ബുദ്ധിപരമായി പിടിച്ചെടുക്കുന്നതിന് OIL-PHOTOVAVE സിസ്റ്റം ഒരു ഹൈ സ്പീഡ് ഇമേജിംഗ് സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്നു. ഇന്റലിജന്റ് പരിശീലന അൽഗോരിതം വഴി, വെയർ കണങ്ങളുടെ രൂപാന്തര സവിശേഷതകൾ (തുല്യമായ വ്യാസം, മോർഫോളജിക്കൽ ഘടകം, ശൂന്യ അനുപാതം പോലുള്ളവ) ലഭിക്കുന്നു, കൂടാതെ കണികകളെ യാന്ത്രികമായി തരംതിരിക്കുകയും എണ്ണയുടെ മലിനീകരണ ഗ്രേഡ് നിർണ്ണയിക്കുകയും ചെയ്യുന്നു, മിനിറ്റുകൾക്കുള്ളിൽ യന്ത്രങ്ങളുടെ ആരോഗ്യം എളുപ്പത്തിൽ വിലയിരുത്തുന്നു.
സ്പെസിഫിക്കേഷനുകൾ
| ഇനം | പാരാമീറ്ററുകൾ | |
| 1 | പരീക്ഷണ രീതി | ഹൈ സ്പീഡ് ഇമേജിംഗ് |
| 2 | സാങ്കേതികത | ഇന്റലിജന്റ് ഇമേജ് തിരിച്ചറിയൽ |
| 3 | പിക്സൽ വലുപ്പം | 1280×1024 |
| 4 | റെസല്യൂഷൻ | 2 ഉം |
| 5 | ഒപ്റ്റിക്കൽ മാഗ്നിഫിക്കേഷൻ | ×4 |
| 6 | കണിക ആകൃതിയുടെ ഏറ്റവും കുറഞ്ഞ കണ്ടെത്തൽ പരിധി | 10 ഊം |
| 7 | കണിക വലിപ്പത്തിന്റെ ഏറ്റവും കുറഞ്ഞ കണ്ടെത്തൽ പരിധി | 2 ഉം |
| 8 | വസ്ത്ര കണങ്ങളുടെ വർഗ്ഗീകരണം | കട്ടിംഗ്, സ്ലൈഡിംഗ്, ക്ഷീണം, നോൺ-മെറ്റാലിക് |
| 9 | മലിനീകരണ ഗ്രേഡ് | ജിജെബി420ബി, ഐഎസ്ഒ4406, എൻഎഎസ്1638 |
| 10 | പ്രവർത്തനങ്ങൾ | വെയർ കണികയുടെയും മലിനീകരണ ഗ്രേഡ് വിശകലനം; ഓപ്ഷനുകൾക്കായുള്ള ഈർപ്പം, വിസ്കോസിറ്റി, താപനില, ഡൈഇലക്ട്രിക് സ്ഥിരാങ്ക വിശകലന മൊഡ്യൂളുകൾ |
| 11 | പരീക്ഷണ സമയം | 3-5 മിനിറ്റ് |
| 12 | സാമ്പിൾ വോളിയം | 20 മില്ലി |
| 13 | കണികകളുടെ ശ്രേണി | 2-500 ഉം |
| 14 | സാമ്പിൾ മോഡ് | 8 റോളർ പെരിസ്റ്റാൽറ്റിക് പമ്പ് |
| 15 | ബിൽറ്റ്-ഇൻ കമ്പ്യൂട്ടർ | 12.1 ഇഞ്ച് ഐപിസി |
| 16 | അളവുകൾ (H×W×D) | 438 മിമി×452 മിമി×366 മിമി |
| 17 | പവർ | എസി 220±10% 50Hz 200W |
| 18 | പാരിസ്ഥിതിക പ്രവർത്തന ആവശ്യകതകൾ | 5°സി~+40°സി、<(95±3)%ആർഎച്ച് |
| 19 | സംഭരണ താപനില(°C) | -40 (40)°സി ~ +65°C |
സാധാരണ ആപ്ലിക്കേഷൻ
കപ്പൽ, വൈദ്യുതി, എഞ്ചിനീയറിംഗ് യന്ത്രങ്ങൾ, വ്യാവസായിക നിർമ്മാണം, വ്യോമയാനം, റെയിൽവേ
പ്രധാന സവിശേഷതകൾ
- 10 um-ൽ കൂടുതലുള്ള കണിക വലിപ്പത്തിന്റെ യഥാർത്ഥ രൂപഘടന സവിശേഷതകളും വസ്ത്ര രൂപവും വിശകലനം ചെയ്യുക.
- 2um-ൽ കൂടുതലുള്ള കണിക വലിപ്പത്തിന്റെ മലിനീകരണ ഗ്രേഡ് വിശകലനം ചെയ്യുക.
- ഈർപ്പം, വിസ്കോസിറ്റി, താപനില, ഡൈഇലക്ട്രിക് കോൺസ്റ്റന്റ് മൾട്ടി-വൺ അനാലിസിസ് ഫംഗ്ഷൻ മോഡ് എന്നിവയുടെ ഓപ്ഷനുകൾ.
-കണികാ രൂപഘടന സ്വഭാവസവിശേഷതകളുടെ പരിശീലന ഡാറ്റാബേസും ദൈനംദിന വിശകലന ഡാറ്റാബേസും ധരിക്കുക.
-വെയർ വർഗ്ഗീകരണവും ട്രെൻഡ് വിശകലനവും.
- കട്ടിംഗ്, സ്ലൈഡിംഗ്, ക്ഷീണം, ലോഹമല്ലാത്ത (ജലത്തുള്ളികൾ, നാരുകൾ, റബ്ബർ, ചരൽ, മറ്റ് ലോഹമല്ലാത്ത) കാരണങ്ങളുടെ തേയ്മാനം കണികകളെ തരംതിരിക്കാനും എണ്ണാനും പരിശീലന ഇന്റലിജന്റ് അൽഗോരിതം ഉപയോഗിക്കുന്നു.
