GELOMBANG FOTO MINYAK
Prinsip
Sistem OIL-PHOTOWAVE menggunakan teknologi pencitraan berkecepatan tinggi untuk secara cerdas menangkap bentuk partikel yang mengalir melalui sel aliran. Melalui algoritma pelatihan cerdas, karakteristik morfologi partikel keausan (seperti diameter ekivalen, faktor morfologi, dan rasio rongga) diperoleh, dan partikel-partikel tersebut secara otomatis diklasifikasikan dan dihitung untuk menentukan bentuk keausan utama atau sumber kontaminasi serta menentukan tingkat kontaminasi oli, sehingga kesehatan mesin dapat dinilai dengan mudah hanya dalam hitungan menit.
SPESIFIKASI
| BARANG | PARAMETER | |
| 1 | Metode Pengujian | Pencitraan kecepatan tinggi |
| 2 | Teknik | Pengenalan gambar cerdas |
| 3 | Ukuran Piksel | Ukuran 1280×1024 |
| 4 | Resolusi | 2 um |
| 5 | Pembesaran Optik | ×4 |
| 6 | Batas deteksi minimum bentuk partikel | 10 mikron |
| 7 | Batas deteksi minimum ukuran partikel | 2 um |
| 8 | Klasifikasi partikel keausan | Pemotongan, Geser, Kelelahan dan Non-logam |
| 9 | Tingkat kontaminasi | GJB420B, ISO4406, NAS1638 |
| 10 | Fungsi | Analisis partikel keausan dan tingkat kontaminasi；Modul analisis kelembaban, viskositas, suhu, konstanta dielektrik untuk opsi |
| 11 | Waktu Pengujian | 3-5 menit |
| 12 | Volume Sampel | 20 ml |
| 13 | Rentang Partikel | 2-500 mikrometer |
| 14 | Mode pengambilan sampel | Pompa peristaltik 8 rol |
| 15 | Komputer bawaan | IPC 12,1 inci |
| 16 | Dimensi (T×L×D) | Ukuran 438mm×452mm×366mm |
| 17 | Kekuatan | Tegangan AC 220±10% 50Hz 200W |
| 18 | Persyaratan Operasional Lingkungan | 5°C~+40°C, <(95±3)%RH |
| 19 | Suhu Penyimpanan (°C) | -40°C ~ +65°C |
Aplikasi Khas
Kapal, tenaga listrik, mesin teknik, manufaktur industri, penerbangan, kereta api
Fitur Utama
-Menganalisis karakteristik morfologi aktual dan bentuk keausan ukuran partikel di atas 10 um.
-Analisis tingkat kontaminasi ukuran partikel di atas 2um.
-Pilihan fungsi analisis multi-satu untuk kelembapan, viskositas, suhu, konstanta dielektrik.
-Basis data pelatihan karakteristik morfologi partikel dan basis data analisis harian.
-Klasifikasi keausan dan analisis tren.
-Menggunakan algoritma pelatihan cerdas untuk mengklasifikasikan dan menghitung partikel keausan akibat pemotongan, pergeseran, kelelahan dan penyebab non-logam (tetesan air, serat, karet, kerikil dan non-logam lainnya).
