简化聚合特征并识别DSC曲线

新奇NETZSCHDSC214 Polyma使DSC调查比以往更容易和更加全面包括一系列智能创新,共处理图1显示的完美DSC调查方方面面

完全新建的Arena炉子和Corona传感器与新Concavus采样板一起可实现极快和独特的高质量测量

新软件特征SmartMode用户接口大有助于操作创新自评甚至允许完全自主评价测量-可复制可靠

完全DSC调查的最后一步是解释测量结果识别是一个突破性DSC曲线识别和数据库系统使用已知数据库曲线和文献数据识别未知DSC曲线,最终解释DSC结果

过程可应用到完全未知样本或例行质量控制中,识别显示样本的一致度与保留样本测量识别是一个极强工具,可用于日常任务,如物料识别以及质量控制和故障分析并起归档系统作用,因为它允许直接访问数据库存储的经评价DSC曲线单点识别提供结果

图1完全DSC调查所有方面(360度视图)

物料识别

图2显示识别法如何在非评价式DSC曲线上执行DSC曲线单点自动评价NETZCH Proteus左侧列表显示数据库测量文献数据,并按相似性排序

右侧列表显示定义类与未知类相似性,下文详细解释在此实例中,80摄氏度前后的玻璃转换和在未知DSC曲线中检测到的250摄氏度以下熔化峰值显然使测量样本识别为PET

图2应用识别非评价DSC曲线单击

图3点击DSC曲线后确认结果白线表示未知曲线,黑线表示最相似数据库曲线

工作识别

识别方法与现代图像识别软件用于识别图4所见人员或对象的方法非常相似

图4识别方法基础图像识别

有可能将这一方法划分为三大任务:

剖分DSC测量曲线

诸如玻璃转换或异热和异热作用等重大热效应必须识别并区别于DSC曲线中无关部分

此项极具挑战性任务通过AutoEvaluation持续执行,无需用户交互

提取效果发现属性

属性如峰值或外推发温度自动学习并配有经典特征NETZSCH软件

DSC曲线识别

未知DSC曲线不仅比较数据库测量和文献数据,还比较每一类数据相似性值使用高级数学算法实战计算数据库“hits”排序相似度递减顺序

识别能力遍历数以百计数据库项,一秒内发现DSC测量曲线与未知样本最相似,如图5所示只需要一击

图5未知DSC测量曲线与数据库曲线示例比较最相似曲线贴上标签

此外,基于效果算法允许识别工作不仅有真实测量结果,而且有文献数据作为库分录识别比那强图6A和图6B以图表方式显示数据库搜索的不同通用方法

软件中已经包括PE或PET等素材类,但用户还可以另外创建自己的素材类,这些素材类将随着每个新成员加法而“学习”。

图6数据库搜索的不同方法:查询(A)、分类(B)和识别求解(C),两者都适用

质量控制应用

质量控制设置中识别也非常有益图7显示识别内使用质量类分析拒绝PA6部分DSC测量缺陷部分熔峰温度比好部分低,239摄氏度检测到额外小峰值

计算相似用户类PA6_GF30_parts_cassed

图7dsc测量拒绝PA6部分(带破片段)通过识别分析

职场和可选设置识别

识别也很容易使用单击后见结果,库管理(编译扩展)及其分录全景无障碍

很容易使用主视图识别带复选框列表将现有库从搜索中包括或排除算法类型Single和Multi用于区分DSC曲线出自单构件或多构件样本像聚合物混合

摘要

归结地说,识别是独一无二DSC曲线识别解释系统单点提供结果,对物料识别和质量控制有用,易于使用和精密化,包括数据库内NETZSCH聚合库作为基础,并包括由用户创建并管理测量学、文献资料和类库,整合用户知识

亚博网站下载这些信息取自NETZSCH-GerätebauGmbH提供的材料并经过审查修改

详情请访问NETZSCH-GerätebauGmbH