穿粒子分析- LaserNet罚款粒子数和形状再现性

LaserNet罚款®- c (LNF-C),图1中,是一个桌上型的分析工具,结合了颗粒形状的石油分析技术分类和粒子计数在一个乐器。LNF-C分析液压和润滑油样品从各种类型的设备和机械,机器状态监测计划的一部分。app亚博体育监控主要是基于形态分析和异常磨损颗粒的粒度分布的内部组件创建机器。yabo214操作员与评估提出了粒子在液体样品和之前的历史结果相同的设备。app亚博体育yabo214LNF-C可以作为一个独立的分析仪器使用,或与一个完整的服务石油分析程序。

洛克希德·马丁公司合作开发LaserNet罚款的战术防御系统海军研究办公室的海军研究实验室的加速能力为状态维修计划。原LNF仪器设计作为一个独立的仪器在崎岖,冲击和振动情况下用于船上使用的保护。这个版本被称为LaserNet罚款®- m(军事),不再可用。商业LaserNet罚款®- C (C)是一个重新配置和更便宜的版本,使用外部计算机控制和数据存储。样品处理、软件和结果都是相同的LNF-C和LNF-M。因此,在下面的文本我们将参考仪器LNF,虽然现在商用LNF-C模型。

LaserNet罚款®- c颗粒形状分类器和粒子计数器
图1所示。LaserNet罚款®- c颗粒形状分类器和粒子计数器

形状的识别特征LaserNet罚款(LNF)分析仪

颗粒形状分类器,LNF为用户提供形状识别的粒子大于20µm使用神经网络。算法类型粒子分成以下类别:切割、疲劳、严yabo214重滑动、非金属和纤维。形状识别软件也为循环测试,这样泡沫和液滴大于20µm近似自由水的结果是基于这个特性。

粒子计数LaserNet罚款(LNF)分析仪的功能

粒子计数器,LNF过程和储存成千上万的图像来获得良好的计数统计。粒yabo214子大小直接和结果可以显示通过ISO代码(> 4µm > 6µm, > 14µm),或其他代码如NAS代码(5 - 15µm、15 - 25µm 25 - 50µm, 50 - 100µm和> 100µm)。这个乐器的直接成像能力不需要校准与测试灰尘。气泡大于20µm激光足够强时就会被忽略和处理大量烟尘(黑)油。

的基本工作原理LNF如图2所示。代表石油样本取自润滑系统和仪器。石油是通过专利观察细胞与脉冲激光二极管冻结背景粒子运动。相干光通过流体和成像到数字CCD相机。每个粒子生成图像进行了分析,与几千图像最终用于确定悬浮粒子的特征和获得良好的yabo214计算统计数据。浓度之间的粒子尺寸测量4µmµm超过100。

基本操作的LNF-C
图2。基本操作的LNF-C

粒径尺寸和ISO的样本分类

LNF报告粒径最大的和弦(最大直径)和计算等效圆直径与ISO清洁代码的兼容性。形状特征计算粒子大于20µm和粒子分为穿类别或污染物类别。yabo214分类完成的人工神经网络是专门LNF系统开发。

形状分类能力的LaserNet罚款(LNF)分析仪

形状特征是选择给疲劳的最优分配的类之间的区别,切割、严重的滑动,非金属、纤维、泡沫、水和空气泡沫。一个扩展库,粒子,被人类专家,被用来训练人工神经网yabo214络。LNF形状分类能力的一个例子是如图3所示。

LNF形状分类
图3。LNF形状分类

校准LaserNet罚款(LNF)分析仪ISO 4406:1999合规

LNF设计主要是一个自动穿颗粒形状分类器和热门工具协助状态监测项目。然而,由于其直接成像能力也是一个精确的粒子计数器。这是ISO 4406:1999兼容。LNF不需要校准使用NIST标准参考材料(SRM) 28062,因为它直接图像粒子。yabo214在制造、放大是校准的对象已知的线性尺寸。这是与传统粒子计数器和消除了昂贵的要求发送回工厂年度校准。

根据NIST SRM 2806标准粒子计数

值得注意的是LNF正确计数NIST SRM 2806(或其导数,商用PartiStan)。NIST确定计数SRM 2806通过捕获粒子SRM 2806液压油膜过滤和计算粒子通过扫描电子显微镜(SEM)。yabo214固yabo214体粒子出现的SEM,尽管附近的粒子可能是透明可见,可见光。因此,SEM填充颗粒的面积,否则可能会部分透明,当经过传统的传感器自动阻塞激光yabo214粒子计数器。自动光堵塞粒子计数器正确衡量SRM 2806因为这是流体与校准。另一方面,LNF正确措施SRM 2806,因为它是一个自动显微镜校准到一个已知的线性尺寸,更比使用任意校准液基本校准。LNF直接图像每个粒子而自动光堵塞粒子计数器措施才有多少光被阻塞。从本质上讲,LNF达到相同的计数,NIST的SRM 2806年从第一原则。自动光堵塞粒子计数器提供了颗粒形状的任何信息。

差异可能发生当比较穿粒子计数测量由传统的自动计数的LNF光堵塞粒子计数器。金属粒子,是固体,将阻yabo214止更多的光比将透明粒子大小成正比。因此,光堵塞粒子计数器将高估金属颗粒的大小。yabo214LNF成像可以被认为是一个自动显微镜系统,捕获粒子的数字图像中流动。yabo214LNF填写任何半透明区域纤维或非金属颗粒样品中可能遇到,并计算出等效圆直径和最大直径值液压清洁(ISO代码)和穿粒子趋势,分别。yabo214

1638年NAS LaserNet罚款(LNF)分析仪的分类

因为LNF仪器记录的所有粒子的总大小的决议记录,它能够报告NAS和NAVAIR清洁代码。yabo214NAS 1638是由美国航空航天工业协会,和类似于ISO 4406,它根据预定义的粒子计数划分清洁某些粒子的大小。NAVAIR 01-1A-17是美国海军标准颗粒清洁。暂停测试尘埃在NIST SRM 2806等石油可能衡量LNF定期核实正确操作仪器,但标准的参考资料是没有用于校准LNF。液检查对话框,图4中,显示性能比较与累积NIST认证标准的图形结果。

校准验证软件对话框
图4。校准验证软件对话框

LaserNet罚款在2000年成为商用和此后超过200仪器已经委托各种军事和工业应用在全球38个国家。每个LNF必须成功地测量检查流体如上所述,而是一个系统的测试LNF再现性从未执行。本文描述了这样的测试。

案例研究——LaserNet罚款再现性测试粒子计数和形状分类

这个应用程序最近注意了数据生成的再现性和重复性测试执行五LaserNet罚款(LNF)磨损粒子分类器和粒子计数器仪器。测试与介质进行测试粉尘分散在矿物油。

主油样本由混合介质测试灰尘大约700毫升的纯矿物油粘度63 cSt在40°C。LaserNet罚款的矿物油最初分析检查颗粒污染,它被发现非常干净13/11/6 ISO代码。它只包含48每毫升大于4µm粒子。yabo214美国一夸脱(950毫升)容器被用来准备标准样品。大约¼的矿物油是倒出容器中测试前的灰尘了。石油被允许的内容很容易动摇,灰尘会分散在整个剩余大约700毫升的矿物油的容器。介质的标准样品测试尘埃被用来准备五个相同的样本。

五个125毫升塑料宽口样品瓶子被打开和实验室的长椅上。后立即大力摇晃标准样品,大约10到12毫升的标准样品注入第一塑料样品瓶,然后第二,第三,等等。只要第一个10或12毫升涌入每个5样品瓶,这个过程重复了7或8次,直到每个瓶子大约是¾满。这个过程的目的是使每个粒子人口5瓶尽可能相似。

分析和样品LaserNet罚款(LNF)分析仪

这个测试的五LNF的选择是新旧工具的组合。最古老的单位,S / N 0021年制造大约6年前和0226 S / N和S / N 0239全新仪器从股票为目的的测试。另两种乐器,0079 S / N和S / N已经应用了0186多年。核实正确操作,检查流体通过五LNF的运行。LNF检查使用的流体是PartiStan,媒介在液压试验粉尘;NIST的标准参考材料28062的商业版本。

再现性测试的LaserNet罚款(LNF)分析仪

再现性测试是在这样一种方式,进行随机取样瓶的影响以及样本的顺序退出每个瓶子。每个5样品瓶在每个仪器运行一次。每个仪表的取样瓶的第一个五瓶,每个仪器采样瓶第二的五瓶,每个仪器采样瓶第三的五瓶,等等,直到五个样本从五瓶。之前,每次插入LNF饮者管入样品瓶样品拉进LNF测量,样品瓶是大力hand-shaken彻底驱散粒子里面。yabo214然后将瓶气泡被移除的超声波浴功率密度> 4000 W / m2两分钟。然后将样品瓶
及时五LNF开始测量的过程。

分析结果从LaserNet罚款(LNF)分析仪

5个样品的分析结果,分析了5个LNF表1 - 7所示。

  • 表1——再现性测试被定义为与相同的测试方法测试结果相同的样本和不同的乐器。表1显示了样本的顺序运行,从每个样本被撤回,这瓶仪器样本运行和相应的分析结果。25分的再现性概括为一个平均值,标准偏差和相对标准偏差为每个粒子尺寸范围。百分比RSD为3.2%(相对标准偏差)粒子大于4µm。yabo214粒子的数量是一个等效圆直径大于所述大小。yabo214的LNFsoftware将每个粒子的像素图像转换成一个区域通过填写任何透明的内部像素。然后一个等效圆直径计算产生的区域。
  • 表2——重复性被定义为与相同的测试方法测试结果相同的样本和相同的仪器。表2显示了个人LNF仪器的重复性。正如预期的那样,在同一仪器重复性在多个工具比再现性好,在这些条件下,相对标准偏差(相对标准偏差)百分比平均为2.7%,大于4µm粒子。yabo214
  • 表3这个表比较平均的5运行在每个乐器。比较性能的5粒子计数的仪器。
  • 表3 b这个表比较粒子的平均数量从每个瓶子的5个样本。
  • 表3 c——这表比较不同的“层”的平均值从每个样品瓶。层1是第一个示例取自瓶,2层第二个样品,等。这个试图确定是否有任何差异时的顺序从每个瓶采集标本。
  • 表4——这对颗粒形状分类表提供数据在25分。
  • 表5——这对颗粒形状分类表提供数据对个人工具。
  • 表6——这对所有5个表比较平均运行在每个工具形状分类类别。这个表显示了如何密切形状分类不同仪器之间的同意。
  • 表6 b这个表比较的平均形状分类类别从每个瓶子的5个样本。
  • 表6 c——这表比较的平均形状分类类别为不同的“层”从每个样品瓶。层1是第一个示例取自瓶,2层第二个样品,等。这个试图确定是否有任何差异时的顺序从每个瓶采集标本。
  • 表7——这个表比较了NIST SRM 2806粒度分布LNF结果。

分析结果LaserNet罚款(LNF)分析仪

分析的结果LaserNet罚款(LNF)分析仪

  • 表1显示,正如所料,在一般情况下,颗粒变大,RSD为增加。yabo214RSD以来最大的粒子就变得相当无意义的有那么一些礼物。yabo214
  • 表2为个人仪器比数据显示,重复性再现性在几个工具,正如所预期的那样。
  • 表3数据表明,该仪器是相当一致的,当粒子大小。yabo214
  • 表3 b数据显示,似乎没有粒度和浓度差五瓶测试油用于这项研究。
  • 表3 c表明几乎没有区别的样本姓或每一个瓶子。
  • 表4数据显示,相对标准偏差的不那么低的形状分类为最小的粒子,粒子计数但LNF软件并不尝试粒子识别直到粒子至少20µm弦长(最大直径)。yabo214RSD为简单计算粒子> 20µm也不是很低,为11.0%。yabo214值得注意的是,合并后的总粒子切割、滑动、疲劳和非金属类(C + S + F +yabo214 N)显示合理再现性为8.5%。非金属颗粒的RSD为13.0%,仅略高于RSD为所yabo214有粒子> 20µm为11.0%。请注意,所有粒子的数量计数> 20µm大约三分之一的数的和切割、滑动、疲劳、和非金属粒yabo214子。主要原因是粒子的粒子数> 20µm是由等效圆直径。yabo214的大小切割、滑动、疲劳、和非金属粒子是由最大直径(最大弦长度)。yabo214因此,任何粒子不是球形将等效圆直径小于其最大弦长。例如,一片的面积30µm长可能有足够的面积只给一个等效圆直径10µm。
  • 表5数据显示个人仪器重复性粒子分类优于5仪器整体再现性。
  • 表6数据似乎表明,颗粒形状分类的差异由于仪器之间的差异,而不是在每个瓶子或粒子种群之间的差异时,样品从每个瓶子被撤回。
  • 表7LNF表明,粒度分布测量的数据是一致的粒子分布NIST SRM 2806。SRM的计算中位数2806每毫升6095个粒子> 4µm。yabo214MTD的浓度在这个测试中使用的流体是大约12.3倍每毫升74986个粒子µm > 4。yabo214如果应用于中值12.3倍数量的大小类别SRM 2806年报告,由此产生的浓度比较有利LNF产生的数据的。比较这些数据的另一种方法是把LNF NIST值计算结果的数量为每个大小类别。再一次,由此产生的比率表明LNF报告实质上相同的分布为2806年SRM如上所述。

总结

测试5 LNF仪器显示优秀的粒子计数再现性和再现性,这样数据从一个适当的颗粒形状分类LNF可能从其他LNF相比合理数据。

斯派克科学

这些信息已经采购,审核并改编自公司斯派克所提供的材料科学。亚博网站下载

在这个来源的更多信息,请访问AMETEK斯派克的科学。

引用

请使用以下格式之一本文引用你的文章,论文或报告:

  • 美国心理学协会

    AMETEK斯派克的科学。(2020年10月26日)。穿粒子分析- LaserNet罚款粒子数和形状再现性。AZoM。2021年11月1日检索从//www.washintong.com/article.aspx?ArticleID=4583。

  • MLA

    AMETEK斯派克的科学。“穿粒子分析- LaserNet罚款粒子计数和形状再现性”。AZoM。2021年11月01。< //www.washintong.com/article.aspx?ArticleID=4583 >。

  • 芝加哥

    AMETEK斯派克的科学。“穿粒子分析- LaserNet罚款粒子计数和形状再现性”。AZoM。//www.washintong.com/article.aspx?ArticleID=4583。(2021年11月1日访问)。

  • 哈佛大学

    AMETEK斯派克科学》2020。穿粒子分析- LaserNet罚款粒子数和形状再现性。AZoM,认为2021年11月1日,//www.washintong.com/article.aspx?ArticleID=4583。

问一个问题

你有一个问题你想问关于这篇文章?

离开你的反馈
提交