基于labview的三样杯热分析仪的设计要点.pptVIP

蠕墨铸铁蠕化率测试系统的研究与设计 研究背景 蠕墨铸铁的石墨形态介于片状石墨和球状石墨之间，所以力学性能也介于灰铸铁和球墨铸铁之间，小得多，故其具有优异的抗磨损、抗热疲劳以及较高的弹性模量和抗变形能力。但是，采用蠕墨铸铁生产的柴油发动机缸体尚存在对原铁液的含硫量、合金残留量等参数大小的设定问题。所以加强炉前成分快速检测和性能预测即成为缸体类蠕墨铸铁质量控制的技术关键. 炉前热分析法是铁液质量控制的主要方法，其基本原理是根据铁液冷却凝固温度特征参数检测化学成分和力学性能预测。 引入一种新型的科技方法 试验材料的化学成分 数据采集时的实际操作步骤 提取蠕墨铸铁的热分析曲线如图4所示 人工神经网络 人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。 用人工神经网络的方法计算蠕化指数 模型的数学表达 输入向量： X=(x1,x2,…,xi,…,xn)T 隐层输出向量： Y=(y1,y2,…,yj,…,ym)T 输出层输出向量： O=(o1,o2,…,ok,…,ol)T 期望输出向量：d=(d1, d2,…,dk,…,dl)T 输入层到隐层之间的权值矩阵：V=(V1,V2,…,Vj,…,Vm) 隐层到输出层之间的权值矩阵：W=(W1,W2,…,Wk,…,Wl) 经过一系列推倒得前三层馈网的BP神经网络学习算法权值调整计算式为 * 传统的方法 多元线性回归 由于受到生产条件和原材料质量的影响，传统热分析仪通过多元线性回归模型进行检测的精度难以适应蠕墨铸铁严格的工艺条件的要求，为了解决热分析仪内部数据模型的局限性，有必要寻求一种新的预测方法. 用labview进行工艺流程的设计 labview数据采集 用人工神经网络的方法进行数据处理 LabVIEW的国内外应用现状 LabVIEW广泛应用于包括自动化、通信、航空、半导体、电路设计和生产、过程控制及生物医学在内的各种工业领域中，来提高应用系统的开发效率。这些应用涵盖了产品生产过程中从研发、测试、生产到后期服务的各个环节。在系统设计中协调使用LabVIEW，共享软件及信息资源，可使节约大量的时间和金钱。LabVIEW的应用大致可分为以下几个方面: 应用于生产检测 应用于研究与分析 应用于过程控制和工厂自动化 应用于机器监控 图1 控制开关程序图 图3 材料的化学成分 1）从炉中取铁水先在4通道放置一样杯其作用检测C、Si成分 2）把4号通道样杯中的铁水倒回炉中，将铁水升温至1460℃左右 3）取铁水分别浇注到1、2、3号通道对应的样杯中，其中1、2、3号样杯里面的试曲线分别对应的是白口铸铁、灰口铸铁、蠕墨铸铁。 4）待1、2、3号通道样杯中铁水凝固后取下样杯。 5）在热分析仪器上观察、分析、记录、保存热分析曲线。 图4 蠕墨铸铁的热分析曲线 说明：我们主要提取其中的TAL、TEU、TER这三个点的数来进行计算。 TAL 初生奥氏体析出温度 TEU 共晶最低温度 TER 共晶最高温度 用上述公式算出蠕化指数来预测蠕化率 *