济南奥龙检测设备有限公司
手机:18317187315ALHVS-650-Z精密自动六工位维氏硬度计


产品介绍
ALHVS-650-Z精密自动六工位维氏硬度计是光机电一体化的高新技术产品,该仪器造型新颖、美观,包含了全域维氏硬度力值,数码砖塔定位,测试头能上下自由移动,特别适合大尺寸工件的测试,而且它具有良好的可靠性,可操作性和直观性,是维氏硬度计的升级换代产品。该机采用计算机软件编程,高倍率光学测量系统,力值加载采用高速精密步控技术,通过软件输入,能调节试验力,选择维氏和克氏试验方法、保持时间等,并提供了各种硬度值的转换表以供参考,在彩色触摸显示屏上能显示试验方法、试验力;测量压痕长度、硬度值、试验力保持时间,测量次数并能键入年、月、日期,试验结果和数据处理等,通过打印机输出。硬度计配有压痕图像自动分析系统 ,能对所测压痕和材料金相组织进行拍摄和测量,适用于测量微小、簿形试件、表面渗镀层等试件的维氏硬度和测定玻璃、陶瓷、玛瑙、宝石等脆性材料的维氏硬度,是科研机构、企业及质检部门进行研究和检测的理想的硬度测试仪器。
功能特点
n 全新机械结构设计,机架结构坚固
n 包含了全域维氏硬度力值
n 数码转塔定位
n 机头移动式结构,直线滑轨导向
n 采用高精度电机驱动
n 固定载物台,减少由丝杆上下移动造成的同轴度误差
n 作业平台空间大,可实现大件测量并适合更换大型工作平台
特点
u 高精密步控电加载技术;
u 主试验力加载速度极快,效率提高;
u 高精度传感器配合奥龙芯控制系统;
u 独有力值曲线图;
u 加卸载速度更迅速、精准;
u 可实现远程控制,操作简单;
u 极快的加载速度:试验力加载时间2-10秒;
u 全过程智能控制。分段施力、平滑变速、高精度高速步控等;
技术参数
型号 | ALHVS-650-Z |
试验力(kgf) | 0.1、0.2、0.3、0.5、1、2、2.5、3、5、10、20、30、50 |
传感器 | 采用双力值传感器,大小力值采用大小不同传感器,并进行力值传感器自动切换 |
Z轴 | 直线滑轨导向的机头移动结构,固定工作台,加载机构移动,Z轴稳定性好 |
试验力施加方法 | 自动(加荷、保荷、卸荷) |
聚焦方式 | 自动聚焦,测试前无需人工对焦,任意高度可直接开始测量自动 |
加载方式 | 精密步控电加载技术,采集频率最高可达4800Hz |
转塔 | 六工位数码转塔,双压头、四物镜自动切换 |
物镜放大倍率 | 5X、10X、20X、40X |
保荷时间 | 1-999s |
压头物镜切换 | 自动切换 |
可测试参数 | HV/HK |
压头 | 金刚石维氏压头、金刚石努氏压头 |
样品最大高度 | 215mm |
压头中心到机体距离 | 160mm |
硬度转换 | HV、HK、HRA、HRB、HRC、HRD、HRE、HRF、HRG、HRK、HR15N、HR30N、HR45N、HR15T、HR30T、HR45T、HBW |
光源 | LED |
通讯接口 | RS 232 |
执行标准 | JJG151,GB/T 4340, ISO/DIN6507,ASTM E-384 |
电源 | AC90-240V/50Hz |
外形尺寸(长宽高) | 600*450*630mm |
机器净重 | 约70kg |
样品要求
虽然维氏硬度既可以测量较软的材料,又可以测量较硬的材料,但它对试样同样有着自己的要求。只有选择合适的试样,才能避免由此带来的误差,得到准确的维氏硬度值。
试样外表要求
维氏硬度试样表面应光滑平整,不能有氧化皮及杂物,不能有油污。一般的,维氏硬度试样表面粗糙度参数Ra不大于0.40μm,小负荷维氏硬度试样不大于0.20μm,显微维氏硬度试样不大于0.10μm。(μm是表面粗糙度参数Ra的单位。)
试样制备的要求
维氏硬度试样制备过程中,应尽量减少过热或者冷作硬化等因素对表面硬度的影响。
此外,对于小截面或者外形不规则的试样,如球形、锥形,需要对试样进行镶嵌或者使用专用平台。
维氏硬度测试影响因素
硬度是材料性能的一项非常重要的性能指标,也是生产过程中一种快速进行质量控制的重要手段。最常用的硬度试验方法有布氏硬度、洛氏硬度和维氏硬度,其中维氏硬度因其可测硬度范围最广,同时根据测试力值的不同可测工件、镀层、渗层甚至不同显微组织的硬度,尤其是对于尺寸较小的样品,可以通过镶嵌等方式,得到准确的测试结果,因此维氏硬度的应用范围最广。然而维氏硬度测试时,对试样的表面粗糙度要求较高,尤其是小力值的维氏硬度,需要表面进行抛光处理才能得到准确的测试结果。然而在试样制备过程中,想要获取非常平整的表面比较困难,试样经磨抛后,测试面与压头不会完全垂直,会存在一定的角度偏差,尤其是一些镀层、渗层等在试样表面时,磨抛更是会产生一定的倒角,导致测试面与压头存在一定的角度偏差。
1.测试面与压头的角度
维氏硬度测试为压入法,压头在一定的力值作用下,垂直压入待测样品的表面,样品表面产生塑性变形留下菱形的压痕。而当样品表面存在一定的倾斜角度时,菱形压头的四个角位承受的力不一致,造成了压痕形貌有所差别。
未倾斜的样品压痕周围的塑性变形较为均匀,而倾斜的样品,倾斜角度越大,测试后的塑性变形越严重。与压头接触的坡上部分压痕周围变形更严重,压痕的对角线较短,而坡下部分压痕周围变形较少,压痕的对角线较长。将测试后的样品放平后在显微镜下观察发现,压痕均有不同程度的挤出现象,导致对角线边缘附近有“拱起”现象,这一现象随着倾斜角度的增大而越明显,从而导致压坑越大,造成了对角线长度的增大,硬度测试值变小。
维氏硬度测试时,测试面与压头的角度偏差会导致维氏硬度测试值偏低,且随角度的增大,偏差越大。为了得到更为准确的测试结果,应在制样时尽可能避免有明显的倾斜角度。同时,随倾斜角度的增大,导致压痕对角线的差值增大,倾斜角度为1~2°时,压痕差值满足国家标准要求,倾斜角度为3°时,不能满足要求。
2.参数值
在进行维氏硬度试验时,应确保硬度值的准确性,做好相关参数的优化工作,分析试验力的误差原因,并深入研究这些因素对维氏硬度值的影响,以有效降低测量误差。
杠杆系统、主轴、工作轴以及砝码重力经一定杠杆比放大形成的力等均属于试验力的组成部分,且还包括上述设施运动过程中受到的摩擦力。由此看出,维氏硬度试验力的误差主要来源于杠杆比、杠杆主轴、工作轴重力、摩擦力以及砝码重力等几部分。在维氏硬度试验过程中,相关参数直接影响着试验力结果,为了减小误差,工作人员应在考虑维氏硬度试验原理的基础上,选择恰当的试验力数值,针对误差超值原因采取有效的解决措施,从而提升维氏硬度试验的准确性
名称 | 数量 | 名称 | 数量 |
十字试台 | 1只 | 薄片夹持台 | 1只 |
平口夹持台 | 1只 | 细丝加持台 | 1只 |
螺丝刀 | 2把 | 水平调节螺钉 | 4只 |
10x测微目镜 | 1只 | 维氏硬度块 | 2块 |
水平仪 | 1只 | 备用保险丝 | 2只 |
产品使用说明书 | 1份 | 产品合格证 | 1份 |
主机标准配置
一、背景介绍
硬度压痕测试是一种应用广泛的材料性能测试方法,它能够反映材料的硬度、强度、韧性等重要性质。通过测量材料表面在受力下的形变程度和压痕面积大小,可以获知材料的硬度大小和力学性质。因此,硬度测试在材料研究、产品开发、质量控制等方面具有极为重要的应用价值。
然而,传统的硬度测试方法存在一些局限性和不足之处。首先,传统硬度测试需要操作人员进行手动测量和记录,测试效率低,并且受人为因素干扰较大,测量结果不精确。其次,传统的自动测量方法通常基于单纯的图像处理技术,但这些方法往往是软件里面固定的参数和算法,缺乏灵活性和鲁棒性,难以适应不同材料性质、形态和尺寸的变化。
为了解决传统硬度测试存在的问题,近年来,各种智能化的自动测量技术不断涌现。其中,深度学习技术在自动测量领域得到了广泛应用。它能够通过学习大量的样本数据,自动提取材料表面的特征信息,实现对材料硬度的自动检测和分类。与传统硬度测试相比,深度学习技术具有测试效率高、测量精确度高、适用范围广等优点。因此,深度学习技术在自动化生产、精密加工、航空航天等多个领域具有广泛应用前景。
二、深度神经网络技术原理
深度神经网络是一种基于生物神经网络结构和机器学习算法的人工智能技术。它通过多层神经元之间的连接来进行分层提取特征,并在神经网络中构建多个层级的非线性映射,从而表达了更高层次、更抽象化、更具有普遍性的特征。深度神经网络的训练过程是通过反向传播算法来调整网络参数,优化网络的参数得到更好的效果。
1. 深度神经网络的定义和分类
深度神经网络是一种多层的神经网络模型,具有深度学习和自动学习的能力。按照不同的结构和使用的算法,深度神经网络可以分为很多不同的类别,比较典型的包括:
(1)卷积神经网络(Convolutional Neural Network,CNN):主要应用于图像识别和分类,具有局部连接、共享权重和池化等特点。
(2)递归神经网络(Recurrent Neural Network,RNN):主要用于处理序列数据,可以捕获序列中的时序信息。
(3)深度信念网络(Deep Belief Network,DBN):由多层受限制的玻尔兹曼机组成,可以进行层次化特征学习。
2. 深度神经网络在图像处理中的应用
深度神经网络在图像处理中的应用十分广泛,包括图像分类、物体检测、人脸识别、图像分割、图像生成等领域。其中,卷积神经网络(CNN)是应用最为广泛的深度学习模型之一,在图像处理领域的表现稳定、效果显著。通过构建深度卷积神经网络模型,可以对图像进行快速准确的分类和识别,如GoogleNet、VGGNet、ResNet等都是最近几年表现十分优秀的CNN模型。
3. 深度神经网络在硬度压痕测量中的优势
硬度压痕自动测量是一个重要的质量控制工具,可以在制造过程中对材料进行定量分析和评估。传统的自动测量方法通常基于单纯的图像处理技术,但这些方法往往是软件里面固定的参数和算法,缺乏灵活性和鲁棒性,难以适应不同材料性质、形态和尺寸的变化。
基于深度神经网络技术的硬度压痕自动测量,通过对大量样本数据的学习,可以识别和理解不同材料的特征,并能够处理和分析复杂的图像信息。与传统方法相比,基于深度神经网络技术的硬度压痕自动测量具有以下优点:
(1)更高的准确率:深度神经网络具有优秀的媲美人脑的特征提取和分类能力,能够更准确地捕捉压痕表面的细节和特征,从而实现更精确的测量结果。
(2) 更广泛的适用性:传统图像处理方法通常需要进行人工调参,难以适应不同材料的性质和形态变化。而基于深度神经网络的方法可以通过样本数据的学习,无需调节任何参数就能自适应地适应不同材料的特征和变化。
(3) 更高的鲁棒性:基于深度神经网络的方法具有较好的鲁棒性和泛化能力,能够对噪声、光照和形变等干扰因素具有一定的容忍度,从而实现更可靠和稳定的测量结果。
(4)更高的效率:基于深度神经网络的方法可以实现快速准确的自动测量,并能够进行批量处理和高效运算,提高工作效率和生产效益。
总之,基于深度神经网络技术的硬度压痕自动测量具有更高的准确率、更广泛的适用性、更高的鲁棒性和更高的效率等优点,是未来硬度压痕自动测量的重要发展方向。
三、软件功能介绍
1. 自动测量: 自动捕捉压痕并测出压痕直径和计算出相应的维氏硬度
2. 手动测量:支持手动切线测量和手动四点测量。
3. 设备控制:支持一键启动硬度计加卸载和转塔归位与自动聚焦、自动测量、支持单独控制硬度计Z轴(机头移动)上升和下降、转塔位置切换、支持便捷滑动调光。
4. 管理员模式:系统支持任意创建帐号功能,唯一的管理员帐号可赋予或取消普通帐号更改测试结果和标定参数等操作的权限,可查看普通账号登录和工作情况。减少因误操作导致数据错乱的风险、严格把控测试结果的真实有效性、便于使用部门管理和维护。
5. 硬度值转换、有效验证: 系统可将测得的布氏硬度值HB转换成其它硬度值如HV、HR等
6. 数据统计:系统自动计算所测硬度的平均值、重复性误差、方差等统计值
7. 超标报警:自动标明异常值, 当硬度超出规定值时,自动报警
8. 测试报告: 自动生成EXCEL/PDF/CSV等格式报告,报告模板可定制
9. 自由布局:软件界面中每个窗体都可以任意调整位置与大小、打开或隐藏,用户可根据需要自定义软件窗口布局。
10. 数据储存: 测量图像可储存至文档,测量结果可永久保存。
11. 其它功能: 图像拍摄、长度法标定、硬度法标定、绘制硬度曲线、多条件过滤测试结果、自由设定部分窗口显示的内容和字体大小、日志提示等
12. 系统特点:
使用方便:可在软件端完成所有硬度测试所需的工作,整个测试过程无需操作硬度计端。软件具备一键测量功能,从开始到生成硬度结果仅需一键。
交互友好:自由布局软件界面,用户根据需要可以自由调整软件的布局。
快速标定:软件系统除了支持使用倍率卡尺的长度标定法以外,还支持直接输入标准块硬度值的快速标定功能。
抗噪性高:采用先进的图像处理技术和深度神经网络技术,识别能力媲美人脑,确保自动测量功能的复杂样品表面兼容性和示值精准度。
数据多元化:软件基于主流数据库架构,有丰富的数据传递方式(MQTT,gRPC),满足企业的物联网、数据共享、工业数字化升级等需求。