1426

Калибровка и термостабилизации

Контрольная

Производство и промышленные технологии

Основные этапы настройки системы термостабилизации прибора. Настройка системы термостабилизации. Калибровка шкалы прибора по показателю преломления. Основные этапы калибровки шкалы по показателю преломления.

Русский

2013-01-06

56.5 KB

1 чел.

Основными задачами калибровки  является:

1.Настройка системы термостабилизации;

2.Калибровка шкалы прибора по показателю преломления.

1. Настройка системы термостабилизации.

Так как коэффициент показателя преломления в значительной степени зависит от температуры, то в процессе измерения важно поддерживать постоянный уровень температуры. Для этого необходимо откалибровать систему термостабилизации прибора.

  Основные этапы настройки системы термостабилизации прибора:

  1.  Прибор подсоединить к блоку электроники и подключить ее к персональному компьютеру, через канал RS-232;
  2.  Прибор установить в термостат типа;
  3.  Включить питание термостата и настраиваемого прибора;
  4.  Установить рабочую температуру термостата на +250С.
  5.  Обеспечить выдержку рабочей температуры в течение 30 мин.
  6.  Включить программу калибровки в разделе “ Калибровка термостата”;
  7.  Произвести балансировку сигнала термодатчика и установкой начального значения напряжения датчика;
  8.  Поднять температуру термостата до +300С и дать выдержку 30 мин.
  9.  Проверить величину тока нагрузки, которая должна быть в диапазоне 2-3А. При необходимости изменить установку крутизны S1. Где S1 - крутизна характеристики батареи Пельтье в режиме охлаждения;
  10.  Снизить температуру термостата до +200С и дать выдержку 30 мин.;
  11.  Проверить величину тока нагрузки, которая должна быть≤2А. При необходимости изменить установку крутизны S2. Где S2 - крутизна характеристики батареи Пельтье в режиме нагрева.

2. Калибровка шкалы прибора по показателю преломления.

  Калибровка шкалы прибора по показателю преломления осуществляется с помощью образцовых  растворов, с известными показателями преломлений. Для контрольных  образцовых  растворов выбираем 4 жидкости с  известными показателями преломления при температуре 250С:

  1.  Дистиллированная вода с n=1.33303;
  2.  30%глицерина (глицерин ЧДА)  и 70% воды с  n=1.37070;
  3.  50% глицерина и 50% воды с n=1.39809;
  4.  70% глицерина и 30% воды с  n=1.42789.

  Основные этапы калибровки шкалы по показателю преломления:

  1.  Приготовить контрольные растворы воды и глицерина в емкостях не менее 200мл и дать выстояться 2 ч. Для обеспечения точности использовать лабораторные весы с погрешностью измерения 0.1гр. и набор разновесов;
  2.  Включить прибор и дать прогреться 30 мин.;
  3.  Перевести прибор в режим “ Калибровка чувствительности” - контрольные точки;
  4.  Залить первый образцовый раствор и записать значение первого контрольного раствора в память микроконтроллера;
  5.  Снять отсчет и записать начальную точку отсчета из калибровочной таблицы, соответствующую данной концентрации, и записать в память микроконвертера прибора;
  6.  Чистка прибора контрольного канала:

           а) продуть сжатым воздухом;

      б) промыть чистым спиртом;

      в) продуть сжатым воздухом;

  1.  Залить второй эталонный раствор и записать значение второго контрольного раствора в память микроконтроллера;
  2.  Снять отсчет и записать текущую точку отсчета из калибровочной таблицы соответствующую данной концентрации и записать в память микроконвертера прибора;
  3.  Чистка прибора контрольного канала:

           а) продуть сжатым воздухом;

      б) промыть чистым спиртом;

      в) продуть сжатым воздухом;

  1.  Залить третий эталонный раствор и записать значение третьего контрольного раствора в память микроконтроллера;
  2.  Снять отсчет и записать текущую точку отсчета из калибровочной таблицы соответствующую данной концентрации и записать в память микроконвертера прибора;
  3.   Чистка прибора контрольного канала:

           а) продуть сжатым воздухом;

      б) промыть чистым спиртом;

      в) продуть сжатым воздухом;

  1.  Залить четвертый эталонный раствор и записать значение четвертого контрольного раствора в память микроконтроллера;
  2.  Снять отсчет и записать текущую точку отсчета из калибровочной таблицы соответствующую данной концентрации и записать в память микроконвертера прибора;
  3.   Чистка прибора контрольного канала:

           а) продуть сжатым воздухом;

      б) промыть чистым спиртом;

      в) продуть сжатым воздухом;

  1.  Переключить прибор в режим аппроксимации шкалы для создания таблицы;
  2.  Перевести прибор в режим “Измерения”.

Схема калибровки представлена в таблице.

Таблица.

Наименование операции

Описание операции и оборудование

Схема калибровки и обозначение

Калибровка шкалы прибора по показателю преломления.

1.Приготовить контрольные растворы воды и глицерина в емкостях не менее 200мл. Для обеспечения точности использовать лабораторные весы с погрешностью измерения 0.1гр. и набор разновесов.

2.Включить прибор и дать ему прогреться 30 мин.

3. Перевести прибор в режим “Калибровка чувствительности”.

4. Залить 1 эталонный раствор.

5. Снять отсчет и записать начальную точку отсчета из калибровочной таблицы, соответствующую данной концентрации, и записать в память микроконвертера прибора;

6.Чистка прибора.

а) продуть сжатым воздухом;

б) Промыть чистым спиртом;

в) продуть сжатым воздухом

7. Залить второй эталонный раствор.

8.Повторить пп.5-6.

9.Залить третьим раствором.

10.Повторить пп.5-6.

11. Залить четвертый эталонный раствор.

12.Повторить пп.5-6.

13. Переключить прибор в режим аппроксимации шкалы для создания таблицы.

14. Перевести прибор в режим “Измерения”.


 

А также другие работы, которые могут Вас заинтересовать

45337. Понятие дерева возможностей 36.5 KB
  Дерево быстро разрастается рис.1 Дерево возможных продолжений шахматной игры Все вершины могут быть двух типов. Таким образом дерево возможностей представляет собой чередующиеся слои альфа и бетавершин. Если бы дерево можно было обследовать полностью т.
45338. Основные понятия искусственного интеллекта 40 KB
  Интеллектом называется способность мозга решать задачи путём приобретения запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам. Искусственный интеллект это одно из направлений информатики целью которого является разработка аппаратнопрограммных средств позволяющих пользователюнепрограммисту ставить и решать свои традиционно считающиеся интеллектуальными задачи общаясь с компьютером на ограниченном подмножестве естественного языка. Понятие интеллектуальной задачи...
45339. Знания как часть любой интеллектуальной системы 38 KB
  При этом возникает естественный вопрос что такое знания и чем они отличаются от обычных данных обрабатываемых компьютером. Знания являются более сложной категорией информации по сравнению с данными. Они описывают не только отдельные факты но и взаимосвязи между ними поэтому знания иногда называют структурированными данными.
45340. Проблемная область искусственного интеллекта 35 KB
  Для этого разрабатываются специальные модели представления знаний и языки для описания знаний выделяются различные типы знаний. Изучаются источники из которых система может брать знания и создаются процедуры и приёмы с помощью которых возможно приобретение знаний интеллектуальными системами. Проблема представления знаний в системах искусственного интеллекта чрезвычайно актуальна поскольку функционирование данных систем опирается на знания о проблемной области хранящиеся на компьютере.
45341. Проблема распознавания образов 67.5 KB
  В своей повседневной жизни человек настолько легко справляется с задачами распознавания что это считается само собой разумеющимся. В целом проблема распознавания образов состоит из двух частей: обучения и распознавания. За обучением следует процесс распознавания новых объектов который характеризует действия уже обученной системы.
45342. Проблемы и перспективы нейронных сетей 48 KB
  Проблемы интерпретируемости приводят к снижению ценности полученных результатов работы сети а проблема размерности к очень жестким ограничениям на количество выходных нейронов в сети на количество рецепторов и на сложность структуры взаимосвязей нейронов с сети. уже сегодня искусственные нейронные сети используются во многих областях но прежде чем их можно будет применять там где на карту поставлены человеческие жизни или значительные материальные ресурсы должны быть решены важные вопросы касающиеся надежности их работы. Некоторые...
45343. Процедурные модели предоставления знаний 74.5 KB
  Здесь имя или порядковый номер продукции во множестве продукций хранящихся в памяти системы. Q сфера применения продукции описывающая предметную область или ситуацию. Это позволяет систематизировать продукции что облегчает работу с системой продукций. Р условие применимости ядра продукции.
45344. Технология разработки экспертных систем 36 KB
  К разработке экспертных систем привлекаются специалисты из разных предметных областей а именно: эксперты той проблемной области к которой относятся задачи решаемые системой; инженеры по знаниям являющиеся специалистами по разработке систем искусственного интеллекта; программисты осуществляющие реализацию экспертной системы. Инженеры по знаниям помогают экспертам выявить и структурировать знания необходимые для работы экспертной системы выполняют работу по представлению знаний выбирают методы обработки знаний проводят выбор...
45345. Архитектура системы работы со знаниями 48 KB
  Различие между уровнями заключается в языке применяемом для представления знаний. Для работы со знаниями на любом из этих уровней используются следующие базовые компоненты: база знаний; редактор базы знаний; база данных со своей СУБД; решатель; подсистема настройки и управления; подсистема объяснения; диалоговая подсистема. В некоторых источниках совокупность средств обеспечивающих работу со знаниями называют системой управления базой знаний СУБЗ по аналогии с СУБД.