CN116609255B - 一种建筑涂料的耐候性测试方法及系统 - Google Patents
一种建筑涂料的耐候性测试方法及系统 Download PDFInfo
- Publication number
- CN116609255B CN116609255B CN202310872723.XA CN202310872723A CN116609255B CN 116609255 B CN116609255 B CN 116609255B CN 202310872723 A CN202310872723 A CN 202310872723A CN 116609255 B CN116609255 B CN 116609255B
- Authority
- CN
- China
- Prior art keywords
- test
- result
- compensation
- scheme
- verification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 567
- 239000003973 paint Substances 0.000 title claims abstract description 114
- 238000012795 verification Methods 0.000 claims abstract description 95
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000000576 coating method Methods 0.000 claims abstract description 38
- 239000011248 coating agent Substances 0.000 claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 27
- 230000002159 abnormal effect Effects 0.000 claims abstract description 26
- 230000007613 environmental effect Effects 0.000 claims description 45
- 238000001514 detection method Methods 0.000 claims description 43
- 238000011156 evaluation Methods 0.000 claims description 23
- 230000002776 aggregation Effects 0.000 claims description 20
- 238000004220 aggregation Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000011157 data evaluation Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000011056 performance test Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 9
- 238000012937 correction Methods 0.000 description 7
- 238000005286 illumination Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 230000032683 aging Effects 0.000 description 4
- 238000006116 polymerization reaction Methods 0.000 description 4
- 238000010998 test method Methods 0.000 description 4
- 238000005336 cracking Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013100 final test Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 2
- 238000013506 data mapping Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004925 denaturation Methods 0.000 description 1
- 230000036425 denaturation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000379 polymerizing effect Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Ecology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Environmental Sciences (AREA)
- Pathology (AREA)
- Environmental & Geological Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种建筑涂料的耐候性测试方法及系统,属于性能测试领域,其中包括:交互涂料基础信息,配置智能测试方案;设置自然测试周期,并选定自然场景,布设监测传感器,执行自然测试,记录自然测试结果;采集自然场景数据,进行人工测试,获得预验证测试结果;基于所得测试结果进行结果比对,提取异常测试结果的测试特征值和关联因子,并构建补偿信息;执行涂料测试,采集测试结果;将补偿信息和测试方案输入补偿拟合模型,输出补偿结果;基于补偿结果对测试结果进行测试补偿,输出测试补偿结果。本申请解决了现有技术中对建筑涂料的耐候性测试准确性低的技术问题,达到了提高建筑涂料耐候性测试准确性的技术效果。
Description
技术领域
本发明涉及性能测试领域,具体涉及一种建筑涂料的耐候性测试方法及系统。
背景技术
随着建筑行业对建筑涂料的要求越来越高,建筑涂料的耐候性能成为评价涂料性能最为关键的指标之一。传统的建筑涂料耐候性测试方法主要采用人工加速老化测试的方式,对涂料进行加速老化从而评价其耐候性能。然而,传统的人工加速老化测试方法难以准确全面地模拟复杂多变的自然使用环境,测试结果的准确性和可靠性较低,无法真实反映涂料的实际耐候性能。
发明内容
本申请通过提供了一种建筑涂料的耐候性测试方法及系统,旨在解决现有技术中对建筑涂料的耐候性测试准确性低的技术问题。
鉴于上述问题,本申请提供了一种建筑涂料的耐候性测试方法及系统。
本申请公开的第一个方面,提供了一种建筑涂料的耐候性测试方法,该方法包括:交互测试建筑涂料的涂料基础信息,基于涂料基础信息配置智能测试方案,其中,智能测试方案包括预验证方案和测试方案;基于预验证方案设置自然测试周期,并选定自然场景,布设监测传感器,执行自然场景下的测试建筑涂料的自然测试,记录自然测试结果;通过监测传感器实时采集自然场景数据,并基于采集结果同步控制预验证方案进行人工测试,获得预验证测试结果;基于预验证测试结果和自然测试结果进行结果比对,提取异常测试结果的测试特征值和关联因子,并基于测试特征值与关联因子构建补偿信息;通过测试方案执行测试建筑涂料的涂料测试,采集测试结果;将补偿信息和测试方案输入补偿拟合模型,输出补偿结果;基于补偿结果对测试结果进行测试补偿,输出测试补偿结果。
本申请公开的另一个方面,提供了一种建筑涂料的耐候性测试系统,该系统包括:测试方案配置模块,用于交互测试建筑涂料的涂料基础信息,基于涂料基础信息配置智能测试方案,其中,智能测试方案包括预验证方案和测试方案;自然测试模块,基于预验证方案设置自然测试周期,并选定自然场景,布设监测传感器,执行自然场景下的测试建筑涂料的自然测试,记录自然测试结果;预验证测试模块,用于通过监测传感器实时采集自然场景数据,并基于采集结果同步控制预验证方案进行人工测试,获得预验证测试结果;补偿信息构建模块,基于预验证测试结果和自然测试结果进行结果比对,提取异常测试结果的测试特征值和关联因子,并基于测试特征值与关联因子构建补偿信息;涂料测试模块,用于通过测试方案执行测试建筑涂料的涂料测试,采集测试结果;补偿结果获取模块,用于将补偿信息和测试方案输入补偿拟合模型,输出补偿结果;测试补偿结果模块,基于补偿结果对测试结果进行测试补偿,输出测试补偿结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了交互涂料基础信息,配置智能测试方案,包括预验证方案和测试方案,为耐候性测试提供方案依据;基于预验证方案设置自然测试周期,选定自然场景,布设监测传感器,执行自然测试,记录自然测试结果,提供真实使用环境测试数据;实时采集自然场景数据,并进行人工测试,获得预验证测试结果,为构建补偿信息提供数据支持;基于所得测试结果进行结果比对,提取异常测试结果的测试特征值和关联因子,构建补偿信息,为测试结果的修正提供依据;通过测试方案执行测试建筑涂料的涂料测试,采集测试结果,采用测试方案对大批量涂料样本进行测试,获取原始测试数据;将补偿信息和测试方案输入补偿拟合模型,输出补偿结果,获得修正后的测试结果;对测试结果进行测试补偿,输出测试补偿结果的技术方案,解决现有技术中对建筑涂料的耐候性测试准确性低的技术问题,达到提高建筑涂料耐候性测试准确性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种建筑涂料的耐候性测试方法可能的流程示意图;
图2为本申请实施例提供了一种建筑涂料的耐候性测试方法中生成测试特征值和关联因子可能的流程示意图;
图3为本申请实施例提供了一种建筑涂料的耐候性测试方法中测试方案的执行管理可能的流程示意图;
图4为本申请实施例提供了一种建筑涂料的耐候性测试系统可能的结构示意图。
附图标记说明:测试方案配置模块11,自然测试模块12,预验证测试模块13,补偿信息构建模块14,涂料测试模块15,补偿结果获取模块16,测试补偿结果模块17。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了一种建筑涂料的耐候性测试方法及系统。通过选择真实的自然环境场景进行长期的自然测试,记录各环境参数数据和自然测试结果,同时,通过人工控制的预验证方案测试获得预验证测试结果。然后,对预验证测试结果和自然测试结果进行比对分析,提取环境影响因子和测试特征参数,构建补偿信息模型。在此基础上,采用测试方案进行大批量的涂料测试,并将测试结果和构建的补偿信息输入补偿模型,对测试结果进行修正和补偿,以消除环境影响因子带来的误差,获得更加准确的耐候性测试结果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种建筑涂料的耐候性测试方法,该方法包括:
步骤S100:交互测试建筑涂料的涂料基础信息,基于所述涂料基础信息配置智能测试方案,其中,所述智能测试方案包括预验证方案和测试方案;
具体而言,交互测试建筑涂料的涂料基础信息可以通过人机交互界面让测试人员输入涂料的相关参数,也可以通过自动采集涂料标识与条形码等信息自动获取涂料基础信息,涂料基础信息主要包括涂料的化学成分、颜色类型、研磨粒度等信息。通过将涂料信息输入预设的测试方案生成模型,模型基于涂料类型、色号等信息匹配对应的标准测试方案或生成定制化测试方案,作为智能测试方案,如对于有机涂料可以配置加速耐候测试,无机涂料可以配置中性盐雾测试等。该智能测试方案包括预验证方案和测试方案,其中,预验证方案是在自然环境下对涂料进行的初步验证和监测方案;测试方案是在标准化的人工环境中对涂料进行正式测试的方案。
通过交互涂料的基础信息,根据基础信息配置智能测试方案,可以有效评估建筑涂料的长期耐候性能,为实现对建筑涂料耐候性的准确检测提供方案支持。
步骤S200:基于所述预验证方案设置自然测试周期,并选定自然场景,布设监测传感器,执行自然场景下的所述测试建筑涂料的自然测试,记录自然测试结果;
具体而言,根据预验证方案,基于建筑涂料的类别和预期使用寿命设定自然测试周期的时长,可以设置为6个月、12个月、24个月等,测试周期的时长越长,获得的数据越接近建筑涂料实际使用全生命周期内的性能衰减情况。选定建筑涂料实际使用的典型自然场景,例如屋顶、外墙等,在选定的自然场景中布设相应的监测传感器。监测传感器包括光强度传感器、温湿度传感器等,用以实时监测测试场景的温湿度、紫外线强度等参数。同时,定期采集建筑涂料的图像信息,通过图像处理技术监测涂料的表面性能变化如色差、粉化程度和开裂情况等。执行设置测试建筑涂料的自然测试,记录建筑涂料在自然环境下的详细性能变化数据,为自然测试数据,为后续的测试方案提供可靠的参考依据。
步骤S300:通过所述监测传感器实时采集自然场景数据,并基于采集结果同步控制所述预验证方案进行人工测试,获得预验证测试结果;
具体而言,通过布设的监测传感器实时采集自然场景的环境数据,如温度、湿度、光照强度等数据,同时,定期采集建筑涂料在自然场景下的图像信息。基于该实时采集的环境数据和定期采集的图像信息作为反馈,同步地对预验证方案进行人工测试,即在标准化的测试环境和设备上,根据自然场景的环境变化实时调整测试参数,使人工测试环境与自然场景最大限度地匹配。例如,如果自然场景的温度和光照强度在某一时间段内增加,本发明也相应地增加人工测试环境中的温度和光源功率,以同步模拟自然环境的变化。从而在人工环境下获得建筑涂料在该时间段内在自然条件下的性能表现,实现人工测试与自然测试的同步验证,获取预验证测试结果。
通过环境传感器实时监测自然场景的环境变化,并基于监测结果实时调整人工测试环境,实现了人工测试与自然测试的同步验证测试,使预验证测试结果可以与自然测试结果相互验证和参考,为建筑涂料的性能评估提供全面的数据支撑。
步骤S400:基于所述预验证测试结果和所述自然测试结果进行结果比对,提取异常测试结果的测试特征值和关联因子,并基于所述测试特征值与关联因子构建补偿信息;
具体而言,通过数据映射对比、样本图像对比等对比方法对预验证测试结果和自然测试结果进行深入比对和分析。其中,数据映射比对是将预验证测试结果和自然测试结果中的定量指标,如色差值、粉化面积、开裂长度等按时间序列进行映射和对比,发现数据变化趋势的差异和异常情况;样本图像比对是将预验证测试和自然测试获得的涂料图像样本进行视觉比对,检查涂料表面性能是否存在明显差异,如色差分布、粉化位置、开裂特征等。
通过结果比对,可以发现预验证测试结果和自然测试结果之间的差异与异常情况,这些差异主要由测试环境引起,但也包含涂料本身性能的变化。提取预验证测试结果和自然测试结果之间的差异数据作为异常测试结果。然后分析异常测试结果中涂料性能相关的测试特征值,例如色差值、粉化面积比例等,以及影响这些测试特征值的相关环境因子和试验参数,例如温度、湿度、紫外线强度等。基于提取的测试特征值与环境因子之间的对应关系,通过多元统计分析方法构建补偿信息,用于修正普通人工测试结果中的环境影响因素。
通过对预验证测试结果和自然测试结果进行差异分析,提取涂料性能相关的测试特征值和对应的环境因子,并基于统计分析构建补偿信息,为进行环境影响修正奠定基础,有助于提高测试结果的精确性。
步骤S500:通过所述测试方案执行所述测试建筑涂料的涂料测试,采集测试结果;
具体而言,基于配置和优化的测试方案,在标准化的人工测试环境和设备下,对建筑涂料进行正式的涂料测试。测试方案规定了测试的具体流程、测试手段和检测指标等,例如,对有机涂料可以采用加速耐候测试方法,配置银浆试验;对无机涂料使用中性盐雾试验等;同时测试周期和检测频次由测试方案严格控制。其中,检测指标是涂料的主要性能指标,如色差、粉化、板结性能和光泽保持率等。
在整个测试过程中,采用恒温恒湿箱、紫外加速老化试验机、中性盐雾试验机等设备模拟室外环境,并采用色差仪、图像处理系统等手段对涂膜性能进行检测。同时,对测试环境的温湿度、光照强度等参数进行实时记录和监控。对测试结果进行采集,从而获得建筑涂料在标准化人工测试条件下,在整个测试周期内的详细性能测试数据,为建筑涂料的性能评估提供重要数据支撑。
通过严格控制的测试环境和科学的检测手段获得涂料全生命周期内的性能衰减数据,为建筑涂料的耐候性评定提供可靠依据。
步骤S600:将所述补偿信息和所述测试方案输入补偿拟合模型,输出补偿结果;
具体而言,补偿信息包含测试特征值与各环境因子之间的权重关系,反映了环境因子对测试特征值的影响程度。测试方案包含测试流程、测试手段、检测指标等信息。两者为补偿拟合模型提供环境影响信息和测试结果信息。采用主成分分析法、回归分析法等构建补偿拟合模型,该模型的训练样本可以使用历史测试数据和环境监测数据,用以评估普通测试结果中环境因子的影响,并进行补偿修正,输出的补偿结果反映环境影响修正后的测试特征值。
通过构建的补偿拟合模型,输入待修正的测试方案和补偿信息,输出补偿结果,有助于过滤普通测试结果中的环境噪声,使测试结果更准确地反映涂料本身的性能特征,使测试特征值与真实的自然场景测试之间的对应程度得以提高,为建筑涂料的耐候测试提供更加准确的基础。
步骤S700:基于所述补偿结果对所述测试结果进行测试补偿,输出测试补偿结果。
具体而言,测试补偿是指根据补偿结果修正普通测试结果中由环境影响引起的误差或偏差,使测试结果能更准确地反映涂料性能,即根据补偿结果中测试特征值与环境因子之间的权重关系,对相应的测试特征值进行修正。例如,如果补偿结果显示温度作为环境因子对色差值产生较大影响,而实际测试过程的温度偏高,此时我们可以根据色差值与温度之间的修正关系,相应地降低普通测试结果中的色差值;还可以根据补偿结果如粉化面积、光泽度等其他性能指标进行修正。测试补偿后,将修正后的测试结果作为测试补偿结果输出。该结果为建筑涂料耐候性最终的测试结果,有效减少人工测试环境的影响,更准确地评估涂料的真实性能。
通过利用补偿结果对普通测试结果进行修正,过滤环境因素影响,输出修正后的测试补偿结果,达到提高建筑涂料耐候性测试准确性的目的。
进一步的,如图2所示,本申请实施例还包括:
步骤S410:设置N个提取通道,其中,所述N个提取通道包括光强通道、热量通道和水汽通道;
步骤S420:分别通过N个所述提取通道依据所述采集结果进行通道特征聚合,获得通道特征聚合结果;
步骤S430:依据所述通道特征聚合结果进行所述预验证测试结果和所述自然测试结果的节点数据比对,生成通道节点关联信息;
步骤S440:依据所述通道节点关联信息生成所述测试特征值和所述关联因子。
具体而言,提取通道是用于分析和评估环境影响的技术手段,通过聚集与某一环境因素相关的检测指标信息,建立该环境因素与测试结果之间的对应关系,用于判断该环境因素对测试结果的影响程度。设置N个提取通道,包括光强通道、热量通道和水汽通道等,用于分析预验证测试结果和自然测试结果之间的差异。分别通过N个提取通道依据采集结果进行通道特征聚合。如光强通道聚合预验证测试和自然测试过程中关于光照强度的参数,如紫外线照度、可见光照度等;热量通道聚合温度相关参数;水汽通道聚合湿度相关参数。通过各通道聚合相应的检测指标,获得光、热、湿三个方面的环境特征,获得通道特征聚合结果。
将两组测试结果划分为对应的多个节点,每个节点对应一次测试获取的结果。基于获得的通道特征聚合结果,对两组测试结果的各节点进行数据比对和分析,找出相应环境特征变化较大的节点,生成各通道下的节点关联信息。基于各通道的节点关联信息,确定光照、温度、湿度等环境因子对测试结果产生较大影响的节点,在这些节点对应的测试特征值与环境因子之间的对应关系中,环境因子的权重较大,将这些节点的信息提取作为测试特征值与关联因子,从宏观上反应环境因子对测试结果的影响情况,为后续的补偿信息构建提供依据。
通过设置多个提取通道,基于通道环境特征对测试结果进行节点比对,找出环境影响较大的节点,并从这些节点中提取测试特征值与关联因子,避免单一环境因子的局限性,获得更全面准确的测试特征值与关联因子,为测试结果的环境影响评估和修正奠定基础,从而提高建筑涂料耐候性测试的准确性。
进一步的,本申请实施例还包括:
步骤S431:对所述通道特征聚合结果进行关联特征的特征变化分析,生成每一通道特征聚合结果的辅助关联特征;
步骤S432:设置匹配相似阈值,基于所述匹配相似阈值对通道节点信息进行相关评价,筛选获得异常相关集合;
步骤S433:依据所述辅助关联特征对所述异常相关集合进行关联;
步骤S434:根据关联结果对所述通道节点关联信息补偿后生成所述测试特征值和所述关联因子。
具体而言,对各提取通道内的特征聚合结果进行进一步分析,生成辅助关联特征,并基于此找出异常相关集合,以提高测试特征值与关联因子的准确性。首先,分析每个通道内的特征聚合结果,监测特征参数的变化趋势。如果某特征参数变化较大但对应测试结果的变化程度较小,或者某特征参数变化较小但对应测试结果的变化程度较大等,则表明此特征参数可能不是主要影响测试结果的因素。此时,需要找出其他更为匹配的环境特征参数对应测试结果的变化情况,将这些参数作为辅助关联特征。
然后,基于不同特征与测试结果的匹配程度,设置匹配相似阈值,对通道节点信息进行相关评价,找出与测试结果匹配不足的特征参数,这些参数所在的节点构成异常相关集合。例如,在温度通道内,特征聚合结果显示测试过程的温度较为稳定,但色差值的变化趋势却较大,这表明温度可能不是致色差变化的主要因素,需要找出其他辅助关联特征,如湿度;如果发现色差变化与湿度变化较为一致,则可以判断湿度是导致该节点色差异常的主要环境因素,温度特征可以构成异常相关集合。
接着,根据得到的辅助关联特征,对异常相关集合进行关联分析,找出导致其测试结果异常变化的其他环境因素,纠正单一提取通道内的判断误差,获得更准确的测试特征值与关联因子。最后,根据关联分析结果,对各通道内的节点关联信息进行修正或补充,生成测试特征值与关联因子。
通过引入辅助关联特征和异常相关集合,对单通道内的环境影响判断进行修正,找出更准确的测试特征值与关联因子,避免由某一通道内信息不足导致的判断误差,提高测试特征值与关联因子的准确性,从而提高最终测试结果的准确性。
进一步的,本申请实施例还包括:
步骤S810:配置M组比对样本,并通过所述智能测试方案对所述M组比对样本进行样本测试,记录所述M组比对样本的样本基础差值;
步骤S820:获得所述M组比对样本的样本测试结果,基于所述样本测试结果进行偏离分析,生成测试稳定值;
步骤S830:基于所述样本基础差值对所述测试稳定值补偿,将补偿后的所述测试稳定值标识至所述测试补偿结果。
具体而言,配置M组与测试建筑涂料相似的比对样本,通过配置的智能测试方案,对这M组比对样本进行测试,记录其样本基础差值,即各组样本在标准状态下的性能差异。基于智能测试方案对比对样本的测试,获得各比对样本的测试结果。通过对测试结果进行偏离分析,判断哪些测试指标和阶段的结果偏离度较大,偏离度较大则反应该指标和阶段对应的测试结果较为不稳定,提取为测试稳定值。测试稳定值存在样本本身性能差异导致的误差,为提高其准确性,基于得到的样本基础差值对测试稳定值进行补偿修正。补偿后的测试稳定值能更好地反映测试手段和环境对结果的影响,进而标识至测试补偿结果。
通过引入比对样本测试并基于测试结果进行偏离分析,获取反映测试与环境影响的测试稳定值,并根据比对样本的样本基础差异对测试稳定值进行修正,应用于测试补偿结果,使最终的测试补偿结果更加准确地反映材料本身的性能,提高耐候性测试的准确性。
进一步的,本申请实施例还包括:
步骤S710:基于所述测试方案设置多级检测节点;
步骤S720:在所述多级检测节点对所述测试建筑涂料执行数据采集,并构建测试数据集合;
步骤S730:基于所述预验证测试结果对所述测试数据集合进行相似匹配,确定参考检测节点;
步骤S740:将所述参考检测节点作为初始节点,对所述测试数据集合进行节点重置;
步骤S750:对节点重置后的所述测试数据集合进行测试结果分割,确定多级补偿节点;
步骤S760:依据所述补偿信息对所述多级补偿节点进行节点补偿,输出测试补偿结果。
具体而言,基于测试方案设置多级检测节点,如初始阶段的检测节点、过渡阶段的检测节点、受控条件下的检测节点、参考检测节点、变性节点、补偿节点等。其中,初始阶段的检测节点采集的测试涂料的性能和表面状态仍较易受存储条件的影响;过渡阶段的检测节点位于初始阶段和稳定过程阶段之间,测试涂料的性能和表面状态正在由存储状态向稳定过程过渡,其测试结果仍在一定程度上反映存储条件的影响;受控条件下的节点在严格控制的实验室条件下进行,大多数检测节点的数据会过于反映这些受控条件的影响,无法模拟真实使用环境。
按照多级检测节点采集测试建筑涂料的测试数据,并构建测试数据集合。根据预验证测试结果,找出与自然状态下的测试结果最为匹配的检测节点,这些节点具有较高的参考价值,确定为参考检测节点。为提高测试补偿的准确性,将参考检测节点作为初始节点,对测试数据集合进行节点重置,即参考检测节点之前的节点数据不再参考,过滤难以反应自然状态涂料变化节点,保留与自然测试最为匹配的节点数据,为后续的节点补偿提供较高质量的测试信息。
然后,对节点重置后的测试数据集合进行测试结果分割,监测各节点测试结果之间的变化情况,找出测试结果中建筑涂料性质发生较大变化的节点,这些节点很可能受环境因素影响较大,确定为多级补偿节点。最后,根据得到的补偿信息,对各多级补偿节点进行适当的节点补偿,修正测试结果中的误差,得到修正后的测试补偿结果。
通过设置多级检测节点采集完整的测试数据,基于预验证测试结果确定具有较高参考价值的参考检测节点,过滤过度受人工影响的节点,分割测试结果,确定受环境影响较大的多级补偿节点,并基于补偿信息对这些节点进行修正,使最终输出的测试补偿结果能更加准确地表征涂料的性能与特性。
进一步的,本申请实施例还包括:
步骤S610:对所述补偿信息和所述测试方案进行补偿参考的数据评价,其中,所述数据评价包括数据密度评价、数据覆盖度评价;
步骤S620:若数据评价结果不能满足预设阈值时,则生成新增补偿需求;
步骤S630:基于所述新增补偿需求对所述补偿信息进行补充采集。
具体而言,首先,对补偿信息和测试方案的数据进行密度评价,判断数据点是否足够密集,能否全面反映测试涂料在各重要检测阶段和工况下的性能表现,如数据密度不足会导致评估结果的不准确和不全面。其次,对数据进行覆盖度评价,判断当前数据是否覆盖测试涂料在预期使用寿命内所有的重要检测指标和环境条件,如缺少数据会使评估结果出现较大误差。
若数据密度评价或数据覆盖度评价的结果无法达到预设的阈值,表明当前的数据还不能完全满足准确评估测试涂料耐候性的需要。此时,基于评价结果生成新增的补偿需求,对采集的数据进行补充。当新增补偿需求生成后,在相应的检测阶段和环境条件下增加检测节点,对测试涂料进行进一步数据采集。新的测试数据会被应用于补充当前的补偿信息,以提高补偿信息的全面性和准确性。
通过设置数据评价机制,发现当前补偿信息和测试方案的数据不足之处,及时生成新增补偿需求并进行数据补充,避免由数据不足导致的评估误差,有效提高补偿信息的全面性和准确性,为测试评估建筑涂料的耐候性提供更加可靠的支持,从而实现对建筑涂料耐候性的高精准测试评估。
进一步的,如图3所示,本申请实施例还包括:
步骤S510:设置验证传感器;
步骤S520:当执行所述测试方案时,通过所述验证传感器实时接收反馈信息,对所述测试方案执行测试验证;
步骤S530:若验证偏离结果不能满足预设偏离阈值或窗口内判定同向偏离时,则生成预警信息;
步骤S540:根据所述预警信息进行所述测试方案的执行管理。
具体而言,在测试现场设置多个验证传感器,用以在测试方案执行过程中实时检测测试涂料的关键性能参数和环境条件信息,用于与测试方案设定的对应参数进行对比,判断测试执行是否发生较大偏离。如果验证传感器检测到的某关键参数与测试方案设定值之间的偏离程度超过预先设置的偏离阈值,表明此时的测试执行与预期要求发生偏差。同时,如果多个验证传感器的检测结果显示同向偏离,即测试执行过程的某方面出现较系统性的偏差,也表明测试执行已不符合要求。
若验证偏离结果不能满足预设偏离阈值或窗口内判定同向偏离时,验证传感器会生成预警信息,提示测试人员测试方案的执行已出现较大偏差,测试结果的准确性可能会受到影响。根据预警信息对测试方案的执行进行必要管理,以纠正偏差并保证测试质量,例如,暂停当前测试并检查设备与环境并采取纠正措施;重新设定测试方案相关参数使其处于正常范围内等,以减少偏差对测试结果的影响。
通过采用验证传感器对测试方案的执行过程进行实时监测并验证,能够及时发现测试执行出现的偏差并及时采取管理措施予以纠正,避免较大偏差对测试结果产生影响,确保测试结果的准确性与可靠性。
综上所述,本申请实施例所提供的一种建筑涂料的耐候性测试方法具有如下技术效果:
交互测试建筑涂料的涂料基础信息,基于涂料基础信息配置智能测试方案,其中,智能测试方案包括预验证方案和测试方案,为后续测试提供方案依据;基于预验证方案设置自然测试周期,并选定自然场景,布设监测传感器,执行自然场景下的测试建筑涂料的自然测试,记录自然测试结果,模拟真实使用环境,获得初步测试结果;通过监测传感器实时采集自然场景数据,并基于采集结果同步控制预验证方案进行人工测试,获得预验证测试结果,为构建补偿信息提供支持;基于预验证测试结果和自然测试结果进行结果比对,提取异常测试结果的测试特征值和关联因子,并基于测试特征值与关联因子构建补偿信息,为测试结果的修正提供依据;通过测试方案执行测试建筑涂料的涂料测试,采集测试结果,获得原始测试结果;将补偿信息和测试方案输入补偿拟合模型,输出补偿结果,以消除环境影响因子带来的误差,获得修正后的测试结果;基于补偿结果对测试结果进行测试补偿,输出测试补偿结果,实现对建筑涂料耐候性能的准确评价。
实施例二
基于与前述实施例中一种建筑涂料的耐候性测试方法相同的发明构思,如图4所示,本申请实施例提供了一种建筑涂料的耐候性测试系统,该系统包括:
测试方案配置模块11,用于交互测试建筑涂料的涂料基础信息,基于所述涂料基础信息配置智能测试方案,其中,所述智能测试方案包括预验证方案和测试方案;
自然测试模块12,基于所述预验证方案设置自然测试周期,并选定自然场景,布设监测传感器,执行自然场景下的所述测试建筑涂料的自然测试,记录自然测试结果;
预验证测试模块13,用于通过所述监测传感器实时采集自然场景数据,并基于采集结果同步控制所述预验证方案进行人工测试,获得预验证测试结果;
补偿信息构建模块14,基于所述预验证测试结果和所述自然测试结果进行结果比对,提取异常测试结果的测试特征值和关联因子,并基于所述测试特征值与关联因子构建补偿信息;
涂料测试模块15,用于通过所述测试方案执行所述测试建筑涂料的涂料测试,采集测试结果;
补偿结果获取模块16,用于将所述补偿信息和所述测试方案输入补偿拟合模型,输出补偿结果;
测试补偿结果模块17,基于所述补偿结果对所述测试结果进行测试补偿,输出测试补偿结果。
进一步的,本申请实施例还包括:
提取通道设置模块,用于设置N个提取通道,其中,所述N个提取通道包括光强通道、热量通道和水汽通道;
通道特征聚合模块,用于分别通过N个所述提取通道依据所述采集结果进行通道特征聚合,获得通道特征聚合结果;
通道节点关联模块,用于依据所述通道特征聚合结果进行所述预验证测试结果和所述自然测试结果的节点数据比对,生成通道节点关联信息;
测试信息获取模块,用于依据所述通道节点关联信息生成所述测试特征值和所述关联因子。
进一步的,本申请实施例还包括:
特征变化分析模块,用于对所述通道特征聚合结果进行关联特征的特征变化分析,生成每一通道特征聚合结果的辅助关联特征;
节点相关评价模块,用于设置匹配相似阈值,基于所述匹配相似阈值对通道节点信息进行相关评价,筛选获得异常相关集合;
异常集合关联模块,用于依据所述辅助关联特征对所述异常相关集合进行关联;
关系信息补偿模块,用于根据关联结果对所述通道节点关联信息补偿后生成所述测试特征值和所述关联因子。
进一步的,本申请实施例还包括:
比对样本配置模块,用于配置M组比对样本,并通过所述智能测试方案对所述M组比对样本进行样本测试,记录所述M组比对样本的样本基础差值;
测试稳定值模块,用于获得所述M组比对样本的样本测试结果,基于所述样本测试结果进行偏离分析,生成测试稳定值;
稳定值补偿模块,基于所述样本基础差值对所述测试稳定值补偿,将补偿后的所述测试稳定值标识至所述测试补偿结果。
进一步的,本申请实施例还包括:
检测节点设置模块,基于所述测试方案设置多级检测节点;
测试数据集合模块,用于在所述多级检测节点对所述测试建筑涂料执行数据采集,并构建测试数据集合;
参考检测节点模块,基于所述预验证测试结果对所述测试数据集合进行相似匹配,确定参考检测节点;
初始节点重置模块,用于将所述参考检测节点作为初始节点,对所述测试数据集合进行节点重置;
测试结果分割模块,用于对节点重置后的所述测试数据集合进行测试结果分割,确定多级补偿节点;
节点补偿模块,用于依据所述补偿信息对所述多级补偿节点进行节点补偿,输出测试补偿结果。
进一步的,本申请实施例还包括:
数据评价模块,用于对所述补偿信息和所述测试方案进行补偿参考的数据评价,其中,所述数据评价包括数据密度评价、数据覆盖度评价;
新增补偿需求模块,用于若数据评价结果不能满足预设阈值时,则生成新增补偿需求;
补充采集模块,基于所述新增补偿需求对所述补偿信息进行补充采集。
进一步的,本申请实施例还包括:
传感器设置模块,用于设置验证传感器;
测试验证执行模块,用于当执行所述测试方案时,通过所述验证传感器实时接收反馈信息,对所述测试方案执行测试验证;
预警信息生成模块,用于若验证偏离结果不能满足预设偏离阈值或窗口内判定同向偏离时,则生成预警信息;
测试方案管理模块,用于根据所述预警信息进行所述测试方案的执行管理。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种建筑涂料的耐候性测试方法,其特征在于,所述方法包括:
交互测试建筑涂料的涂料基础信息,基于所述涂料基础信息配置智能测试方案,其中,所述智能测试方案包括预验证方案和测试方案,预验证方案是在自然环境下对涂料进行的初步验证和监测方案,测试方案是在标准化的人工环境中对涂料进行正式测试的方案;
基于所述预验证方案设置自然测试周期,并选定自然场景,布设监测传感器,执行自然场景下的所述测试建筑涂料的自然测试,记录自然测试结果;
通过所述监测传感器实时采集自然场景数据,并基于采集结果同步控制所述预验证方案进行人工测试,获得预验证测试结果;
基于所述预验证测试结果和所述自然测试结果进行结果比对,提取异常测试结果的测试特征值和关联因子,并基于所述测试特征值与关联因子构建补偿信息,其中,提取预验证测试结果和自然测试结果之间的差异数据作为异常测试结果,补偿信息包含测试特征值与各环境因子之间的权重关系,关联因子为环境因子;
通过所述测试方案执行所述测试建筑涂料的涂料测试,采集测试结果;
将所述补偿信息和所述测试方案输入补偿拟合模型,输出补偿结果;
基于所述补偿结果对所述测试结果进行测试补偿,输出测试补偿结果。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
设置N个提取通道,其中,所述N个提取通道包括光强通道、热量通道和水汽通道;
分别通过N个所述提取通道依据所述采集结果进行通道特征聚合,获得通道特征聚合结果;
依据所述通道特征聚合结果进行所述预验证测试结果和所述自然测试结果的节点数据比对,生成通道节点关联信息;
依据所述通道节点关联信息生成所述测试特征值和所述关联因子。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
对所述通道特征聚合结果进行关联特征的特征变化分析,生成每一通道特征聚合结果的辅助关联特征;
设置匹配相似阈值,基于所述匹配相似阈值对通道节点信息进行相关评价,筛选获得异常相关集合;
依据所述辅助关联特征对所述异常相关集合进行关联;
根据关联结果对所述通道节点关联信息补偿后生成所述测试特征值和所述关联因子。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
配置M组比对样本,并通过所述智能测试方案对所述M组比对样本进行样本测试,记录所述M组比对样本的样本基础差值;
获得所述M组比对样本的样本测试结果,基于所述样本测试结果进行偏离分析,生成测试稳定值;
基于所述样本基础差值对所述测试稳定值补偿,将补偿后的所述测试稳定值标识至所述测试补偿结果。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述测试方案设置多级检测节点;
在所述多级检测节点对所述测试建筑涂料执行数据采集,并构建测试数据集合;
基于所述预验证测试结果对所述测试数据集合进行相似匹配,确定参考检测节点;
将所述参考检测节点作为初始节点,对所述测试数据集合进行节点重置;
对节点重置后的所述测试数据集合进行测试结果分割,确定多级补偿节点;
依据所述补偿信息对所述多级补偿节点进行节点补偿,输出测试补偿结果。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述补偿信息和所述测试方案进行补偿参考的数据评价,其中,所述数据评价包括数据密度评价、数据覆盖度评价;
若数据评价结果不能满足预设阈值时,则生成新增补偿需求;
基于所述新增补偿需求对所述补偿信息进行补充采集。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
设置验证传感器;
当执行所述测试方案时,通过所述验证传感器实时接收反馈信息,对所述测试方案执行测试验证;
若验证偏离结果不能满足预设偏离阈值或窗口内判定同向偏离时,则生成预警信息;
根据所述预警信息进行所述测试方案的执行管理。
8.一种建筑涂料的耐候性测试系统,其特征在于,所述系统包括:
测试方案配置模块,所述测试方案配置模块用于交互测试建筑涂料的涂料基础信息,基于所述涂料基础信息配置智能测试方案,其中,所述智能测试方案包括预验证方案和测试方案,预验证方案是在自然环境下对涂料进行的初步验证和监测方案,测试方案是在标准化的人工环境中对涂料进行正式测试的方案;
自然测试模块,所述自然测试模块基于所述预验证方案设置自然测试周期,并选定自然场景,布设监测传感器,执行自然场景下的所述测试建筑涂料的自然测试,记录自然测试结果;
预验证测试模块,所述预验证测试模块用于通过所述监测传感器实时采集自然场景数据,并基于采集结果同步控制所述预验证方案进行人工测试,获得预验证测试结果;
补偿信息构建模块,所述补偿信息构建模块基于所述预验证测试结果和所述自然测试结果进行结果比对,提取异常测试结果的测试特征值和关联因子,并基于所述测试特征值与关联因子构建补偿信息,其中,提取预验证测试结果和自然测试结果之间的差异数据作为异常测试结果,补偿信息包含测试特征值与各环境因子之间的权重关系,关联因子为环境因子;
涂料测试模块,所述涂料测试模块用于通过所述测试方案执行所述测试建筑涂料的涂料测试,采集测试结果;
补偿结果获取模块,所述补偿结果获取模块用于将所述补偿信息和所述测试方案输入补偿拟合模型,输出补偿结果;
测试补偿结果模块,所述测试补偿结果模块基于所述补偿结果对所述测试结果进行测试补偿,输出测试补偿结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310872723.XA CN116609255B (zh) | 2023-07-17 | 2023-07-17 | 一种建筑涂料的耐候性测试方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310872723.XA CN116609255B (zh) | 2023-07-17 | 2023-07-17 | 一种建筑涂料的耐候性测试方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116609255A CN116609255A (zh) | 2023-08-18 |
CN116609255B true CN116609255B (zh) | 2023-09-22 |
Family
ID=87680398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310872723.XA Active CN116609255B (zh) | 2023-07-17 | 2023-07-17 | 一种建筑涂料的耐候性测试方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116609255B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019127308A1 (zh) * | 2017-12-26 | 2019-07-04 | 米亚索能光伏科技有限公司 | 一种光伏组件的耐候性检测方法及系统 |
WO2022052333A1 (zh) * | 2020-09-08 | 2022-03-17 | 中国电器科学研究院股份有限公司 | 基于环境大数据和机器学习的高分子材料服役寿命预测方法 |
CN115455089A (zh) * | 2022-11-09 | 2022-12-09 | 西安弘捷电子技术有限公司 | 一种无源组件的性能评估方法、系统及存储介质 |
CN115452841A (zh) * | 2022-10-19 | 2022-12-09 | 深圳市力琪新材料科技有限公司 | 一种塑料制品的出厂质量检测设备及系统 |
CN116226726A (zh) * | 2023-05-04 | 2023-06-06 | 济南东方结晶器有限公司 | 一种结晶器铜管的应用性能评估方法、系统、设备及介质 |
CN116341771A (zh) * | 2023-05-30 | 2023-06-27 | 江苏鹏润电缆科技有限公司 | 一种耐低温电缆生产工艺智能优化方法及系统 |
-
2023
- 2023-07-17 CN CN202310872723.XA patent/CN116609255B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019127308A1 (zh) * | 2017-12-26 | 2019-07-04 | 米亚索能光伏科技有限公司 | 一种光伏组件的耐候性检测方法及系统 |
WO2022052333A1 (zh) * | 2020-09-08 | 2022-03-17 | 中国电器科学研究院股份有限公司 | 基于环境大数据和机器学习的高分子材料服役寿命预测方法 |
CN115452841A (zh) * | 2022-10-19 | 2022-12-09 | 深圳市力琪新材料科技有限公司 | 一种塑料制品的出厂质量检测设备及系统 |
CN115455089A (zh) * | 2022-11-09 | 2022-12-09 | 西安弘捷电子技术有限公司 | 一种无源组件的性能评估方法、系统及存储介质 |
CN116226726A (zh) * | 2023-05-04 | 2023-06-06 | 济南东方结晶器有限公司 | 一种结晶器铜管的应用性能评估方法、系统、设备及介质 |
CN116341771A (zh) * | 2023-05-30 | 2023-06-27 | 江苏鹏润电缆科技有限公司 | 一种耐低温电缆生产工艺智能优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116609255A (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107720469B (zh) | 一种通过温度气压传感器测量电梯楼层的方法及系统 | |
US11624523B2 (en) | System and method for remote calibration of an air-quality sensor device | |
CN110081923B (zh) | 野外基线环境参数自动采集系统故障检测方法与装置 | |
CN111537841A (zh) | 一种适用于接地故障类型识别的优化方法及系统 | |
CN110619479A (zh) | 光伏组件的故障判别模型建模方法及故障判别方法 | |
CN117371337B (zh) | 一种基于数字孪生的水利模型构建方法及系统 | |
CN116011703B (zh) | 一种动态环境监测站的管理方法及系统 | |
CN103389360B (zh) | 基于概率主元回归模型的脱丁烷塔丁烷含量软测量方法 | |
CN116609255B (zh) | 一种建筑涂料的耐候性测试方法及系统 | |
CN109375143A (zh) | 一种确定智能电能表剩余寿命的方法 | |
CN111896497B (zh) | 一种基于预测值的光谱数据修正方法 | |
CN117630800A (zh) | 一种电能表自动检定装置故障诊断方法及系统 | |
CN117574176A (zh) | 一种bipv光伏玻璃生产工艺优化方法 | |
CN110764040B (zh) | 一种用于确定自动化检定系统误差测量功能的方法及系统 | |
CN103743697A (zh) | 一种采用近红外光谱实现茶叶生产实时监测的方法 | |
CN109709060B (zh) | 一种沥青软化点、针入度和质量损失的测定方法 | |
CN110956330A (zh) | 一种基于多维影响量对输电线路线损进行预测的方法及系统 | |
CN116298765A (zh) | 一种高温高湿反偏试验系统 | |
CN115800916A (zh) | 一种光伏电站智能i-v诊断系统 | |
CN104181125A (zh) | 快速测定啤酒麦芽中库尔巴哈值的方法 | |
CN104731955A (zh) | 风电机组油液监测诊断标准建立及智能诊断方法及系统 | |
CN116879121B (zh) | 一种基于光纤传感技术的空气颗粒物浓度实时监测系统 | |
CN118013636B (zh) | 一种砌体结构抗压性能检测设备及检测方法 | |
CN117312806B (zh) | 复杂环境下电能表计量误差预测方法及系统 | |
CN116928803A (zh) | 基于空调参数检测的空调系统商检判断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |