Схема генератора бг 200: -100, -1003, -200, -2001 | |

Zagryadtskiy_elektr_mashiny_3 — Стр 7

Рис. 1.42. Несимметричная нагрузка синхронного генератора: токи прямой, обратной и нулевой последовательностей (а), векторная диаграмма фазы А генератора (б)

U&A =U&A1 +U&A2 +U&A0;		(1.70)
I&A = I&A1 + I&A2 + I&A0.		(1.71)
Вектора	ЭДС	фаз

Е&0 всегда образуют симметричную систему.

Сучетом (1.69). (1.70)

и(1.71) можно записать

E&	=U&		A	+ jI&		x	+
0					A1	c1		(1. 72)
+ jI&		x			+ jI&	х
								,
	A2		c2		AO с0

где xc1, xc2 , xc0 − соответственно синхронные сопротивления прямой, обратной и нулевой последовательностей.

Векторная диаграмма для ЭДС фазы А генератора, согласно уравнению (1.72) показана на рис. 1.42, б.

Выражения ЭДС для ЭДС фаз В и С получаются из (1.72) путем замены буквы А на буквы В и С.

Синхронное сопротивление прямой последовательности хс1 соот-

ветствует работе генератора при симметричной нагрузке. Подробно об этом режиме речь шла выше.

Синхронное сопротивление	обратной последовательности	хс2
можно принять [6] равным
xc2 = 0,5(xd′′ + xq′′).		(
	1.73)
Синхронное сопротивление нулевой последовательности xc0 при
шаге якорной обмотки y ≈0,8τ	равно xc0 ≈ 0,3xσ ,

где xσ − индуктивное сопротивление рассеяния.

Примером несимметричной нагрузки может служить однофазное и двухфазное короткие замыкания.

60

1.14. Применение синхронных генераторов

1.14.1. Серии синхронных генераторов

Синхронные генераторы в настоящее время выпускаются многими отечественными и зарубежными производителями. Накоплен громадный опыт в разработке и производстве генераторов для выработки электрической энергии трехфазного тока. Выпускаются также специальные генераторы: для параллельной работы с другими источниками питания; с различными степенями защиты для работы в средах

ссодержанием абразивных, агрессивных, коррозионных примесей;

сразличными системами возбуждения; с датчиками контроля температуры обмоток и вибраций подшипников и т. д.

Для того, чтобы привести во вращение синхронный генератор, используются не только электродвигатели и двигатели внутреннего сгорания, но и паровые, газовые, водяные и ветровые турбины. Высокие эксплуатационные характеристики синхронного генератора являются основанием для его использования не только на электростанциях, но и на крупных промышленных предприятиях.

Разрабатываются варианты источников энергии для АЭС с применением герметичных газонаполненных генераторов. Основные требования к генераторам заключаются в совершенствовании их надежности и получении высокого коэффициента полезного действия.

В последние годы рассматриваются вопросы проектирования новейших генераторов со сверхпроводящими обмотками с использованием электромагнитных подшипников.

Ниже приводятся краткие сведения по некоторым сериям синхронных генераторов.

Серия турбогенераторов ТВВ. В серию ТВВ входят турбогене-

раторы мощностью 63,110,160, 200, 300, 500, 800, 1000, и 1200 МВт на 3000 мин−1 и турбогенераторы 1000 МВт на 1500 мин-1. Исполнение машин – горизонтальное. Турбогенераторы имеют непосредственное охлаждение обмотки статора дистиллированной водой, форсированное охлаждение обмотки ротора водородом, внешней поверхности ротора и сердечника статора – водородом.

Технические данные турбогенератора мощностью 800 МВт: коэффициент мощности 0,9; напряжение обмотки статора 24 кВ; ток

61

статора 21,4 кА; напряжение возбуждения 612 В; ток возбуждения 3790 А; КПД 98,75 %. Перспективны турбогенераторы с полностью водяным охлаждением, а турбогенераторы до 200 МВА – с полностью воздушным охлаждением.

Серия гидрогенераторов. Значительная доля вырабатываемой в России электроэнергии приходится на гидрогенераторы большой мощности. Основное исполнение гидрогенераторов – с вертикальной осью вращения. Мощность генераторов Волжских ГЭС составляет 115 МВт, Братской − 250 МВт, Красноярской − 500 МВт. Мощности единичных гидроагрегатов зависят прежде всего от параметров источников гидроэнергии. Рекордными по полной мощности являются машины ГЭС Итайпу (Бразилия) – 823,6 МВ·А, Саяно-Шушенская ГЭС (Россия) – 820 МВ·А, Гранд-Кули (США) – 600 МВ·А.

Серии генераторов мощностью до 10 МВт.

Серия ГС-2. Генераторы этой марки предназначены для использования в качестве источников трехфазного напряжения частотой 50 Гц, в стационарных и передвижных электроустановках специального электроснабжения потребителей, требующих высокого качества электроэнергии. Диапазон мощностей серии 10…2000 кВт. Генератор ГС-100-Б(Б1), входящий в серию, имеет мощность 100 кВт, напряжение 400 В, частота тока 50 Гц, номинальный коэффициент мощности (индуктивный) 0,8, номинальный ток якоря 180 А, коэффициент полезного действия 92,6 %. Частота вращения 1500 мин−1 , режим работы S1 (продолжительный), система возбуждения бесщеточная.

Серия СГ. Генераторы СГ (СГС, ВГС, ГСБ) со статической или бесщеточной системой возбуждения предназначены для работы с гидротурбинами горизонтального или вертикального исполнения. Режим работы продолжительный. Генераторы изготовляются на мощности 100, 160, 240, 400, 450, 800, 1600 кВт. Напряжение – 400 В и 6300 В. Число полюсов 6, 16, 20, 40.

Структура условного обозначения: СГ – синхронный генератор, Г – горизонтальный, В – вертикальный, С – статическая система возбуждения, Б – бесщеточная.

Серия СГ 2. Трехфазные синхронные генераторы предназначены для работы в стационарных установках. Приводом генератора может быть дизель, паро- и гидротурбина, электродвигатель. Диапазон мощностей от 140…1000 кВт. Частоты вращения 500…1500 мин−1. Генератор имеет тиристорное возбудительное устройство, оно не только обеспечивает управление генератором, но и осуществляет ав-

62

томатическое регулирование возбуждения генератора. Питание возбудительного устройства производится от дополнительной обмотки, уложенной в пазы статора. Начальное возбуждение производится от остаточного напряжения генератора, а также может осуществляться от внешней сети напряжением 220 В. Генераторы выпускаются с право- и левосторонним направлением вращения. В рамках этой серии выпускаются также взрывозащищенные генераторы ВСГ.

Серия БГ. Генераторы этой серии являются общепромышленными электрическими машинами, рассчитанными на частоту 50 и 60 Гц. Они предназначены для работы в составе стационарных автоматизированных агрегатов и в передвижных электроустановках. Мощность генераторов 60 … 315 кВт, напряжение 230 и 400 В. Генераторы выдерживают трехфазное короткое замыкание в течение 5 с, а 50%-ю перегрузку в течение 2 минут. В режиме холостого хода генератор обеспечивает прямой пуск асинхронного электродвигателя мощностью до 70 % номинальной мощности генератора.

Генераторы имеют современную бесконтактную систему возбуждения, автоматическое регулирование напряжения. Отклонение напряжения при изменении нагрузки от 0 до 100 % составляет не более 1 %.

Серия МСК (МСС). Судовые синхронные генераторы предназначены для питания электрической энергией силовых и осветительных установок на судах неограниченного района плавания. Они могут работать автономно, с генераторами соизмеримой мощности и с сетью большой мощности. Сопрягаются генераторы с дизелями или турбинами. Серия генераторов МСК включает в себя четыре машины от 625 до 1000 кВ·А с частотой вращения 1000 мин−1 и шесть машин от 625 до 1875 кВ·А с частотой вращения 1500 мин-1.

Синхронные генераторы МСС изготовляются мощностью 300 кВт с частотой вращения 750 мин-1 .

Генераторы имеют статическую систему самовозбуждения с автоматическим регулированием напряжения при помощи корректора напряжения. Они выдерживают без повреждений аварийное короткое замыкание в течении 10 с в режиме любой нагрузки от холостого хода до номинальной при автоматическом регулировании напряжения

генератора.

Серия ОС. Серия содержит синхронные генераторы мощностью от 5 до 125 кВ·А, с номинальными напряжениями 230 и 400 В. КПД –

80…91,5 %.

63

Серия ЕСС. Генераторы предназначены для продолжительной работы. Они имеют систему самовозбуждения на полупроводниковых выпрямителях. Генераторы выпускаются на напряжения 230, 400 и 450 В и частоты 50 и 60 Гц.

Диапазон мощностей от 5 до75 кВт. Частота вращения 1000, 1500 (при частоте 50 Гц) и 1200, 1800 (при частоте 60 Гц.). Генераторы не предназначены для параллельной работы.

Серия ГАБ. Генераторы предназначены для бензоагрегатов. Они непосредственно сочленены с валом бензинового двигателя. В пазы статора уложены две обмотки: основная и дополнительная, которая служит для самовозбуждения генератора. Ротор машины выполнен явнополюсным. С целью самовозбуждения на роторе между катушками возбуждения размещены постоянные магниты. ЭДС, наводимая в дополнительной обмотке постоянными магнитами, при вращении машины выпрямляется при помощи выпрямительного моста и через кольца подается на обмотку возбуждения.

Диапазон мощностей от 2 до 8 кВт. Напряжение 230 В.

Серия GSV (Чехия). Генераторы этой серии применяются: для передвижных и стационарных электростанций в наземных условиях, для судов, для аварийного электроснабжения. Генераторы состоят из главной машины, возбудителя и электронного регулятора напряжения. Эти части образуют единый компактный блок. Бесщеточные генераторы выпускаются в качестве 4-х, 6-и, и 8-и полюсных машин, напряжением 40…690 В, 50 Гц. Диапазон мощностей от 175 до 1950 кВ·А. Коэффициент полезного действия от 91,8 до 95,4 %.

Обмотка возбуждения бесщеточного возбудителя питается от ре-

гулятора напряжения.

1.14.2. Разновидности синхронных генераторов

Синхронные генераторы с постоян-

ными магнитами. Синхронный генератор на роторе, вместо обмотки возбуждения, имеет постоянные магниты. Это дает, по сравнению с генераторами с электромагнитным возбуждением, возможность устранить контактный узел кольца-щетки

64

Рис. 1.43. Ротор генератора с постоянными магнитами:

1– звездочка;

2– немагнитная втулка;

3– демпферная система

иповысить тем самым надежность генератора. Бесконтактный генератор может работать при высоких частотах вращения и тяжелых условиях эксплуатации. Он не требует постоянного тока для возбуждения, поэтому электрические потери в роторе отсутствуют. Это позволяет увеличить КПД машины. В качестве магнитов в генераторах используются высококоэрцитивные магниты, например, Nd-Fe-B. Особенностью параметров редкоземельных магнитов являются низкое значение магнитной проницаемости и высокое значение коэрцитивной силы.

На рис. 1.43 представлен вариант исполнения генератора с постоянным магнитом в виде звездочки. Для снижения размагничивающего действия реакции якоря на роторе предусмотрена демпферная система, которая осуществляется путем заливки алюминием зон между полюсами.

Сложной проблемой, возникающей при применении генераторов с постоянными магнитами, является регулирование и стабилизация выходного напряжения. Одной из таких возможных мер, способствующих решению задачи, является включение на выходе генератора стабилизированного по напряжению и частоте двухзвенного полупроводникового преобразователя. Схема генератора с преобразователем приведена на рис. 1.44. Синхронные генераторы с постоянными магнитами применяются в ветроэнергетике, автотранспорте, авиации

ит.д. Наибольший эффект достигается у генераторов с высокими частотами вращения. Так генератор при частоте вращения 72000 мин−1 и

мощностью 100 кВт имеет вес 15 кг.

Также находят применение генераторы, в которых возбуждение осуществляется не только от постоянных магнитов, но одновременно и от обмотки возбуждения. Такие генераторы называются генераторами с комбинированным возбуждением.

65

	Ударный генератор.
	Это трехфазный		син-
	хронный	генератор,
	предназначенный		для
	кратковременной		работы
	в режиме короткого за-
	мыкания на нагрузку, со-
	противление которой со-
Рис. 1.44. Схема генератора	измеримо со	сверхпере-
с постоянными магнитами:	ходным сопротивлением
1 – генератор; 2 – выпрямитель; 3 – фильтр; 4 – автономный
инвертор напряжения; 5 – регулятор напряжения и частоты	генератора. Обычно он
	выполняется	в	виде

двухполюсного турбогенератора с воздушным охлаждением. Отличается от генераторов нормального исполнения, рассчитанных на длительную работу тем, что должен отдавать свою мощность в течение короткого промежутка времени, исчисляемого долями секунды. Короткое замыкание длится 0,06…0,15 с, после чего ударный генератор в течение нескольких минут охлаждается. В настоящее время ударные генераторы развивают мощность трехфазного короткого замыкания около 5000 МВ·А.

Индукторный генератор повышенной частоты. Индукторная машина представляет собой синхронный генератор, в котором статор выполняет функцию якоря и индуктора. В ней процесс преобразования энергии обусловлен пульсациями магнитной индукции вследствие зубчатости ротора. Индукторный генератор служит источником электроэнергии тока частот 400…30000 Гц и применяется главным образом в установках индукционного нагрева. Его достоинством является отсутствие колец и щеток. На рис. 1.45 представлена она из возможных конструкций генератора. Генератор состоит из неподвижного корпуса 1, содержащего два кольцеобразных магнитопровода статора 2 с обмотками и вращающегося ротора без обмотки. Ротор содержит втулку 3, на обоих концах которой внутри магнитопроводов статора расположены зубчатые венцы 4. Магнитный поток возбуждается кольцевой катушкой 5, расположенной между магнитопроводами статора. Она получает питание от источника постоянного тока. Принцип действия генератора основан на использовании зубцо-

66

вых пульсаций магнитного потока. При подаче в обмотку возбуждения постоянного тока создается магнитный поток возбуждения (на рис.1.45 показан пунктирной линией). Поток неподвижен в пространстве и не меняет своего направления, а только меняется при вращении зубчатого ротора от величины Фмин до Фмакс. При изменении потока в обеих обмотках статора индуктируется переменная ЭДС.

Генератор с когтеобразными полюсами. Генератор с когтеобразными полюсами – синхронная машина, возбуждаемая кольцевыми обмотками или постоянными магнитами и имеющая полюса когтеобразной формы.

Статор генератора имеет обычную конструкцию, но конструкция ротора генератора с ког-

теобразными полюсами отличает- Рис. 1.45. Принципиальная конструкция

индукторного генератора

ся от исполнения ротора обычного синхронного генератора. Магнитопровод ротора (рис. 1.46) состоит

из диска 1 с когтеобразными выступами, образующими северные полюсы N и диска 2 с когтеобразными выступами, образующие южные полюсы S. Кольцевая обмотка возбуждения 3 располагается между дисками 1 и 2 и питается от возбудителя через контактную систему кольца – щетки. При подаче постоянного тока в обмотку возбуждения появляется магнитное поле возбуждения, магнитные силовые линии которого выходят из северных полюсов, пересекают воздушный зазор и сцепляются с обмоткой якоря, проходят по ярму якоря

ивозвращаются в южные полюса ротора через воздушный зазор

иярмо ротора. Меньшая часть магнитного потока ротора от северных полюсов направляется прямо к южным полюсам, не сцепляясь с обмоткой якоря.

67

Генераторы такого типа изготовляются небольшой мощности и широко применяются на транспорте. В случае применения генератора в автомобилях, каждая фаза генератора соединена с выпрямительным блоком, который распо-

	лагается на	крышке		генератора.		Воз-
	буждение генератора происходит от ак-
	кумуляторной батареи.
	Существуют		синхронные генерато-
	ры с когтеобразным ротором и на мощ-
	ности до 100 кВт. Они предназначены
	для продолжительного режима работы
	в ветроэлектрических агрегатах.
	Криогенный генератор. В крио-
	генном генераторе			используется явле-
	ние сверхпроводимости.				Криогенный
	генератор	той	же	мощности,		что
Рис. 1.46. Принципиальная	и обычный,	может		быть	существенно
конструкция когтеобразного	уменьшен в размерах. Происходит это
ротора синхронного генератора	в результате следующих причин.					Если
	обмотку генератора,			выполненного из

сверхпроводникового металла или сплава, поместить в криостат (сосуд с гелием и системой экранно-вакуумной тепловой изоляции), заполненный жидким гелием с температурой 4,2…18 К, то удельное сопротивление сверхпроводникового материала становится близким к нулю.

Если по сверхпроводниковому материалу протекает постоянный ток, то электрические потери при этом отсутствуют. Это дает возможность значительно увеличить плотность тока в обмотке. Поэтому становится ясным, что в криостат нужно поместить обмотку возбуждения генератора. Увеличенный ток в обмотке возбуждения позволяет поднять индукцию в воздушном зазоре генератора до значительно большей величины, чем в обычном генераторе. По этой причине криогенератор выполняется без ферромагнитного магнитопровода.

При протекании переменного тока в сверхпроводниковой обмотке электрические потери в ней могут быть значительными. Поэтому в генераторах сверхпроводниковые обмотки на якоре не применяются.

68

Если криогенератор выполнен с вращающимся криостатом, то в него непрерывно при вращении подается жидкий гелий. Вакуумные камеры-изоляторы сохраняют холод в генераторе. Испаряясь, гелий поступает в компрессор. Снова сжижается и возвращается в машину по замкнутому циклу. Поэтому для нормальной работы генератора необходимы кроме компрессора, резервуар с гелием, вакуумные насосы и другое оборудование.

Применение криогенератора целесообразно в тех областях, где дополнительная стоимость и сложность эксплуатации будут экономически оправданными.

Внастоящее время созданы криогенераторы на мощности 20 МВт

иведутся работы по проектированию и изготовлению машин на несколько сот мегаватт.

1.15. Системы возбуждения синхронных машин

Система возбуждения – комплекс оборудования, устройств

исборных единиц, предназначенный для питания постоянным током обмотки возбуждения синхронной машины в нормальных и аварийных режимах. Возбудитель является составной частью системы возбуждения. Он представляет собой генератор постоянного тока, либо полупроводниковый преобразователь в комплексе с источником питания переменного тока. Источником переменного тока может быть машина переменного тока, трансформатор или дополнительная обмотка переменного тока в возбуждаемой машине, а также различные сочетания вышеуказанных источников питания.

Внастоящее время существует довольно много систем возбуждения, предназначенных для питания обмоток возбуждения и управления током возбуждения синхронных машин. Системы возбуждения осуществляют следующие режимы работы: начальное возбуждение

иподгонку ЭДС генератора к напряжению сети; работу в объединенных и автономных сетях с нагрузками от холостого хода до номинальной; форсировку возбуждения при снижении напряжения на шинах генератора; ограничение минимального возбуждения по диаграмме мощности генератора; гашение поля генератора.

При возникновении токов короткого замыкания в сетях напряжение на шинах генератора уменьшается. Это приводит к уменьшению электромагнитной мощности генератора. При условии, что мощность

69

CORONAROGRAPHY.AI / Хабр

Резюме

Предложен новый подход в выявлении коронарной болезни сердца. С помощью нейросетевого анализа создана модель диагностики ишемической болезни сердца, выявляющая ишемию миокарда, патологию магистральных коронарных артерий. В задачу исследования входило сравнить точность обученной модели нейронной сети на входных структурированных данных (пол и возраст, уровень холестерина, наличие хронических заболеваний, наследственные факторы, образ жизни и пр.)  и ЭКГ-изображений с результатами классической инвазивной коронарографии. Доказана высокая чувствительность и достоверность предложенной диагностической модели на 1500150 наблюдений. Проведено сравнение модели с классическими методами диагностики преходящей ишемии миокарда – тредмил-тест, суточное мониторирование ЭКГ. Выявлено значимое превосходство представленной диагностической модели. Оценена точность прогнозов с профильными специалистами-кардиологами, ежедневно курирующих пациентов с ОКС. В данной статье также предложен новый метод экстраполяции выборки с помощью генеративно-состязательных нейронных сетей, позволяющим превзойти объём наблюдений, использующихся в классических мета-анализах.

Создано мобильное приложение для определения патологии артерий сердца.

IOS

Android

Список сокращений

АВ — атриовентрикулярная, АКШ — аортокоронарное шунтирование, ЕОК — европейское общество кардиологов, ИИ — искусственный интеллект, КТ – компьютерная томография, МРТ – магнитно-резонансная томография, ОКС — острый коронарный синдром, ОНМК — острая недостаточность мозгового кровообращения, ХКС — хронический коронарный синдром, ЭКГ — электрокардиограмма, AI — artificial intelligence, AUC — area under receiver operating characteristic curve, DS – data science, CNN — convolutional neural networks,

Введение

Ишемическая болезнь сердца и другие патологии сердечно-сосудистой системы остаются главными причинами смертности людей во всем мире. По статистике, от сердечно-сосудистых заболеваний в России ежегодно умирает 621 человек на каждые 100 тысячнаселения. К сожалению, в регионах этот показатель значительно выше, чем в центральной части нашей страны

«Золотым стандартом» диагностики этих заболеваний является коронарография — рентгенконтрастный метод исследования, позволяющий достоверно оценить состояние коронарных артерий, которые доставляют к сердцу насыщенную кислородом кровь, обеспечивая его бесперебойную работу. Однако классическая коронарография — это инвазивная методика, которая имеет ряд противопоказаний и, как любая хирургическая процедура, несет определенные риски. Существуют и другие, неинвазивные виды диагностики (например, КТ-ангиография, МРТ сердца, суточное мониторирование ЭКГ и др.), но все они требуют наличия дорогостоящего оборудования и длительного нахождения пациента в клинике. Кроме того, данные состояния нередко развиваются бессимптомно, поэтому пациенты обращаются к врачу уже с такими острыми, жизнеугрожающими формами, как нестабильная стенокардия и инфаркт миокарда. Есть ряд других сложностей, связанных с выявлением патологий сосудов сердца: массовая самодиагностика пациентов с помощью информации из интернет-источников, сложность клинической диагностики и верификации диагноза врачом.

С целью уточнения возможности эффективности применения искусственного интеллекта в оценке патологии коронарного русла и для решения вышеописанных проблем нами проведено данное исследование.

Перспектива ИИ и машинного обучения в кардиологии состоит в том, чтобы предоставить набор инструментов для повышения эффективности работы кардиолога.  Внедрение в клиническую практику таких технологий, как полигеномное секвенирование и потоковая передача биометрических данных с мобильных устройств, вскоре потребует от кардиологов интерпретации и практического применения информации из многих разрозненных областей биомедицины (1–4).

В то же время растущая нагрузка в медицине требует от врачей и систем здравоохранения более высокой операционной эффективности (5). Наконец, пациенты начинают требовать более быстрого и индивидуального подхода (6,7). Количество данных, с которыми приходится работать специалисту увеличивается, требуется более сложная интерпретация, ожидается повышение эффективности врачей (8, 9). Решением является машинное обучение, которое может улучшить каждый этап курации пациентов — от исследований и открытий до диагностики и выбора терапии.

Рисунок 1. Место data science в доказательной медицине

Материалы и методы

Для обучения нейронной сети была собрана база данных с ЭКГ изображениями, для этого в исследовании приняли участие 100 пациентов, которым осуществлялась коронарография в плановом и экстренном порядках. На основании данных 100 пациентов обучена нейронная сеть. Использовался алгоритм обучения с учителем, в которых были известны исходы (данные коронарограмм), а параметры нейронной сети подстраивались так, чтобы минимизировать ошибку.

Показания к коронарографии верифицированы согласно рекомендациям ЕОК. Исследование выполнено в соответствии со стандартами надлежащей клинической практики (Good Clinical Practice) и принципами Хельсинской Декларации. Определены нижеследующие критерии включения и исключения. Основные критерии включения:

1. Подписание до проведения исследования информированного согласия, в том числе на проведение статистической обработки данных истории болезни,

2. Возраст более 18 лет,

3. Наличие показаний (плановых или экстренных) к выполнению коронарографии,

4. Наличие документированной электрокардиографической записи (скорость 25 мм), выполненной за сутки и/или менее до коронарографии,

Ключевые критерия исключения:

1. нарушения ритма на ЭКГ в виде фибрилляции предсердий, АВ-узловой тахикардии, желудочковой тахикардии в момент записи,

2. ранее проведенное стентирование и/или шунтирование коронарных артерий,

3. наличие выраженных помех и артефактов на снятой ЭКГ,

4. регистрация электрокардиограммы более, за пределами 24 часов перед коронарографией,

5. любое хирургическое или медицинское состояние, которое по мнению исследователя, могло бы значительно помешать работе алгоритма машинного обучения применительно к точности результатов,

Врач, проводящий исследование, анализировал данные медицинской карты (жалобы, анамнез, объективные, лабораторные и инструментальные данные) и вносил эти результаты в базу данных машинного обучения в бинарном формате.  

На первом этапе сбора данных по каждому наблюдению проведено внесение структурированных параметров в табличную форму, а также введение изображения ЭКГ-записи в формате jpeg в базу данных. Для обучения нейронных сетей использовались многочисленные морфометрические, объективные, лабораторные и инструментальные данные пациентов. Такими данными являлись: возраст, пол, диагноз ОКС или ХКС, патология сегмента ST на ЭКГ, наличие или отсутствие сопутствующей патологии (сахарного диабета, гипертонической болезни, ожирения, анемии, перенесенного ОНМК, атеросклероза, аритмии, дислипидемии), отягощенная наследственность, наличие вредных привычек (курение, злоупотребление алкоголем), присутствие стрессовых факторов, низкая физическая активность, менопауза, повышенное питание. Вышеописанные факторы фиксировались в структурированном бинарном виде (0, 1) в табличном формате. Регистрация ЭКГ поводилась с использованием одного вида аппарата и запись передавалась оператору машинного обучения в электронном виде в формате jpeg. Таким образом, для выработки алгоритма обучения нейронной сети были использованы суммарно 22 параметра (ключевые признаки).

Нейронная есть обучалась на данных, полученных при анализе коронарограмм. В качестве «таргетных» значений взяты:

• наличие атеросклероза коронарных артерий,

• стеноз ствола левой коронарной артерии,

• субокклюзия ствола левой коронарной артерии,

• окклюзия передней межжелудочковой артерии,

• субокклюзия передней межжелудочковой артерии,

• стеноз передней межжелудочковой артерии,

• окклюзия огибающей артерии,

• субокклюзия огибающей артерии,

• стеноз огибающей артерии,

• окклюзия правой коронарной артерии,

• субокклюзия правой коронарной артерии,

• стеноз правой коронарной артерии,

• выполненное стентирование или рекомендованное АКШ по результатам коронарографии.

Значение стеноза коронарной артерии было внесено в таблицу в цифровом виде в процентах, далее переведены в бинарный вид (1 – стеноз более 50%), остальные показатели заполнялись в бинарном виде по наличию или отсутствию поражения. Вышеописанные «таргетные» значения прогнозировал обученный алгоритм машинного обучения на трех выборках.

Алгоритму было необходимо решить задачу классифицирования поражений коронарных артерий, спрогнозировать отсутствие или наличия стенозов и их выраженности. Для решения задачи классифицирования поражений коронарных артерий по системе «0;1» использована нейронная сеть, принимающая на вход структурированные данные и изображение, на выходе получена мультифакторная классификация коронарных артерий.

В качестве программного обеспечения для построения архитектуры нейронной сети использованы наборы библиотек для языка программирования Python (pandas — для работы с табличными данными; tensorflow — для конструирования нейронных сетей и их обучения).

На вход нейронной сети одновременно поступали изображения ЭКГ размером (200, 200, 1) и структурированные табличные данные. На выходе нейронная сеть прогнозировала мультиуровневые значения пораженных коронарных значений в вероятностном виде.

В качестве слоев нейронной сети для обработки изображений были взяты полносвязные, сверточные, батч-нормализирующие (слой пакетной нормализации), «dropout» (слой исключения). Для обработки структурированных данных взяты только полносвязные слои. Внутри нейронной сети использовался связывающий «concatenate layer» (объединяющий слой) для обобщения весов изображения и датасета.  После обобщающего слоя два полносвязных слоя. Выходной слой состоит из 13 нейронов для предсказаний по каждому параметру.

Рисунок 2. Структура нейронной сети.

В качестве оптимизатора взят «Adam» (алгоритм оптимизации адаптивной скорости обучения путем вычисления экспоненциального скользящего среднего градиента и квадратичного градиента), лосс-функция — бинарная кроссэнтропия. Обучение производилось на 100 «эпохах» (одна эпоха — один прямой проход и один обратный проход всех обучающих примеров). (рис.)  Размер «батча» (количества обучающих примеров за одну итерацию) — 8, размер валидационной выборки 0. 1. Подбор параметров и структуры нейронной сети произведен опытным путем.  В качестве отправной метрики для оценки качества модели выбрана AUC (площадь под ROC-кривой).

Оценка точности произведена на специально подобранных тестовых выборках, сравнение проводилось по данным коронарограмм, полученными во время выполнения инвазивной коронарографии.

Рисунок 3. Блок-схема исследования.

Выборка 1.

• 20 стационарных пациентов с крайне сложной и нетипичной клинической картиной, особенностями анатомии коронарного русла. Пример 1: пожилой пациент с типичной клинической картиной ангинозных болей, факторами риска – по данным коронарографии без патологии.

Пример 2: пожилая пациентка без ангинозных болей, верифицированным атеросклерозом ранее – по данным коронарографии многососудистое поражение коронарного русла с вовлечением ствола.

На данных 20 пациентов составлены 20 задач. Врачам-кардиологам ежедневно курирующих пациентов с ОКС предлагалось спрогнозировать наличие ишемии миокарда, поражение магистральных артерий. Проведено сравнение точности с обученной нейронной сетью.

Выборка 2.

Проведено сравнение точности выявления преходящей ишемии миокарда с классическими методами.

Выборка 3.

На создание данной выборки авторов вдохновила статья коллег (10). В данной публикации проводилось выявление признаков новой коронавирусной инфекции на рентгенограммах при помощи нейросетевого анализа. Авторы, при помощи GAN, сгенерировали рентген-изображения с поражениями характерными при новой коронавирусной инфекции и на данных изображениях вместе с реальными рентгеновскими снимками обучили нейронную сеть и достигли неплохих результатов. Нам было интересно проверить насколько обученная нейронная сеть точна на экстремально большой выборке, сгенерированной GAN.

На вход генератора подавались 100 рандомных чисел с нормальным распределением. На выходе сгенерировано изображение (200, 200) и структурированные табличные данные размером (1, 35). (одна строка, 35 столбцов). Внутри генератора был обобщающий слой, для сохранения потоковой передачи данных между строкой таблицы и изображением.

На вход дискриминатора подавались сгенерированное изображение размером (200, 200) вместе с реальными ЭКГ-изображениями (200, 200) и сгенерированные табличные данные размером (1, 35) вместе с реальными табличными данными. На выход дискриминатор выдавал бинарную классификацию, соответствующую реальным данным и синтетическим.

Таким образом двум нейронным сетям было необходимо превзойти друг друга. Одна нейронная сеть старалась сгенерировать изображение и таблицу которые не отличит от реальных дискриминатор, старался искать признаки характерные для реального изображения и таблицы, чтобы отличить сгенерированные изображения и таблицу от реальных.

Рисунок 4. Структура генеративно-состязательной нейронной сети.

Было получено 1500000 ЭКГ-изображений и структурированных данных (таблица размерами 1500000 * 35).

После генерации авторам было необходимо решить проблему. Насколько сгенерированные данные похожи на реальные и сохранена ли потоковая зависимость признаков.

Для ЭКГ-изображений использовался обычный визульный анализ. ЭКГ-изображения внешне практически неотличимы от реальных.

Рисунок 5. Реальные и сгенерированные ЭКГ изображения.

Пример генерации ЭКГ-изображения нейронной сетью.

Более сложной проблемой являются табличные данные, насколько они приближены к реальным?

• Проведен анализ распределения пациентов по возрасту. Распределение реальных данных нормальное, синтетические данные распределены с тремя пиками, в сторону медианы, минимальных и максимальных значений.

Рисунок 6. Скрипичная диаграмма распределения по возрасту реальных и сгенерированных данных.

Рисунок 7. Количественное распределение реальных и сгенерированных данных.

• Создана тепловая карта сравнения базовых описательных статистик (медианы, среднего 25 квантиля, 75 квантиля, минимального и максимального значений). Получены значимые отличия в половине признаках. 

Рисунок 8. Тепловая карта разницы базовых описательных статистик.

Рисунок 9. Тепловая карта разницы корреляционных матриц датасетов.

Рисунок 10. Главные компоненты реального и сгенерированного датасетов.

Рисунок 11. TSNE реального и сгенерированного датасетов.

Сравнив синтетические данные с реальными можно сделать вывод о приближенности сгенерированных данных к реальным. Основные базовые потоковые зависимости признаков сохранены, однако сгенерированный датасет не полностью копирует зависимости реального, таким образом можно сделать вывод о наличии новых отличных «рандомных» наблюдений.

Результаты.

Тестовая выборка 1

Проведено прогнозирование поражения магистральных коронарных артерий и преходящей ишемии миокарда.

На тестовой выборке, состоящей из 20 пациентов результат нейронной сети составил: AUC score 0.74, точность (accuracy) достигала 80%, «прецизионная» точность (precision) – 63%, полнота (recall) — 55%, f1 score – 59%.

Средние показатели ответов врачей кардиологов: accuracy 76%, precision 48%, recall 55%, AUC score 0. 68, f1 score 49%. Лучшие значения среди врачей кардиологов составили: AUC score 0.72, accuracy 76%, precision 48%, recall 67%, f1 score 56%.

Прогнозирование поражения магистральных коронарных артерий и ишемии миокарда	AUC	Accuracy	Precision	Recall	F1 score
Неинвазивная прогнозируемая AI-коронарография	74	80	63	55	59
Усредненные ответы специалистов	68	76	48	55	49
Лучший ответ специалиста	72	76	48	67	56

Тестовая выборка 2

Проведено прогнозирование поражения магистральных коронарных артерий и ишемии миокарда.

На тестовой выборке, состоящей из 30 пациентов результат AUC score составил 0.87. Точность (accuracy) достигала 96%, «прецизионная» точность (precision) – 76%, полнота (recall) — 71%, f1 score – 74,1%.

Прогнозирование поражения магистральных коронарных артерий и ишемии миокарда	AUC	Accuracy	Precision	Recall	F1 score
Неинвазивная прогнозируемая AI-коронарография	87	96	76	71	74

Выполнено сравнение эффективности выявления ишемии миокарда на основе расчета прогноза необходимости выполнения реваскуляризации коронарных артерий методом нейросетевого анализа и результатами полученными при выполнении суточного мониторирования ЭКГ и тредмил-теста.

Результаты метода нейросетевого анализа: accuracy 93%, precision 60%, recall 100%, AUC score 96%, f1 score 75%, суточное мониторированием ЭКГ: accuracy 87%, precision 33%, recall 33%, AUC score 63%, f1 score 33%, тредмил-тест: accuracy 70%, precision 12%, recall 33%, AUC score 54%, f1 score 18%.

Выявление ишемии миокарда	AUC	Accuracy	Precision	Recall	F1 score
Неинвазивная прогнозируемая AI-коронарография	96	93	60	100	75
Суточное мониторирование ЭКГ	63	87	33	33	33
Тредмил-тест	54	70	12	33	18

Тестовая выборка 3.

Проведено прогнозирование поражения магистральных коронарных артерий и преходящей ишемии миокарда на 1500000 синтетических наблюдений.

Результат AUC score составил 0.79. Точность (accuracy) достигала 88%, «прецизионная» точность (precision) – 73%, полнота (recall) — 63%, f1 score – 67%.

Прогнозирование поражения магистральных коронарных артерий и ишемии миокарда	AUC	Accuracy	Precision	Recall	F1 score
Неинвазивная прогнозируемая AI-коронарография	79	88	73	63	67

Обсуждение

Созданная модель нейросетевого анализа позволяет с достаточной вероятностью прогнозировать поражение магистральных коронарных артерий на основе структурированных данных и ЭКГ-изображений. Точность выявления преходящей ишемии миокарда, определенной методом нейросетевого анализа, полученная с целью прогнозирования необходимости выполнения реваскуляризации коронарных артерий выше, чем у классических методов диагностики, таких как суточное мониторирование ЭКГ и тредмил-тест. Полученные результаты позволяют говорить о возможном практическом применении метода нейросетового анализа в клинической практике.

Инновационность подхода заключается в использовании нейронных сетей для диагностики патологии коронарных артерий на основании факторов риска и ЭКГ-изображения. На выходе нейронной сети мы получаем наличие или отсутствие патологии на каждой магистральной коронарной артерии (ствол левой коронарной артерии, передней межжелудочковой артерии, огибающей артерии, правой коронарной артерии), вероятность атеросклероза, необходимости выполнения инвазивной коронарографии с возможной реваскуляризацией в настоящий момент. Преимуществом использования нашего метода является простота (требуется заполнение анкеты и загрузка ЭКГ изображения), быстрота (время расчетов менее секунды), неинвазивность методики при сохранении высокой точности. Нашу методику можно использовать удаленно, позволит выполнять неинвазивную прогнозируемую AI-коронарографию в местах где нет возможности специализированной медицинской помощи (необходимо наличие снятой ЭКГ-ленты). Также не требует обширных компьютерных ресурсов и дорогостоящего оборудования, что позволяет упростить постановку верного диагноза специалистом. Система помогает на ранних стадиях выявлять острое состояние по типу окклюзий, субокклюзий, значимых стенозов коронарных артерий что послужит ранним поводом к обращению к специалисту. Моментальное получение результата — это огромное преимущество над другими исследованиями, результаты которых необходимо ожидать от 24 до 48 часов. Продолжительность исследования занимает несколько минут, а также не требует затрат квалифицированного медицинского труда, что позволило бы сократить нагрузку для врачей. Любой сотрудник больницы сможет задать несколько вопросов пациенту, а также загрузить ЭКГ-ленту в систему. При внедрении исследования в систему оказания медицинской помощи гражданам по ОМС, мы могли бы получать пациентов с «повышенной категорией риска». При получении такого результата данных пациентов возможно было бы приоритетно записывать к врачу-кардиологу и далее на необходимые дополнительные исследования, требуемые для постановки более точного диагноза. Наша методика позволяет подойти к скриннингу патологии коронарных артерий на новом уровне, исследование возможно применять массово в связи с отсутствием «инвазивности», введением контрастных исследований, перегрузок миокарда. Наша программа позволит самостоятельно заподозрить и выявить у пациента наличие патологии. В случае получения «положительного результата» пациент мог бы сразу записаться к врачу, имея повышенную категорию риска. В своей работе мы максимально старались приблизить работу ИИ к работе врача.

Важным дополнительным преимуществом нейросетевого анализа данных является тот факт, что при курации ХКС у кардиологов нет надежных «инструментов» для несомненного направления на коронароангиографию, и в этих условиях искусственный интеллект позволяет верно интерпретировать совокупность данных и нацелить врача на выполнение интервенционной технологии. Также особо стоит отметить, что у пациентов старческого возраста вне симптомов, с ограниченными возможностями выполнения стресс-тестирования по факту ХКС методика глубокого машинного обучения дает неоценимую перспективу своевременного направления больного на коронарографию.

Заключение

Нейросетевой анализ подготовленных клинических, лабораторных и инструментальных данных позволяет настроить параметры сети для последующего прогнозирования поражения магистральных коронарных артерий. Обученная нами нейронная сеть прогнозирует поражение магистральных коронарных артерий с чувствительностью 63%, специфичностью 88%, AUC 0.74.

На тестовой выборке нейронная сеть работает эффективнее чем в среднем врачи кардиологи и, что особенно важно позволяет нацелить врача на выполнение инвазивных методов обследования в тех случаях, когда для этого решения недостаточно вводных данных. Один из пяти специалистов смог приблизиться к точности обученной модели нейронной сети.

Эффективность выявления преходящей ишемии миокарда на тестовой выборке выше у обученной нейронной сети по сравнению с классическими методами диагностики, такими как суточное мониторирование ЭКГ, тредмил-тест.

На экстремально большой выборке в размере 1500000 наблюдений получен высокий AUC score.

Список литературы.

1. Kuo FC, Mar BG, Lindsley RC, Lindeman NI. The relative utilities of genome-wide, gene panel, and individual gene sequencing in clinical practice. Blood 2017;130:433–9.

2. Muse ED, Barrett PM, Steinhubl SR, Topol EJ. Towards a smart medical home. Lancet 2017;389: 358.

3. Steinhubl SR, Muse ED, Topol EJ. The emerging field of mobile health. Sci Transl Med 2015;7: 283rv3.

4. Shameer K, Badgeley MA, Miotto R, Glicksberg BS, Morgan JW, Dudley JT. Translational bioinformatics in the era of real-time biomedical, health care and wellness data streams. Briefings in Bioinformatics 2017;18:105–24.

5. Konstam MA, Hill JA, Kovacs RJ, et al. The academic medical system: reinvention to survive the revolution in health care. J Am Coll Cardiol 2017; 69:1305–12.

6. Steinhubl SR, Topol EJ. Moving from digitalization to digitization in cardiovascular care: why is it important, and what could it mean for patients and providers? J Am Coll Cardiol 2015;66: 1489–96.

7. Boeldt DL, Wineinger NE, Waalen J, et al. How consumers and physicians view new medical technology: comparative survey. J Med Internet Res 2015;17:e215.

8. Высоцкая Ж.М., Терзов А.И. Математические модели неинвазивного определения поражения коронарных артерий у больных ишемической болезнью сердца. В сб. Новые приложения морфометрии и математическое моделирование в медико-биологических исследованиях. Харьков, 1990; 53.

9. Бала Ю.М., Подвальный С.Л., Стрелецкая Г.Н. и др. Математический подход к автоматической диагностике ишемической болезни сердца. В сб. Компьютеризация в медицине. Воронеж, 1990; 66-70.

10. A. Waheed, M. Goyal, D. Gupta, A. Khanna, F. Al-Turjman and P. R. Pinheiro, «CovidGAN: Data Augmentation Using Auxiliary Classifier GAN for Improved Covid-19 Detection,» in IEEE Access, vol. 8, pp. 91916-91923, 2020, doi:10.1109/ACCESS.2020.2994762.

RITTER · Генератор импульсов V3.2-200 »Smart PG«

Содержание

• 1

  Генератор импульсов V3. 2-200 »Smart PG« • Технический паспорт

  • 1.1 Быстрая ссылка
  • 1.2 Приложение
  • 1,3 Компоненты
  • 1,4 Описание
  • 1,5 Выходная сокет
  • 1,6 Схема выборки
  • 1,7 1,9.9.9. Диапазон влажности
  • 1.11 Электрические характеристики
  • 1.12 Конфигурация контактов выходного разъема
  • 1.13 Принципиальная схема
  • 1.14 Схема подключения / образец схемы (схема)
  • 1.15 Подключение генератора импульсов к электронному блоку индикации (дополнительно «FP 32 FP принадлежности)
  • 1.16 Размеры кодирующего диска
  • 1.17 Замена комплекта запасных частей «Полный фотодиод»

Краткий справочник

• 200 импульсов на оборот мерного барабана
• Для использования с TG05–TG50 и BG4–BG100
• Однонаправленный
• Неприменимо для взрывозащищенных зон

Применение

Генератор импульсов для барабанных газовых счетчиков RITTER и газовых счетчиков сильфонного типа поворотный энкодер для импульсного выхода. Его можно использовать для передачи измеренного объема газа для удаленного отображения и/или обработки данных (расчет расхода, передача данных по RS232) на электронный блок индикации »ЭДУ 32 ФП« (принадлежность) или во внешнюю измерительную систему/ПК. . В последнем случае внешняя система должна обеспечивать питание (5-24 В) для фотодатчика, а также схему/логику оценки, которая позволяет напрямую считывать измеренный объем и расход. Для подключения к внешней системе см. электрические данные и электрические схемы ниже на странице.

Компоненты

Генератор импульсов расположен в корпусе счетчика газового счетчика (за циферблатом) и состоит из следующих компонентов:

• Пленка оптического кодирования
• Мини-плата со встроенным инфракрасным фото датчик и светодиодный индикатор работы
• круглый, 5-контактный выходной разъем (180°, DIN 41524)

Описание

Измерительный барабан барабанных счетчиков и измерительный блок сильфонных счетчиков соединены 1:1 с щелевой диск через магнитную муфту. Прорези/флажки щелевого диска вращаются через U-образный фотодатчик, тем самым периодически прерывая световой пучок фотодиода. Таким образом, фотопрерыватель преобразует оборот мерного барабана в последовательность импульсов. Количество импульсов соответствует объем   газа  , прошедшего через счетчик газа, в зависимости от соответствующего разрешения (см. таблицу »Эксплуатационные данные« ниже). Частота последовательности импульсов является мерой скорости вращения мерного барабана и, таким образом, мерой расхода расхода газа.

Для работы фотодатчика требуется внешний источник питания в диапазоне 5-24 В постоянного тока. Дополнительные электрические данные указаны в таблице »Электрические данные« ниже. Выходной сигнал представляет собой TTL-сигнал , при этом уровень импульса (= мин./макс. напряжение сигнала) зависит от источника питания:

• Питание 5 В → Уровень выходного сигнала 0,7 / 3,7 В
• Мощность Питание 24 В → Уровень выходного сигнала 2 / 21 В

Для значений напряжения питания от 5 до 24 В уровень выходного сигнала может быть линейно интерполирован для первого приближения.

Выходной разъем

Штырьковое соединение 5-контактного выходного разъема показано в разделе »Конфигурация контактов выходного разъема«.

Пример схемы

Схема подключения измерительного прибора к генератору импульсов показана в разделе «Схема подключения / пример схемы».

Использование с газовыми счетчиками барабанного типа

Газовые счетчики барабанного типа являются объемными счетчиками газа. Это означает, что они точно измеряют объем газа. Когда генератор импульсов используется с газовыми счетчиками барабанного типа для регистрации расхода газа, соответствующая кривая выходного напряжения (линия) может быть волнистой, даже если расход газа постоянный. Это (непредотвратимо) вызвано конструкцией мерного барабана: барабан состоит из четырех отдельных камер, которые последовательно закрываются и открываются. Предыдущая камера должно быть  закрыто до  откроется следующая камера.

Это обязательное измерение является причиной высокой точности измерения. Однако каждое закрытие также вызывает небольшое повышение давления внутри камеры. Поверхностное натяжение создает дополнительное увеличение давления при выходе из камеры (наибольшее поверхностное натяжение воды, масла: ниже, CalRix — наименьшее). Результирующее повышение давления вызывает небольшое снижение скорости вращения мерного барабана. Это едва заметно глазу, но точно документируется компьютером/расшифровщиком. Таким образом, волнистая выходная линия при постоянном входном потоке документирует true  расход по газовому счетчику.

Рабочие характеристики

с 9012 [Pulse/ltr]

Счетчик газа [Тип]	Импульсов на оборот* [P/R]	Расход газа на оборот* [л/об]	Разрешение [л/импульс] литр		Maximum Pulse Frequency [Pulse/min]
TG 01	not applicable
TG 05	200	0.5	0. 0025	400	400
TG 1	200	1.0	0.005	200	400
TG 3	200	3.0	0.015	66.7	400
TG 5	200	5.0	0.025	40	400
TG 10	200	10	0.05	20	400
TG 20	200	20	0.1	10	467
TG 25	200	25	0.125	8	933
TG 50	200	50	0.25	4	1,200
BG 4	200	10	0.05	20	2,000
BG 6	200	20	0.1	10	1,667
BG 10	200	50	0. 25	4	1,067
BG 16	200	100	0.5	2	833
BG 40	200	100	0.5	2	2,167
BG 100	200	100	0,5	2	2 167

диапазон

• от 0 до +55°C

При более высоких температурах Генератор импульсов необходимо охлаждать, продувая корпус счетчика комнатным воздухом.
Необходимое оборудование: Дополнительный соединительный штуцер на корпусе ответного механизма.

Диапазон влажности

• Относительная влажность от 0 до 65%,  без конденсации

При более высокой влажности печатная плата генератора импульсов может быть покрыта защитным лаком. Пожалуйста, укажите перед заказом.

Данные по электрическим вопросам

2

2

Правоохранительное напряжение U S		5 — 24	V DC
. Составка. Совместная
. Сообщение.
.0122	Выход напряжения Us = 5 В:	высокий уровень	мин. 3,7	В
	низкий уровень	макс. 0,7	В
Выходное напряжение Us = 24 В:	высокий уровень	мин. 21	В
	низкий уровень	макс. 2	В
Токовый выход	Источник	мин. +7	мА
	Приемник	мин. -6	mA
Operating Frequency photo diode		0 – 250	Hz

Pin configuration of the Output Socket

(View to  plug-side  of the socket)

Circuit схема

Схема подключения / образец схемы (схема)

Подключение генератора импульсов к электронному блоку дисплея »EDU 32 FP« (дополнительный аксессуар)

Генератор импульсов можно подключить к дополнительному аксессуару »электронный блок дисплея« с помощью с помощью 3-контактного соединительного шнура, который поставляется вместе с электронным блоком индикации. Блок электронного дисплея содержит источник питания для индуктивного датчика, а также схему/логику оценки, которая позволяет напрямую считывать измеренный объем [л] и расход [л/ч].

Подключение генератора импульсов к разъему EDU
(вид на со стороны штекера разъема):

Выходной разъем генератора импульсов / входной разъем EDU

Результаты измерений, отображаемые электронным блоком индикации, могут передаваться на компьютер по стандартному интерфейсу RS 232 (см. также Инструкцию по эксплуатации ЭДУ, пункт 7.3). Кроме того, значение расхода может быть передано на аналоговый измерительный прибор через аналоговый выход стандартного типа (0-1 Вольт или 4-20 мА).

Настройка EDU:

• Программирование типа датчика: Выберите тип датчика »PG V3.X«
  (см. также инструкцию по эксплуатации EDU, пункт 6.2.4)
• Программирование щелевого диска / кодирующий диск: выберите »200 Pulses/Rev«
  (см. также пункт 6.2.5 Инструкции по эксплуатации EDU)

Размеры кодирующего диска

	TG05–TG50 BG [мм]	4
Диаметр:	144
Slit width:	1.2
Flag width:	1.0

Exchanging the spare parts kit »Complete Photo diode«

The kit consists of следующие компоненты, которые уже смонтированы на прозрачной пластиковой накладке:

• Фотодиод на мини-плате
• Крепление
• Проводка
• 5-контактная розетка

Снятие встроенного комплекта:

• Вынуть вилку кабеля передачи сигнала из гнезда генератора импульсов
• Открутить 4 винта прозрачной накладки
• Снять накладку вместе со встроенной в комплекте

Замена новым комплектом:

• Аккуратно установите вилкообразный фотодиод по окружности диска-фолио, не сгибая диск.
• Прикрепите накладку к корпусу счетного механизма с помощью 4 винтов. За счет свободного хода в отверстиях шайбы фотодиод можно расположить так, чтобы фолио-диск мог свободно вращаться через середину вилкообразного фотодиода. После этого затяните винты, чтобы зафиксировать встроенный комплект.

В 3.2 /

Версия 2022-07-12 /

Возможны изменения.

Загрузите это техническое описание в формате PDF

Стартовый комплект генератора BG-CO2, включая сумку BG-Pro

20,96 €

€29,95

сохранение

€8,99

20,96 €

€29,95

сохранение

€8,99

Количество

• Описание
• Содержимое
• Загрузка и информация

• 
  При мониторинге популяций комаров с помощью ловушек добавление CO ₂ необходимо для эффективного привлечения большинства видов комаров и других кровососущих насекомых.

  С BG-CO ₂ Генератор, Biogents предлагает простой в использовании набор для надежного производства CO ₂ в течение 24 часов с помощью дрожжевого брожения.

  Особенности генератора BG-CO₂:
  
  •    CO ₂ производство за 24 часа
  •    Стабильный и надежный CO ₂ • выход
  • от ингредиентов до производства и простота сборки 903 4
  •    Многоразовый набор
  •    Термоконтроль с сумкой BG-Pro
  •    BG-CO ₂ Порошок в качестве пополнения

  Простота установки

  BG-CO ₂ Генератор включает в себя специальный порошок BG-CO₂, состоящий из оптимизированной смеси различных штаммов дрожжей и питательных веществ, мешок для смешивания, термометр, ложку и изолированный пакет.
  Просто добавьте следующие три ингредиента в мешок для смешивания, и все готово:
  • Теплая вода (38°C)
  • Сахар
  • Биогенные средства BG-CO ₂ Порошок (20 г)

  Изолированный BG-Pro сумка для переноски служит контейнером для мешка для смешивания, поддерживая стабильную температуру и, следовательно, CO ₂ Надежное производство благодаря терморегулированию.

  Специальная формула Biogents BG-CO

  ₂ Порошок
  

  Ключевым элементом генератора BG-CO ₂ является порошок BG-CO ₂ , который представляет собой оптимизированный состав различных штаммов дрожжей и питательных веществ для обеспечения максимальной выработки CO ₂ в течение 24 часов. Эта оптимизированная смесь была разработана компанией Biogents специально для мониторинга комаров, а упаковки (200 г) хватает на 10 сеансов мониторинга.

  Эффективность биогентов CO

  ₂ Порошок

  См. схемы в левом слайд-шоу.
  Производимый CO ₂ оптимизированный порошок дрожжей Biogents был протестирован против других штаммов дрожжей в течение 24 часов. Результат: Порошок BG-CO ₂ показывает самое быстрое начало производства CO ₂ и максимальную производительность по сравнению с другими штаммами дрожжей.
  Производство порошковых дрожжей CO ₂ компании Biogents оптимизировано для круглосуточного мониторинга и обеспечивает максимальную производительность в течение первых 14 часов.

  Когда настраивать BG-CO

  ₂ Генератор:

  Общие рекомендации по приготовлению дрожжевой смеси:
  Всегда устанавливайте дрожжевую смесь примерно за 2 часа до начала мониторинга.
  Примеры:

  Комары для мониторинга	Набор дрожжевой смеси	Начало мониторинга
  Комары, активные днем ​​	13:00	15:00
  Ночные комары	16:00	18:00
  Комары, активные днем ​​и ночью	14:00	16:00

  Оптимальное использование с ловушкой BG-Pro
  

  Использование генератора BG-CO ₂ Генератор оптимизирован для использования в сочетании с ловушкой BG-Pro: Изолированная сумка для переноски может служить держателем для BG-CO ₂ Генераторный мешок для смешивания, поддерживающий стабильную температуру.

• Один BG-CO ₂ Стартовый комплект генератора включает:

  • 1x BG-CO ₂ Порошок (200 г, хватает на 10 сеансов отлова)
  • 1x мешок для смешивания
  • 1x термометр
  • 1x ложка
  • 1x изолированная сумка BG-Pro

  Набор можно использовать повторно, а порошок BG-CO ₂ доступен в качестве запасного компонента. Единственные компоненты, которые вам нужно добавить, это сахар и теплая вода.
  

  
  Технические данные:
  Вес: 0,673 кг
  Размеры: 30 x 30 x 17 см при наполнении водой
  Размеры упаковки: 20 x 20 x 20 см различных штаммов дрожжей и определенных питательных веществ для стабильного производства CO ₂ в течение 24 часов. Смесь содержит безвредную горькую приправу для предотвращения проглатывания.

  Схема генератора бг 200: -100, -1003, -200, -2001 | |