随着光伏行业的技术和应用创新,各类材料的应用越来越广泛,这也对光伏电池片的剥离力、抗拉强度等力学性能提出了更高的要求。评估力学性能的测试方法即需进行拉伸、压缩、弯曲等力学试验,为此美能光伏生产了电池片拉脱力综合测试仪。样品放入后经全数字化的闭环控制试验,通过数据处理系统,得到清晰客观的测量数据。
美能电池片拉脱力综合测试仪
美能电池片拉脱力综合测试仪,满足目前主流厂商各规格电池片的安装测试,广受青睐。专用于光伏行业硅晶片、硅料、电池组件等相关产品的剥离力、抗拉强度等测试。
- 独特的卧立一体式设计,同时兼具卧式180°剥离强度测试和立式电池片弯曲测试;
- 卧式测试模块可达到20个传感器同时使用;
- 立式测试模块可用于成品电池或材料的拉伸、压缩、弯曲等试验;
- 符合GB/T16491-2009,GB/T16491-96与JB/T17797-95 国家标准。
精心设计测试细节部件
在经过多年的行业应用实践积累后,美能电池片拉脱力综合测试仪被赋予各种精心设计的细节。
测试夹具高度调节,以适用不同规格的电池片测试;
调节测试夹具的水平角度,取得适合的剥离测试角度进行测试,更接近式样实际运用中的受力方向,数据更准确;
游标式传感器位置调节,更换测试工种时调节更便利;
- 特制专用迷你测试钳口夹持方便,小间距工位,更方便夹持短焊带样品。
多主栅测试
卧式测试模块配备20个力量传感器,配合美能光伏自主研发智能软件,可达到20个传感器同时使用,并且测试数据可同时传输显示。一次可同时进行20主栅试验测试,不仅缩短了装夹、测试时间,同时还节约了大量的人工成本,大大提高检测效率,测试同样的一块电池片,单面测试时间<1分钟,比单组测试至少可提高10~18倍以上的速度,完全满足现有市场主流20栅、18栅、16栅、12栅、9栅、6栅电池片的测试要求。
独特卧立一体式设计除了常见的卧式检测设备,美能电池片拉脱力综合测试仪整合了立式测试需求,立式测试模块安装50N,1000N各一个力量传感器用于静态物性试验。实现了结构外形上既简洁美观,更少占用空间,又操作方便。
立式测试模块立式测试模块由电气和机械两部分组成,机械部分以电气部分的电机为原动力,利用电机的正反转,通过蜗轮与减速机将速度降到试验所需的速度,再经丝杆传动,带动中联板上下移动配合夹具的拉压。试样经过拉伸、压缩、撕裂或其它形式的破坏,由显示器上直接读出拉力、压力值、撕裂力值或其它形式的力值,助力用户精准定位调整与优化方向。配备多种夹具,可满足拉伸、压缩、弯曲等多种力学测试需求。
作为光伏行业常用的测试设备,拉脱力测试仪是评估电池片,组件等材料力学性能的重要工具。美能电池片拉脱力测试仪,凭借其独特的卧立一体式设计,一次可同时进行18主栅试验,20个传感器可同时使用及传输,同时兼具卧式180°剥离强度测试和立式电池片弯曲测试,为生产商提供可靠的数据和信息,提升测试及生产效率,确保光伏组件的质量和性能,推动光伏行业的发展。
-
测试仪
+关注
关注
6文章
3822浏览量
55287 -
检测设备
+关注
关注
0文章
645浏览量
16963 -
电池
+关注
关注
84文章
10737浏览量
131993
发布评论请先 登录
相关推荐
艾法斯Aeroflex IFR3920/IFR3920B 无线电综合测试仪
探秘电池综合测试仪:锂电行业的关键助力
艾法斯Aeroflex 3920 无线电综合测试仪 3920B
直流充电桩(机)综合测试仪:确保直流充电桩高效安全运行的关键设备

4957系列射频微波综合测试仪
SF6综合测试仪操作步骤——每日了解电力知识

SF6气体综合测试仪如何测量——每日了解电力知识

评论