公路仪器操作规程.pdf
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
公路仪器操作规程 公路仪器操作规程.pdf 文档收集自互联网,经过重新修正排版,支持 word 格式编辑。该文档提供了四种公路仪器的操作规程,分别是低温数显沥青延伸度仪、沥青软化点仪、标准恒温水浴、自动混合料拌和机、马歇尔电动击实仪。 1. 低温数显沥青延伸度仪操作规程: * 步骤 1:在关闭所有功能开关的情况下接通电源,然后开通所需工作的功能开关。 * 步骤 2:试样在室温下冷却 30min 后,再置于规定试验温度的水中 30min,取出将高出试模部分沥青刮去,使沥青与试模平齐。 * 步骤 3:检查水槽内的水位,应符合测试操作规范要求,设定温度,加热,制冷,打开循环水泵,温度恒定至 5℃、15℃、25℃,45 分钟后,关闭循环水泵,停止加热或制冷。作拉伸试验。 * 步骤 4:将准备好的试件八字模型的端模上的两头分别套入滑动器的铜圆柱销内,取掉模型两卡块。 * 步骤 5:当水槽内水温准确到规定值时,按下变速箱启动开关,仪器开始工作,显示器将显示延伸长度。 * 步骤 6:待沥青试样拉断或达到试验要求时,按一下计值开关,仪器自动记录该试样的延伸度;第二根试样拉断或达到要求时再按计值开关,此时仪器自动计入该试样的延伸度;第三根试样拉断或达到要求时再按一下计值开关,此时仪器将自动计算三根试样的平均值。 2. 沥青软化点仪操作规程: * 步骤 1:将沥青环置于涂有隔离剂的金属板上,备样。 * 步骤 2:将烧杯置于工作台上,杯内注入 5±0.5℃的蒸馏水或 32±0.5℃的甘油,将备好的试样铜环放置在环架中层夹板的相应圆孔上,并套上定位环,然后将感温探头从上层板的相应圆孔插入,使感温探头底端与铜环下面齐平。 * 步骤 3:经 15 分钟后取出环架,将钢球安置在环架上,使各铜环处于同一平面上,并调整至标记线。 * 步骤 4:插上电源,按下“试验”键,仪器进入试验状态,磁力搅拌器开始搅拌,加热器加热速度以 5±0.5℃/min 加热,时间、温度由显示屏显示。 * 步骤 5:当钢球下沉至下层板面,仪器手动动记录下试验结果,显示出平均值。 3. 标准恒温水浴操作规程: * 步骤 1:使用时必须先加水,最低水位不得低于电热管以上 10cm。 * 步骤 2:接通电源,箱外壳必须接地。 * 步骤 3:作恒温和水浴时,首先要把水加足,调节电子仪表控温仪选定所需温度。当温度达到所需要的温度时,则红绿灯交替亮熄,此时红灯亮表示恒温,绿灯亮表示加热,稍待几分钟后即自动控制。 4. 自动混合料拌和机操作规程: * 步骤 1:接通电源,根据规程或工作需要预置拌和时间和加热温度,并将控温部分的按扭置于“工作”位置,则控温加热系统开始工作,约 30 分钟锅的内壁即可达到设定温度,这时机器即可开始工作。 * 步骤 2:按下操作面板右侧的“上升”按扭,搅拌头自动升到最高位置,这时将事先预热好的混合料到入锅中。 * 步骤 3:按下“下降”按扭,搅拌器自动降到最低位置,伸入锅中,按下面板中部的“启动”按扭,则搅拌浆开始搅拌,待搅拌到预置时间时自动停机。 5. 马歇尔电动击实仪操作规程: * 步骤 1:击实前将击实压头、试模内壁及试模底座轻涂一层机油,保持良好的润滑性。 * 步骤 2:预置击实次数,接通电源。 * 步骤 3:打开或拿掉安全门,提起导轨滑杆及重锤,用安全操纵杆将击实压头锁住。 * 步骤 4:将装好混合料的试模推入钢板平台的定位销内,锁紧试模。 * 步骤 5:提起导轨及重锤,打开安全操作杆,放下击实头,关上安全门,按下“运行”按扭,击实开始,击实次数到时自动关机。 该文档提供了公路仪器操作规程的详细指南,帮助用户正确使用仪器,获取准确的试验结果。
剩余17页未读,继续阅读
- 粉丝: 77
- 资源: 5万+
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 等发达地区的无穷大无穷大无穷大请问
- 微藻检测19-YOLO(v5至v11)、COCO、CreateML、Paligemma、TFRecord、VOC数据集合集.rar
- NE555+74LS192+74LS48电子秒表课程设计报告(纯数电实现)
- 基于深度学习的视频描述综述:视觉与语言的桥梁
- 2024年全球干式变压器行业规模及市场占有率分析报告
- 用于Unity使用NuGet
- 微藻检测18-YOLO(v5至v11)、COCO、CreateML、Paligemma、TFRecord、VOC数据集合集.rar
- 小红书2024新年市集合作方案解析与品牌营销策略
- 基于javaweb的沙发销售管理系统论文.doc
- 毕业设计Jupyter Notebook基于深度网络的垃圾识别与分类算法研究项目源代码,用PyTorch框架中的transforms方法对数据进行预处理操作,后经过多次调参实验,对比不同模型分类效果