Определение Т пп (А с3 ) титанового сплава ( “β- transus ”) по данным

кривой производной ДСК (по времени) непрерывного нагрева сплава Ti-6-4 (Тпп

= 983 °С) со скоростью 50 °/мин

Красивая картинка, но где Тпп ?

Где-то здесь…

связано!
Рис. 2 Зависимость величины температурной поправки от значения молибденового эквивалента
Тпп

= Тпм ± ∆Т

практике

…
Рис. 3 Вид идеального эндотермического эффекта в DSC

MatPlotLib и прочие важные штуки
from __future__ import print_function
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import rc
 
from Approximation import Approximation


### Включаем отображение кириллицы на графиках...
font = {'family': 'Verdana',
 

      'weight': 'normal'}
rc('font', **font)
 

Юзера
    exp_data_fname = input(u"Введите путь до файла с данными DSC-эксперимента [%s]:

" % exp_data_fname)
except:
    pass

Входные данные – это важно!

нет?)
    print(u"Не удалось загрузить данные из %s" % exp_data_fname)
    exit(1)
try:
 

  exp_data_Mo_eq = float(str(input(u"Введите значение молибденового эквивалента сплава: ")).replace(',', '.', 1))
    print(u"\t указанное значение Mo_eq: %f" % exp_data_Mo_eq)
except:
    ### !!! TODO !!!
    exp_data_Mo_eq = 0.8
    print(u"Введено некорректное значение. Используется %f" % exp_data_Mo_eq)
    #exit(1)

пробел) для линейой интерполяции базовой линии, грС (%s):\n' %
     

  l_interpol_temp_range)
    # l_interpol_temp_range = (i for i in l_interpol_temp_range)
 
    print(u"Указанный интервал: %s" % l_interpol_temp_range)
except:
    print(u"Введено некорректные значения. Будет использован интервал [%s]" % l_interpol_temp_range)
 
print(u'Вы выбрали отрезок T1...T2: (%s) грС' % l_interpol_temp_range)

  return 18  # Magic number :)
 
Функция
для определения необходимой темп-ой поправки
ЭТО
ПРОСТО
ПРИМЕР

линии
fit_dsc_base_line = Approximation(t, dsc_raw_data[:, 3], 1)
 
''‘
Это тоже комментарий 
print(u"СКО - %f, коээфициенты - %s, значение

полинома в центре интервала - %f" % (fit_dsc_base_line.deviation,
                                                                                  fit_dsc_base_line.coefficients,
                                                                                  fit_dsc_base_line.function(
                                                                                      l_interpol_t2 - l_interpol_t1)
))
'''
 

Удобство – превыше всего!

Вычитаем расчетную базовую линию из экспериментальных данных. Векторизованый подход
dsc_corrected_data = dsc_raw_data[:, 3] - dsc_approx_data
 
#

Определяем численную производную ДСК (корр.) сигнала по температуре в каждой точке (векторизация)
ddsc_data = np.diff(dsc_corrected_data) / np.diff(t)
 
# Макс и мин значения производной
ddsc_max_v, ddsc_max_i = ddsc_data.max(), ddsc_data.argmax()
 
# Определяем бета-трансус
t_transus = t[ddsc_max_i] - DSCDataCorrection(exp_data_Mo_eq)
 
print(u"Тпп исследованного сплава: %i (поправка %f грС)" % (t_transus, DSCDataCorrection(exp_data_Mo_eq)))

Математика – царица всех наук. Доказано.

 мВ/мг$')

# Создаем вторую ось со своим масштабом
ax2 = ax1.twinx()
 
ax2.plot(t[1:], ddsc_data, 'r-')
ax2.set_xlabel(u'Температура, грС')
ax2.set_ylabel(u'Частная производная (корр.)

ДСК по температуре')
 
ax2.axvline(x=t_transus, color='g', ls='dashed')
ax2.annotate(
    u'$Т_{пп} сплава$',
    xy=(t_transus, ddsc_max_v),
    xytext=(t_transus + 5, ddsc_max_v * 1.02))

В цифрах не разобраться, покажите нам график!!!

- CONST(%i degC) = %i$" %
            (t[ddsc_data.argmax()],
 

           DSCDataCorrection(exp_data_Mo_eq),
             t_transus)],
           loc='upper left')  # положение легенды
 
 
# Показываем результат
plt.show()