Geum.ru

Реферат

  • 9321. Технологическое образование школьников
    Педагогика

    Интегрированная оценка явл субъективной, зависит от способности уч-ля правильно определить общую оценку разных по содержанию направлений учебной Д шк-ка (знан, умен организовать труд, практич-е умен, соблюдение правил техники безопасности и т.д.), базируется на его П-ком опыте, умении тонко чувствовать условия её дифференциации. Многокритериальная сист позволяет повысить объективность оценки. Сущность её заключается в том, что каждый из выделенных уч-лем критериев учебной Д учащихся оценивается отдельно. В кач-ве осн-ных критериев оценки учебной Д шк-ков на уроках технологии обычно приним: 1. Знан учащимися учебного материала. 2. Точность обраб изготавл-емого изделия. 3. Норму времени выполнения учебного задания. 4. Правильность выполнения трудовых приёмов и операций. 5. Организацию раб места. 6. Соблюдение учебной дисциплины и безоп труда. Содерж-е каждого выделенного критерия относит-но применяемой у нас в стране пятибалльной сист оценки: 1. Знание учебного материала: «5» - ответы отлич глубоким знанием учеб материала, свидетель-ют о способности уч-ся сам-ятельно находит в нём причинно-следственные зависимости, связь его с практикой; «4» - в ответах доп-ются незначит-ные неточности, к-рые сам-ятельно исправляются шк-ками, с незначит-ной помощью со стороны учителя они справляются с нахождением причинно-следственных зависимостей в учебном материале и определение его связей с практикой; «3» - в ответах доп-ются неточности, к-рые исправляются только с помощью уч-ля, уч-ся затрудняются самостоят-но выделить в учебном материале причинно-следст-ные зависим связать его с практич Д; «2» - ответы свидет-ют о значит-ном незнании учащимся учебного материала, он не может даже с сущ-ной помощью учителя выделить в нём простейшие причинно-следст-ные зависимости, связать его с практикой; «1» - учащийся абсолютно не знает учебный материал, отказывается от ответа. При подготовке к занятию уч-ль в зависимости от целей и задач проверки, её содержания и формы организации, вида проверки и проверочных заданий должен решить какие критерии положить в основу оценки рез-татов учебной Д уч-ся (все шесть или часть из них), выбрать балльность оценки по каждому критерию, определиться в способах простановки оценки. К прим если уч-ль решает оценивать Д учащихся по каждому в отдельности критерию, то можно принять пятибалльную шкалу их оценки. Если же учитель думает проставлять общую одну оценку по всем критериям - он должен для каждого из них определить балльность в зависимости от их значимости в реализации целей и задач урока. Выбор той или иной сист оценки, опр-ение критерием их содержания - право уч-ля, к-рое он должен реализовать. В процессе оперативной подготовки с целью достижен максимальной П-ческой эффективности урока технологии.

  • 9322. Технологическое прогнозирование
    Экономика
  • 9323. Технологическое проектирование автотранспортных предприятий и станций технического обслуживания (спр...
    Экономика

    Гардеробные для производственного персонала могут быть с закрытым или открытым способом хранения одежды. При закрытом хранении всех видов одежды количество индивидуальных шкафов принимается равным количеству рабочих во всех сменах; при открытом хранении одежды на вешалках - количеству рабочих в двух наиболее многочисленных сменах. Площадь пола гардеробной на один закрытый индивидуальный шкаф составляет 0,25 м2. При хранении одежды на открытых вешалках на каждое место предусматривается 0,1 м2 площади гардеробной.

  • 9324. Технологическое проектирование АТП
    Радиоэлектроника
  • 9325. Технологичность изделия, ее показатели и пути обеспечения
    Экономика

    Различают производственную и эксплуатационную технологичность. Первая проявляется в сокращении затрат при подготовке и изготовлении изделий, вторая - в сокращении затрат на обслуживание и ремонт. При отработке изделия на технологичность для условий производства необходимо учитывать: объемы выпуска н уровень специализации рабочих мест, виды заготовок и методы их получения; виды и методы обработки, виды и методы сборки, монтажа, настройки, контроля и испытаний, возможность использования типовых технологических процессов, имеющегося технологического оборудования и оснастки: возможность механизации и автоматизации процессов изготовления и технологической подготов-

  • 9326. Технологичность РЭА
    Экономика

    В политологии выделяются три уровня легитимности власти: идеологический, структурный, персоналистский. Идеологический уровень легитимации основан на соответствии власти устоявшемуся типу социализации, процессу становления и эволюции человека как члена данного общества, его интеграции в данную систему. Благодаря социализации в обществе существует порядок, принимаемый большинством. В основе общей социализации лежит господствующее представление о справедливости. Если основой социализации являются такие ценности, как равенство, коллективизм, то в обществе может преобладать человек экстерналистского типа. У него развиты притязания к правительству в обеспечении всем максимального жизненного уровня. Если же основой социализации является свобода, индивидуализм, ориентация на собственные силы, то в обществе преобладает тип человека-интерналиста, который ожидает от власти лишь гарантий индивидуальной свободы и общественного порядка и не терпит вмешательства в свои дела. Чистых экстерналистов и интерналистов немного. Однако выделение этих двух типов социализации помогает лучше понять истоки различий и колебаний легитимности власти в разные эпохи, в разных обществах. Наша страна тому пример. Если в обществе не будет увеличиваться число людей интерналистского типа, то сохранится почва политической нестабильности, выдвижения чрезмерных требований к правительству относительно цен и зарплаты. Тем самым будет оправдываться вмешательство правительства в те вопросы, которые в других обществах решаются рынком.

  • 9327. Технология PLC (Power Line Communication)
    Компьютеры, программирование

    При использовании предыдущего метода система может не успеть адаптироваться к быстро изменившимся условиям, в результате часть битов будет разрушена и утеряна. Для решения этой проблемы используется двухступенчатое (каскадное) помехоустойчивое кодирование битовых потоков перед тем, как они будут промодулированы и поступят в канал передачи данных. Суть помехоустойчивого кодирования состоит в добавлении в исходный информационный поток по определенным алгоритмам избыточных ("защитных") битов, которые используются декодером на приемном конце для обнаружения и исправления ошибок. Каскадирование блочного кода Рида-Соломона и простого сверточного кода, декодируемого по алгоритму Витерби, позволяет исправлять не только одиночные ошибки, но и пакеты ошибок, обеспечивая тем самым практически 100% гарантию целостности передаваемых данных. Кроме того, помехоустойчивое кодирование является и способом технического закрытия, обеспечивающего относительную безопасность передаваемой информации в общей среде передачи.
    Ещё одним проблемным моментом является то, что сеть бытового электропитания служит общей средой передачи данных, то есть в один момент времени передачу могут осуществлять сразу несколько устройств. В такой ситуации для разрешения конфликтов столкновения трафика необходим регулирующий механизм - протокол доступа к среде. В качестве такого протокола был выбран хорошо известный Ethernet, который в технологии Powerline был расширен путем добавления дополнительных полей приоритезации. Такая модификация вызвана необходимостью гарантированной полосы пропускания для передачи голоса и видео через IP, когда величина задержки является критичным параметром. Пакеты, содержащие голос или видео в этом случае помечаются как "timing critical", т. е. имеют самый высокий приоритет при обработке и доступе к среде передачи.
    Практическая реализация и использование PowerLine
    Итак, мы рассмотрели основные принципы технологии Powerline. К сожалению, доступ к полной версии стандарта HomePlug 1.0 specification ограничен (только члены HomePlug Alliance), и за кадром остались такие интересные вопросы как требования к электропроводке, дальности передачи и структура построения. Приблизительно оценить отдельные параметры можно на примере некоторых производителей. Так фирма Phonex предлагает устройство Phonex Broadband QX-201 NeverWire 14 (рис.10) с максимальной скоростью до 14 Мб/с.

  • 9328. Технология возведения зданий и сооружений
    Экономика

    I. Выбор комплекта машин осуществляется по сменной или суточной интенсивности потока бетонирования. В комплексном процессе бетонных и железобетонных работ процесс подачи, укладки и уплотнения бетонной смеси является ведущим, а машины и механизмы, выполняющие этот процесс, называются ведущими машинами. При решении этой задачи возможны дава случая: 1) известны общий объем укладываемой смеси и продолжительность бетонирования; 2) известен только общий объем укладываемой бетонной смеси, а продолжительность бетонирования неизвестна. В первом случае общий объем укладываемой бетонной смеси делят на продолжительность укладки бетонной смеси в сутках и на количество смен в сутках. Полученная величина является сменной интенсивностью укладки бетонной смеси. По ней подбирают несколько ведущих машин, каждая из которых по своей производительности может выполнить укладку бетонной смеси в количестве, разном объему сменной интенсивности. Производительность кранов определяется по формуле (2) /1/, техническая производительность бетононасосов, бетоноукладчиков, транспортеров приведены в таблице 4 приложения, производительность вибролотков и вибропитателей таблица 5 приложения.

  • 9329. Технология возведения земляного полотна
    Экономика

    ПК+Рабочая отметка земляного полотнаСредняя рабочая отметка земляного полотна, мПротяженность участка, L, мПлощадь планировки откосов, S, мВ насыпи, hВ выемке, b В насыпи, hВ выемке, bВ насыпи, hВ выемке, b01,201,14100410,411,080,9710032,420,860,5510019830,240,38100136,840,520,46100165,650,400,29100104,460,180,094313,93ПК6+43000,125724,6270,240,21007280,160,37100133,290,580,29100104,4ПК10+00000,29100104,4110,580,97100349,2121,361,30100468131,241,18100424,8141,120,96100345,6150,800,64100230,4160,480,2452892,8ПК16+52000,224838,01170,440,90100324181,361,62100583,2191,881,89100680,4201,90Продолжение табл. 3.1.11,61100579,6211,321,6285495,72НКПК21+850,300,17159,18220,040,02312,23ПК22+31000,04699,93230,090,85100306241,621,91100687,60252,202,3034546,48ККПК25+342,402,4466579,74262,482,77100997,20273,063,251001170283,443,581001288,80293,723,661001317,6303,603,101001116312,612,36100849,6322,121,87100673,2331,631,51100543,6340,400,77100277,2350,150,07317,81ПК35+31000,176942,22360,340,43100154,8370,530,267772,07ПК37+77000,09237,45380,180,43100154,8390,691,44100518,40402,202,901001044Продолжение табл. 3.1.1413,613,911001407,6424,224,021001447,2433,834,081001468,8444,344,041001454,4453,753,601001296463,463,211001155,6472,972,62100943,2482,281,53100550,80490,790,3980112,32ПК49+80000,10207,2500,200,44100158,4510,690,43100154,8520,180,093511,34ПК52+35000,166538,59530,330,58100208,8540,840,69100348,4550,550,45100163560,360,2110075,6570,070,03373,99ПК57+37000,0623496,80580,120,2110075,6590,311,05100378601,80

  • 9330. Технология восстановления чугунных коленчатых валов двигателей ЗМЗ-53А
    Экономика

     

    1. Клочнев Н. И. Высокопрочный чугун с шаровидным графитом. М., Машгиз.,1963.
    2. Кудрявцев И. В. Конструкционная прочность чугуна с шаровидным графитом. М., Машгиз., 1957.
    3. Доценко Г. Н. Восстановление чугунных коленчатых валов автоматической наплавкой. М., Транспорт., 1970. 56 с.
    4. Марковский Е .А. Износостойкость чугунов с шаровидным графитом // Высокопрочный чугун. Киев, 1964.
    5. Краснощеков М. М., Пахомов Б. П., Марковский Е. А. Исследование износостойкости коленчатых валов методом радиоактивных изотопов // Тракторы и сельхозмашины. 1962. №2.
    6. Доценко Г. Н. Износостойкость и усталостная прочность чугунных коленчатых валов ГАЗ 21, новых и отремонтированных. // Автомобильная промышленность. 1969. №2.
    7. Середенко Б. Н. Износостойкость высокопрочного чугуна, применяемого в тракторостроении. // Научные труды ин-т машиноведения и сельскохозяйственной механизации. Киев, 1958. Т. 4.
    8. Герц Е. В., Крейнин Г. В. Расчет пневмоприводов. М., 1975. 271 с.
    9. Луппиан Г. Э., Симонятов В. Г. Восстановление вибродуговой наплавкой в кислороде чугунных коленчатых валов М 21. // Автоматическая наплавка. 1968. №4.
    10. Спиридонов Н. В. Плазменные и лазерные методы упрочнения деталей машин. Минск, 1988. 155 с.
    11. Хасуи А. Наплавка и напыление. М., 1985. 239 с.
    12. Гуляев А. П. Металловедение. М., 1966.
    13. Лебедев Б. И. Усадка железно-углеродистых сплавов и связанное с ней явление образование горячих трещин. // Автореферат канд. диссертации. / Л., 1956.
    14. Доценко Н. И. Восстановление коленчатых валов автоматической наплавкой. М., 1965.
    15. Полиновский Л. А. Расчет припусков на механическую обработку. Определение точности обработки. Методические указания к выполнению лабораторных и практических работ. Новосиб., СГУПС. 1988. 12 с.
    16. Егоров М. Е. Основы проектирования машиностроительных заводов. М., 1969.
    17. ОНТП-14 86. Нормы технологического проектирования предприятий машиностроения. М., 1987. 96 с.
    18. Расчет режимов резания при механической обработке металлов и сплавов. Методическое пособие. Хабаровск. 1997. 83 с.
    19. Общемашиностроительные нормативы времени на слесарную обработку деталей и слесарно-сборочные работы по сборке машин и приборов в условиях массового, крупносерийного и среднесерийного типов производства. М., 1991. 158 с.
    20. Общемашиностроительные нормативы времени для технического нормирования работ на металлорежущих станках, мелкосерийное и единичное производство. Ч. 1. М., 1967. 315 с.
    21. Общемашиностроительные нормативы времени для технического нормирования работ на шлифовальных и доводочных станках (укрупненные). М., 1974. 112 с.
    22. Нормативы для технического нормирования работ при автоматической электродуговой сварке под слоем флюса. М., 1954. 142 с.
    23. ОНТП-14 90. Нормы технологического проектирования предприятий машиностроения. М., 1991. 115 с.
    24. Ефремов В. В. Ремонт автомобилей. М., 1965.
    25. Бежанов Б. Н. Пневматические механизмы. М., 1957.251 с.
    26. Герц Е. В. Пневматические устройства и системы в машиностроении. М., 1981.
    27. Гидравлическое и пневматическое оборудование общего назначения, изготавливаемое в СНГ, Литве, Латвии. М., 1982. 123 с.
    28. Ковка и штамповка. Справочник. В 4-х т. М., 1985. Т. 2.
    29. Сборник типовых инструкций по технике безопасности. М., 1994. 432 с.
    30. ОСТ 32 9 81 ССБТ. Нормы искусственного освещения объектов железнодорожного транспорта. М., 1982. 40 с.
    31. СНиП 11 4 79. Естественное и искусственное освещения. М., 1980. 48 с.
    32. Расчет и проектирование искусственного освещения производственных помещений и открытых площадок. Методические указания к решению задач. Новосибирск. 1989. 30 с.
  • 9331. Технология выращивания картофеля
    Сельское хозяйство
  • 9332. Технология выращивания огурцов. Сорт Водолей )
    Экономика

    Посевные качества определяют анализом среднего образца, взятого от объединенной партии. На объединенную партию семян выдается «Свидетельство на семена». В графе 15 проставляется номер и дата «Удостоверения о кондиционности семян», выданного на основании анализа среднего образца объединенной партии. Срок хранения документов и образцов семян. Объединения и отделения «Сортсемовощ» все документы или копии документов по качеству семян, полученные с семенами и выданные при отпуске семян, должны хранить не менее трех лет со дня полного отпуска семян со склада. Образцы исследованных семян или дубликаты образцов хранятся объединением «Сортсемовощ» и Государственными семенными инспекциями в течение двух месяцев после окончания посева этих культур. 16. Сортовые и посевные качества семян овощных культур. Стандарты на сортовые и посевные качества Семена овощных, бахчевых культур, кормовых корнеплодов и кормовой капусты по сортовым качествам (сортовой чистоте) делят на I, II и III сортовые категории (Сортовые и посевные качества. ОСТ 46-9080ОСТ 46-107- 80). В посевах элиты и I сортовой категории примесь других сортов и резких гибридов не допускается. Семена тепличных сортов и гибридов F1 огурца и томата по сортовой чистоте и содержанию гибридных семян делят на 2 категории I и II. При этом семена тепличных сортов огурца и томата выращивают до I репродукции. По посевным качествам семена овощных бахчевых культур и кормовых корнеплодов делят на семена 1-го и 2-го классов. Посевные качества характеризуют пригодность семян к посеву и хранению. Посевные качества семян (всхожесть, чистота, масса 1000 семян, влажность) определяют по методике ГОСТ 1203884, 1204280, 1204182, 1203781. Основные показатели посевных качеств семян: энергия прорастания, всхожесть, жизнеспособность, сила роста, чистота, наличие примеси семян сорняков зараженность вредителями, масса 1000 семян и влажность (допустимые пределы влажности семян отдельных овощных культур от 9 до 15%). В зависимости от назначения посевов в открытом грунте семена овощных культур должны соответствовать следующим требованиям: суперэлитные и элитные семена, высеваемые в семеноводческих и других хозяйствах для размножения, по сортовым качествам должны быть не ниже I сортовой категории и по посевным качествам не ниже 1-го класса; семена I, а для бобовых и кормовых культур II репродукции, высеваемые в семеноводческих и других хозяйствах для размножения, должны быть не ниже II категории сортовой чистоты и не ниже 1-го класса по посевным качествам; семена соответствующих репродукций, высеваемые в совхозах, колхозах и других хозяйствах на площадях товарного назначения, по сортовым качествам должны быть не ниже III сортовой категории, а по посевным качествам не ниже 2-го класса. Семена суперэлиты и элиты тепличных сортов огурца и томата, высеваемые в хозяйствах для размножения, должны иметь сортовую чистоту не ниже I категории, а посевные качества не ниже 1-го класса. Семена элиты, I репродукции и гибридов первого поколения, высеваемые в хозяйствах в теплицах на площадях товарного назначения, по сортовой чистоте должны быть не ниже I категории, а по посевным качествам не ниже 1-го класса. Семена I репродукции и гибридов первого поколения, высеваемые в хозяйствах на товарные цели в пленочных теплицах и других простейших сооружениях, по сортовой чистоте должны быть не ниже II категории, а по посевным качествам не ниже 2-го класса.

  • 9333. Технология и оборудование пищевых производств
    Экономика

    В результате экстракции экстрагируется до 2,5% несахаров, которые препятствуют дальнейшему получению сахара из диффузионного сока. Диффузионный сок тёмного цвета подвергается очистке - дефекации, сатурации, сульфитации. Сначала к соку, нагретому до 88 ?С, добавляется известковое молоко. Под действием извести происходит коагуляция белков и окрашенных веществ, а также осаждение образовавшихся нерастворимых солей кальция щавелевой, фосфорной и других кислот. При последующей обработке этого сока углекислым газом CO2 (1-я сатурация) избыточная известь, не вступившая в реакцию с несахарами сока, превращается в нерастворимый мелкий кристаллический осадок СаСО3, на поверхности которого адсорбируются некоторые, особенно окрашенные, несахара. После подогрева до 90?С сока 1-й сатурации осадок отфильтровывают, фильтрат для удаления из него остатков кальциевых солей подогревают до 102? С, повторно обрабатывают небольшим количеством извести (0,25% CaO) и углекислым газом (2-я сатурация). Выпавший осадок CaCO3 отфильтровывают, после чего сок обесцвечивают сернистым газом SO2 (сульфитация). Осадок, содержащий углекислый кальций и осажденные несахара, используется в качестве удобрения. В результате очистки удаляется 35-40% несахаров, находившихся в соке. Очищенный сок имеет светло-жёлтый цвет и содержит около 14% сухих веществ, в том числе 13% сахаров.

  • 9334. Технология и организация маркетинговых исследований
    Экономика

    Состав и последовательность вопросов анкеты также не должна носить произвольного характера и при их определении следует руководствоваться следующими требованиями:

    1. Следует избегать вопросов, носящих праздный характер.
    2. В целях проверки искренности и устойчивости позиции опрашиваемого в анкете следует предусмотреть несколько контрольных вопросов, позволяющих выявить возможные противоречия в его ответах.
    3. Последовательность вопросов должна учитывать их логическую взаимосвязь, в основе которой следует положить принцип "от общего к частному".
    4. Вопросы, классифицирующие опрашиваемых и направленные на выяснение личных качеств, помещаются в самом конце анкеты, т.к. при их постановке возрастает вероятность отказа опрашиваемого продолжать беседу.
    5. Первые вопросы анкеты должны быть простыми, не носящими личного характера, т.к. призваны расположить опрашиваемого к беседе и вызвать у него интерес. Трудные и личные вопросы не следует задавать в начале интервью.
    6. Следует избегать вопросов (без крайней необходимости) о точном возрасте, точном доходе и точном месте жительства. Следует ограничиваться указанием "вилки".
    7. Количество вопросов в анкете не должно быть слишком большим (обычно стараются ограничиться 10-15 вопросами), т.к. чем длиннее анкета, тем вероятнее, что она будет отвергнута.
  • 9335. Технология извлечения знаний из нейронных сетей: апробация, проектирование ПО, использование в психо...
    Компьютеры, программирование

     

    1. Лорьер Ж.-Л. Системы искусственного интеллекта. М.: Мир, 1991. - 568с.
    2. Искусственный интеллект. В 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Д.А.Поспелова. М.: Радио и связь, 1990. - 304с.
    3. Хафман И. Активная память. М.: Прогресс. 1986. - 309с.
    4. Бонгард М.М. Проблема узнавания. М.: Наука, 1967. - 320с.
    5. Загоруйко Н.Г. Методы обнаружения закономерностей. М.: Наука, 1981. - 115с.
    6. Гаек П., Гавранек Т. Автоматическое образование гипотез. М.: Наука, 1984. - 278с.
    7. Гуревич Ю.В., Журавлев Ю.И. Минимизация булевых функций и и эффективные алгоритмы распознавания // Кибернетика. - 1974, №3. - с.16-20.
    8. Искусственный интеллект. В 3-х кн. Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. Э.В.Попова. М.: Радио и связь, 1990. - 464с.
    9. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. - 471с.
    10. Загоруйко Н.Г. Гипотезы компактности и -компактности в алгоритмах анализа данных // Сибирский журнал индустриальной математики. Январь-июнь, 1998. Т.1, №1. - с.114-126.
    11. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. - 464с.
    12. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. - 512с.
    13. Цыпкин Я.З. Информационная теория идентификации. М.: Наука, 1995. - 336с.
    14. Айзерман М.А., Браверман Э.М., Розоноер Л.И. Метод потенциальных функций в теории обучения машин. - М.: Наука, 1970. - 240с.
    15. Россиев Д.А. Самообучающиеся нейросетевые экспертные системы в медицине: теория, методология, инструментарий, внедрение. Автореф. дисс. … доктора биол. наук. Красноярск, 1996.
    16. Горбань А.Н. Обучение нейронных сетей. М.: изд. СССР-США СП "ParaGraph", 1990. - 160с. (English Translation: AMSE Transaction, Scientific Siberian, A, 1993, Vol. 6. Neurocomputing, рp.1-134).
    17. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996. - 276с.
    18. Нейроинформатика / А.Н. Горбань, В.Л. Дунин-Барковский, А.Н. Кирдин и др. Новосибирск: Наука, 1998. - 296с.
    19. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применение в финансах и бизнесе. М.: МИФИ, 1998.
    20. Миркес Е.М. Нейрокомпьютер: проект стандарта. Новосибирск, Наука, 1998.
    21. Kwon O.J., Bang S.Y. A Design Method of Fault Tolerant Neural Networks / Proc. ICNN 1994, Seoul, Korea. - Vol.1. - pp. 396-400.
    22. Горбань А.Н., Царегородцев В.Г. Методология производства явных знаний из таблиц данных при помощи обучаемых и упрощаемых искусственных нейронных сетей // Труды VI Международной конференции "Математика. Компьютер. Образование" / - М.: Прогресс-традиция, 1999. - Ч.I. - С.110-116.
    23. Царегородцев В.Г. Извлечение явных знаний из таблиц данных при помощи обучаемых и упрощаемых искусственных нейронных сетей // Материалы XII Международной конференции по нейрокибернетике. - Ростов-на-Дону. Изд-во СКНЦ ВШ. 1999.- 323с. - С.245-249.
    24. Reed R. Pruning Algorithms - a Survey / IEEE Trans. on Neural Networks, 1993, Vol.4, №5. - pp.740-747.
    25. Depenau J., Moller M. Aspects of Generalization and Pruning / Proc. WCNN'94, 1994, Vol.3. - pp.504-509.
    26. Гилев С.Е., Коченов Д.А., Миркес Е.М., Россиев Д.А. Контрастирование, оценка значимости параметров, оптимизация их значений и их интерпретация в нейронных сетях // Доклады III Всероссийского семинара “Нейроинформатика и ее приложения”. Красноярск, 1995.- С.66-78.
    27. Weigend A.S., Rumelhart D.E., Huberman B.A. Generalization by Weights-elimination with Application to Forecasting / Advances in Neural Information Processing Systems. Morgan Kaufmann, 1991. Vol.3. - pp. 875-882.
    28. Yasui S. Convergence Suppression and Divergence Facilitation for Pruning Multi-Output Backpropagation Networks / Proc. 3rd Int. Conf. on Fuzzy Logic, Neural Nets and Soft Computing, Iizuka, Japan, 1994. - pp.137-139.
    29. Yasui S. A New Method to Remove Redundant Connections in Backpropagation Neural Networks: Inproduction of 'Parametric Lateral Inhibition Fields' / Proc. IEEE INNS Int. Joint Conf. on Neural Networks, Beijing, Vol.2. - pp.360-367.
    30. Yasui S., Malinowski A., Zurada J.M. Convergence Suppression and Divergence Facilitation: New Approach to Prune Hidden Layer and Weights in Feedforward Neural Networks / Proc. IEEE Int. Symposium on Circuits and Systems 1995, Seattle, WA, USA. Vol.1. - pp.121-124.
    31. Malinowski A., Miller D.A., Zurada J.M. Reconciling Training and Weight Suppression: New Guidelines for Pruning-efficient Training / Proc. WCNN 1995, Washington, DC, USA. Vol.1. - pp.724-728.
    32. Krogh A., Hertz J. A Simple Weight Decay can Improve Generalization / Advances in Neural Infromation Processing Systems 4, 1992. - pp. 950-957.
    33. Kamimura R., Nakanishi S. Weight-decay as a Process of Redundancy Reduction / Proc. WCNN, 1994, Vol.3. - pp.486-489.
    34. Karnin E.D. A Simple Procedure for Pruning Back-propagation Trained Network / IEEE Trans. on Neural Networks, June 1990. Vol. 1, No.2. - pp.239-242.
    35. Le Cun Y., Denker J.S., Solla S.A. Optimal Brain Damage / Advances in Neural Information Processing Systems 2. - Morgan Kaufmann, 1990. - pp.598-605.
    36. Hassibi B., Stork D.G., Wolff G. Optimal Brain Surgeon: Extensions and Performance Comparisions / Advances in Neural Information Processing Systems 6, 1994. pp.263-270.
    37. Гилев С.Е. Алгоритм сокращения нейронных сетей, основанный на разностной оценке вторых производных целевой функции // Нейроинформатика и ее приложения : Тезисы докладов V Всеросс. семинара, 1997. Красноярск. КГТУ. 1997. - 190с. - C.45-46.
    38. Tanpraset C., Tanpraset T., Lursinsap C. Neuron and Dendrite Pruning by Synaptic Weight Shifting in Polynomial Time / Proc. IEEE ICNN 1996, Washington, DC, USA. Vol.2. - pp.822-827.
    39. Kamimura R. Principal Hidden Unit Analysis: Generation of Simple Networks by Minimum Entropy Method / Proc. IJCNN 1993, Nagoya, Japan. - Vol.1. - pp.317-320.
    40. Mozer M.C., Smolensky P. Using Relevance to Reduce Network Size Automatically / Connection Science. 1989. Vol.1. - pp.3-16.
    41. Mozer M.C., Smolensky P. Skeletonization: A Technique for Trimming the Fat from a Network via Relevance Assessment / Advances in Neural Network Information Processing Systems 1, Morgan Kaufmann, 1989. - pp.107-115.
    42. Watanabe E., Shimizu H. Algorithm for Pruning Hidden Units in Multi Layered Neural Network for Binary Pattern Classification Problem / Proc. IJCNN 1993, Nagoya, Japan. - Vol.1. - pp.327-330.
    43. Yoshimura A., Nagano T. A New Measure for the Estimation of the Effectiveness of Hidden Units / Proc. Annual Conf. JNNS, 1992. - pp.82-83.
    44. Murase K., Matsunaga Y., Nakade Y. A Back-propagation Algorithm which Automatically Determines the Number of Association Units / Proc. IJCNN, Singapore, 1991. - Vol.1. - pp.783-788.
    45. Matsunaga Y., Nakade Y., Yamakawa O., Murase K, A Back-propagation Algorithm with Automatic Reduction of Association Units in Multi-layered Neural Network / Trans. on IEICE, 1991. Vol. J74-DII, №8. - pp.1118-1121.
    46. Hagiwara M. Removal of Hidden Units and Weights for Back Propagation Networks / Proc. IJCNN 1993, Nagoya, Japan. - Vol.1. - pp.351-354.
    47. Majima N., Watanabe A., Yoshimura A., Nagano T. A New Criterion "Effectiveness Factor" for Pruning Hidden Units / Proc. ICNN 1994, Seoul, Korea. - Vol.1. - pp. 382-385.
    48. Царегородцев В.Г. Производство полуэмпирических знаний из таблиц данных с помощью обучаемых искусственных нейронных сетей // Методы нейроинформатики. Красноярск: Изд-во КГТУ, 1998. - 205c. - C.176-198.
    49. Sietsma J., Dow R.J.F. Neural Net Pruning - Why and How / Proc. IEEE IJCNN 1988, San Diego, CA. Vol.1. - pp. 325-333.
    50. Sietsma J., Dow R.J.F. Creating Artificial Neural Network that Generalize / Neural Networks, 1991. Vol.4, No.1. - pp.67-79.
    51. Yamamoto S., Oshino T., Mori T., Hashizume A., Motoike J. Gradual Reduction of Hidden Units in the Back Propagation Algorithm, and its Application to Blood Cell Classification / Proc. IJCNN 1993, Nagoya, Japan. - Vol.3. - pp.2085-2088.
    52. Sarle W.S. How to measure importance of inputs? SAS Institute Inc., Cary, NC, USA, 1999. ftp://ftp.sas.com/pub/neural/importance.html
    53. Goh T.-H. Semantic Extraction Using Neural Network Modelling and Sensitivity Analisys / Proc. IJCNN 1993, Nagoya, Japan. - Vol.1. - pp.1031-1034.
    54. Howlan S.J., Hinton G.E. Simplifying Neural Network by Soft Weight Sharing / Neural Computations, 1992. Vol.4. №4. - pp.473-493.
    55. Keegstra H., Jansen W.J., Nijhuis J.A.G., Spaanenburg L., Stevens H., Udding J.T. Exploiting Network Redundancy for Low-Cost Neural Network Realizations / Proc. IEEE ICNN 1996, Washington, DC, USA. Vol.2. - pp.951-955.
    56. Chen A.M., Lu H.-M., Hecht-Nielsen R. On the Geometry of Feedforward Neural Network Error Surfaces // Neural Computations, 1993. - 5. pp. 910-927.
    57. Гордиенко П. Стратегии контрастирования // Нейроинформатика и ее приложения : Тезисы докладов V Всероссийского семинара, 1997 / Под ред. А.Н.Горбаня. Красноярск. КГТУ. 1997. - 190с. - C.69.
    58. Gorban A.N., Mirkes Ye.M., Tsaregorodtsev V.G. Generation of explicit knowledge from empirical data through pruning of trainable neural networks / Int. Joint Conf. on Neural Networks, Washington, DC, USA, 1999.
    59. Ishibuchi H., Nii M. Generating Fuzzy If-Then Rules from Trained Neural Networks: Linguistic Analysis of Neural Networks / Proc. 1996 IEEE ICNN, Washington, DC, USA. Vol.2. - pp.1133-1138.
    60. Lozowski A., Cholewo T.J., Zurada J.M. Crisp Rule Extraction from Perceptron Network Classifiers / Proc. 1996 IEEE ICNN, Washington, DC, USA. Plenary, Panel and Special Sessions Volume. - pp.94-99.
    61. Lu H., Setiono R., Liu H. Effective Data Mining Using Neural Networks / IEEE Trans. on Knowledge and Data Engineering, 1996, Vol.8, №6. pp.957-961.
    62. Duch W., Adamczak R., Grabczewski K. Optimization of Logical Rules Derived by Neural Procedures / Proc. 1999 IJCNN, Washington, DC, USA, 1999.
    63. Duch W., Adamczak R., Grabczewski K. Neural Optimization of Linguistic Variables and Membership Functions / Proc. 1999 ICONIP, Perth, Australia.
    64. Ishikawa M. Rule Extraction by Successive Regularization / Proc. 1996 IEEE ICNN, Washington, DC, USA. Vol.2. - pp.1139-1143.
    65. Sun R., Peterson T. Learning in Reactive Sequential Decision Tasks: the CLARION Model / Proc. 1996 IEEE ICNN, Washington, DC, USA. Plenary, Panel and Special Sessions Volume. - pp.70-75.
    66. Gallant S.I. Connectionist Expert Systems / Communications of the ACM, 1988, №31. pp.152-169.
    67. Saito K., Nakano R. Medical Diagnostic Expert System Based on PDP Model / Proc. IEEE ICNN, 1988. pp.255-262.
    68. Fu L.M. Rule Learning by Searching on Adapted Nets / Proc. AAAI, 1991. - pp.590-595.
    69. Towell G., Shavlik J.W. Interpretation of Artificial Neural Networks: Mapping Knowledge-based Neural Networks into Rules / Advances in Neural Information Processing Systems 4 (Moody J.E., Hanson S.J., Lippmann R.P. eds.). Morgan Kaufmann, 1992. - pp. 977-984.
    70. Fu L.M. Rule Generation From Neural Networks / IEEE Trans. on Systems, Man. and Cybernetics, 1994. Vol.24, №8. - pp.1114-1124.
    71. Yi L., Hongbao S. The N-R Method of Acquiring Multi-step Reasoning Production Rules Based on NN / Proc. 1996 IEEE ICNN, Washington, DC, USA. Vol.2. - pp.1150-1155.
    72. Towell G., Shavlik J.W., Noodewier M.O. Refinement of Approximately Correct Domain Theories by Knowledge-based Neural Networks / Proc. AAAI'90, Boston, MA, USA, 1990. - pp.861-866.
    73. Towell G., Shavlik J.W. Extracting Refined Rules from Knowledge-based Neural Networks / Machine Learning, 1993. Vol.13. - pp. 71-101.
    74. Towell G., Shavlik J.W. Knowledge-based Artificial Neural Networks / Artificial Intelligence, 1994. Vol.70, №3. - pp.119-165.
    75. Opitz D., Shavlik J. Heuristically Expanding Knowledge-based Neural Networks / Proc. 13 Int. Joint Conf. on Artificial Intelligence, Chambery, France. Morgan Kaufmann, 1993. - pp.1360-1365.
    76. Opitz D., Shavlik J. Dynamically Adding Symbolically Meaningful Nodes to Knowledge-based Neural Networks / Knowledge-based Systems, 1995. - pp.301-311.
    77. Craven M., Shavlik J. Learning Symbolic Rules Using Artificial Neural Networks / Proc. 10 Int. Conf. on Machine Learning, Amherst, MA, USA. Morgan Kaufmann, 1993. - pp.73-80.
    78. Craven M., Shavlik J. Using Sampling and Queries to Extract Rules from Trained Neural Networks / Proc. 11 Int. Conf. on Machine Learning, New Brunswick, NJ, USA, 1994. - pp.37-45.
    79. Medler D.A., McCaughan D.B., Dawson M.R.W., Willson L. When Local int't Enough: Extracting Distributed Rules from Networks / Proc. 1999 IJCNN, Washington, DC, USA, 1999.
    80. Craven M.W., Shavlik J.W. Extracting Comprehensible Concept Representations from Trained Neural Networks / IJCAI Workshop on Comprehensibility in Machine Learning, Montreal, Quebec, Canada, 1995.
    81. Andrews R., Diederich J., Tickle A.B. A Survey and Critique of Techniques for Extracting Rules from Trained Artificial Neural Networks / Knowledge Based Systems, 1995, №8. - pp.373-389.
    82. Craven M.W., Shavlik J.W. Using Neural Networks for Data Mining / Future Generation Computer Systems, 1997.
    83. Craven M.W., Shavlik J.W. Rule Extraction: Where Do We Go From Here? Department of Computer Sciences, University of Wisconsin, Machine Learning Research Group Working Paper 99-1. 1999.
    84. Michalski R.S. A Theory and Methodology of Inductive Learning / Artificial Intelligence, 1983, Vol.20. pp.111-161.
    85. McMillan C., Mozer M.C., Smolensky P. The Connectionist Scientist Game: Rule Extraction and Refinement in a Neural Network / Proc. XIII Annual Conf. of the Cognitive Science Society, Hillsdale, NJ, USA, 1991. Erlbaum Press, 1991.
    86. Language, meaning and culture: the selected papers of C. E. Osgood / ed. by Charles. E. Osgood and Oliver C. S. Tzeng. New York (etc.) : Praeger, 1990 XIII, 402 S.
    87. Горбань П.А. Нейросетевая реализация метода семантического дифференциала и анализ выборов американских президентов, основанный на технологии производства явных знаний из данных // Материалы XXXVII Международной научной студенческой конференции "Cтудент и научно-технический прогресс": Информационные технологии. Новосибирск, НГУ, 1999
  • 9336. Технология изготовления вала-шестерни
    Экономика

    ГОСТ 3.1118-82. Форма 1аМКАЦехУч.РМОпер.Код, наименование операцииОбозначение документаБКод, наименование оборудованияСМПроф.РУТКРКОИДЕНОПК шт.ТпзТштК/МНаименование детали, сб. единицы или материалаОбозначение, кодОППЕВЕНКИН.расхА 30ХХ ХХ ХХ 025 4112 Токарная с ЧПУ Б 31381111.ХХХХ 16К20Ф3 3 15292 311 20 1 1 1 2500 1 10 1.4Т 32Точить по контуру правую сторону, выдерживая размеры М025,Н025,У025,d9025,d10025,d1102533Контроль исполнителем34392190.ХХХХ - Токарный сборный контурный резец с механическим креплением треугольных пластин из твердого сплава ГОСТ 26476-853539611.ХХХХ - поводковый патрон; 39213.ХХХХ центр поджимной; 393311.ХХХХ - Штангенциркуль ШЦ-II-160-0,05 ТУ 2-034-3011-8336А 37ХХ ХХ ХХ 030 4112 Токарная с ЧПУ Б 38381111.ХХХХ 16К20Ф3 3 15292 511 20 1 1 1 2500 1 10 0.55Т 39Точить по контуру правую сторону, выдерживая размеры М030,Н030,У030,П030,Т030,Ф030,Ц030,Ч030,Ш030,Щ030,Э030, 030,d9030,d10030,d1103040Контроль исполнителем41392190.ХХХХ - Токарный сборный контурный резец с механическим креплением треугольных пластин из твердого сплава ГОСТ 26476-8542393311.ХХХХ - Штангенциркуль ШЦ-II-160-0,05 ТУ 2-034-3011-834339611.ХХХХ - поводковый патрон; 39213.ХХХХ центр поджимной; 392190.ХХХХ - Резец канавочный 44

  • 9337. Технология изготовления вафель с начинкой
    Экономика

    Выпечка вафельных листов осуществляется в специальных печах между двумя массивными металлическими плитами с зазором 2-3 мм. При этом слой теста непосредственно контактирует с обогревающими поверхностями. Такой способ выпечки называют контактным. Формование теста происходит непосредственно на обогреваемой поверхности плиты. Поверхность плит, заполняемая тестом может быть гладкой, гравированной или фигурной. В зависимости от этого вафельные листы можно получить с гладкой или гофрированной поверхностью, или с фигурами различной формы. Каждая форма имеет на своих осях четыре ролика, на которых она движется по направляющим. Формы соединены между собой серьгами и образуют непрерывную цепь. Края форм плотно прижаты одна к другой, а по их периметру расположен ряд углублений для удаления влаги и избытка теста. В процессе выпечки удаляется из теста значительное количество влаги (180 % к массе сухого вещества). Вследствие небольшой толщины листов и значительной поверхности выпаривания в вафельных формах процесс выпечки продолжается всего 2 мин. Процесс ведут при температуре поверхности плит 170 °С (за 30-40 мин. до начала работы печь включают на холостой ход и зажигают газовые горелки).( Драгилев А.И., Лурье И.С. Технология кондитерских изделий. М.: ДеЛи принт, 2001. 484 с.)

  • 9338. Технология изготовления волоконнооптических световодов для передачи изображения
    Экономика

    Из большинства видов стекол самым низким поглощением в видимой области спектра обладает плавленый кварц - при условии высокой степени очистки и гомогенности (однородности по составу). Значительные преимущества кварца обусловлены малыми внутренними потерями на рассеивание. Высокая температура плавления кварца (1610 С при быстром нагреве, 1720 С при медленном), с одной стороны, требует специальной технологии для изготовления оптического волокна, а с другой - помогает избавиться от различных примесей, которые испаряются при более низких температурах. Стекла, применяемые для изготовления световодов (сердцевины и оптической оболочки), различаются показателями преломления n. В кварц (показатель преломления n = 1,4585 на длине волны 0,589 мкм) добавляется оксид бора (n = 1,4585 на длине волны 0,589 мкм), снижающий показатель преломления (рис.8). Полученный материал может быть применен в качестве оболочки оптоволокна. Длительный отжиг (термическая обработка стекла, придающая необходимые свойства) боросиликатного стекла приводит к увеличению n. Этот материал используется для изготовления сердечника. Другой способ понизить показатель преломления плавленого кварца - добавить в него фтор. В отличие от метастабильного характера изменения этого показателя у чистого боросиликата, снижение его у боросиликатного стекла с добавкой фтора - внутреннее свойство атомов фтора в матрице SiO2. Разность показателей преломления чистого SiO2 и материала с добавкой фтора увеличивается линейно с повышением молярной концентрации фтора вплоть до нескольких процентов. Показатель преломления кварца уменьшается на 0,2% при изменении молярной концентрации фтора на 1%. При этом оптические свойства кварца не ухудшаются. Фторирование кварца позволяет уменьшить рассеивание Рэлея и минимизировать волновые потери. Однако легирование фтором увеличивает вероятность возникновения трещин и уменьшает прочность стекла, а, кроме того, делает кварц более чувствительным к диффузии водорода.
    Все другие добавки к плавленому кварцу - такие, как GeO2 (рис.9), P2O5, TiO2, Al2O3, Sb2O3 приводят к увеличению показателя преломления по сравнению с чистым кварцем без ухудшения его оптических свойств. Молярные доли этих оксидов в кварце могут меняться в пределах от 1 до 15%. Показатель преломления увеличивается на 0,001 при увеличении молярной доли GeO2 на 1%. При 20-процентной молярной концентрации двуокиси германия показатель преломления увеличивается на 1,5%.
    Кварц с добавкой германия, который может быть использован в качестве материала сердцевины оптоволокна , имеет широкое окно прозрачности почти до 1,7мкм (рис.5).
    Более предпочтительным в качестве легирующего материала (как более дешевого) является фосфорный ангидрид Р2О5. При добавлении к плавленому кварцу Р2О5 для образования бинарного стекла внутреннее поглощение материала и рэлеевское рассеяние увеличиваются весьма незначительно. Фосфорный ангидрид сублимируется (переходит из твердого состояния в газообразное, минуя жидкое) при температуре 300 С , гигроскопичен (способен поглощать влагу из воздуха) и имеет температурный коэффициент линейного расширения почти в 25 раз больше, чем у плавленого кварца. Однако он образует с кварцем устойчивое бинарное стекло, тепловое расширение которого сравнимо с тепловым расширением чистого кварца при молярных концентрациях Р2О5 вплоть до 25%. Полученное стекло не проявляет почти никакой тенденции к ликвации - разделению однородного жидкого расплава на составляющие при остывании. Оно также устойчиво к воздействию воды (не гигроскопично). Показатель преломления фосфоросиликатного стекла увеличивается линейно (во всяком случае, для небольших содержаний оксида фосфора) с увеличением концентрации Р2О5. Начальный прирост показателя преломления при изменении молярной концентрации Р2О5 на 1% составляет 0,043%. Вязкость и температурный коэффициент линейного расширения P2O5 и SiO2 различаются, и это ограничивает количество фосфорного ангидрида, которое может быть введено в плавленый кварц для изготовления оптоволокна. При добавлении в массу кварца 1% TiO2 показатель преломления увеличивается почти на 0,026%. Двойная стеклообразующая система с добавкой в плавленом кварце хороша тем, что титан может входить в матрицу стекла с различными степенями ионизации. Причем некоторые из них обладают заметным поглощением в спектральной области, представляющей рабочий интервал оптоволокна. Добавка Ti3+ особо сильный поглотитель, и ее трудно окислить полностью. Необходима специальная термическая обработка титана при наличии воды и температуре ниже точки плавления стекла, которая приводит к образованию двуокиси титана и водорода.
    Для повышения показателя преломления можно использовать оксид алюминия, потери на рассеивание у которого ниже, чем у двуокиси германия. К тому же оксид алюминия (Al2O3) очень стойкий в противоположность оксиду германия GeO2, который может образовывать летучие продукты GeO и GeCl4.
    Оксид алюминия весьма стабилен, поэтому высока эффективность введения его в стекло. При изготовлении заготовки менее чувствительны к воздействию парциального давления кислорода и хлора, нежели стекло с добавками GeO2. Стекло, легированное Al2O3, обладает более низким значением вязкости, что ускоряет процессы затвердевания.
    Легирование кварцевого стекла оксидом сурьмы не только позволяет получить большее возрастание показателя преломления на 1 моль легирующей добавки по сравнению с GeO2. При этом также снижается возможность образования кристаллической фазы, даже если относительный показатель преломления до и после введения Sb2O3 отличается более чем на 1,6%. Для GeO2 это значение не превышает 1,5%.
    Чистота исходных веществ, применяемых для изготовления стекла, в значительной степени определяет его высокое качество по всем контролируемым параметрам. В случае с оксидными стеклами, к которым относится и кварцевое, основные потери связаны с поглощением ионами переходных металлов (ванадия, железа, хрома, меди, кобальта, никеля, марганца), а также гидроксильными группами.
    Гидроксильные группы OH являются основной примесью в кварцевых стеклах, которая приводит к значительным потерям. Причина - реакция групп OH с водородом, содержащимся в атмосфере. Особенно большие потери возникают на длине волны 0,95 и 1,4 мкм, т.е. вне видимого спектра. Слабые полосы поглощения появляются на длинах волн 0,725 и 0,825 мкм. Снижения потерь в стекле можно добиться, уменьшая содержание гидроксильных групп до нескольких десятков миллиграмм на килограмм.
    Влияние гидроксильных групп особенно заметно в кварцевых стеклах, легированных двуокисью германия, содержащих примеси алюминия и натрия, достигающих в натуральном кварце 1015 частиц на миллион, а в синтетическом менее 3 частиц на миллион. В кварцевом стекле, легированном P2O5 и GeO2, присутствие группы OH приводит к увеличению потерь пропорционально концентрации P2O5.
    Тройные или более сложные стеклообразующие системы такие, как натрийкальцийсиликатное и натрийборосиликатное стекло, имеют низкие температуры плавления: натрийкальцийсиликатное стекло (Na2O, CaO, SiO2) 1400°C; щелочносвинцовое стекло (Na2O, PbO, SiO2) 1400°C; натрийалюминийсиликатное стекло (Al2O3, Na2O, SiO2) 1450°C; натрийборосиликатное стекло (Na2O, B2O3, SiO2) 1250°C. Эти стекла обладают также более высоким показателем преломления и могут быть модифицированы для получения материала с низким показателем преломления (для оптической оболочки). Показатели преломления натрийборосиликатного стекла можно уменьшить на 3%, натрийкальцийсиликатного на 4%, щелочносвинцового силикатного почти на 10%. При этом все модификации согласуются между собой по остальным свойствам и могут использоваться как материалы для сердцевины и оптической оболочки волоконно - оптических световодов.
    Недостаток низкоплавких многокомпонентных стекол - большая вероятность загрязнения по сравнению с плавким кварцем. Это затрудняет их очистку от примесей для снижения показателя поглощения и рассеивания. Из-за низких температур при размягчении и плавлении возможно загрязнение стекла на всех стадиях производства.
    Для формирования многокомпонентных оптоволокон необходимо подобрать пару стекол для сердцевины и оптической оболочки, которые удовлетворяли бы следующим требованиям:
    1) Минимальные диффузионные процессы на границе раздела пары стекол, которые достигаются путем уравновешивания их состава по роду и концентрации щелочных оксидов. Это позволит максимально сохранить исходные значения показателя преломления каждого стекла из пары.
    2) Максимальная совместимость пары стекол, когда на границе их раздела при вытягивании волокна и возможных последующих термообработках не возникают новообразования, газовые пузырьки и ликвация.
    3) Низкотемпературное плавление при 1250-1350 С высокочистой гомогенной шихты в тигле из чистого кварцевого стекла при минимальном его растворении расплавом, особенно стекла сердцевины.
    Итак, в большинстве случаев предпочтительно применять кварцевые стекла, поскольку они обладают рядом преимуществ. При этом двуокись кремния как составная часть может быть получена с очень высокой степенью чистоты. Требуемые пары подбираются исходя из экспериментальных данных, условий эксплуатации и конечной стоимости изделия.

  • 9339. Технология изготовления древесно стружечных плит
    Экономика

    От технологической схемы переработки сырья в стружку зависит подготовка сырья пред измельчением. Применяются две схемы:

    1. Длинномерную дровяную древесину и карандаши фанерного производства раскраивают по длине на мерные отрезки длиной не более 1 м. Мерные отрезки перерабатывают в стружку на стружечных станках (ДС-6 или ДС-8.) с ножевым валом. Стружку дополнительно измельчают (в основном по ширине и частично по длине) в специальных дробилках. Полученная по такой технологии плоская стружка пригодна для изготовления однослойных и всех трёхслойных, после повторного измельчения- и наружных слоёв пятислойных и многослойных плит.
    2. Длинномерную дровяную древесину, карандаши, кусковые отходы, шпон-рванину измельчают в рубительных машинах в технологическую щепу, а последнюю- в центробежных стружечных станках (типов ДС-5, ДС-7 и др.) в игольчатую стружку. Такая стружка без дополнительного повторного измельчения не пригодна для формирования наружных слоёв плит, поэтому может использоваться для внутреннего слоя. При повторном измельчении и последующей сортировке на фракции (мелкую и крупную) игольчатая стружка становится пригодной для формирования наружных (мелкая) и внутреннего (более крупная) слоёв.
  • 9340. Технология изготовления и применения газобетона и пенобетона для утепления ограждающих конструкций з...
    Экономика

    Применяя конструкции из газобетона, вы обеспечиваете дому и другим строениям целый ряд существенных преимуществ перед традиционными строительными материалами:

    1. простоту в монтаже, которая достигается высокой размерной геометрической точностью блоков (+\- 1 мм) и возможность кладки на клей (специальная сухая смесь упакованная в мешках и приготовляемая путем добавления воды);
    2. отсутствие мостиков холода (толщина кладочного шва до 3 мм и соответственно исключение промерзания);
    3. уменьшение трудоемкости и расхода материалов на кладке ( 1м³ - 25 кг клея или 1м³ - 250 кг бетонного раствора) и штукатурных работах (за счет точной геометрии блоков);
    4. архитектурную выразительность благодаря легкости обработки (легко пилится, режется и фрезеруется);
    5. экологическая чистота - коэффициент экологичности: ячеистый бетон - 2,0
    6. пожаробезопасность: несгораемый материал (изделия соответствуют всем требованиям классов сопротивления огню);
    7. экономию на 20%-30% средств на отопление помещений благодаря высоким теплоизоляционным свойствам;
    8. при использовании в наружных стеновых конструкциях блоков удельным весом 400 кг/м³ и толщиной 300мм и 375мм по действующим нормам и СниП не требуется применения дополнительной теплоизоляции;
    9. хорошие звукоизоляционные характеристики, влагоустойчивость и морозоустоичивость.