05.00.00 Технические науки
-
Средства формообразования и формозакрепления в современной меховой одежде
Краткое описаниеВ статье проведён анализ средств формообразования и формозакрепления в меховой одежде, принятых в производстве на отечественных и зарубежных меховых предприятиях. Пространственная форма меховой одежды решается, в основном, конструктивно. Вид, направление и количество членений определяется дизайном изделия и свойствами меха: высотой волосяного покрова, размерами пушно-мехового полуфабриката. Предложено позиционирование формообразующих членений в меховой одежде выполнять в среде 3D САПР. Установлено, что в современных моделях силуэт мехового изделия может быть сформирован не только конструктивными членениями, но и сочетанием в изделии различных видов меха. Выполнены исследования применения средств формообразования в моделях промышленных коллекций меховых пальто сезона 2015-16 гг, представленных на торговых площадках г. Москвы. Проведен мониторинг потребительских предпочтений по видам меха среди женщин. Определены причины потери меховой одеждой пространственной формы при неблагоприятных условиях носки. Предложены инновационные средства формозакрепления в меховой одежде из цельного и перфорированного меха
-
Краткое описание
В статье рассматривается методика проведения исследования влияния углов установки распылителей на качественные показатели распыла. Авторами рассматриваются три варианта расстановки распылителей с заданными углами. Для определения качественных показателей опрыскивания используется специальная методика, основанная на использовании персонального компьютера, снабженного сканером с высокой разрешающей способностью для ввода информации непосредственно с улавливающих поверхностей
-
Упрочнение и разупрочнение глинистого грунта
Краткое описаниеУпрочнение глинистого грунта проявляется, в простейшем случае, в виде нарастания сопротивления образца сдвиговым деформациям. Сдвиг нормально уплотненных и переуплотненных грунтов дает значения пиковой прочности при малых деформациях и длительной прочности при больших. Сдвиг с постоянной скоростью деформации (ПСД) при непрерывной регистрации сопротивления обнаруживает неравномерное изменение сопротивления и циклический характер скорости изменения сопротивления (СИС). Выявление циклов СИС позволило разделить деформацию в каждом цикле на упругую и неупругую, соответствующие восходящей и нисходящей ветвям цикла СИС. На участке нарастания общего сопротивления приращения неупругой деформации положительны до некоторого критического значения общей деформации образца, при котором их сумма достигает максимума. Этот максимум принят мерой упрочнения. При дальнейшем сдвиге образца неупругие приращения отрицательны, а их сумма монотонно убывает и достигает наибольшего отрицательного значения при тотальном разрушении образца. Это значение принято мерой разупрочнения. Признаком тотального разрушения образца является спад абсолютных значений неупругих приращений сопротивления до нуля. Вообще, тренд приращений неупругих и упругих приращений сопротивления образца является индикатором развития разрушения образца грунта по поверхностям скольжения и, в частности, образования тотальной поверхности. Сумма упругих приращений сопротивления монотонно нарастает на протяжении всего сдвига
-
Краткое описание
Объектом исследования являются буронабивные сваи и их совместная работа с глинистым грунтом. Проведен анализ полевых статических испытаний буронабивных свай, устроенных по технологии непрерывного полого шнека (НПШ), повторным нагружением. Получены графики зависимости осадки и скорости ее развития от приложенной нагрузки. Выявлена линейная зависимость уменьшения величины осадки на втором цикле нагружения от остаточных перемещений после снятия нагрузки на первом цикле. Отмечена зависимость приращений осадки на втором цикле от вовлечения нижнего конца сваи в работу
-
Оценка добычи нефти и экономики проекта заводнения в месторождении “X” дельты реки Нигер, Нигерия
Краткое описаниеЗаводнение помогает в восстановлении большого количества нефти в месторождениях, которые в противном случае были бы заброшены, когда истощается коллектор. Коллектор в дельте реки Нигер использовался, чтобы это проиллюстрировать. Месторождение Х изначально содержало нефть в объеме 9.6346 MMSTB и в течение некоторого времени производило нефть за счет природной энергии. Оставшаяся в пласте нефть, после того как естественная энергия пласта стала недостаточной, составляет 3.88 MMSTB. Работа на месторождении была оставлена, как на истощенном месторождении с оставшейся нефтью. Но из анализа, проведенного в данной работе, видно, что если проект вторичной добычи нефти путем заводнения будет реализован на этом коллекторе, часть заброшенной нефти будут восстановлена. Около 1,59 MMSTB - 3.88 MMSTB нефти в коллекторе Х будет произведено за время прорыва 580 дней. Кроме того, учитывая экономический аспект проекта, месторождение Х хорошо подходит для инвестиций. Из расчетов видно, что ЧПС коллектора X при учетной ставке 10% составляет 5,30 млн.$. Поскольку ЧПС на момент прорыва больше нуля, то инвестиции обоснованы
-
Краткое описание
Задача распознавания автомобильных номеров является одной из стандартных задач компьютерного зрения. Программное обеспечение, поставляемое вместе с системами видеонаблюдения, в большинстве случаев, предлагает функционал распознавания автомобильных номеров. В тоже время, существует множество подходов к решению данной задачи. Наиболее распространенными являются подходы, основанные на использовании шаблонов. Такие подходы предлагают предсказуемое и небольшое время выполнения и низкий процент ошибок. Однако, данные подходы оказывается намного менее эффективными, когда встает необходимость распознать автомобильный номер, который может находиться в непредсказуемом месте, быть набран неопределенным шрифтом и на нестандартном фоне и не иметь жесткого формата. Таковы, например, номера автомобилей в США. Одним из способов увеличить эффективность и качество распознавания таких номеров, является использование нейронных сетей. Предполагается, что использование нейронных сетей может существенно повысить качество распознавания. Однако, использование нейронных сетей сопряжено со сложностью их тренировки и часто оказывается менее производительным, чем использование шаблонных методов. В данной статье рассматривается возможность использования сверточной нейронной сети, тренированной на базе данных MNIST (Mixed National Institute of Standards and Technology, — Смешанный Национальный Институт Стандартов и Технологий, с англ.). Данная статья носит обзорный характер и рассматривает применение шаблонов и нейронных сетей для распознавания автомобильных номеров с точки зрения качества распознавания, производительности и сложности применения
-
Краткое описание
Система детерминации здоровья населения представляет собой большую сложную иерархическую систему. Современный уровень управления подобными системами предполагает использование математических моделей и соответствующего программного инструментария для накопления исходных данных (мониторинга), идентификации, прогнозирования и принятия решений. Однако при моделировании подобных больших сложных систем возникает ряд проблем. Основная проблема состоит в том, что в одной модели необходимо корректно и сопоставимо обрабатывать очень большое количество факторов, измеряемых в различных единицах измерения и различных типах шкал (числовых и текстовых). Традиционно для решения этой проблемы и определения значений частных критериев используются экспертные оценки и функции желательности, а в качестве интегрального критерия – среднее геометрическое. Однако традиционный подход, применяемый в настоящее время в данной области, имеет ряд недостатков. Во-первых, в традиционной модели экспертным путем определено, какие факторы влияют на решение тех или иных проблем положительно, какие отрицательно, а какие вообще не влияют. Во-вторых, для численной оценки силы влияния фактора на решение проблемы используется разные алгоритмы вычисления значений функции желательности для положительно и отрицательно влияющих факторов, что при использовании в качестве интегрального критерия среднего геометрического приводит к несопоставимым результатам. В-третьих, использование нормированных функций полезности приводит к нивелированию силы влияния факторов в результате чего сильно влияющие и слабо влияющие факторы получают одинаковую вариативность числовых значений и оказывают одинаковое влияние на интегральный критерий. Все перечисленные проблемы традиционного подхода решаются с применением Автоматизированного системно-когнитивного анализа (АСК-анализ) и его программного инструментария – Универсальной когнитивной аналитической системе «Эйдос». В предлагаемой системно-когнитивной модели для значений экологических и экономических факторов без участия экспертов вычисляется количество и знак содержащейся в них информации о том, что наблюдаются те или иные значения показателей здоровья населения
-
Краткое описание
В сложных многопараметрических технических системах происходят многочисленные и разнообразные физические процессы, которые, с одной стороны, оказывают существенное влияние на характеристики этих систем, а с другой стороны, крайне сложно поддаются описанию в виде содержательных аналитических моделей, основанных на уравнениях, т.к. эти модели должны учитывать специфические особенности систем. Вследствие этого разработка содержательных аналитических моделей является «штучной работой» и связана с большим количеством упрощающих допущений, снижающих их универсальность и достоверность. Но известен и другой принцип моделирования: построение феноменологических информационных моделей, т.е. моделей, не имеющих аналитической формы представления и описывающих моделируемую систему чисто внешне как «черный ящик». Такие модели могут строиться непосредственно на основе эмпирических данных и при наличии соответствующего программного инструментария это может быть по типовой технологии намного быстрее и значительно менее трудоемко, чем разработка содержательных аналитических моделей. С другой стороны феноменологические информационные модели могут быть вполне достаточны для определения рациональных конструктивных особенностей и параметров режимов работы сложных технических систем. Кроме того, такие феноменологические модели могут рассматриваться в качестве первого этапа разработки содержательных аналитических моделей. Предлагается применить для создания феноменологических моделей сложных технических систем новый универсальный инновационный метод искусственного интеллекта: автоматизированный системно-когнитивный анализ (АСК-анализ) и его программный инструментарий – универсальную когнитивную аналитическую систему «Эйдос». В системе «Эйдос» реализован программный интерфейс, обеспечивающий непосредственный ввод в систему больших объемов эмпирических данных из Excel-файла. Система «Эйдос», непосредственно на основе эмпирических (экспериментальных) данных, позволяет рассчитать какое количество информации о результатах работы технической системы содержится в фактах наличия у нее определенных конкретных конструктивных элементов и в определенных значениях параметрах режимов ее работы. На этой основе системой предлагаются научно-обоснованные и адекватные рекомендации по рациональному выбору конструктивных особенностей и параметров режимов работы моделируемой системы
-
Краткое описание
Общеизвестно, что генетика изучает механизмы изменчивости/наследственности и очень широко пользуется понятием «наследственная информация». При этом генетика под информацией подразумевает содержание генетического кода - структуры молекул ДНК и РНК, входящих в состав клетки живого организма. Генетика изучает механизмы записи, копирования, считывания генетической информации, возможности ее модификации, а также ее влияние на признаки и свойства организма. В разговорном и научном языке прочно закрепились фразы, типа «Гены содержат информацию о признаках/свойствах организма». Парадоксально, но мы не видим попыток определения количества информации, содержащейся в конкретных генах о конкретных фенотипических признаках или свойствах организма. Казалось бы, применение теории информации в генетике является совершенно естественным и напрашивается само собой. Тем более странно, что практически нет работ, посвященных применению теории информации для решения задач генетики. Данная статья призвана в какой-то степени восполнить этот пробел на примере вычисления количества информации в генах о признаках или свойствах различных сортов винограда. В ней рассматривается применение автоматизированного системно-когнитивного анализа (АСК-анализ), его математической модели – системной теории информации и реализующего их программного инструментария – интеллектуальной системы «Эйдос» для решения одной из важных задач генетики: определения количества информации, содержащейся в генах о различных фенотипических признаках/свойствах винограда. Для решения этой задачи выполняются следующие этапы: 1) когнитивно-целевая структуризация предметной области; 2) формализация предметной области, т.е. разработка классификационных и описательных шкал и градаций и обучающей выборки; 3) синтез и верификация информационной модели, отражающей количество информации в генах о фенотипических признаках/свойствах (многопараметрическая типизация); 4) вывод информации о генетической системе детерминации фенотипических признаков/свойств (SWOT-анализ феносвойства); 5) вывод информации о силе и направлении влияния конкретного гена на фенотипические признаки/свойства (SWOT-диаграммы генов); 6) решение задачи системной идентификации фенотипических признаков/свойств по наличию тех или иных генов; 7) количественное определение сходства-различия различных фенотипических признаков/свойств по их системе детерминации генами. Конкретное фенотипическое свойство (или признак) рассматривается как зашумленный генетический текст, включающий как генетическую информацию об истинном феносвойстве (чистый сигнал), так и шум, искажающий эту информацию, обусловленный случайным воздействием окружающей среды. Программный инструментарий АСК-анализа – интеллектуальная система «Эйдос» обеспечивает подавление шума и выделение истинного сигнала
-
Краткое описание
Из огромного количества организмов, населяющих нашу планету, насекомые составляют 70%, являясь самым многочисленным из беспозвоночных животных классов, насчитывающих более 2 млн. видов. Сложно отыскать такое место, где нельзя было бы встретить представителей этого огромного класса. Они полностью освоили все среды обитания - воду, сушу, воздух. Для них характерны сложные инстинкты, всеядность, высокая плодовитость, для некоторых - общественный образ жизни. Насекомых можно встретить на огромных высотах, доходящих до уровня 5000 метров, населяют они и безжизненные пустыни, где практически никогда не бывает дождей, не говоря уж об отсутствии какой – либо растительности. Глубокие пещеры, в которых нет ни солнечного света, ни условий для питания и существования живых организмов — это тоже места обитания насекомых, встретить их можно далеко за Полярным кругом, и даже — на многих островах Антарктики, где кроме безжизненных скал, казалось бы, нет ничего. Среди насекомых, одним из самых больших и многочисленных семейств – являются жужелицы (Carabidae). Они тонко реагируют на изменения почвенно-растительных, гидротермических и микроклиматических условий среды, что делает их удобным модельным объектом различных экологических и зоологических исследований. Жужелицам принадлежит большое число родов и видов, нередко трудно различимых, в связи с этим для диагностики используются много различных признаков: принимаются во внимание окраска, форма тела, наружное строение, структура поверхности, размеры, строение гениталий и хетотаксия. Вследствие того, что количество жужелиц огромно, а по внешнему виду очень трудно определить их родовую принадлежность, возникла потребность автоматизации процесса их идентификации, вследствие чего потребовался специальный механизм, который бы повысил точность определения этих насекомых. В предыдущей работе авторов (http://ej.kubagro.ru/2016/05/pdf/01.pdf) в перспективе рассматривалась возможность с помощью метода АСК-анализа классифицировать насекомых не только по видам, но и по родам, отрядам, тем самым повысив достоверность определения жужелиц, что и будет сделано в данной статье. Приводится численный пример. Имеется успешный опыт решения подобных задач в других предметных областях. Данная статья может рассматриваться, как продолжение серии работ, посвященных применению автоматизированного системно-когнитивного анализа (АСК-анализ) и его программного инструментария – системы «Эйдос»