خلاصه
تعداد بیت ها در هر پیکسل روی صفحه نمایش، عمق بیت صفحه نمایش را تعیین می کند. عمق بیت صفحه نمایش، به تعیین وضوح رنگ صفحه نمایش می پردازد، که نشان می دهد صفحه نمایش چه رنگ های متمایزی را می تواند ایجاد کند.
صفحه نمایش اکثر کامپیوتر ها از 8- 19یا 24 بیت در پیکسل صفحه نمایش استفاده می کند. بسته به سیستم تان، می توانید عمق بیت صفحه نمایش را که می خواهید مورد استفاده قرار دهید، انتخاب کنید. به طور کلی، نوع صفحه نمایش 24 بیتی، معمولا نتایج بهتری را نشان می دهد. اگر شما نیاز به استفاده از صفحه نمایش باعمق بیت پایین تری دارید، معمولا نوع 16 بیتی آن رایج تر از نوع 8 بیتی می باشد. به هر حال به یاد داشته باشید که صفحه نمایش 16 بیتی دارای محدودیت های خاصی مانند موارد زیر می باشد:
- تصویر ممکن است دارای درجه بندی رنگ بهتری از آنچه که صفحه نمایش 16 بیتی نشان می دهد، داشته باشد. اگر یک رنگ موجود نباشد، فایل نرم افزاری (MATLAB) از نزدیک ترین رنگ موجود استفاده می کند.
- تنها 32 سایه رنگ خاکستری موجود می باشد. اگر در ابتدا از تصاویر در مقیاس خاکستری استفاده می کنید، با استفاده از حالت صفحه نمایش 8 بیتی نتیجه بهتری در نمایش صفحه می گیرید که در حدود 256 سایه رنگ خاکستری نشان می دهد.
برای تعیین عمق بیت صفحه نمایش سیستم تان، این دستور را در فایل های برنامه مطلب وارد کنید.
خلاصه
به عنوان یک گروه تکنولوژیکی، هاور و بکر، از موقعیت برجسته ای در بازارهای جهانی تکنولوژی بسته بندی برخوردار است.
سیستم پرسازی HAP THE (HAVER ADAMS PROCESS) یک سیستم بسته بندی FFS (FORM FILL SEAL) مبتکرانه برای قراردادن محصولات پودری در کیسه های پلاستیکی PE می باشد. این تکنولوژی جدید برای اولین بار در صنعت نسوز با موفقیت فراوان به کار گرفته شد. مزیت عمدۀ آن عبارت است از: بسته بندی متراکم، نظافت و پاکیزگی در طی پرسازی کیسه و در تمام طول مدت انتقال کل محصول، زنجیرۀ توزیع، محافظت بهینۀ محصول، افزایش تاریخ مصرف و بهبود ظاهر بصری. تأثیر مثبت دیگر آن ایجاد مقاومت زیاد در برابر پارگی است.
مقدمه
تولید کنندگان مواد نسوز با تقاضای بازار خود مبنی بر عرضۀ کیسه های تمیز و جمع و جور و کوچک با وزن بسیار دقیق مواجه هستند. مقررات مربوط به انتشار گرد و غبار مجاز وجود پروسه های پرسازی تمیز بویژه برای کیسه های تنگ و محکم را ایجاب می کند.
امروزه، پروسه های تولید مستلزم تکنولوژی ماشین آلات انعطاف پذیر هستند تا زمان دگرگون کوتاه و حداکثر دسترسی عملی را بیمه کنند.
خلاصه
ادغام فولادهای پیشرفته با استحکام بالا (AHSS) در معماری صنعت اتومبیل، چالش های تازه ای را برای دستیابی به جوش های قابل قبول ایجاد کرده است. جوشکاری نقطه ای مقاومتی (RSW) به عنوان روش اصلی در جوشکاری سازه های صنعت اتومبیل می باشد، که منجر به بالا رفتن تقاضا برای درک بهتر جوشکاری نقطه ای مقاومتی (RSW) فولادهای پیشرفته با استحکام بالا (AHSS) شده است. محتوای آلیاز مختلف و تکنیک های پردازش مورد استفاده در تولید آن ها این نوآوری را پیچیده تر کرده است. مطالعه کنونی به بررسی جوشکاری نقطه ای مقاومتی فولادهای پیشرفته با استحکام بالا (AHSS) شامل 590R, DP600, DP780 و TRIP780 می پردازد. مواد HSLA نیز برای ارائه فولادهای با استحکام بالای معمول و عملکرد مبنای فولادهای پیشرفته با استحکام بالا (AHSS) مد نظر قرار گرفته اند. خصوصیات مکانیکی و ریزساختار این آلیاژهالی فولاد جوشکاری شده مقاوم بتفصیل مد نظر قرار گرفته ند. علاوه بر این، ارتباط بین شیمی و سختی منطقه ذوب ایجاد شده است.
کلمات کلیدی: جوشکاری نقطه ای مقاومتی، خصوصیات مکانیکی و ریزساختار، فولادهای دوفازی، فولاد انعطاف پذیر محرک تغییر شکل، فولاد فریتی- باینیت، فولاد کم الیاژ با استحکام بالا
مقدمه
جوشکاری نقطه ای مقاومتی عمدتا در تکنیک های جوشکاری برای انتقال فولاد به چرخ دنده به کار می رود. این توسعه جدید و فولاد پیشرفته با استحکام بالا برای کمک به کاهش وزن و بهبود بهره وری و افزایش خواص مکانیکی وشایستگی از این طریق می باشد. از طریق ادغام این فلز در اتومبیل ها، شتاب و معماری وسایل نقلیه افزایش یافته و فهمیدن عیوب در جوشکاری مقاومتی فولاد و این در نتیجه جوش پذیری کانونی این فولاد است. طبقه های مختلف فولاد AHSSدر شیمی، منحصر به انجام تکنیک های پردازش مجزا در مقایسه با فولادهای معمولی با استحکام بالا می باشد.) HSS)
خواص شیمی ذاتی در فولاد AHSS باعث کمک به تولید میکروسکوپی فلز پایه و بهبود قدرت در برخی موارد و بهبود شکل پذیری این آلیاژ است. قدرت عملکرد نوعی از آلیاژ فولاد با استحکام بالا) HSLA) کمتر از 500 مگاپاسکال است که آن ها را به طبقه بندی HSS می رساند.
خلاصه
مدل های اتورگرسیون برداری مارکف سوئیچینگ VAR (DDMS-VAR) به عنوان مدل های سری زمانی با فرایند تولید داده، شامل ادغام دو فرایند VAR (انورگرسیون برداری) می باشد. تغییر بین این دو فرایند VAR، توسط دو حالت زنجیره مارکف با احتمالات انتقال کنترل می گردد که بستگی به این دارد که چه مدتی زنجیره در یک حالت قرار می گیرد. در این مقاله، به تجزیه و تحلیل خصوصیات مرتبه دوم چنین مدل هایی پرداخته و الگوریتم مونت کارلو زنجیره مارکف را برای انجام استنباط فازی بر روی موارد مجهول مدل، مطرح می کنیم. علاوه بر این، نرم افزار منبع باز که توسط محقق برای تحلیل سری زمانی به وسیله مدل های DDMS-VAR نوشته شده است، توضیح داده می شود. ای روش و نرم افزار برای تجزیه و تحلیل چرخه کسب و کار ایالات متخده امریکا کاربرد دارد.
کلمات کلیدی: مارکف سوئیچینگ، چرخه کسب و کار، نمونه گیری گیبز، وابسته به زمان، اتورگرسیون برداری
مقدمه
از زمان بررسی های مقدماتی هامیلتون (1989) ، بسیاری از کاربردهای مدل اتورگرسیون برداری مارکف سوئیچینگ (MS-AR) برای تحلیل چرخه کسب و کار به اثبات پتانسیل های خود، به ویژه در آشنایی این سیکل به صورت هدفمند، پرداخته است. با این وجود، مدل اصلی MS-AR محدودیت هایی دارد: 1) به صورت یک متغیره می باشد، 2) احتمال تغییر از یک حالت به حالت دیگر (یه به موارد دیگر) با گذشت زمان ثابت می باشد،
3) قادر به ایجاد طیف هایی با نقطه ماکزیمم در فراوانی چرخه کسب و کار نمی باشد. از ان جایی که چرخه های کسب و کار بر مبنای نوسانات فعالیت های اقتصادی انبوه می باشد، مد نظر قرار دادن همزمان بسیاری از متغیرهای اقتصادی کلان 1) به صورت نقطه ضعف قابل اقماض نمی باشد. تعمیم چندمتغیره مدل MS توسط کرولزینگ (1997) در رساله ممتاز او در مورد مدل MS انجام شده است.
همان طور که در مورد 2 بیان شد، منطقی است تا بر این باور باشیم که احتمال خارج شدن از رکود مشابه ابتدای این فرایند بعد از چندین ماه نمی باشد. بعضی از محققان همانند دیبولد و رودباش (1990) ، دیبولد و همکارانش (1993) و واتسون (1994) شواهدی را در مورد وابستگی در طول مدت در چرخه کسب و کار ایالات متحده یافته اند و بنابراین دیبولد و همکارانش (1993) اشاره می کنند که، نتایج مدل MS استاندارد، در این چارچوب نامشخص می باشد. برای روبرو شدن با این محدودیت، دورلند، مک کاردی (1994) به معرفی اتورگرسیون مارکف سوئیچینگ یک متغیری وابسته به مدت زمان پرداخته اند، و فیلترهای دیگری را برای متغیر حالت غیرقابل مشاهده طراحی کرده اند. در مقاله کنونی، مدل سوئیچینگ وابسته به مدت زمان به صورت چندمتغیره تعمیم داده شده است، و نشان داده شده است که چگونه ابزارهای استاندارد مربوط به مدل MS-AR همانند فیلتر هامیلتون و صافی کیم، برای مدل سازی وابستگی به مدت زمان مورد استفاده قرار می گیرند. در واقع فیلتر مطرح شده توسط دورلاند و مک کاردی (1994) مشابه فیلتر هامیلتون می باشد که برای زنجیره مارکف کلی تر نشان داده شده است. درحالیکه دورلاند و مک کاردی (1994) استنباط شان را در مورد مدل با بکارگیری براورد احتمالی حداکثر انجام داده اند، تکیه ما بر روی استنباط بیزی با استفاده از تکنیک مونت کارلو زنیره مارکف (MCMC) می باشد.
خلاصه
این مقاله به ارائه مدلی دو سطحی جهت کمک به شرکت های تولیدی در اتخاذ تصمیمات سرمایه گذاری در راستای بازاریابی برای ظرفیت تولید بلند مدت آنها، با در نظر گرفتن عدم قطعیت موجود در چگونگی سرمایه گذاری سایر شرکتهای تولیدی می پردازد. فرمولاسیون دو سطحی، جداسازی تصمیم گیری در مورد سرمایه گذاری و تولید را مجاز می دارد، همانگونه که اتخاذ تصمیمات سرمایه گذاری شرکتهای سرمایه گذاری تولید [برق] منفرد، به عنوان سطح بالاتر و با هدف حداکثر کردن در آمد مورد انتظار در نظر گرفته می شود و تصمیم گیری در مورد تولید که توسط تمام شرکتها انجام می شود به عنوان سطح پایین تر در نظر گرفته می شود. سطح پایین تر، تعادل موجود در بازار انحصاری را، از طریق فرمولاسون پاسخ قیمت تخمینی نشان می دهد که می تواند درجات مختلف رفتار بازار استراتژیک را، مانند رقابت کامل، انحصار کورنات (cournot) و حالتهای بین این دو (بینابین) را به دست دهد.
[در این مقاله،] با جایگزینی سطح پایینتر با شرایط KKT آن، مدل دو سطحی به عنوان یک MPEC فرموله و به یک MILP تبدیل و انتقال داده شده است. نتایج بدست آمده از مطالعه موردی (study case) ارائه و مورد بررسی قرار گرفته است.
مقدمه
در نتیجه آزاد سازی بازارهای برق، عمل تصمیم گیری در مورد سرمایه گذاری در زمینه ظرفیت تولید، نسبت به آنچه که پیش از این در یک چارچوب متمرکز انجام می گرفت، پیچیده تر شده است. شرکت های تولید کننده [برق] هم اکنون در معرض سطوح بالاتر ریسک قرار داشته، لازم است که رفتار استراتژیک رقبای خود را در بازارهای ناقص بررسی، و از عهده عدم قطعیت های ناشی از تصمیم گیریهای تنظیمی، قیمت های سوخت، تقاضا، رفتار رقابتی در بازار برق، و میزان آب جاری برآیند. در چارچوب های تنظیمی، از آنجا که تصمیم گیریهای مربوط به توسعه ظرفیت تولید معمولا توسط یک برنامه ریزی مرکزی صورت می گیرد، پیشبینی آنها ساده تر و در نتیجه با ثبات تر است. تکنیکهای اصلی جهت مدل کردن این نوع تصمیمات، روش های تصمیم گیری چند ضابطه ای [1] است که اغلب به یک مسئله مینیمم سازی کاهش می یابد. برای مطالعه جزییات بیشتر می توان به مرجع [2] مراجعه کرد.
موضوع:
آزمایشگاه مکانیک سیالات
آزمایش تونل باد
فایل word قابل ویرایش
هدف آزمایش:
هدف از این آزمایش آشنایی با تونل باد و عملکرد آن و اندازه گیری و محاسبه ضریب دراگ برای اجسام مختلف، مقایسه آنها و رسم منحنی تغییرات ضریب دراگ برحسب عدد رینولدز می باشد.
تئوری آزمایش:
حل مسائل جریان حقیقی معمولاً شامل ترکیبی از اطلاعات تحلیلی و آزمایشی است. ابتدا حالت جریان فیزیکی حقیقی با مدل ریاضی که حل آن ساده است تخمین زده می شود. سپس برای بررسی نتایج تحلیلی اندازه گیریهائی آزمایشی انجام می گیرد و از روی آن تحلیل اصلاح می شود. تحلیل ابعادی روش مهمی است که اغلب در دستیابی به این هدف به ما کمک می کند.
با استفاده از پارامترهای بی بعدی که بدست آورده می شود از حجم آزمایشهای لازم برای انجام مطالعه تجربی به مقدار زیادی کاسته می شود و نتایج بدست آمده از آزمایش برای تمامی جریانهایی که با جریان مورد آزمایش دارای تشابه دینامیکی هستند معتبر خواهد بود. برخی از وسایلی که می توانند این شرایط را بوجودآورند عبارتنداز کانال آب، تونل باد و...
برای توصیف عملکرد تونل باد جسمی را در نظر بگیرید که در معرض جریان سیال قرار دارد.
خلاصه
برای رقابت در محیط سخت، الکترونیزه کردن این انکان را برای کسب و کار ایجاد کرده تا سیستم های هوش کسب و کار (BI) را به منظور تصمیم گیری، بکار گیرد. به هر حال، برای جلوگیری از تجارب ناکارامد در طی این آرایشات، این مسئله حائز اهمیت می باشد تا تاثیر فکتورهای سیستم هوش کسب و کار BI را مشخص کنیم و روش ارزیابی مناسبی را برای سنجش عملکرد سیستم های هوش مصنوعی پیدا کنیم. در این مقاله، مدل ارزیابی مبتنی بر فرایند شبکه تحلیلی (ANP) ایجاد شده تا به ارزیابی کارایی سیستم های هوش کسب و کار بپردازد. علاوه بر این پرسشتامه کارشناسانه ای مورد استفاده قرار می گیرد تا به تصفیه ماتریس های عملکردی مفید بپردازد، که به عنوان زیر شاخه ای برای مدل ANP می باشد. در نهایت مورد واقعی با استفاده از مدل ارزیابی کارآمد مبتنی بر ANP ساختاری برای سیستم های هوش کسب و کار مورد استفاده قرار می گیرد. نتایج نشان می دهد که مهمترین فاکتوهایی که بازدهی سیستم هوش کسب و کا را تحت تاثیر قرار می دهند عبارتند از: استفاده از این مدل برای ارزیابی عملکرد هوش کسب و کار نمونه مورد مطالعه، ابن مورد نشان می دهد که بهبود 24% در بازدهی حاصل شده است، که شامل درک سطح مدیریتی می باشد. بنابراین، چنین مدل ارزیابی کارآمدی، می تواند برای ارزیابی عملکرد سیستم هوش کسب و کار مورد استفاده قرار گیرد. آن همچنین شاخص عملکرد و مسیرخای بهبود را برای کاربران و فروشندگان هوش کسب و کار، برای جایگزین کردن کلی در بازدهی و حبران سیستم ایجاد می کند.
مقدمه
سازمانهای سنتی معمولا با مسائلی مانند ازدحام داده و کمبود اطلاعات کمبود دانش ناکافی بودن گزارشات روبرو هستند. در نتیجه برای تصمیم گیری به موقع در کمترین زمان ممکن در شرایط مورد نیاز سطوح بالای مدیریت معمولاً تصمیمات را بر اساس تجربیات خودشان اخذ می کنند که این نیز به نوبه خود باعث بالا رفتن ریسک تصمیم گیری و یا حتی پایین آمدن ارزش تصمیم گیری آنها می شود.
در حالی که رقابت جهانی در حال بیشتر شدن است روش های تصمیم گیری قدیمی دیگر نیازمندی سازمانها را برطرف نمی کند. سازمانها باید استفاده خوبی از ابزارهای الکترونیکی جهت استخراج اطلاعات از حجم زیاد داده داشته باشند. روشی که سازمانها برای توسعه الکترونیکی شدن از لایه عملیاتی به لایه مدیریتی در پی می گیرند موضوعی است که در موج جدید الکترونیکی شدن غیرقابل اجتناب است.
خلاصه
این مقاله نقطه نظرات کلی را در مورد مدیریت انرژی در شیکه های حسگر نشان می دهد. در ابتدا ما به بحث در مورد طرح های سخت افزاری می پردازیم که از چرخه عمر انرژی پشتیبانی می کندف که عبارتند از: 1) گرداوری انرژی 2) ذخیره سازی انرژی و 3) مصرف و کنترل انرژی. سپس بحثی را در مورد طرح های نرم افزاری مجزا که به مدیریت انرژی در شبکه های حسگر می پردازند، انجام می دهیم. این طرح های انرژی شامل کنترل دسترسی به رسانه، مسیریابی، تعیین محل و هماهنگ سازی زمان می باشند. در پایان مقاله به بررسی موردی در ارتباط با سیستم VigilNet می پردازیم تا توضیح دهیم چگونه می توان به ترکیب انواع مختلفی از تکنیک های مدیریت انرژی برای دستیابی به صرفه جویی در انرژی در سیستم های پویش نظامی مستقر، در مقیاس بالا پرداخت.
کلمات کلیدی: مدیریت انرژی: بهره برداری از انرژی؛ ذخیره انرژی
مقدمه
شبکه های حسگر بی سیم (WSNs) در بسیاری از زمینه های کاربردی همانند کشاورزی، پزشکی، حمل و نقل، عبوم محیط زیست و نظامی مورد استفاده می باشد. امروزه اکثر شبکه های حسگر بی سیم (WSNs) بر روی باتری به منظور فراهم شدن انرژی دارند. در بعضی از سیستم ها، بهره برداری از انرژی مورد استفاده قرار می گیرد تا به طور کامل باتری ها را حذف کرده و مکمل ان ها باشد. بسیاری از شبکه های حسگر بی سیم (WSNs) در بین فاکتورهای زیادی بهینه می شوند، که شامل فاکتور شکل، هزینه و مصرف انرژی می باشد. این باعث یکی از مشکلات اصلی در شبکه های حسگر بی سیم (WSNs) می شود، یعنی اینکه چگونه می توان مدیریت انرژی را به منظور افزایش زمان کار سیستم، در حالی که نیازهای کارکردی و پوشش دریافت تامین می شود، انجام داد. این مقاله بحث در مورد این مسئله می پردازد.
خلاصه
این مقاله شواهدی را در ارتباط با این فرضیه مد نظر قرار می دهد که تمرین استقامتی محرک الکتریکی (EST) باعث افزایش نیروی انقباض ارادی حداکثر (MVC) از طریق سازگاری عصبی در ماهیچه های اسکلتی سالم می گردد. اگرچه محرک های الکتریکی و فعالیت های ارادی، ماهیچه را به شکل مختلفی فعال می سازد، دلایل مهمی وجود دارد که نشان می دهد، تمرین استقامتی محرک الکتریکی (EST) تحریک پذیری مسیرعصبی خاص را تغییر داده و چنین سازگاری، سهمی در افزایش نیروی انقباض ارادی حداکثر (MVC) دارد. همانند تمرین های استقامتی با انقباض ارادی، تمرین استقامتی محرک الکتریکی (EST) نیروی انقباض ارادی حداکثر (MVC) را تنها بعد از چند مرحله با تغییراتی در بیوشیمی ماهیچه افزایش داده اما این موارد بدون هیپرتروفی آشکار ماهیچه صورت می پذیرد. شواهد ادغام شده ای نیز در مورد سازگاری عصبی نخاعی به شکل افزایش در دامنه انقباض ناگهانی درونی و در دامنه موج های ارادی به همراه شواهد کمی در مورد تغییر در تحریک پذیری نخاعی وجود دارد. مطالعات ورزشی و سطح مقطع همچنین نشان می دهد که رشته های حسی و گیرنده درد در سطح غشایی فعالیت کرده و می توانند به تغییر بازده قشری حرکتی و مسیرهای بین نیمکره بپردازند. این داده ها نشان می دهد که سازگاری به عنوان رابطی برای افزایش اولیه در نیروی انقباض ارادی حداکثر (MVC) بعد از تمرین استقامتی محرک الکتریکی (EST) کوتاه مدت می گردد.
کلمات کلیدی: تمرین تقویت ماهیچه، MRI، تحریک مغناطیسی مغز، توان بخشی.