اندازه گیری پارامترهای دینامیکی دیوارهای خاکی میخکوبی شده با استفاده از ثبت و آنالیز داده های خردلرزه ای

اختصاصی از فی گوو اندازه گیری پارامترهای دینامیکی دیوارهای خاکی میخکوبی شده با استفاده از ثبت و آنالیز داده های خردلرزه ای دانلود با لینک مستقیم و پر سرعت .

• مقاله با عنوان: اندازه گیری پارامترهای دینامیکی دیوارهای خاکی میخکوبی شده با استفاده از ثبت و آنالیز داده های خردلرزه ای 

• نویسندگان: شهام آتش بند ، شاهین آتش بند ، مهران اصفهانی زاده سخی لنگرودی 

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94 

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

انعطاف پذیری دیوارهای خاکی میخکوبی شده از جمله مزایایی است که باعث گردیده مشخصات ذاتی خاک حدالامکان بدون تغییر مانده و رفتار سیستم حائل در هنگام زلزله به شکل مناسبی یکنواخت و همسان با خاک باشد. از سوی دیگر، اخیراً ثبت و تحلیل ارتعاشات خردلرزه‌ای به عنوان یک روش ساده و نسبتاً ارزان در تخمین پارامترهای دینامیکی خاک‌ها مورد توجه قرار گرفته است. در این تحقیق، با بکارگیری روش ثبت و تحلیل خردلرزه‌ای، ابتدا در سایتی از شهر تهران که گودبرداری در آن انجام شده و دیواره‌های گود با استفاده از روش میخکوبی پایدار شده است، اقدام به ثبت ارتعاشات محیطی گردیده است. این اندازه گیری‌ها در کف گود، بالای دیوار خاکی میخکوبی شده و خارج از ناحیه تاثیر میخ‌ها انجام شده است. در گام بعد، با تحلیل داده‌های خرد لرزه‌ای ثبت شده، برخی از پارامترهای دینامیکی تخمین زده می‌شود و در نهایت میزان تاثیرات ناشی از ساخت یا وجود چنین دیوارهای مورد بررسی و ارزیابی قرار می‌گیرد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

روش زمانبندی کسب شده و پیش بینی زمان و هزینه نهایی پروژه

اختصاصی از فی گوو روش زمانبندی کسب شده و پیش بینی زمان و هزینه نهایی پروژه دانلود با لینک مستقیم و پر سرعت .

• مقاله با عنوان: روش زمانبندی کسب شده و پیش بینی زمان و هزینه نهایی پروژه 

• نویسندگان: زهرا میارنعیمی ، مهدی حبیبی ، ناصر نوروزی ، عبدا... امیدوار اشکلک 

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94 

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

تکنیک مدیریت ارزش کسب شده (EVMS) یکی از پرکاربردترین روش هایی است که در طی چهار دهه‌ی اخیر در زمینه کنترل پروژه مورد استفاده قرار می‌گیرد. با استفاده از این تکنیک مدیر پروژه قادر خواهد بود عملکرد پروژه را تا یک مقطع زمانی خاص سنجیده، مشکلات پروژه را شناسایی کند و برای بهبود روند پروژه تصمیمات مناسب را اتخاذ کند، همچنین با استفاده از پارامترها و شاخص‌های عملکردی این تکنیک زمان و هزینه نهایی پروژه را پیش بینی کند. سیستم ارزش کسب شده زمان و هزینه نهایی پروژه را بر اساس شاخص‌هایی که مبنای هزینه‌ای دارند پیش بینی می‌کند بنابراین در زمینه پیش بینی زمان نهایی پروژه نتایج نزدیک به واقعیت را ارائه نمی‌دهد. در سال‌های اخیر تحقیقات زیادی در این زمینه صورت گرفت و محققان روش‌های گوناگونی برای تخمین زمان پایانی پروژه با استفاده از شاخص‌هایی که مبنای زمانی دارند ارائه نمودند. یکی از این روش‌ها روش زمانبندی کسب شده (ES) است که بر خلاف شاخصه‌ای مبتنی بر هزینه که توسط تکنیک EVM برای عملکرد زمانی پیشنهاد شده است، بر اساس شاخص‌های مبتنی بر زمان اقدام به پیش بینی و تحلیل زمان پروژه می‌نماید. پژوهش حاضر ضمن معرفی تکنیک ارزش کسب شده و روش زمانبندی کسب شده، چگونگی پیش بینی زمان و هزینه نهایی پروژه را با استفاده از روش زمانبندی کسب شده بیان می‌کند.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

دانلود پایان نامه نساجی درمورد بررسی مقالات چاپ شده Autexrj

اختصاصی از فی گوو دانلود پایان نامه نساجی درمورد بررسی مقالات چاپ شده Autexrj دانلود با لینک مستقیم و پر سرعت .

بررسی مقالات چاپ شده Autexrj

در September 2005

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه:51

گروه نساجی- شیمی نساجی و علوم الیاف

فهرست مطالب :

فصل اول: رفتار کششی ابریشم عنکبوتی

- خلاصه

1. مقدمه
2. تفاوت ابریشم پیله و ابریشم تارکشی

- مواد و روشها

- بحث و بررسی نتایج

1. تاثیر سرعت آزمون برای تهیه ی نخ تارکشی و پیله

- ابزار و روشها

- بحث و بررسی نتایج

- پارامترهای C,B,A در مدل پیشرفته ی ماکسول

- نتیجه گیری

فصل دوم: کاهش پرزنخ در طی مرحله ی نخ پیچی

- خلاصه

- مقدمه

- کار آزمایشگاهی

- روش بازسازی

- بحث و بررسی نتایج

- تاثیر زاویه ی جت، دانسیته خطی نخ و سرعت روی مقادیر S3

- تاثیر قطر جت، دانسیته خطی نخ و سرعت روی مقادیر S3

- نتیجه گیری

فصل سوم: پژوهشی درباره ی خصوصیات اصطکاکی پارچه های بافته شده

- خلاصه

- مقدمه

- ابزار اندازه گیری اصطکاک

- طرح آزمایشگاهی

- اندازه گیری اصطکاک پارچه

- خصوصیات اصطکاکی پارچه ها

- اصطکاک پارچه با فلز

- اصطکاک پارچه با پارچه

- نتیجه گیری

فصل چهارم: تعیین عملی نیروی کششی در بافت نخ های گلدوزی

- خلاصه

مقدمه
فرضیه های نظری
نتایج تجربی
پردازش و بحث و بررسی نتایج حاصله از انجام محاسبات ریاضی
روشهایی برای تشخیص نیروی کششی
نتیجه گیری

چکیده :

فصل اول:

رفتار کششی ابریشم عنکبوتی:

خلاصه: ابریشم عنکبوتی در سالهای اخیر مورد توجه محققین قرار گرفته است، ترکیب منحصر به فرد، استحکام کششی بالا به همراه کرنش گسیختگی بالا و وزن بسیار ناچیز در این نوع ابریشم توجه پژوهشگران را به خود جلب کرده است. از آنجا که پژوهش درباره ابریشم پیله عنکبوت با محدودیتهایی روبرو است، همواره ابریشم چسبنده و تارکشی مورد توجه بوده اند. در این پژوهش، به منظور توضیح رابطه ی ساختار با خواص ابریشم عنکبوت، رفتار تنش- کرنش ابریشم پیله و رفتار تنش- کرنش ابریشم تارکشی با هم سنجیده و مقایسه می شوند. همچنین در این مطالعه اثبات می شود که این دو نوع فیبر(الیاف) رفتار تنش- کرنشی کاملا متفاوت از خود نشان می دهند. علاوه بر این تاثیر سرعت آزمون هم مورد بررسی قرار می گیرد. سرعت های آزمون پایین در ابریشم پیله، موجب استحکام و سختی کمتر و مدول ثانویه ی بالاتر می شود. زمانی که منحنی تنش- کرنش(تنش با افزایش طول نسبی) بوسیله ی مدل پیشرفته(گسترده) ماکسول نمایش داده می شود. افزایش سرعت آزمون موجب بالاتر رفتن سطح ناحیه ی سخت شدن و حرکت ناحیه ی تسلیم به سمت کرنش های بالاتر شده، به طوری که ناحیه ی سخت شدن در منحنی تنش- کرنش بیشتر به حالت افقی در می آید. به هر حال می توان سرعت 20 mm/min را به عنوان نقطه اشباع در نظر گرفت، نقطه ای که در آنجا تاثیر سرعت کاهش می یابد. تاثیر سرعت آزمون بر روی ابریشم تارکشی نسبت به ابریشم پیله، به وضوح کمتر می باشد.

با این همه بررسی دقیق تر منحنی تنش- کرنش ابریشم تارکشی نشان می دهد که شکل های متفاوتی برای رفتار تنش- کرنش ابریشم تارکشی امکان پذیر می باشد.

کلمات کلیدی: ابریشم عنکوبت تارکشی، پیله، تنش- کرنش

1: مقدمه

از آنجا که ابرایشم عنکبوت، مخصوصا از نوع رشته تار کشی، الیافی است تا ترکیب بی مانند شامل استحکام کششی و کرنشی بالا و در عین حال وزن بسیار ناچیز، در سالهای اخیر توجه بیشتری را به خود جلب کرده است. در جدول 1-1 نام چندین نمونه ابریشم عنکبوت تولید شده از عنکبوت آرانوس دیادماتوس، به همراه اطلاعات مربوطه که شامل غدد ترشح کننده، عملکرد و ترکیب اسید آمینه آنها می باشد، ارائه شده است.

جدول 1-1 : انواع ابریشم عنکبوت آرانوس دیا دماتوس و عملکرد آنها.

عنکوبتها انواع ابریشم ها را از الیاف ارتجاعی برگشت پذیر گرفت تا الیافهای شبه کولار kevlar می سازند، اما این موضوع که چطور عنکوبتها خواص مکانیکی ابریشم ها را تنظیم می کنند هنوز مشخص نیست. بیشتر عنکبوتی که مورد بررسی قرار گرفته اند، ابریشم هایی هستند که از طریق غدد (MA) امپولیت بزرگ- ساخته می شوند و عنکبوت از انها برای تنیدن تار عنکبوت و تارکشی (عنکبوتی) (با قدرت استحکام Gpa 1/1 و کرنش گسیختگی 27 درصد) استفاده می کند. ابریشم فوق العاده دیگری که اغلب مورد بررسی قرار می گیرد ابریشم چسبنده (با قدرت استحکام Gpa 0.5 – کرنش گسیختگی   270 درصد) می باشد که توسط غدد شلاقی ترشح شده و مارپیچ چسبناک نگهدارنده در تار عنکبوت را تشکیل می دهد. تا کنون تعداد مقالاتی که درباره ابریشم پیله عنکبوت نوشته شده نسبتا محدود می باشد. در این مقاله مقایسه ای بین رفتار کششی ابریشم تارکشی و ابریشم پیله عنکبوت آرانوس دیادماتوس صورت گرفته است، چنین مقایسه ای در تشخیص رابطه بین خواص ابریشم عنکبوت ب ساختار آن موثر خواهد یود. علاوه بر این تاثیر سرعت آزمون هم مورد بحص و بررسی قرار می گیرد.

2- تفاوت ابریشم پیله و ابریشم تارکشی.

2-1 مواد و روشها

پنج پیله عنکبوت در آرانوس دیاماتوس از یک خانه باغی جمع آوری شده و از هر پیله یک صد الیاف بتدریج جدا شده و مورد آزمایش قرار گرفت.

برای تهیه ی نمونه های تارکشی آرانوس دیادماتوس، تعدادی عنکبوت در آزمایشگاه تحت شرایط کنترل شده نگهداری شوند و سی نمونه رشته تارکشی به طور دستی گرفته شد که از هر نمونه، ده لیف تهیه و بررسی شد. برای تجزیه و تحلیل خواص کششی الیاف پیله و رشته های تارکشی، روبات Favimat به کار گرفته شده است. این دستگاه یک شناساگر نیمه خودکار می باشد که فقط استحکام را اندازه گیری می کند و طبق اصل سرعت ثابت کشش (DIN 51221, DIN 53816, ISO 5079) کار می کند و کمک می کند تا نیرو با قدرت تفکیک بالا حدود 0.1mg اندازه گیری شود. به علاوه این وسیله به یک واحد تکمیلی سنجش دانسیته خطی (در واحد dtex) مجهز می باشد. که این خود امتیاز ممی (مخصوصا در مورد الیاف طبیعی) به حساب می آید زیرا میزان ظرافت الیاف را همزمان با خواص کششی آنها اندازه گیری می کند، اندازه گیری دانسیته خطی طبق متد ارتعاش سنج صورت می گیرد

(Astm D 1577-BISFA 1985).

به خاطر ظرافت فوق العاده ی رشته های تارکشی، متاسفانه اندازه گیری همزمان میزان ظرافت آنها، امکان پذیر نبود. میزان ظرافت تعدا کثیری از نمونه ها به وسیله تحلیل تصویری زیر میکروسکوپ نوری (در واحد mm) اندازه گیری شد و سپس مقادیر بدست آمده، با در نظر گرفتن ویژه 1/3 g/cm3، طبق روشی که در مقاله سوم آمده است، به واحد dtex تبدیل شدند. خواص کششی رشته های تارکشی با طول گیج mm20، سرعت آزمون mm/min 20 و کشش اولیه CN/dtex 0.5 مورد بررسی قرار گرفت. دانستیه خطی هم در سرعت آزمون mm/ min 5 و با کشش اولیه CN/dtex 0.8 ارزیابی شد.

2-2: بحث و بررسی نتایج

بعد از اینکه در شکل شماره 1-1 مشاهده می شود، ابریشم پیله رفتار تنش- کرنش کاملا متفاوتی از خود نشان می دهد. اگرچه کرنش گسیختگی در دو نوع ابریشم (÷ابریشم پیله و تارکشی) کم و بیش یکسان است (حدود ±%30 ) اما میزان سختی ابریشم تارکشی 5/3 برابر بیشتر می باشد.

همچنین قابل به ذکر است که در منحنی تنش- کرنش ابریشم پیله، یک نوعت رفتار لگاریتمی مشاهده می شود در حالی که در ابریشم تارکشی چنین چیزی صدق می کند. مقایسه اسید آمینه این دو نوع ابریشم عنکبوت، ممکن است نشان دهد که نسبت بالای glycine که مشخصه ابریشم تارکشی می باشد می تواند تا حدی این رفتار را توجیه کند. برای شناخت بهتر اسرار و رموز عنکبوتها، پژوهشهای بیشتری در زمینه ریز ساختار ابریشم عنکبوت باید صورت بگیرد.

شکل 1-1

شکل 1-1: رفتار تنش- کرنش ابریشم پیله و تارکشی عنکبوت آرانوس دیادماتوس

1. تاثیر سرعت آزمون برای تهیه ی نخ تارکشی و پیله

3-1. ابزار روشها

صدها عنکبوت آرانوس دیادماتوس در آزمایشگاه تحت شرایط کنترل شده نگهداری می شدند. پس چهار نوع پیله متفاوت به طور تصادفی جمع آوری شده و تخمها با دقت بسیاری از هر نمونه جدا گردید. برای هر آزمایش 50 لیف از هر پیله به تدریج و به آرامی کشیده شد.

نمونه های مختلفی از رشته تارکشی به طور دستی پیچیده شد. این نمونه ها از سه نوع عنکبوت مختلف انتخاب شده که برای هر آزمایش 50 لیف از آنها جدا گردیده است. در این پژوهش ها از آنجا که ارزیابی تاثیر سرعت آزمون برای ما حائز اهمیت بود، میزان ظرافت رشته های تارکشی اندازه گیری نشد، از این جهت مقادیر نیرو در واحد CN مورد بررسی قرار گرفته است. الیاف و فیلامنتها توسط روبات Favimat و در شرایطی با طول گیج mm 20 و کشش اولیه Cnldtex 0.5 و پنج سرعت متفاوت شامل: mm/min 40,30,20,10,5 مورد آزمایش و بررسی قرار گرفتند. آزمایش و بررسی رشته های تارکشی به خاطر کمبود مواد گرفته شده از یک عنکبوت در زمان آزمایش، فقط در سرعت های m/min 40m20m5 صورت گرفت. منحنی های تنش- کرنش برای هر کدام از پیله های تارکشی با پارامترهای زیر مشخص شده اند:

• استحکام یا بارگسیختگی: نسبت نیروی گسیختگی نخ به میزان دانسیته خطی آن، در واحد CV/dtex
• کرنش در نقطه پارگی: افزایش طول نمونه به وسیله ی نیروی گسیختگی، که به صورت درصدی از طول اولیه و با علامت درصد % مشخص می شود.
• کار تا حد پارگی: ناحیه گرفته شده توسط منحنی نیرو- ازدیاد طول تا حدی که نیروی گسیختگی در واحد CN/ cm بدست آید. این شاخص میزان محکمی لیف را نشان می دهد.
• مدول اولیه: به عنوان مدولی در دامنه ی تغییرات ارتجاعی نموداری که در آن تغییرات کرنشی هنوز برگشت پذیر می باشد، در واحد CN/dtex تعریف می شود. این شاخص از روی میزان شیب خط مستقیم اولیه در منحنی تنش- کرنش محاسبه می شود.
• مدول ثانویه: به عنوان مدولی بین مقادیر کرنشی 10 تا 35 درصد که مشخصه ناحیه ی سخت شدن نسبتا خطی می باشد و در واحد CN/dtex تعریف می شود.

به منظور بحث و بررسی بهتر نتایج حاصله، مدل ماکسول جهت تشریح آزمون کششی مورد استفاده قرار می گیرد. در این مدل، الیاف توسط یک مدل همراه با عناصری که رفتار مکانیکی وابسته به زمان خاصی از خود برود می دهند نشان داده می شوند. برای مثال بوسیله ی ترکیبی از فنرها و استوانه های متعادل کننده، استوانه متعادل کننده رفتار و سیکوزی وابسته به زمان را نمایان می سازد. در ساده ترین مدل ماکسول رفتار الاستو- ویسکوز یک لیف (یا نخ) از طریق یک فنر (با کابت ارتجاعی E) و یک استوانه متعادل کننده (با ثابت مرطوب کنندگی یا گرانروی) که به طور متوالی قرار گرته اند توصیف می شود این رفتار از تساوی (معادله) زیر پیروی می کند: (در این تساوی ε مقدار کرنش و F نیرو را نشان می دهد.)

در مورد افزایش ثابت کرنش در زمان، می توان ε=rt فرض کرد که در آن r یک عدد ثابت می باشد، در این صورت تساوی اول به شکل زیر تبدیل می شود.

اگر به عنوان وضعیت آغازین F(o)=FV و FV فشار اولیه باشد راه حل زیر بدست می آید:

این فرمول را می توان این چنین نوشت:

پس از بررسی نتایج آزمایشی (تجربی) می توان چنین نتیجه گرفت که بازسازی مدل ماکسول از روی منحنی تنش- کرنش الیاف ابریشم پیله به طور کامل رضایت بخش نیست. ثابت شده است که یک مدل ماکسول پیشرفته، با افزودن یک فنر خطی (طولی) ، بازسازی بهتری از منحنی های تنش- کرنش ابریشم پیله ارائه می دهد. بنابراین معادله ای (1-4) را می توان به این صورت نوشت:

از طریق رگراسیون غیر خطی می توان منحنی های تنش- کرنش را بوسیله ی سه پارامتر C,B,A توصیف و طبقه بندی کرد. به همراه اطلاعات بدست آمده از منحنی های تنش- کرنش ابریشم پیله، که در بخش 2 مشخص شده است بیشتر اوقات یک همبستگی بالاتر از 90% با خطای نسبی کمتر از 1% مشاهده شده است. تاثیر سرعت آزمون هم بر اساس این پارامترها مورد بحث و بررسی قرار گرفته است.

3-2: بحث و بررسی نتایج

3-2-1: تاثیر سرعت بر روی کرنش کسیختگی- سختی (استحکام)، کار تا سر حد پارگی، مدول اولیه و مدول ثانویه. اولین توصیفی که باید داده شود این است که همه ی پارامترها تغییرات بالایی را نشان می دهند. ارزش CV- (درصد ضریب تغییرات) کرنش گسیختگی و کار تا سر حد پارگی از 30% هم حتی فراتر می رود، این مقدار %CV برای مقادیر مدولی، در بیشتر موارد به 10 تا 15% محدود می شود و برای سختی معمولا بین 10 تا 15% بیشتر می باشد. تغییر پذیری بالا توسط محقق دیگری هم تایید می شود.

شکل 1-3: تاثیر سرعت بر پارامتر کار تا حد پارگی

شکل 1-2: تاثیر سرعت بر سختی

شکل 1-5: تاثیر سرعت بر مخدول ثانویه

شکل 1-4: تاثیر سرعت بر مدول اولیه

تجزیه و تحلیل کرنش گسیختگی نشان می دهد که سرعت آزمون بر روی آن تاثیر قابل توجهی ندارد. شکل های 2 تا 5 به ترتیب تاثیر سرعت را در میزان سختی، کار تا حد پارگی، مدول اولیه و مدول ثانویه نشان می دهند. می توان چنین یرداشت کرد که برای بیشتر پارامترها نمی توان به یک نتیجه گیری کلی که در مورد همه پیله ها قابل قبول باشد، دست یافت. در خصوص سختی، برای میاگین همه پیله ها، می توان نتیجه گرفت که میزان سختی با افزایش سرعت آزمون افزایش می یابد. علاوه بر این، همان طور که در شکل (1-6) مشاهده می شود، می توان بین دو پارامتر یک رابطه لگاریتمی قابل توجهی (R2=0/9797) بدست آورد.

شکل 1-7: رابطه بین مدول اولیه و سرعت

شکل 1-6: افزایش لگاریتمی سختی با افزایش سرعت

اگر همه ی پیله ها با هم در نظر گرفته شوند، مقدار مدول اولیه همان طور که در شکل 7 مشخص است، با افزایش سرعت آزمون تا سرعت 20 mm/min افزایش می یابد، اما بعد از این سرعت، با بالاتر رفتن سرعت آزمون، شاهد کاهش در میزان مدول اولیه می باشیم. این موضوع باعث تعجب است چرا که در مقالات و گزارشات افزایش مدول ارتجاعی نسبت به سرعت گزارش شده است. از آنجا که مدول اولیه با زیر ساختار یک لیف دارای هم بستگی می باشد، به قطر می رسد که هنگام تغییر شکل کششی چندین ساختاری نیز صورت می گیرد. ممکن است طی آزمون طولانی تر یا در یک سرعت آزمون پایین تر، احتمال وقوع چنین تغییراتی کمتر شود.

در پایان، در شکل 1-5 مشاهده می شود که مدول ثانویه و سپس مدول ناحیه ای سخت شدن با افزایش سرعت آزمون کاهش می یابد. این موضوع هنگام محاسبه ی میانگین ثانویه در سرعت های مختلف، توسط کاهش قابل توجه مدول ثانویه (R2=0/9637) نسبت به افزایش سرعت آزمون اثبات می شود. در دهنه های تارکشی، سرعت هیچ گونه تاثیر مهمی از نظر آماری بر کرنش گسیختگی، نیروی گسیختگی، کار تا سر حد پارگی یا مدول ثانویه (%10- 25) ندارد. فقط در مورد اولیه، مقدار مدول در سرعت 5mm/min نسبت به سرعت های mm/min 40 , 20 ، به طور قابل توجهی بالاتر می باشد. خلاصه اینکه، می توان نتیجه گرفت که تاثیر سرعت بر روی ابریشم تارکشی نسبت به ابریشم پیله کمتر است. با مطالعه ی دقیق تر منحنی های تنش- کرنش اشکال مختلفی از منحنی ها مشاهده می شود. (شکل 1-8) منحنی نوع اول در بیتر موارد منحنی می باشد که به طور مکرر اتفاق می افتد، گاهی اوقات دو گروه با شیب های اولیه ی مختلف مشاهده می شود. منحنی نوع دوم مشخصه ابریشم پیله عنکبوت می باشد. منحنی نوع سوم تقریبا یک منحنی خطی است، اما بندرت مشاهده می گردد. هنوز دلایل پیدایش انواع منحنی ها مشخص نیست. و باید بیشتر مورد بررسی قرار گیرد.

و...

NikoFile

دانلود مقاله 2015 الگوریتم موازی ترجمه شده با بهترین کیفیت— چارچوب پردازش موازی داده های حجیم در سوپر کامپیوتر ها – Parallel Pr

اختصاصی از فی گوو دانلود مقاله 2015 الگوریتم موازی ترجمه شده با بهترین کیفیت— چارچوب پردازش موازی داده های حجیم در سوپر کامپیوتر ها – Parallel Processing دانلود با لینک مستقیم و پر سرعت .

نوع مطلب: مقاله ترجمه شده با بهترین کیفیت و کاملا تخصصی

عنوان مقاله: چارچوبی برای پردازش موازی جریان داده های آزمایشی متمرکز در ابر رایانه های از راه دور

سال انتشار: 2015

زبان مقاله: فارسی

قالب مقاله: ورد (Word)

تعداد صفحات: 14 صفحه

محل انتشار: ژورنال الزویر مجموعه مقالات دانش کامپیوتر (Procedia Computer Science). این مقاله در چهارمین کنفرانس بین المللی دانشمندان جوان در زمینه دانش محاسباتی نیز ارائه شده است.

اطلاعات مقاله انگلیسی:

عنوان مقاله: Platform for parallel processing of intense experimental data flow on remote supercomputers

نوع مطلب: مقاله الزویر (Elsevier) و کنفرانس بین المللی

سال انتشار: 2015

زبان مقاله: انگلیسی

قالب مقاله: پی دی اف (PDF)

تعداد صفحات: 10 صفحه تک ستونی

محل انتشار: ژورنال الزویر مجموعه مقالات دانش کامپیوتر (Procedia Computer Science). این مقاله در چهارمین کنفرانس بین المللی دانشمندان جوان در زمینه دانش محاسباتی نیز ارائه شده است.

دانلود رایگان مقاله انگلیس از آدرس زیر:

دانلود رایگان مقاله

چکیده فارسی:

امکانات آزمایشی مدرن، تولید حجم زیادی از داده هایی را که باید پردازش شوند، در هارد دیسک ها ذخیره گردندو با بالاترین سرعت ممکن به کاربر ارائه شوند را فراهم می سازند. هرچند، تجزیه و تحلیل داده ها در محل، نیازمند منابع فنی است که اغلب در دسترس نیستند. وجود شبکه های سرعت بالای در دسترس، امکان سپردن پردازش و ذخیره داده ها را به مراکز ابر رایانه های از راه دور(remote supercomputer centers) و مراکز داده ی از راه دور( remote data center) را فراهم می سازد. این قابلیت ها میتوانند از طریق توسعه راه حل های معماری برای انتقال موثر داده ها از طریق شبکه های سرعت بالای با فاصله دور، داده های ورودی/ خروجی و توزیع داده ها بروی کامپیوترها و سیستم های ذخیره سازی داده تحقق یابند. در این مقاله، نتایج بررسی توسعه یک بستر نرم افزاری را برای پردازش موازی جریان داده های آزمایشی متمرکز بر ابر رایانه های ICMM UB RAS (Perm) و IMM UB RAS (Yekaterinburg) که توسط یک شبکه سرعت بالا به یکدیگر متصل شده اند را شرح میدهیم. مطالعات گزارش شده تا اندازه ای توسط RFBR، پروژه تحقیقاتی شماره 07-96001-r_ural_a-14 و با برنامه UD RAS پروژه شماره 15-7-125 پشتیبانی شده اند.

کلمات کلیدی: شبکه Long fat، ابر رایانه، پردازش موازی داده، میان افزار، سیستم توزیع شده.

چکیده انگلیسی:

Abstract

Modern experimental facilities generate large amounts of data that should be processed, saved to hard disk and presented to the user as fast as possible. However, in-situ data analysis requires technical resources which are often not available. The existence of accessible high-speed networks allows to forward data processing and storage to a remote supercomputer centers and datacenters. These capabilities can be realized through the development of architectural solutions for effective data transmission trough a long-distance high-speed networks, data input/output and data distribution over computers and data storage systems. In this paper, we describe the results of investigations into the development of a software platform for parallel processing of intense experimental data-streams on ICMM UB RAS (Perm) and IMM UB RAS (Yekaterinburg) supercomputers, interconnected by a high-speed network. The reported studies was partially supported by RFBR, research project No. 14- 07-96001-r_ural_a and by Program of UD RAS, project No 15-7-1-25.

Keywords: Long fat network, Supercomputer, Parallel data processing, Middleware, Distributed system 

کلمات کلیدی:

مقاله 2015 با ترجمه، مقاله 2015 ترجمه شده، مقاله الزویر ترجمه شده، مقاله ژورنال ترجمه شده، مقاله کنفرانس ترجمه شده، مقاله اشپرینگر ترجمه شده، مقاله ترجمه شده الگوریتم موازی، الگوریتم موازی، الگوریتم های موازی، پردازش موازی، کاربرد الگوریتم موازی، سوپر کامپیوتر، ابر کامپیوتر، مقاله الگوریتم موازی، کاربردهای الگوریتم موازی، مقاله جدید الگوریتم موازی، مقاله جدید الگوریتم موازی، مقاله 2015 الگوریتم موازی، مقاله 2014 الگوریتم موازی، مقاله 2014 الگوریتم موازی، مقاله 2013  الگوریتم موازی، مقاله ISI الگوریتم موازی، پروژه الگوریتم موازی، مقاله کامپیوتر، مقاله ISI کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله 2015 کامپیوتر، مقاله ISI 2015 کامپیوتر، موازی سازی جریان کار، داده های بزرگ، کلان داده ها، داده های حجیم، سیستم های توزیع شده، سیستم های موازی، موازی سازی،  دانلود مقاله 2015 کامپیوتر، مقاله 2015 رایگان، دانلود رایگان مقاله 2015 کامپیوتر، Grid Computing, Cloud Computing, Parallel execution, workflow management, parallel workflow execution system, parallel algorithms, مقاله parallel algorithms, distributed computing, scheduling مقاله با ترجمه، مقاله 2015 کامپیوتر با ترجمه، مقاله کامپیوتر، مقاله 2015 کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله ISI کامپیوتر با ترجمه، مقاله اشپرینگر با ترجمه، داده های بزرگ، مقاله Big data ، مقاله Big Data با ترجمه، مقاله داده های حجیم با ترجمه، ابرداده ها، مقاله داده های عظیم با ترجمه، مقاله بیگ دیتا با ترجمه، مقاله داده عظیم با ترجمه، مقاله کلان داده با ترجمه، شاخص گذاری، ایندکسینگ، شاخص بندی در داده های بزرگ، کلان داده ها، شاخص بندی، شاخص گذاری، ایندکس کردن، سیستم هدوپ، نگاشت - کاهش، Big data,  mapreduce, , Indexing, ,

پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.

تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:

[e-mail]

شماره تماس ما در نرم افزار واتس آپ:

[phone]

شماره تماس ما در نرم افزار تلگرام:

[phone] 

 توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

دانلود مقاله ISI ترجمه شده با بهترین کیفیت-- مرور و ارزیابی کارایی روشهای شاخص گذاری داده های بزرگ – Big Data indexing techniqu

اختصاصی از فی گوو دانلود مقاله ISI ترجمه شده با بهترین کیفیت-- مرور و ارزیابی کارایی روشهای شاخص گذاری داده های بزرگ – Big Data indexing techniques دانلود با لینک مستقیم و پر سرعت .

نوع مطلب: مقاله ترجمه شده با بهترین کیفیت و کاملا تخصصی

عنوان مقاله: بررسی روشهای ایندکس گذاری داده های بزرگ: طبقه بندی و ارزیابی عملکرد

سال انتشار: 2015

زبان مقاله: فارسی

قالب مقاله: ورد (Word)

تعداد صفحات: 73 صفحه

محل انتشار: ژورنال معتبر سیستم های اطلاعاتی دانش (Knowledge and Information Systems)

اطلاعات مقاله انگلیسی:

عنوان مقاله: A survey on indexing techniques for big data: taxonomy and performance evaluation

نوع مطلب: مقاله اشپرینگر (Springer) و آی اس آی (ISI)

سال انتشار: 2015

زبان مقاله: انگلیسی

قالب مقاله: پی دی اف (PDF)

تعداد صفحات: 44 صفحه تک ستونی

محل انتشار: ژورنال معتبر سیستم های اطلاعاتی دانش (Knowledge and Information Systems)

ضریب تاثیر مربوط به سالهای 2014 و 2015 (Impact Factor): 1.782

تعداد ارجاع (Citation) تاکنون(بهمن 94): 5

خرید مقاله انگلیسی با قیمت 2000 تومان از آدرس زیر:

 (در صورت خرید، مقاله انگلیسی نیز به همراه مقاله ترجمه شده برای شما فرستاده میشود.)

چکیده فارسی:

رشد انفجاری در حجم، سرعت، و تنوع داده های تولید شده توسط دستگاه های همراه و برنامه های کاربردی ابری در ازدیاد "داده های بزرگ" نقش داشته است. راه حل های موجود برای ذخیره سازی کارآمد داده ها و مدیریت آنها نمی توانند نیازهای چنین داده های ناهمگنی که مقدار داده ها به طور مداوم در حال افزایش هستند را برآورد سازند. با توجه به سرعت در حال رشد اندازه شاخص ها و زمان جستجو، راه حل های موجود برای مدیریت و بازیابی موثر داده ها ناکارآمد میشوند بنابراین یک طرح شاخص گذاری بهینه شده برای داده های بزرگ مورد نیاز است. با نگاهی به برنامه های کاربردی جهان واقعی در می یابیم که موضوع ایندکس گذاری با داده های بزرگ در محاسبات ابری در مسائل پزشکی، سازمانی، آزمایشات علمی و شبکه های اجتماعی بصورت گسترده مطرح می شود. تا به امروز، محاسبات نرم متعدد، یادگیری ماشینی و دیگر روشهای هوش مصنوعی برای برآورده کردن نیازمندیهای شاخص گذاری استفاده می شده اند، در عین حال از آنجایی که روشهای ایندکس گذاری وارد محاسبات ابری شده اند، در مقالات، مطالعه جدیدی در مورد بررسی عملکرد و نتایج روشهای حل مسائل ایندکس گذاری برای داده های بزرگ وجود ندارد. هدف این مقاله بررسی و آزمایش روشهای ایندکس گذاری موجود برای داده های بزرگ است. در این تحقیق طبقه بندی روشهای ایندکس گذاری توسعه یافته است تا به محققان برای درک و انتخاب یک روش پایه بمنظور طراحی یک روش ایندکس گذاری که کاهش زمان و فضای مصرفی کمتررا برای BD-MCC فراهم میکند، کمک کند. در این تحقیق، 48 روش ایندکس گذاری بر اساس 60 مقاله با موضوع مرتبط مورد مطالعه و مقایسه قرارگرفته اند. عملکرد روشهای ایندکس گذاری بر اساس ویژگی آن ها و نیازمندیهای ایندکس گذاری داده های بزرگ نیز مورد تجزیه و تحلیل قرار گرفت. نقش اصلی این تحقیق طبقه بندی روشهای ایندکس گذاری دسته بندی شده بر اساس متد آنهاست. دسته بندی ها متدهای شاخص گذاری غیر هوش مصنوعی ( non-artificial intelligence)، هوش مصنوعی (artificial intelligence) و هوش مصنوعی مشارکتی (collaborative artificial intelligence)هستند. بعلاوه در کنار محدودیت های هر روش، اهمیت پروسیجر ها(procedure) و عملکردهای مختلف نیز مورد تجزیه و تحلیل قرار گرفت. در بخش نتیجه گیری، چندین موضوع تحقیق کلیدی برای آینده با پتانسیل افزایش سرعت پردازش و استقرار روشهای ایندکس گذاری هوش مصنوعی مشارکتی در BD-MCC به دقت شرح داده شده است.

کلمات کلیدی: ایندکس گذاری، داده های بزرگ، محاسبات ابری، هوش مصنوعی، هوش مصنوعی گروهی

چکیده انگلیسی:

Abstract The explosive growth in volume, velocity, and diversity of data produced by mobile devices and cloud applications has contributed to the abundance of data or ‘big data.’Available solutions for efficient data storage and management cannot fulfill the needs of such heterogeneous data where the amount of data is continuously increasing. For efficient retrieval and management, existing indexing solutions become inefficient with the rapidly growing index size and seek time and an optimized index scheme is required for big data. Regarding real-world applications, the indexing issue with big data in cloud computing is widespread in healthcare, enterprises, scientific experiments, and social networks. To date, diverse soft computing, machine learning, and other techniques in terms of artificial intelligence have been utilized to satisfy the indexing requirements, yet in the literature, there is no reported stateof- the-art survey investigating the performance and consequences of techniques for solving indexing in big data issues as they enter cloud computing. The objective of this paper is to investigate and examine the existing indexing techniques for big data. Taxonomy of indexing techniques is developed to provide insight to enable researchers understand and select a technique as a basis to design an indexing mechanism with reduced time and space consumption for BD-MCC. In this study, 48 indexing techniques have been studied and compared based on 60 articles related to the topic. The indexing techniques’ performance is analyzed based on their characteristics and big data indexing requirements. The main contribution of this study is taxonomy of categorized indexing techniques based on their method. The categories are non-artificial intelligence, artificial intelligence, and collaborative artificial intelligence indexing methods. In addition, the significance of different procedures and performance is analyzed, besides limitations of each technique. In conclusion, several key future research topics with potential to accelerate the progress and deployment of artificial intelligence-based cooperative indexing in BD-MCC are elaborated on.

Keywords Indexing ・ Big data ・ Cloud computing ・ Artificial intelligence ・ Collaborative artificial intelligence

تولید داده های حجیم با سرعت بالا، حجم زیاد و تنوع فراوان توسط شبکه های اجتماعی، موبایل ها و ایمیل های کاربران منحر به ایجاد یک جهت گیری جدید در رشته کامپیوتر به نام داده های بزرگ یا کلان داده ها (Big Data) شده است که در چند سال گذشته توجه زیادی را به خود جلب کرده است. میتوان با جستجو درون این داده های بزرگ و حجیم، الگوهایی را کشف کرد و از آنها استفاده کرد. همچنین قابلیت یادگیری از این داده ها و دیتاست ها نیز وجود دارد. روشهای مدیریت حافظه و ذخیره سازی داده های موجود نمیتوانند پاسخگوی حجم زیاد این داده ها باشند و این در حالی است که حجم این داده ها لحظه به لحظه بیشتر میشود. اگر بخواهیم برای بازیابی و جستجوی اطلاعات در این دیتاست های بزرگ از روشهای ایندکس گذاری کنونی استفاده کنیم به دلیل افزایش حجم فایل شاخص و زمان جستجو این کار بسیار غیر بهینه خواهد بود.

در این مقاله که صورت کاملی به بررسی روشهای ایندکس کردن داده های Big Data پرداخته شده است، 48 روش مختلف شاخص بندی یا ایندکس کردن داده ها معرفی، بررسی و مقایسه شده اند. کارایی این الگوریتم ها با توجه به ویژگی ها و نیازمندیهای Big Data اندازه گیری شده است.

مطالعه این مقاله به کسانی توصیه میشود که تصمیم دارند پایان نامه خود را در زمینه شاخص بندی و یا جستجو در داده های بزرگ (Big Data) انجام دهند یا قصد نوشتن مقاله ای در این زمینه را دارند.

این مقاله در سال 2015  در ژورنال سیستم های اطلاعاتی و دانش (Knowledge and Information Systems) منتشر شده است که یکی از ژورنالهای معروف در زمینه سیستم های مبتنی بر دانش و مسائل مربوط به آنها می باشد. مقالات این ژورنال آس اس آی (ISI) هستند و در توسط انتشارات تامسون رویترز (Thomson-reuters) و اسکوپوس (Scopus)، اشپرینگر (Springer) و بسیاری سایت های دیگر ایندکس میشوند.

کلمات کلیدی:

مقاله با ترجمه، مقاله 2015 کامپیوتر با ترجمه، مقاله کامپیوتر، مقاله 2015 کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله ISI کامپیوتر با ترجمه، مقاله اشپرینگر با ترجمه، داده های بزرگ، مقاله Big data ، مقاله Big Data با ترجمه، مقاله داده های حجیم با ترجمه، ابرداده ها، مقاله داده های عظیم با ترجمه، مقاله بیگ دیتا با ترجمه، مقاله داده عظیم با ترجمه، مقاله کلان داده با ترجمه، شاخص گذاری، ایندکسینگ، شاخص بندی در داده های بزرگ، کلان داده ها، شاخص بندی، شاخص گذاری، ایندکس کردن، سیستم هدوپ، نگاشت - کاهش، Big data,  mapreduce, hadoop, Indexing, cloud computing,

پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.

تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:

[e-mail]

شماره تماس ما در نرم افزار واتس آپ:

[phone]

شماره تماس ما در نرم افزار تلگرام:

[phone] 

 توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.