CC BY
14е = ^ Ж ,
где S - площадь контура, охватываемая одним витком.
0 пЖ2 3,14 • 72 5 =-= —-- 38,47
4 4 мм2.
Тогда вольт-секундная площадь, наводимая ЭДС,
равна при Вт около 0,001 Тл
0,001
eAt = BSW
e = ---38,47 • 40 = 15,388
0,1 В.
Рассчитаем индуктивность катушки:
Гтх2\
D
V 1 У
N 210~3 = п 10~3402
Чобл
5
= 11,37 мкГн,
где N - число витков катушки; l - длина катушки,
мм.
Испытания веберметра показали его высокие эксплуатационные характеристики.
Литература
1. Ланкин М.В. Приборы и методы контроля магнитных свойств постоянных магнитов. - Новочеркасск: Южно-Российский гос. технический ун-т (Новочеркасский политехнический ин-т), 2007, 292 с.
2. Ланкин М.В., Ланкин А.М. Решение обратной задачи метода гармонического баланса / В сборнике: Междисциплинарные исследования в области математического моделирования и информатики Материалы 4-й научно-практической internet-конференции. отв. редактор Ю.С. Нагорнов. Ульяновск, 2014. С. 117-122.
3. Ланкин А.М., Ланкин М.В. Метод измерения вебер-амперной характеристики электротехнических
устройств / Современные проблемы науки и образования. 2014. № 1. С. 246.
4. Lankin A.M., Lankin M.V. Getting weber - voltage characteristics using the metod of harmonic balance \ В сборнике: The Second International Conference on Eurasian scientific development Proceedings of the Conference. 2014. С. 264-270.
5. Ланкин А.М., Ланкин М.В., Наракидзе Н.Д. Метод измерения вебер-амперной характеристики базирующийся на решении обратной задачи МГБ / Современные проблемы науки и образования. 2014. № 4. С. 167.
6. Ланкин А.М., Ланкин М.В., Наракидзе Н.Д., Наугольнов О.А. Управление магнитным состоянием изделий из магнитомягких материалов / Фундаментальные исследования. 2014. № 11-5. С. 1005-1009.
7. Ланкин М.В., Наракидзе Н.Д. Оптимизация параметров измерительного преобразователя напряженности магнитного поля / Известия высших учебных заведений. Электромеханика. 2008. № 2. С. 3235.
8. Патент 2147752 Россия МКИ G01R33/02. Быстродействующее устройство для измерения напряженности магнитного поля / М.В. Ланкин, Н.И. Горба-тенко, В.В. Гречихин, Д.Д. Савин, Г.В. Ланкина, Прокопов С.В. - Опубл. 20.04.2000, Бюл. N 11
9. Пат.2154280 Россия МКИ G01R33/02. Устройство для измерения напряженности магнитного поля / Д.Д. Савин, М.В. Ланкин, Н.И. Горбатенко, В.В. Гре-чихин, Г.В. Ланкина, С. В. Прокопов - Опубл. 03.08.2000, Бюл. N 22.
10. Пат.2155968 Россия МКИ G01R33/02. Устройство для измерения напряженности магнитного поля / М.В. Ланкин, Н.И. Горбатенко, В.В. Гречихин, Д.Д. Савин, Г.В. Ланкина, Е.Г. Ткаченко - Опубл. 10.09.2000, Бюл. N 25.
2
п
ПОДХОДЫ К КЛАССИФИКАЦИИ ИНФОРМАЦИОННЫХ РЕСУРСОВ В ОБЛАСТИ
БИОНИЧЕСКИХ ТЕХНОЛОГИЙ
Смирнова Ольга Сергеевна
ассистент кафедры Интеллектуальных технологий и систем, Московский государственный университет информационных технологий, радиотехники и электроники, г. Москва. Елисеева Екатерина Игоревна, Ершова Ольга Александровна, Сесин Игорь Юрьевич
студенты кафедры Интеллектуальных технологий и систем, Московский государственный университет информационных технологий, радиотехники и электроники, г. Москва.
APPROACHES TO THE CLASSIFICATION OF THE INFORMATION RESOURCES IN THE FIELD OF BIONIC TECHNOLOGY Smirnova Olga Sergeevna, Assistant of Department of Intelligent Technology and Systems, The Moscow State University of Information Technology, Radio Engineering and Electronics, Moscow.
Eliseeva Ekarterina Igorevna, Bachelor of Department of Intelligent Technology and Systems, The Moscow State University of Information Technology, Radio Engineering and Electronics, Moscow.
Ershova Olga Alexandrovna, Bachelor of Department of Intelligent Technology and Systems, The Moscow State University of Information Technology, Radio Engineering and Electronics, Moscow.
Sesin Igor Yuryevich, The Moscow State University of Information Technology, Bachelor of Department of Intelligent Technology and Systems Radio Engineering and Electronics, Moscow.
АННОТАЦИЯ
Разумная интеграция информации в сфере биологических систем и бионических технологий может оказать поддержку исследователям по осуществлению поиска необходимой информации для проведения более полного и детального анализапредметной области. В статье представлены подходы к классификации информационных ресурсов в области бионики, рассмотрены достоинства и недостатки различных оснований классификации с точки зрения их практической значимости.
Исследование выполнено федеральным государственным бюджетным образовательным учреждением высшего образования «Московский государственный университет информационных технологий, радиотехники и электроники» (МИРЭА, МГУПИ) за счет гранта Российского научного фонда (проект №14-11-00854).
ABSTRACT
The rational integration of information in the field of biological systems and bionic technologies can support the researchers to search for the essential information for a more complete and detailed analysis of the subject area. This article present the approaches to the classification of bionic information resources and describe the advantages and disadvantages of different basis of classification in respect of their practical importance.
The research is performed by the federal government budgetary institution of higher education «Moscow State University of Information Technology, Radio Engineering and Electronics» (MIREA, MGUPI) at the expense of the Russian Scientist Fund grant (project №14-11-00854).
Ключевые слова: бионика; бионические технологии; биологическая система; информационная поддержка; информационный ресурс; классификация.
Keywords: bionics; bionic technology; biological system; information support; information resource; classification.
Одним из направлений, способствующих проведению работ по созданию инновационных бионических технологий, в том числе информационных технологий, является разработка интеллектуальной системы информационной поддержки процессов создания и развития перспективных бионических технологий, обеспечивающей накопление, организацию и использование информационных ресурсов в области бионики.Следует отметить, что в данном направлении особую важность приобретает задача систематизации накапливаемых информационных ресурсов. Это наиболее сложная задача по нескольким причинам [1]:
- неочевидность выбора методов систематизации и классификации;
- сложность определения основания деления (основного признака, по которому будет производиться классификация);
- огромные объемы накопленной информации по бионике;
- разнородность описаний информационных ресурсов и др.
Для решения задачи систематизации информационных ресурсов в области биологических систем и бионических технологийв статье более подробно рассмотрены вопросы классификации информационных ресурсов.
Существуют два типа классификации: искусственная и естественная. В искусственной классификации за основу берется один или несколько легко различимых признаков. Она создается и применяется для решения практических задач, когда главным является удобство использования и простота. В естественной классификации группировка происходит на основании комплекса свойств объектов, выражающих их природу, и таким образом объединяет их в естественные группы, а сами группы в единую систему. В такой классификации число свойств объектов, поставленных в соответствие с их положением в системе, является наибольшим по сравнению с любой другой группировкой этих объектов. Естественная классификация, в отличие от искусственной, объясняет причины общности свойств классификационных групп и характер отношений между группами.
Собранная и накопленная информация, относящаяся к сфере бионики, охватывает следующие направления:
- изучение нервной системы человека и животных, моделирование нервных клеток - нейронов и нейронных сетей для дальнейшего совершенствования вычислительной техники, а также разработки новых элементов и устройств автоматики и телемеханики (нейробионика);
- исследование органов чувств и других воспринимающих систем живых организмов с целью разработки новых датчиков и систем обнаружения;
- изучение принципов ориентации, локации и навигации у различных животных для использования этих принципов в технике;
- исследование морфологических, физиологических, биохимических особенностей живых организмов для выдвижения новых технических и научных идей.
С целью представления всей области изучаемых объектов в виде системы классов или групп, по которым эти объекты распределены на основании их сходства по определенным свойствам, рассмотрим несколько вариантов оснований классификацииинформационных ресурсов в области бионики.
Классификация по биологическому прототипу Основанием классификации является то, какой биологический прототип (процессы, проистекающие в биологических сообществах; биологические системы и т.п.) лежит в основе той или иной бионической технологии.
Главным достоинством такого деления является удобство классификации. Оно предопределено тем, что ранее многие бионические технологии были уже классифицированы именно по этому основанию или близкому к нему (в качестве примера можно привести искусственные нейронные сети, искусственные иммунные системы, роевой интеллект).
Первый уровень классификации в соответствии с данным основанием выглядит следующим образом:
1) органы, структуры и системы в живых организмах;
2) биологические сообщества;
3) процессы в живой природе.
Недостатком такой классификации является слабая практическая ориентированность данной классификации, поскольку у схожих биологических прототипов могут быть совершенно разные полезные подходы и свойства. Таким образом, отнесение различных бионических технологий к одному классу, по сути, не говорит о их схожести или различии.
Тем не менее, данная классификация может быть использована для получения общего впечатления о бионических технологиях, как демонстрационный материал, например, в учебных и общеобразовательных целях. В частности, она дает наглядное понимание того, как много человек почерпнул у природы и как много еще ему предстоит у нее научиться.
Классификация по свойству биологического аналога
Основанием классификации является тип подражания биологической системе в той или иной бионической технологии: устройству биологической системы или поведению системы.
Данная классификация проста в восприятии и позволяет определить все имеющиеся технологии по конкретным категориям. За основу классификации бионических технологий взяты три направления развития самой науки бионики. Первое направление объединяет конструкторские решения в подражании природным структурам, способам и материалам в строении биологических систем. Это направление широко представлено в архитектурных находках, в области информационных технологий в качестве примера можно привести перцептрон, являющийся моделью нейрона. Второе - алгоритмическое воплощение поведения живых организмов (роевой интеллект). И третье направление включает исключения или гибриды. Данная категория объединяет технологии, комбинирующие природные и искусственные системы так, что их сложно отнести однозначным образом к какому-то направлению. Примером могут служить нейронные сети, интеллектуальные протезы и роботы.
Первый уровень классификации в соответствии с данным основанием выглядит следующим образом:
1) конструкторские решения;
2) поведение;
3) гибриды.
Недостатком такой классификации является ограниченная практическая значимость, т.к. данное разделение не позволяет сравнить бионические технологии, например, по их функциональному назначению. Помимо этого, подобная классификация плохо ложится в уже существующие классификации.
Классификация по предметной области
Основанием классификации является предметная область, т.е. те сферы, где применяется бионика.
Первый уровень классификации в соответствии с данным основанием выглядит следующим образом:
1) архитектура и строительство;
2) медицина;
3) техника;
4) сельское хозяйство;
5) промышленность;
б) оборонный комплекс;
7) биология (биологические системы
8) робототехника;
9) информационные технологии.
Данное основание классификации на первом уровне детализации позволяет охватить широкий спектр направлений, в которых используются бионические технологии. При дальнейшем раскрытии предметных областей можно определить наиболее перспективные и динамически развивающиеся области распространения бионических технологий. В то же время, возникает вероятность дублирования одной технологии или алгоритма в разных предметных областях, что создает дополнительный объем и громоздкостьклассификатора. Например, технология нейронного моделирования может относиться как к технике, так и к медицине. Аналогичная ситуация обстоит с генетическими алгоритмами, которые могут применяться в математическом анализе, информатике (нейронные сети), а также в сельском хозяйстве. Ввиду сложности, данная классификация на практике не эффективна, так как она противоречит требованию об обеспечении простоты ведения классификатора.
Классификация по области применения Основанием классификации является то, в какой области знаний главным образом применяется та или иная бионическая технология. Таким образом, классификация в соответствии с данным основанием в первую очередь нацелена на то, чтобы разбить все бионические технологии по классам, каждый из которых будет интересен конкретному специалисту, работающему в определенной сфере деятельности (например: инженерия, моделирование, разработка интеллектуальных программ).
Достоинством данной классификации является ее широкая практическая применимость. Обусловлено это тем, что специалист, интересующийся технологиями в своей области, может легко найти нужную ему информацию, углубляясь по дереву классификатора.
Первый уровень классификации в соответствии с данным основанием выглядит следующим образом:
1) инженерия;
2) разработка интеллектуальных компьютерных программ;
3) моделирование.
Недостатком данной классификации является то, что могут встречаться неоднозначности.Например, нейронные сети могут относиться к совершенно разным областям знаний (в частности, к моделированию, если речь идет о моделировании работы мозга, либо к реше-ниюразличных интеллектуальных задач, в которых затрагивается только прикладной аспект).
Предложения по классификации информационных ресурсов для отработки подхода создания системы
Учитывая все достоинства и недостатки приведенных выше вариантов оснований для классификации информационных ресурсов в области бионики, можно сделать вывод о том, что каждый из них имеет неопределенности, когда дело доходит до распределения конкретных технологий. При этом с точки зрения практической значимости дляинтеллектуальной системы информационной поддержки процессов создания и развития перспективных бионических технологий на первых этапах в качестве-примера для отработки подходов к созданию может быть использована классификация по области применения. Дерево данной классификации с примерами представлено на рисунках 1 - 4.
Бионические
технологии
Инженерия
Интеллектуализация
Моделирование
Рисунок 1. Первый уровень классификации
Рисунок 2. Ветвь «Инженерия»
Интеллектуализация
Разработка программ
Узел дерева классификации
Пример классификации
Рисунок 3. Ветвь «Интеллектуализация»
Моделирование систем
биологических организмов L
Рисунок 4. Ветвь «Моделирование»
Представленный примерклассификации за счет удобства восприятияи распознавания предметной области может быть использован для отработки подхода к созданию интеллектуальной системыинформационной поддержки процессов создания и развития перспективных бионических технологий.
Список литературы 1. Баранюк В.В., Смирнова О.С., Богорадникова А.В.
Интеллектуальная система информационной под-
держки развития перспективных бионических технологий: основные направления работ по созданию. International Journal of Open Information Technologies ISSN: 2307-8162 vol. 2, no. 12, 2014.
2. Сигов А.С., Нечаев В.В., Кошкарев М.И. Архитектура предметно-ориентированной базы знаний интеллектуальной системы. International Journal of Open Information Technologies ISSN: 2307-8162 vol. 2, no. 12, 2014.
ПОДГОТОВКА МЕТАЛЛИЧЕСКИХ ИЗДЕЛИЙ ПРИ ПРОИЗВОДСТВЕ
РЕЗИНОТЕХНИЧЕСКИХ ИЗДЕЛИЙ
Таганова Виктория Александровна
кандидат технических наук, доцент, Балаковский институт техники технологии и управления
г. Балаково Пичхидзе Сергей Яковлевич
доктор технических наук, профессор, Саратовский государственный технический университет имени
Гагарина Ю.А, г. Саратов
PREPARATION OF METAL PRODUCTS AT PRODUCTION OF RUBBER PRODUCTS
Taganova Victoria A., Candidate of Science, associate professor, Balakovo Institute of Engineering Technology and Management, Balakovo
Pichhidze Sergei Y., Doktor of Technical Science, Senior Scientist, Associate Professor, Saratov State Technical University named after Yuri Gagarin, Saratov АННОТАЦИЯ
В статье показано значительное увеличение прочности связи резины с металлом и усилия отрыва при использовании термооксидирования. ABSTRACT
The article shows a significant increase in bond strength with the metal and rubber breaking load using thermal oxidation.
Ключевые слова: Термооксидирование, адгезия, обработка, технология. Keywords: thermal oxidation, adhesion, processing, technology.
