سپس گزیده ای از ترجمه را بررسی کنید!
این مقاله کاربرد صحیح ماشینهای القایی را در مواردی که این ماشین ها با ولتاژ بالا و پایین نامتوازن تغذیه می شوند، بررسی می نماید. همچنین تفاوتهایی که بین تعاریف ولتاژ نامتوازن وجود دارد نیز در این مقاله مورد بررسی قرار گرفته است. راه کار اتخاذ شده، استفاده از کاهش نرخ توان NEMA برای ولتاژهای نامتوازن است که مبنایی برای در نظر گرفتن اثرات ولتاژهای بالا و پایین در محاسبات تلفات موتور می باشد.
مدار معادل، توالی منفی، توالی مثبت، منابع نامتعادل.
کاربرد صحیح موتورهای القایی در سیستم توان و در تامین نیازمندی های بار، موضوع علاقه مندیهای بسیاری بوده است [3]-[1]. بسیاری از موتورهای صنعتی در آمریکا برای کار با ولتاژ 460V طراحی شده اند در حالی که تاسیسات سیستم توزیع برای کار در ولتاژ 480 طراحی شده اند.
اصلی که در اینجا مطرح است این است که افت ولتاژ کابل این امکان را فراهم خواهد نمود که ولتاژ مناسب 460V در پایانه های (ترمینالهای) موتور به وجود آید. اندازه گیری ها نشان داده اندکه علی رغم افت ولتاژ کابل، ولتاژ موجود در ترمینال موتور در سیستم های صنعتی به میزان قابل ملاحظه ای بیشتر از 460V است. در حالی که هنگامی که در سیستم های صنعتی و یا تجاری ضعیف سیستم بار زیادی را تحمل می نماید میزان ولتاژ می تواند از ولتاژ نامی نیز کمتر شود.
در کنار مساله ولتاژ بالا و پایین که در سیستم های قدرت وجود دارد، بار هرگز به صورت کامل متعادل نخواهد بود. معمولا، سطوح عدم توازن به اندازه کافی کوچک می باشد به گونه ای که عملکرد موتور را چندان تحت تاثیر قرار نمی دهند. با این وجود مواردی پیش می آید که می بایست سطح عدم توازن جهت عملکرد صحیح ماشین مدنظر قرار داده شود. این مساله با استفاده از تعریف عدم توازن و توسط NEMA مد نظر قرار داده شده است. تعریف عدم توازن استفاده شده متفاوت با آن چیزی است که در مجامع قدرت استفاده می شود. به علاوه، عدم توازن فرض می نماید که مقدار متوسط ولتاژ 460V است در حالی که چنین مقداری به ندرت در عمل رخ می دهد.
در نهایت ترجمه را خریداری کنید!
دانلود ترجمه فارسی -- قیمت: 14500 تومانسپس گزیده ای از ترجمه را بررسی کنید!
شبکه های سنسوری بین خودرویی را می توان یک جریان شبکه ای جدید و نوظهور دانست، که برای اپلیکیشن های متعددی در محیط های خودرویی مطلوب بوده و در آن می توان از سنسور های خودرویی به عنوان منابع داده ای و سیستم های ارتباطی بین خودرویی برای انتقالات استفاده کرد. در این مقاله قصد داریم راه حلی را برای جمع آوری داده ها از یک موقعیت جغرافیایی خاص ارائه دهیم که مبتنی بر شبکه های سنسوری خودرویی می باشد. متد پیشنهادی ما، بازه زمانی ای را که در طول آن می توان پروسه جمع آوری داده ها را ادامه داد ترفیع و بهبود داده و استراتژی های ارسال بسته های داده ای به سمت جلو از طریق هاپ های چند گانه را، مشابه با پروتکل های مسیر یابی محدود به تأخیر، تغییر می دهد. شبیه سازی ها نشان می دهند که راه حل پیشنهادی ما، از نظر کارائی در جمع آوری داده ها، نسبت به سایر راه حل ها بهتر عمل کرده است.
محدود به تأخیر، جمع آوری داده ها، شبکه های سنسوری خودرویی
پژوهش ها و فعالیت های مرتبط با محاورات داده ای خودرویی، در طی سالیان اخیر در حوزه صنعت خودرو و جامعه پژوهشی با شتاب بیشتری در حال حرکت بوده است. در چند سال اخیر، خودروها قادر بوده اند با استفاده از نقاط دسترسی در کنار جاده ها با سایر خودرو ها به محاوره و مبادله داده ها بپردازند. ارتباطات خودرویی، باعث فراهم شده سرویس های ایمنی و مفیدی برای رانندگان و مسافرین شده است. تکنولوژی ها و استاندارد هایی که این مسیر را نیز تسهیل ساخته اند، به زودی به ابزارهایی واقعی و ضروری مبدل گشتند: تا زمان نوشتن این مقاله، تکنولوژی رادیویی IEEE 802.11p که برای ارتباطات خودرویی طراحی گردیده است، اخیراٌ مورد پذیرش قرار گرفته است[1].
سیستم های ارتباطی بین خودرویی (IVC)، مبتنی بر ارتباطات مستقیم بین خودروها می باشند و از این رو باعث بروز شبکه های بین خودرویی (VANET) گردیده اند تا بتوانند پاسخگوی نیازهای کلاس عمده ای از اپلیکیشن های ارتباطی مانند اپلیکیشن های مرتبط با امنیت خودرو و جاده، مدیریت ترافیک، سرگرمی[4]، جمع آوری و انتشار داده ها[5] و غیره باشند.
در نهایت ترجمه را خریداری کنید!
دانلود ترجمه فارسی -- قیمت: 21500 تومانسپس گزیده ای از ترجمه را بررسی کنید!
هدف – در حوزه ارتباطات مشتری با برند، محبوبیت برند مد روز، موضوع اصلی می باشد. مدیران برند، به برند با محبوبیت بیشتر تمایل دارند، مانند برند مک دونالد که در آن نوشته شده: عاشقشم. با این وجود، در مقالات و کتاب های بازاریابی در مورد اهمیت این موضوع، به اندازه کافی بحث نشده. بعلاوه هرگز در مورد تاثیر خصوصیت برند و تصویر برند بر روی محبوبیت برند تحقیق تجربی صورت نگرفته است. هدف این مقاله، رسیدگی به این بی توجهی است، که با توسعه مدل ترکیبی سببی در محبوبیت برند، خصوصیت برند، تصویر برند، و شایعات و اذهان عمومی و همچنین بررسی روابط بین آنها، به آن خواهیم رسید. اطلاعات در مورد طراحی، روش شناسی و رویکرد با استفاده از نظرسنجی با استفاده سوالات کاربردی از 250 دانشجوی لیسانس انجام گرفت. با استفاده از تست AMOS 16.0 و بکار بردن تحلیل نتایج، فرضیه ها مورد آزمایش قرار گرفتند.
یافته ها - نتایج نشان داد که تنها تصویر برند به عنوان یک عامل تعیین کننده محبوبیت برند در نظر گرفته شده است که بر WOM در راستای هویت برند تاثیر می گذارد
پیامدهای عملی - نتایج مفاهیم دقیق و خط مشی ارائه می دهند که می تواند در تحقیقات آینده ایجاد شود.
اصالت / ارزش - بنابراین، در اصل نتیجه گیری با توجه به تاثیرات مختلف در این مطالعه، محدود به نمونه مورد استفاده در این مطالعه می باشد. به نظر می رسد تحقیق محبوبیت موجود صرفا در چارچوب ایالات متحده باشد. این مطالعه برای بهترین دانش نویسنده، اولین بررسی مفهوم محبوبیت برند در خارج از ایالات متحده آمریکا می باشد.
محبوبیت برند، تصویر برند، هویت برند، اذهان عمومی، برند های مد، مشخصات تجاری
در نهایت ترجمه را خریداری کنید!
دانلود ترجمه فارسی -- قیمت: 12500 تومانسپس گزیده ای از ترجمه را بررسی کنید!
تولرانس عیب به معنی توانایی سیستم برای به اجرا در آوردن فعالیت هایش به صورت دقیق حتی در حضور عیب ها می باشد. بنابراین تکنیک های تولرانس عیب مختلف (FTTs)، برای بهبود کاربرد موثر منابع پرهزینه در سیستم های محاسبه شبکه سطح بالا، مهم می باشند.
این مقاله، ارزیابی عملکرد اکثر تکنیک های تولرانس عیب (FTT) مورد استفاده در سیستم محاسبه شبکه را نشان می دهد. در این بررسی، ما پارامترهای مرکزی سیستم های مختلف همانند خروجی ها، زمان برگشت، زمان انتظار و وقفه شبکه را برای ارزیابی تکنیک های تولرانس عیب (FTT) مد نظر قرار می دهیم. به منظور ارزیابی جامع، شرایط مختلفی را ایجاد می کنیم که درصد متوسط عیوب را در سیستم به همراه حجم کار متفاوت به منظور درک رفتار تکنیک های تولرانس عیب (FTT) تحت این شرایط، دگرگون می کنیم. ارزیابی تجربی نشان می دهد که تکنیک های عملکردی دیگر سطح حجم کار، دارای اولویت عملیاتی بر روی تکنیک های بررسی سطح فعالیت می باشند. این بررسی تطبیقی؛ کمکی به متخصصان محاسبه شبکه به منظور درک رفتار و عملکرد تکنیک های تولرانس عیب (FTT) مختلف با جزییات کامل، می کند.
محاسبه شبکه، تولرانس عیب، مدیریت منابع، سیستم توزیع شده
محاسبه شبکه کاربرانش را قادر می سازد تا از شبکه برای محاسبات سطح بالا و کاربردهای فشرده مرتبط به داده در علوم، مهندسی و تجارت استفاده کنند. چنین کاربردهایی شامل، مدل سازی ملکولی برای طراحی دارو، تحلیل فعالیت های مغزی، فیزیک با انرژی بالا، مدل سازی پروتئین، مسیریابی تشعشعات، و پیش بینی هوا و غیره می باشد. محاسبه شبکه این امکان را برای کاربردهای گسترده محاسباتی ایجاد می کند تا به ادغام مقیاس بالا، توزیع جغرافیایی، و منابع ناهمگن در دامین های اجرایی مختلف با کاربرد منابع متفاوت و سیاست های امنیتی به منظور محاسبه فعالیت ها بپردازند.
تولرانس عیب یا تنزل مطبوع به عنوان ویژگی سیستم محاسباتی توزیع شده بوده که آن را از محاسبات ترتیبی تفکیک می کند. این ویزگی این امکان را برای محاسبه توزیع شده ایجاد می کند تا به اجرای محاسبه در ارتباط با عیب های مولفه های مجزا بدون پایان دادن محاسبه کل بپردازند. به دلیل ماهیت متفاوت شبکه و کاربردهای مقیاس گسترده بر روی شبکه، تولرانس عیب به عنوان چالشی برای بهبود، بکارگیری و اجرای کاربردها بر روی محیط شبکه می باشد. بنابراین مد نظر قرار دادن تولرانس عیب در سیستم محاسباتی شبکه به عنوان گزینه اختیاری مکمل نبوده و به عنوان یک پیش نیاز می باشد.
در نهایت ترجمه را خریداری کنید!
دانلود ترجمه فارسی -- قیمت: 19500 تومانسپس گزیده ای از ترجمه را بررسی کنید!
ما به شرح پلتفرم (مبنای) پیشرفت محاسبات ابری علمی (SCC) که ظرفیت محاسبه کارآمد را ارائه میدهند، می پردازیم. این پلتفرم شامل نمونه آزمایشی از دستگاه مجازی علمی شامل سیستم عامل یونیکی و چندین کد علمی مواد، به همراه ابزارهای رابط مهم (تولست SCC) می باشد که نقش های قابل مقایسه با خوشه های محاسبه محلی را ارائه می دهد. مشخصا، تولست SCC (محاسبات ابری علمی) ایجاد اتوماتیک خوشه های مجازی را برای محاسبات موازی، و همچنین تسهیلات I/O (صفر و یک) مناسبی را که امکان ارتباطات یکپارچه را در مورد محاسبات ابری ایجاد می کنند، فراهم می کند. پلفرم SCC (محاسبات ابری علمی) مورد نظر ما برای محاسبات ابری انعطاف پذیر آمازون مطلوب می باشد (EC2). ما به ارائه مبنایی برای برنامه های کاربردی علمی پیش الگو پرداخته و به اثبات عملکردهای قابل مقایسه با خوشه های محاسباتی محلی می پردازیم. برای ساده سازی اجرای کد و فراهم کردن دسترسی کاربرپسند، همچنین به ادغام قابلیت محاسبه ابری در رابط گرافیک کاربری (GUI) مبتنی بر زبان برنامه نویسی جاوا پرداخته ایم. پلتفرم SCC (محاسبات ابری علمی) مورد نظر ما، به عنوان جایگزینی برای منابع HPC (محاسبه با کارایی بالا) برای علم مواد یا کاربردهای شیمی کوانتوم می باشد.
محاسبه ابری، محاسبه علمی، محاسبه کارامد، فیزیک ماده چگال (فشرده شده)
محاسبه ابری (CC) به عنوان الگوی محاسباتی می باشد که منابع مقیاس پذیر پویا، مجازی به عنوان خدماتی بر روی اینترنت می باشند [1–4]. این الگو شاهد پیشرفت های قابل توجهی در چند سال گذشته، به ویژه با ظهور چندین سرویس محاسبه ابری تجاری که از صرفه جویی های مقیاس مزایای بدست می آورند، بوده است [5–9]. درحالیکه بسیاری از کاربردهای تجاری به سرعت پیشرفت CC (محاسبه ابری) را مد نظر قرار داده اند، دانشمندان در بکارگیری ظرفیت های محیط CC کندتر عمل کرده اند. اشتراک منابع محاسباتی همانند خوشه های بیوولف که اغلب برای مواد چگال (به هم فشرده) امروزی و شبیه سازی علم مواد، برای دانشمندان چیز جدیدی نیست. همچنین منابع ابرمانند همانند محاسبه گرید و خوشه های کندور برای بعضی از کاربردهای علمی مفید می باشد.
در نهایت ترجمه را خریداری کنید!
دانلود ترجمه فارسی -- قیمت: 19500 تومان