
آموزش
آموزش نرم افزار وکتاب

آموزش

کوپلیمر یک در میان منظم اتیلن و پروپلین، حتماً یک ماده لاستیکی باشد، زیرا ساختمان آن بسیار شبیه ساختمان اولین کائوچوی مفید و با ارزش یعنی کائوچوی طبیعی است.
ساختمان با مول برابر[1] اتیلن و پروپلین نظیر آنچه که در قبل نشان داده شده است،را نمی توان در کائوچوی اتیلن ـ پروپیلن تجاری موجود دید،ترکیب در مواد تجاری عموماً بر اساس و مبنای درصد وزنی داده می شود، کوپلیمر با درصد مولی 50/50 را به نام کوپلیمر های اتیلن ـ پروپیلن را می توان در یک محدوده وسیع از ترکیب درصد آن دو دید، اما محصولات تجاری د رمحدوده درصد وزنی 50/50 تا 25/75 از اتیلن و پروپیلن عرضه می گردند . به علاوه حتی در یک ترکیب درصد مساوی با مول برابر زنجیره های کوتاه با مجتمع هایی از پلی پروپیلن و پلی اتیلن که در میان پاره زنجیرهای [2] بزرگتر در کوپلیمر اتفاقی ،به صورت نامنظم توزیع شده اند، .وجود دارند.
مولکول های کائوچوهای اتلین ـ پروپیلن کاملاً خطی نیستند. بلکه شامل شاخه های جانبی با زنجیرهای کوتاه و بلند در درجه های مختلف میباشند این حالت که متاثر از شرایط پلیمریزاسیون و نسبت درصد منومرها می باشد. دقیقاً به همان صورتی که در کوپلیمرهای اتیلن ـ پروپیلن (EPM ) دیده می شود، در ترپلیمرهای آن (EPDM) که ویژگیهای دیگری مثل تمایل به ایجاد بیشتر شاخه های جانبی به خاطر اثرات منومر دی ان وجود دارد، دیده نمی شود.
علاوه بر نسبت درصد منومر های اتیلن و پروپیلن، وزن مولکولی متوسط کائوچو نیز متاثر از انتخاب نوع کاتالیزور و متغیرهای واکنش پلیمریزاسیونی می باشد. بر خلاف یک شیمیست پلیمر، که عموماً جرم مولکولی متوسط را با استفاده از گرانروی ذاتی تعیین می نماید. شخص آمیزه کار لاستیک بیشتر تمایل به جانب اندازه گیری ویسکوزیته مونی دارد. ویسکوزیته مونی پلیمر خام کائوچوهای اتیلن پروپیلن در محدوده ای کنترل می شود که بتوان از آن انواع خواص کاربردی و فرایندپذیری را در صنعت لاستیک بدست آورد و علاوه بر آن در محدوده سایر کائوچوهای مصنوعی تجاری نیز قرار داشته باشند.
ویسکوزیته مونی EPM ، EPDM در چهار دقیقه، پس از یک دقیقه پیش حرارت دهی ، در دماهای F ْ 250 اندازه گرفته می شود که این مقدار به صورت (1+4) ML در F ْ 250 بیان می گردد.
در هر وزن مولکولی مولی متوسط توزیع وزن مولکولی مربوط به زنجیره های پلیمر تشکیل دهنده یک الاستومر، بر خواص فرایند پذیری و مکانیکی آمیزه خام و پخت شده آن تاثیر می گذارد. چگونگی توزیع وزن مولکولی در این کائوچو نیز بستگی به نوع کاتالیزوهای مصرفی و شرایط کوپلیمریزاسیون دارد. فراسنج اساسی و کنترل کننده دیگر، توزیع نسبت های اتیلن و پروپیلن در اجزاء اوزان مولکولی متفاوت است، که این نیز بوسیله کاتالیزو و شرایط پلیمریزاسیون کنترل میشود.
به طور خلاصه حداقل شش متغیر قابل اندازه گیری در ساختمان مولکولی کائوچوی اتیلن ـ پروپیلن وجود دارد که به صورت جداگانه یا در مجموع کنترل می شوند به این ترتیب مجموعه وسیعی از مواد تجاری که دارای خواص مورد نظر در صنعت لاستیک، از لحاظ فرایندپذیری و کاربردی هستند، قابل تولید می باشند. این خواص عبارتند از :
I ) نسبت درصد منومرها: کائوچوهای با درصد پروپیلن بالاغلطکپذیری بهتری دارند، در حالی که بهبود خواص فیزیکی در گام و قابلیت بهتر اکسترود شدن را در نسبت های بالای اتیلن می توان مشاهده کرد.
II ) بلوریت: عموماً برای یک الاستومر جدید، میزان بلوریت صفر مطلوب نظر می باشد، اما در بعضی مواقع ایجاد و گسترش حالت بلوری به هنگام کشش نیز مورد نظر است.
III) شاخه های جانبی : شاخه های جابنی بلند بایستی حذف کردند مگر آن که یک آمیزه لاستیکی مرده مورد نیاز باشد، شاخه های جانبی کوتاه اثر چندانی ندارند.
IV) وزن مولکولی متوسط: خواص فیزیکی محصول پخت شده با افزایش ویسکوزیته مونی بهبود می یابد اما در عوض فرایند پذیری عموماً مشکل تر می گردد.
V) توزیع وزن مولکولی : اگر وزن مولکولی متوسط ثابت باشد، کائوچوهای با توزیع وزن مولکولی باریک دارای خواص فیزیکی بهتر ولی در عوض فرآیند پذیری ضعیف تر هستند.
VI) چگونگی توزیع منومرها: در محدوده های نسبتاً وسیع و در کاربردهای علمی کائوچو، این فراسنج قابل اندازه گیری نیست.
[1] _ Eqaimolar
[2] _ Segments
فصل –1 ساختمان EPDM
1-1- تاریخچه 2
1-2 ساختمان پلیمر EPDM 3
1-2ـ1ـ ترمونومر 6
1-2ـ2ـتوزیع مونومرها 6
1-3 اثرخواص فیزیکی و شیمیایی بر EPDM 7
1-3-1ویسکوزیته و فرایند پذیری 7
1ـ3-2ـپایدارکننده ها 8
1ـ3ـ3 چسبناکی غیر اشباعیت 8
1ـ3-4 درجه غیر اشباعیت 9
1ـ 4 خواص عمومی پلیمر EPDM 9
1ـ5 غیر اشباعیت 11
1ـ 6 طبقه بندی انواع کائوچو 12
1ـ6-1ـ وزن مولکولی 13
1ـ6-2ـ مقدار پروپیلن 13
1ـ6-3ـمیزان غیر اشباعیت 14
فصل –2 ولکانش
2ـ ولکانش 16
2ـ1ـ ولکانش EPM 16
2ـ1ـ1ـپراکسیدهای آلی 16
2ـ1ـ2ـ انرژی تشعشعی زیاد 22
2ـ2ـ ولکانش EPDM 22
2ـ2ـ1ـپراکسیدهای آلی 22
2ـ2ـ2ـگوگرد و شتاب دهنده 23
2ـ2ـ3ـسیستم های رزین ـ کوئینوئید و مالتیمید 25
2ـ2ـ4ـانرژی تشعشعی زیاد 25
2ـ2ـ5ـولکانش در دمای معمولی 29
فصل –3 آمیزه کاری
3ـ آمیزه کاری 31
3ـ1ـدوده 31
3ـ2ـپرکنندههای معدنی 31
3ـ2ـ1ـخاک رسی 32
3-2ـ2ـسیلیکا 32
3ـ2ـ3ـکربنات کلسیم 32
3ـ2ـ4ـآلومینای آبنده 33
3ـ2ـ5 ـ عوامل اتصال ساز 33
3ـ3ـ نرمساز 34
3ـ4ـرزین چسب 35
3ـ5ـ ضد شکفت ( Anti Blooming) 36
3ـ6ـ ضداکسان 37
3ـ7ـ ضدنور ماوراءبنفش 38
3ـ8ـ مقاوم کنندهها در برابرشعله 38
3ـ9ـ امتزاج با سایر الاستومرها ………………………………38
3ـ10ـآلیاژها 40
3ـ11ـ عوامل پخت 41
3ـ12ـ عوامل محافظت کننده 43
3ـ13ـ فیلرها 43
3ـ14ـ کمک فرایند 45
فصل-4 نگاهی به کیفیت اختلاط آمیزه های EPDM
4ـ نگاهی به کیفیت اختلاط آمیزه های EPDM 47
4ـ1ـ سختی دانه های دوده 53
4ـ2ـ پلیمرهای EPDM دارای شاخه های جانبی 54
4ـ3ـ پارامترها و دستورالعمل های اختلاط 54
4ـ4ـ اثر نحوة اختلاط 57
فصل –5 فرآیند پذیری
5ـ فرآیند پذیری 62
5ـ1ـ اختلاط 62
5ـ2ـشکل دهی 63
5ـ3ـجابجایی و دست پردازی 64
5ـ4ـ اکستروژن 64
5ـ5ـ کلندرینگ 65
5ـ6ـ قالب گیری 66
5ـ7ـ پخت 66
فصل –6 خواص کائوچوی اتیلن ـ پروپیلن
6ـ خواص کائوچوی اتیلن ـ پروپیلن 69
6ـ1ـدرجه حرارتهای بالا 69
6ـ2ـ درجه حرارتهای پایین 69
6ـ3ـ مقاومت در حالت خام 72
6ـ4ـ مقاومت در برابر عوامل جوی 72
6ـ5ـ مقاومت نسبت به مواد شیمیایی 73
6ـ6ـخواص الکتریکی 74
6ـ7ـ خواص دینامیکی 76
6ـ8ـ قدرت کشتی و سختی 77
6ـ9ـ مقاومت فرسایشی و سایشی در برابر پارگی 78
6ـ10ـ مانانی فشاری 78
6ـ11ـ خزس و واهیختگی تنش…………………………………78
6ـ12ـ نفوذ پذیری در برابر گازها 78
فصل –7 مصارف کائوچوی EPDM و EPM
7ـ مصارف کائوچوی EPDM و EPM 81
7ـ1ـ تایر اتوموبیل 81
7ـ2کابل و عایقهای الکتریکی 81
7ـ3ـدرزگیرهای اتوموبیل 82
7ـ4ـ لوله مصرفی در اتوموبیل 82
7ـ5ـ لولههای تخلیه ماشینهای لباسهای خانگی 82
7ـ 6 استفاده از EPDM در سایدوال تایرهای رادیال 82
شامل 101 صفحه فایل word
موضوع فارسی : بررسی سیستم های هوشمند حسی در ابر رایانه قاب
موضوع انگلیسی : Verifying Smart Sensory Systems on Cloud Computing Frameworks
تعداد صفحه : 7
فرمت فایل :pdf
سال انتشار : 2015
زبان مقاله : انگلیسی
چکیده
به تازگی، برنامه های هوشمند در سیستم عامل ابر اجرا کرده اند به طور گسترده ای سازگار با ارائه با کیفیت زندگی در خدمات
حوزه های مختلف از جمله: کشاورزی، پزشکی، و سیستم های حمل و نقل. چنین برنامه های کاربردی از پیشرفته بی سیم بهره مند
شبکه های حسگر (WSN) فن آوری به عنوان یک زیرساخت برای پیاده سازی سیستم های هوشمند. با توجه به جایگذاری بیت اجباری بین
خدمات برنامه ها و کنترل شبکه برنامه در معماری محاسبات ابری است، نیاز به جدا کردن وجود دارد
در میان آنها اجرای به منظور افزایش مقیاس پذیری، پیمانه، و اثباتپذیری سیستم از جمله. این جدایی است
جنبه اصلی از کیفیت نرم افزار شبکه های تعریف شده (SDN) فن آوری است. این مقاله پیشنهاد می برای طراحی که الگوی دسته
مشکل SDN. توسط نسل به صورت خودکار از حالت محدود، دستگاه (FSA) که صحت است، شده است را تضمین
نشان دهنده انتقال رفتاری از سیستم. آزمایشات انجام شده است بر روی سیستم در زمان واقعی با استفاده از محاسبات
منطق درخت (CTL). نتایج نشان داد که روش پیشنهادی تعمیر و نگهداری عوارض جانبی به عنوان مقیاس پذیری به حداقل برسد
افزایش سیستم و، علاوه بر این، آن را قابل اعتماد برای تشخیص مشکلات همزمان در زمان طراحی و مصرف برق استفاده شد
قطعات شبکه می باشد.
کلمات کلیدی: شبکه های حسگر بی سیم؛ طراحی برای تأیید. نرم افزار تعریف شبکه؛ ابر رایانه بستر های نرم افزاری
موضوع فارسی : مدل پیش بینی برای یکپارچه سازی شبکه های حسگر بی سیم داده ها و ابر رایانه
موضوع انگلیسی : A Data Predication Model for Integrating Wireless Sensor Networks and Cloud Computing
تعداد صفحه : 6
فرمت فایل :pdf
سال انتشار : 2015
زبان مقاله : انگلیسی
چکیده
ابر رایانه است، شده است ثابت می شود یک راه حل امیدوار برای مدیریت و پردازش داده های بزرگ با ارائه یک مرکز داده
محور و الگوریتم های کارآمد برای مدیریت و سازماندهی داده ها. یکی از منابع داده سیستم ابر است حسگر بی سیم
شبکه (شبکه گیرنده بی سیم). شبکه گیرنده بی سیم یک راه جدید برای منابع داده جریان که در آن داده شده است از دوره حاضر دریافت مختلف
سنسور. در نتیجه مقدار زیادی از اطلاعات انباشته شده در طول یک دوره کوتاه. آیا شبکه گیرنده بی سیم در منابع محدود به ریز
جریان اطلاعات دقیق منجر به مصرف انرژی جامع. در این مقاله، ما یک مدل پیش بینی داده ها است که ساخته شده است پیشنهاد
در گره های حسگر و استفاده شده توسط سیستم ابر برای تولید داده. هدف از مدل ارائه شده به معاف
گره های حسگر از ارسال حجم زیادی از داده و فقط در نتیجه شما در مصرف انرژی از باتری سنسور را کاهش دهد. ما به مدیریت
تدوین و فرموله معادله مدل پیش بینی به عنوان یک خط از طریق دو بردار n بعدی در N-فضا. نتایج اولیه نشان داد که
مدل ارائه شده قادر به دستیابی به داده های بهتر میزان خطا در مقایسه با تکنیک های پیش بینی سنتی است.
کلمات کلیدی: شبکه های حسگر بی سیم؛ داده کاوی؛ پیش بینی داده ها؛ ابر رایانه بستر های نرم افزاری

این استاندارد برای دانشجویان مهندسی عمران سازه های دریایی و مهندسی دریا – کشتی سازی و دیگر رشته های مرتبط بسیار مفید می باشد.