Haruyuki bus baka updates

Member pm, Jan 9 Posts: 2. I can try being an editor. I do some editing for my site Unexpected Fate. It's not the greatest, but I'm new to it.

Message me if you still need help. Thank you, I have contact you. Post - Reply to by Lovers-dream. Member pm, Jan 10 Posts: We're always looking for translators, we really really need of japanese translators.

And of cause, we're looking for more editors. I have update my first post. Once again, thank for all of the people who apply. Member pm, Jan 10 Posts: 2. Member pm, Jan 11 Posts: Action, Drama, Historical, Romance, Shoujo.

There is a special organization known as "anonymous" which takes children and raises them without names, without feelings, without souls. Then it sends them out to kill. Can emotions get through to these col Apart Mate. Comedy, Mature, Romance, Seinen, Slice o Ashita Shinu. Drama, Psychological, Slice of Life, Tra A collection of stories following the lives of those for whom it has been decided that they will die the following day.

Barairo no Ashita. However, her sister's dream since she was a child was to be a bride, and ever since her engag Bus Hashiru. Drama, Romance, Seinen, Slice of Life. This volume contains two parts, Bus Hashiru and Nanairo Sekai. Bus Hashiru is a collection of five short stories centered around bus stops. In all your encounters with strangers that take place there, isn't Fantasy, Sci-fi, Seinen. One of these stories has a sequel story in Gyorui. Cigarette Anthology.

Drama, Mature, Sci-fi, Seinen, Slice of Various well-known mangaka look into the theme of cigarettes and smoking. Volume 1: Cigarette Anthology: Light 1. How to Stop Sniping 2. Kotrljajni leajevi su prisutni u velikom broju maina i esto se smatraju glavnim krivcima za otkaze na istim.

Ovakvo miljenje je u najmanju ruku neopravdano, jer je kotrljajni leaj projektovan da radi dugi niz godina, u sluaju postojanja uslova njegove eksploatacije.

S obzirom na visok procenat prevremeno unitenih leajeva, razvijene su brojne metode za detekciju ne samo oteenog stanja kotrljajnog leaja, ve i za identifikaciju tip otkaza leaja. Karakteristine frekvencije leaja Metode vibrodijagnostike, koje se baziraju na snimanju i analizi vektorskih prikaza vibracija, oteenje leaja trae prepoznavanjem impulsnih komponenata i modulacije u signalu.

Propali leajevi Metode praenja stanja leajeva se mogu podeliti na metode koje se fokusiraju na sraunavanje i analizu skalarnih veliina i metode koje sraunavaju i analiziraju vibracije kao vektorske veliine. Metode anvelopiranja i demodulacije omoguuju ranu detekciju oteenja leaja, ali je njihova mana zavisnost od frekventnog opsega nad kojim je anvelopa sraunata, tj.

Algoritam anvelopiranja je prikazan na slici 3. Prednost Cepstrum-a je laka identifikacija pikova, a mana je to ne daje strogo definisan odgovor, tj.

Mana je i zavisnost od frekventne rezolucije spektra. Slika 6. Prva faza oteenja leaja U drugoj fazi su oteenja dovoljno velika da pobude sopstvene frekvencije kuita leaja, slika 7. Slika 7. Druga faza oteenja leaja U treoj fazi e poeti da se pojavljuju defektne frekvencije leaja.

Kako oteenje leaja raste, nivo vrhova na frekvenciji oteenja leaja e se poveavati, slika 8. Vremenski signal i spektar periodinih impulsa Problem zavisnosti od frekventnog spektra se reava korisenjem Zoom-iranog spektra ili spajanjem spektara slika 5.

Spajanjem spektara se brzo dobije spektar sa dovoljnom frekventnom rezolucijom u frekventnom podruju koje nas interesuje. To podruje obino lei u oblasti visokih frekvencija. Princip je sledei: raunaju se tri razliita spektra u tri frekventna osega sa razliitim frekventnim rezolucijama, a rezultujui se dobija preklapanjem slika ova tri pojedinana frekventna spektra.

Na taj nain se dobija frekventni spektar koji, posmatrano na linearnoj skali, nema konstantnu frekventnu rezoluciju, ve frekventnu rezoluciju optimalno prilagoenu potrebama dijagnostike u tim frekventnim podrujima. Slika 8. Trea faza oteenja leaja U etvrtoj fazi e defektna frekvencija razviti harmonike, ime je pokazano da su udarci ei i jai, slika 9.

Slika 9. Kada harmonici postanu vidljivi, pogotovo kada boni pojasevi postanu vidljivi, oteenje e biti vidljivo na leaju. Bilo bi mudro leaj zameniti u ovom trenutku.

Slika 5. Spajanje frekventnih spektara. Slika Peta faza oteenja leaja U estoj fazi oteenja frekvencija e biti 1X pojaana i harmonici od 1X e se pojaviti, slika U sedmoj fazi su defektna frekvencija i boni pojasevi zamenjeni irokim bregom u spektru. Ovo je oekivano zbog obrazovanja irokopojasnog uma, slika Sedma faza oteenja leaja U osmoj fazi iroki breg e rasti, harmonici e rasti sa dodatnom razuzdanou, visoka frekvencija merenja e nastaviti da opada, celokupni irokopojasni um u frekventnom spektru e poeti da raste, slika Eksperimentalni deo je obuhvatio ispitivanje nekoliko razliitih tipova oteenja leajeva: 1.

Osma faza oteenja leaja U devetoj fazi e spektar biti ravan, jer maina ne radi, slika Deveta faza oteenja leaja. Jedan od parametara ukljuen postavkom merenja je anvelopa. Analiza iskaza envelope data je na slikama 16, 17, Na slici Na ovom grafiku se uoava modulacija s obzirom da se amplituda jedne frekvencije menja periodino. Anvelopa kod ispravnog leaja Na slici Praenje i dijagnostika stanja kotrljajnih leajeva je uvek aktuelna tema u oblasti vibrodijagnostke, te se stoga veoma esto razvijaju i predlau nove metode.

Kotrljajni leajevi su prisutni u velikom broju maina i esto se smtraju glavnim krivcima za otkaze na istim, iako je to neopravdano, jer je kotrljajni leaj projektovan da radi dugi niz godina. Procenat prevremeno unitenih leajeva usled neadekvatne ugradnje, nepravilnog podmazivanja, kontaminacije i zamora je vrlo velik.

Iz ovog razloga svaki pogon u ozbiljnim fabrikama mora posedovati odgovarajui hardver i softver za detekciju oteenja leajeva.

Jedna od malobrojnih kompanija koja je uvidela prednost i snagu objedinjavanja metode merenja i analize mehanikih vibracija, metode merenja i anlize buke, metode analize stanja ulja i termografske metode je francuski proizvoa opreme za buku i vibracije 01dB Metravib. Anvelopa kod leaja sa malim zazorima Pri malom zazoru slika Kratka biografija: Sanja Gardinovaki roena je u Zrenjaninu Fakultet tehnikih nauka iz oblasti Mainstva, Mehanizacija i konstrukciono mainstvo, upisala je Diplomirala je Anvelopa kod leaja sa velikim zazorima Na slici Mr Ninoslav Zuber roen je u Bakoj Topoli Od Prednosti koje nude vetake neuronske mree uinile su da one postanu nezaobilazni alat u reavanju sve sloenijih problema koji se javljaju u proizvodnji.

U radu su prikazani osnovni koncepti vetakih neuronskih mrea i njihova primena pri operacijama glodanja. Cilj je bio da se da pregled istraivanja i dostignua u primeni vetakih neuronski mrea u proizvodnim procesima eonog glodanja a zatim izvri odreivanje zavisnosti postojanosti alata i temperature rezanja od reima rezanja i irine pojasa habanja.

Abstract Artificial neural networks in recent years been successfully applied in many fields. The advantages offered by artificial neural networks have made that they become indispensable tools to solve increasingly complex problems that occur in production.

This work presents the basic concepts of artificial neural networks and their application in Milling Operations. The aim was to provide an overview of research and achievements in the application of artificial neural networks in manufacturing processes face-milling and predict relationship for tool life and cutting temperature versus cutting conditions and width of flank wear land Kljune rei: Neuronske mree, eono glodanje, Temperatura, Postojanost.

One sa svojom strukturom, sposobnou uenja i nainom funkcionisanja uopte, predstavljaju sisteme vrlo primenljive u konkretnim industrijskim problemima kao to su operacije eonog glodanja.

S obzirom na to, odreivanje parametara obrade kao to su temperatura i postojanost koristei vetake neuronske 2. Bioloki neuron je osnovna jedinica sredinjeg nervnog sistema. Ukupni broj neurona u nervnom sistemu oveka iznosi oko Neuroni su svrstani tako da je svaka pojedina skupina zaduena za odreene funkcije. Unutar same skupine neuroni su vrsto povezani tako da na ulaze jednih neurona dolaze izlazi drugih neurona.

Veze mogu biti i povratne. Sam neuron sastoji se od tela neurona, dendrita i aksona. UVOD Vetake neuronske mree su jedna od najpopularnijih tehnika vetake inteligencije ija je primena u reavanju problema vezanih za proizvodnju zapoela krajem ih godina prolog veka. Od tada je objavljen veliki broj radova koji se odnose na primenu vetakih neuronskih mrea pokrivajui irok spektar proizvodnih procesa, operacija i aktivnosti.

Podruje primene vetakih neuronskih mrea u proizvodnji je iznenaujue veliko i pokriva razliite oblasti od projektovanja proizvodnih sistema i procesa pa do upravljanja proizvodnim sistemima i procesima.

Vetake neuronske mree su prepoznate kao neizbean alat ijom se primenom moe postii: poboljanje kvaliteta proizvoda, poveanje proizvodnosti, smanjenje vremena odziva sistema, poveanje pouzdanosti itd. Model prirodnog neurona Spojevi izmeu dendrita jednog neurona i aksona drugog nazivaju se sinapse.

Telo neurona se naziva vor ili jedinica. Osim prikazanog statikog modela neurona na slici 2 postoji i dinamiki model neurona koji u obzir uzima dinamika svojstva biolokih neurona. Takav dinamiki model dobije se ako se statikom neuronu doda na ulaz povratni signal i s izlaza neurona. Model vetakog neurona 2. S obzirom na broj slojeva u kojima su rasporeeni neuroni, razlikuju se jednoslojne i vieslojne vetake neuronske mree.

Kod mrea sa vie slojeva, obino svaki sloj prima ulaze iz prethodnog sloja, a svoje izlaze alje narednom sloju. Prvi sloj se naziva ulazni, poslednji je izlazni, ostali slojevi se obino nazivaju skrivenim slojevima. Jedna od najeih arhitektura neuronskih mrea je mrea sa tri sloja. Prvi sloj ulazni je jedini sloj koji prima signale iz okruenja. Prvi sloj prenosi signale sledeem sloju skriveni sloj koji obrauje ove podatke i izdvaja osobine i eme iz primljenih signala. Podaci koji se smatraju vanim se upuuju izlaznom sloju, poslednjem sloju mree.

Na izlazima neurona treeg sloja se dobijaju konani rezultati obrade. Sloenije neuronske mree mogu imati vie skrivenih slojeva, povratne petlje i elemente za odlaganje vremena, koji su dizajnirani da omogue to efikasnije odvajanje vanih osobina ili ema sa ulaznog nivoa.

Danas se uglavnom izuavaju i primenjuju vieslojne neuronske mree koje pored ulaznih i izlaznih slojeva sadre neurone na srednjim skrivenim slojevima. Vieslojne feedforward mree Dinamike mree su po strukturi iste kao i vieslojne mree s tom razlikom da imaju barem jednu povratnu vezu. Povratna veza podrazumeva da se na ulaz dovodi zakasneli signal izlaza. Uenje je osnovna i sutinska osobina neuronskih mrea. Neuronske mree ue na primerima. Primera bi trebalo da bude to vie kako bi se mrea u kasnijoj upotrebi ponaala to preciznije.

Sutina procesa uenja je da on dovodi do korigovanja sinaptikih teina. Kad ulazni podaci koji se dovode mrei vie ne dovode do promena ovih koeficijenata, smatra se da je mrea obuena za reavanje nekog problema. Obuavanje se moe vriti na nekoliko naina, ali bez obzira na korieni algoritam uenja, procesi su u sutini vrlo slini i sastoje se od sledeih koraka: 1. Kada se izvre svi primeri, auriraju se vrednosti sinaptikih teina, i ako je greka ispod zahtevane vrednosti smatra se da je mrea obuena.

Pored strukture, algoritam uenja je najvaniji faktor razlikovanja meu neuronskim mreama. Trenutno, za sloene vieslojne mree, ova zajedniki razvijena back-propagation struktura je model koji je najpopularniji, najdelotvorniji i model koji se najlake ui.

Ova mrea je u upotrebi vie nego sve ostale zajedno. Upotrebljava se za mnoge razliite tipove aplikacija. Ova struktura je proizvela mnogo razliitih tipova mrea sa razliitim topologijama i metodama obuke. Njihova prednost se ogleda u nelinearnom reavanju loe definisanih problema. Tipina backpropagation mrea ima ulazni, izlazni i najmanje jedan skriveni sloj.

Teoretski nema ogranienja u broju skrivenih slojeva, ali je uobiajeno da ih ima jedan ili dva. Da bi se mrea koja ui na osnovu ovog algoritma koristila, potreban je prethodni trening mree. Poevi od izlaznog sloja, razlika greka izmeu eljenih i stvarnih izlaza se rauna da bi se na osnovu nje popravile vrednosti teina u prethodnom sloju. Princip se jasno vidi na slici 4. Procedura ovog algoritma sastoji se iz sledeih koraka: l.

Inicijalizacija teina sluajna. Uitavanje ulaznog vektora i eljenog izlaza. Proputanje ulaznog vektora kroz mreu i dobijanje izraunatog izlaza. Izraunavanje greke. Podeavanje teina idui unazad od izlaznog sloja ka skrivenim slojevima. Algoritam greke 2. Danas neuronske mree predstavljaju veoma atraktivnu oblast istraivanja i postoje brojne oblasti u kojima se koriste. Primenjuju se za: prepoznavanje oblika, prepoznavanje rukopisa, prepoznavanje govora, finansijske i ekonomske modele, predvianje kretanja cena na tritu, upravljanje sistemima, upravljanje proizvodnim procesima, analizu elektrinih kola, psihijatrijske procene, kompresovanje podataka, naftna istraivanja, kriminoloka istraivanja, analizu medicinskih testova, ispitivanje EEG i EKG signala, pronalaenje optimalnog reenja, upravljanje robotima, analiziranje podataka pri pirolizi i spektroskopiji, u bio raunarskim sistemima, vremensku prognozu i u drugima oblastima.

MATLAB je iroko rasprostranjen na univerzitetima i viim kolama, na uvodnim i naprednim kursevima iz matematike, prirodnih nauka i, naroito, inenjerskih oblasti. MATLAB pored svojih razvojnih i programabilnih mogunosti poseduje jo jednu zaista monu alatku koja je jedna od osnovnih odlika ovog paketa.

To su toolboxovi. Skup ovako kreiranih funkcija m-fajlova objedinjenih u jednu celinu predstavlja osnovnu strukturu toolboxa. Toolboxovi dakako predstavljaju mnogo vie od kolekcije upotrebljivih fajlova, jer je u njima objedinjen trud velikih svetskih istraitelja u raznim podrujima nauke.

Neural Network Toolbox obezbeuje kompletni inenjering neuronske mree u Matlab okruenju poevi od dizajna preko treninga do simulacije raznih algoritama neuronskih mrea koji su u Matlabu prezentovani poev od osnovnog modela Perceptrona pa do najsloenijih tzv. Na slici 5. Za obuanja neuronskih mrea koristili smo programski je jezik MatLab.

Obuka i testiranje su najvanije osobine neuronske mree zato to upravo obuka i testiranje odreuju njene karakteristike. Prilikom obuke prvi korak je unoenje pitanja na koja znamo odgovor. Mrea odgovara na pitanje, a odgovor se uporeuje sa tanim odgovorom. Zatim, teina veza izmeu individualnih neurona se menja dok mrea ne da taan odgovor na postavljeno pitanje. Ovaj postupak se ponavlja sve dok vetaka neuronska mrea nije adekvatno obuena.

Oekivani rezultat je stvaranje neuronske mree koja moe da odgovori na pitanje za koje nemamo poznat odgovor. Tanost odgovora se zatim proverava postavljanjem drugih pitanja na koja znamo odgovor.

Obuka e odrediti da li neuronska mrea moe da prui oekivani odgovor, ako to ne moe pristupa se ponovnoj obuci mree. Ovaj proces se ponavlja dok mrea ne prui zadovoljavajue rezultate. Proces obuke mree ne treba da proe kroz prevelik broj faza jer e tako zbog prezasienosti izgubiti svoju sposobnost generalizacije. Mrea sakuplja sve vie i vie detalja iz podataka za obuku koji nisu relevantni za rezultate testa.

Ovo moe poveati uestalost greke kod odreenih podataka koji se unose u mreu, a mrea gubi svoju sposobnost generalizacije koja je neophodna za dobar rad mree.

VNM su se pokazale vrlo uspeno bilo da je re o: kontroli kvaliteta, rasporeivanju resursa, planiranju proizvodnje, upravljanju,simulaciji, modeliranju i mnogim drugim aktivnostima. Prepoznat je veliki znaaj VNM u reavanju najrazliitijih problema proizvodnje. VNM ne treba shvatiti kao zamenu za klasine metode.

Njihove prednosti se naroito iskazuju kroz integraciju sa klasinim tehnikama i ostalim metodama vetake inteligencije.

Kratka biografija: Danilo Janjatovi roen je u Travniku Diplomski-master rad na Fakultetu tehnikih nauka iz oblasti Proizvodnog Mainstva Fleksibilne tehnologoje, sistemi i raunarom integrisana proizvodnja, Rezanje metala odbranio je Dr Pavel Kova roen je u Bakom Petrovcu Doktorirao je na Fakultetu tehnikih nauka Oblasti njegovog interesovanja su procesi obrade skidanjem materijala, nekonvencionalni postupci obrade, teorija obrade rezanjem.

Tabela 1. Oekivane vrednosti, dobijene vrednosti i procenet odstupanja Rezultati dobijeni primenom dobijene neuronske mree, dati u tabeli 1. U prva tri sluaja dobijaju se i vie nego odlini rezultati dok se u poslednja dva sluaja procenat odstupanje poveava. Ovo pokazuje da je izabrani algoritam dobar, ali da je broj ulaznih informacija nedovoljan. Raznovrsnost i priroda problema koji se javljaju pri reavanju proizvodnih zadataka stvorili su pogodne uslove za primenu VNM.

Borislav Savkovi roen je u Novom Sadu Diplomski-master rad na Fakultetu tehnikih nauka iz oblasti Proizvodnog Mainstva Fleksibilne tehnologoje, sistemi i raunarom integrisana proizvodnja, iz predmeta Rezanje metala odbranio je Za ova istraivanja je neophodno koristiti ultra precizna merenja zbog ega je neophodno imati AFM atomski mikroskop ija tanost dostie 2 nm.

Abstract The purpose of this paper iz to investigation effects of wear tribological couple at the nanometer scale. For this examine is necessary have the AFM atomic force microscope.

Kljune rei: Fenomeni habanja. Atomski mikroskop AFM. UVOD Cilj inenjerstva povrina je istraivanje ojaavanja povrinskog sloja delova da obezbedimo maksimalnu otpornost na dejstvo spoljnjih optereenja. Dejstvo ovih spoljnjih optereenja moe biti veoma kompleksno imajui u vidu da:. Ojaavanje povrinskog sloja moemo ostvariti na vie ali moderne tehnologije uglavnom se baziraju na:. Prevlaka je novi sloj materijala naneen na podlogu, osnovni materijal, uz meusobno povezivanje.

Modifikovani sloj predstavlja uvoenje materijala hemijskog elementa u atomarnom stanju u povrinu osnovnog materijala gde se efekat ojaavanja postie stvaranjem intersticijskih i supstitucijskih vrstih rastvora, stvaranjem novih faza i dislokacijama.

Osnovne osobine prevlake i modifikovanog sloja moraju biti takve da novodobijeni povrinski sloj poseduje mnogo bolje osobine nego prvobitni sloj. Jedna od najvanijih osobina kod povrinskih slojeva je otpornost na habanje, jer ona bitno utie na ivotni vek radnog predmeta.

Zbog toga se velika panja u mainstvu posveuje istraivanju fenomena habanja i poveanja otpornosti na habanje. Danas se mainstvo razvija u pravcu sve preciznijh maina i alata da bi se proizveli radni predmeti sa izuzetnom preciznom i kvalitetnom povrinom. Postoji oblast ultrapreciznog mainstva gde se tanost dimenzija propisuje u nanometrima. Zbog toga se i od alata odnosno delova maina alatki trai nano preciznost. To znai da alat nesme da izgubi u toku procesa habanja vie desetina nanometara a da pri tome ne izgubi svoju tanost i funkcionalnost.

U ovom diplomskom radu su vrena merenja fenomena habanja na uzorcima prevuenim sa TiN na razliitim temperaturama depozicije i sa razliitom polaznom hrapavou povrine. Cilj ovog merenja je istraivanje da li postoji uticaj temperature depozicije i prelazne hrapavosti na efekte trenja i habanja TiN prevlaka. Karakteristike trenja i habanja kao osnovnih tribolokih parametara u velikoj meri zavise od specifinosti primenjenog tribolokog sistema, radnih i tehnolokih karakteristika kao to su optereenje, temperatura, hrapavost, uticaj sredine, uslovi dodira i drugo.

Kod analize trenja razmilja se o kontaktnom trenju i ono predstavlja otpor relativnom kretanju dva tela u kontaktu izmeu kojih deluje normalni napon. Fiziko hemijski procesi u kontaktu kojima se objanjava fenomen kontaktnog trenja veoma su kompleksni. Kontaktno trenje je negativna pojava jer utie na poveanje potrebne sile za rad, na habanje alata i delova maina, pri tome je jedini izuzetak proces valjanja gde je trenje uslov odvijanja procesa.

Vano je uoiti prirodu trenja. Priroda trenja. Moramo razlikovati trenje u kinematskim sklopovima i trenje u tehnologijama plastinog deformisanja. Posmatranjem rezultata AFM merenja na istom mestu ali sa pomeranjem mernog pipka uzduno ili popreno na trag habanja dobijaju se vidljivo razliiti izgledi 3D predstave zone habanja. Na veliinu kontaktnog trenja utiu razliiti faktori kao to su, vrsta procesa obrade, vrsta materijala tela u kontaktu, temperatura, podmazivanje, stanje kontaktnih povrina.

Triboloke interakcije vrstih povrina izloenih meusobnom kontaktu i uticaju okoline moe da dovede do gubitka materijala. Proces koji dovodi do gubitka materijala je poznat kao habanje. Od mnogih naina habanja kao neki od najuticajnijih mogu da se navedu; abrazija, erozija, korozija ili hemijsko habanje i kavitacija.

Triboloka ispitivanja se mogu izvoditi u razliitim uslovima ali neophodnost ispitivanja tvrdih prevlaka u laboratorijskim uslovima je u injenici da direktna primena na realnim elementima moe dovesti do neeljenih posledica. Vaan zadatak u tribologiji je izbor maine za ispitivanje. Za ispitivanje se koriste i najjednostavnije i sloene tehnika testiranja. Tribometer Linearnog recipronog habanja, konfiguracije kuglica na ploi, esto se koristi za jednostavna merenja, dok za cikluse visokih zahteva, testove tankih prevlaka i velikih brzina, moe biti odgovarajua primena jednosmernog , pin na disku, tribometra.

Nove tehnike ispitivanja materijala zahtevaju razumevanje tribologije na nivou nanometarskih veliina. U dananje vreme AFM je postao ureaj koji se rutinski primenjuje za triboloka prouavanja u nanometarskim veliinama. Naroita prednost primene AFM u tribologiji ukljuuje direktnu trodimenziono vizuelizaciju tragova habanja i topografije povrine.

Pri tome je varirana temperatura depozicije dva uzorka su deponovan na C dok su druga dva deponovana na C. Triboloka ispitivanja su raena na ureaju za reciprono klizanje na Mainskom fakultetu u Kragujevcu pri emu su varirane veliine optereenje i brzina klizanja tribolokog para.

U ovom diplomskom radu su prikazani rezultati dobijeni sa optereenjem od 1. AFM 3D izgled povrine habanja na sredini zone recipronog klizanja Y osa. Sam ljeb je mnogo iri od prethodnog kod uzorka 1 tako da zauzima skoro ceo opseg merenja. Ovde je AFM bio podeen na opseg 90x90 m. Slika predstavlja sliku koju imamo na ekranu AFM ureaja. Povuene su dve vertikalne linije popreno na trag habanja. Markeri A pokazuju da je irina ljeba 42,19 nm kod linije 1, dok je kod linije 2 izmereno 45,70 nm.

Odavde je vidljivo da se irina ljeba odreuje sa velikim uticajem subjektivne procene, poto granice ljeba habanja nisu sasvim jasno vidljive bar kod ovog uzorka. Dubina ljeba je kod linije 1 ,3 nm a kod linije 2 ,7 nm. Sumarni pregled rezultata dobijenih merenjem na uzorcima 1 4 Ra [nm] Uzorak r. Preliminarni pregled zone habanja pomou SEM pokazuje makroizgled zone habanja i daje grubu sliku o ukupnom efektu habanja.

Naravno da detalji SEM analize sa veim poveanjima pomau u sagledavanju rezultata procesa habanja ali kvantometarski rezultati o detaljima prosesa habanja mogu se dobiti tek nakon AFM analize uzorka i dodatnih obrada rezultata uz pomo adekvatnog softvera.

Na osnovu izvrenih merenja sa AFM ureajem moe se zakljuiti da su efekti habanja bili vie izraeni kod uzoraka TiN prevlaka deponovanih na viim temperaturama, nakon poreenja vrednosti irine ljeba. Ovi rezultati su u korelaciji sa vrednostima dobijenih vrednosti za koeficijent trenja vea vrednost koeficijenta trenja odgovara i veim irinama ljeba habanja.

Uticaj polazne hrapavosti uzorka na vrednosti koeficijenta trenja je vidljiv, poto se vei koeficijent. Imajui u vidu obim diplomskog rada i saglasno tome obim ispitivanih uzoraka ne mogu se davati opte vaei zakljuci, ali je nesporno da se ispitivani fenomeni trenja i habanja TiN prevlake mogu veoma uspeno i na nov nain istraivati uz pomo merenja na AFM.

KAKA,; B. KORI,; S. BABI,; P. Kosta Vlaisavljevi, diplomski master rad na Fakultetu tehnikih nauka iz oblasti proizvodno mainstvo odbranio je Ispitivanja su izvrena pri rezanju dve vrste nodularnog liva legiranog bakrom. Pri ispitivanju je koriena virtualna instrumentacija projektovana za merenje otpora pri rezanju.

Tokom ispitivanja praena je promena ortogonalnih komponenti otpora u vremenu odreena je zavisnost komponenti otpora rezanja od reimi rezanja. Abstract In the paper experimental investigations of cutting forces during face milling are presented. Investigations were provided during milling of two kinds of nodular cast iron alloyed with copper.

In investigations was used virtual instrumentation projected for cutting forces measurement. During investigation orthogonal cutting forces components versus time were measured and relationships for cutting forces components versus cutting conditions were determined.

Kljune rei: glodanje, sile rezanja, koren strugotine. Ductile Iron , tj. Stoga je neophodno znati ponaanje materijala pri obradi rezanjem pri raznim reimima obrade i usmeriti istraivanja prema zadovoljavajuim rezultatima obrade. Mehanike osobine nodularnih livova i ADI materijala kao ilustracija su prikazani u tabeli 6.

Austemperovanje poboljava sve mehanike osobine nodularnog liva, tako da dolazi do poveanja vrednosti vrstoe i tvrdoe od 1. Ovaj porast mehanikih osobina je uslovljen promenom mikrostrukture iz preteno perlitne kod NL u ausferitnu kod ADI materijala. UVOD Da bi se izvrilo rezanje, potrebno je alatom delovati na predmet obrade. Sila kojom delujemo alatom na predmet obrade naziva se sila rezanja. Ova sila ima isti intenzitet i pravac, a suprotan smer od otpora rezanja.

Polazei od pretpostavke da je za inenjerske proraune mogue prihvatiti aproksimaciju da se deformisanje i smicanje materijala u zoni rezanja odigrava u tankom sloju koji se moe predstaviti jednom ravni ravan smicanja stvoren je osnovni model za analizu sila rezanja pri ortogonalnom rezanju opti sluaj rezanja.

U radu akcenat je, pre svega, stavljen na posmatranje i analizu sila i otpora pri rezanju i njihovu promenu u odnosu na variranje reima rezanja. Nodularni liv je liveno gvoe kod koga se grafit tokom procesa livenja izdvaja u vidu nodula, tj.

Ovakav oblik grafita je izrazito povoljan zbog ega nodularni liv u odnosu na sva ostala livena gvoa poseduje uz visoku vrstou i najveu duktilnost. Mikrostruktura nodularnog liva NL i ADI materijala u poliranom i nagrienom stanju su date na slici 1 a-c. Eiji finally starts to face his own feelings to Josei, Romance, Smut. Buchou to Junshin?

They are very dim when it comes to romance, poked at for acting like pure-hearted t Sayu was quite surprised when the popular Yano-senpai told her that he likes her. Nevertheless, she is still happy to go out with him. But when others start asking why would Yano-senpai want to go out with s Action, Seinen. Adventure, Drama, Fantasy, Harem, Shounen. Magnus is a skilled wizard with the ability to use various attributes. Unfortunately the leader of his party orders him to cast spells that have no effect on the monsters they fight.

The members of his party Fantasy, Romance, Shounen. A different world with clerical skills?! Restructuring office lady's, Shiina Kiyohara, job change was in the world of the RPG Yggdrasil Saga, where she had been playing hard all the time!