Ростислав машин: Ростислав Машин: о чудесном макромире | Российское фото

Содержание

Ростислав Машин: о чудесном макромире | Российское фото

Фото:Ростислав Машин

Текст:Ростислав Машин

Фотограф, путешественник и участник клуба «Российское Фото» Ростислав Машин рассказывает об одном из самых любимых своих мест.

Байкал… Пожалуй, с трудом найдется человек (не то что в России — в мире), который хоть раз в жизни не слышал об этом легендарном озере.

Уникальная природа заповедных территорий Прибайкалья и Забайкалья никого не оставляет равнодушным — будь то фотограф, художник, путешественник или ученый-исследователь.

Впервые побывав на Байкале летом 2010 года, я на протяжении шести лет возвращаюсь туда снова и снова, по нескольку раз в год: мне удалось застать и сибирские 35-градусные морозы, и яркую прибайкальскую весну, когда местами еще лежит снег, но вовсю уже цветет «сибирский багульник» — рододендрон даурский.

Моя любовь к Байкальской природе началась не с любования восходами и закатами, простирающимися над кажущейся бесконечной водной гладью, которые, без сомнения, незабываемы, а с погружения в микромир Прибайкалья в районе небольшого поселка Большие Коты, расположенного прямо на берегу озера. «Маленькая жизнь» летом на берегах Байкала прямо-таки кипит — не зря в поселке находится байкальская биологическая станция Научно-исследовательского института биологии ИГУ, где проходят практику студенты-биологи со всего мира, изучая редкие и эндемичные виды растений и животных.

За шесть лет съемок в Иркутской области, на территории Прибайкальского национального парка, в окрестностях поселков Большие Коты, Листвянка и Хужир (о. Ольхон), накопились десятки, если не сотни кадров, самые интересные из которых я предлагаю вашему вниманию в этой подборке.

«Долгая дорога домой».

Черный муравей-древоточец, Прибайкалье, окрестности поселка Большие Коты. Один из первых кадров, снятых в окрестностях поселка Большие Коты в 2010 году.

«Скалолаз». Рыжий лесной муравей штурмует горноколосник, снято на территории Прибайкальского национального парка.

«В лабиринтах горноколосника».

Рыжий лесной муравей на горноколоснике, снято на территории Прибайкальского национального парка.

«Микрокосмос». Cкакун, самочка. Паучок высотой чуть больше 2 мм.

Очень любопытный, подвижный, в случае опасности отпрыгивает на расстояние, в десятки раз превышающее длину собственного тела.

«Эквилибрист». Скакун, поселок Большие Коты.

«Волчий характер».

Этот паук — одиночка, живет в норках, паутину для ловли добычи не плетет,

по ночам выбирается из норы и отправляется на охоту. Снято на территории Прибайкальского национального парка, о. Ольхон.

«В засаде».

Паук-крестовик, Прибайкалье, окрестности поселка Большие Коты.

«Водяной».

Личинки стрекоз — распространенные обитатели пресноводных водоемов: прудов, озер и болот.

Хищники, живут и стерегут добычу на дне и стеблях водных растений.

«Подводный серфер».

Серия портретов прудовой улитки, обитательницы небольшого лесного озера в Иркутской области.

Зеленая пяденица, ночная съемка в окрестностях поселка Большие Коты.

«Суровый».

Тополевый бражник. Ночная съемка в районе озера Байкал, поселок Большие Коты, Иркутская область.

«Плюшевый».

Рыжая павлиноглазка, или ночной павлиний глаз рыжий, самец.

Ночная бабочка, обладающая плотным мохнатым тельцем с перистыми антеннами, дневному павлиньему глазу не родственна.

Снято ночью в окрестностях поселка Большие Коты, Прибайкалье, Иркутская область.

«Под ночным дождем».

Корейский муравьиный лев в укрытии на ветки полыни, ночная съемка,

окрестности поселка Большие Коты.

«Ночной полет».

Муравьиный лев обыкновенный,

ночная съемка.

«Лечу к тебе».

Жуки-усачи, снято на территории Прибайкальского национального парка.

«Свидание».

Гусеница пяденицы (пяденица-обдирало), снято на территории Прибайкальского национального парка.

Длинноусая моль. Снято на территории Прибайкальского национального парка.

Ребристый рагий. Окрестности поселка Большие Коты.

Правила жизни. Ростислав Машин

Сегодня мы хотели бы познакомить вас с фотографом Ростиславом Машиным. Его работы пронизаны особенно бережным отношением к окружающей нас природе.

«У творчества нет границ, все преграды — только в голове. Я получил хорошее техническое образование, но до 20 с небольшим лет — до окончания института — перепробовал множество профессий, от диджея до верстальщика и веб-программиста, просто осваивал ту профессию, которая казалась мне интересной, искал себя, и ни разу не пожалел об этом. Полученные навыки не пропали зря и периодически очень выручают.

В один прекрасный момент я понял, что творчество в любом его проявлении —это и есть моя жизнь. Стоит только начать пытаться понимать окружающий мир, пропускать эмоции через призму собственного восприятия и реализовывать в виде творческих проектов, неважно в каком жанре, в какой профессии — и остановиться уже невозможно.

У меня было достаточно много рутинных съёмок — предметов, архитектуры. Отдельные съёмки не запомнились, но всё равно отложились в подсознании, были полезны в плане технических навыков. А вот то, что запомнилось, — это не конкретная фотосессия, а целая серия путешествий по Байкалу с Байкальской академией фотографии. Практически случайно побывав на Байкале в первый раз, я продолжаю возвращаться туда снова и снова, помню и летние макросъёмки, и съёмки в тридцатиградусные зимние морозы в компании с прекрасными местными фотографами-единомышленниками, искренне влюблёнными в родную природу.

Источником вдохновения для меня служит геометрия форм живой природы. Все самые совершенные, гармоничные конструкции и соединения созданы природой, в их основе лежат единые законы; многие архитектурные конструкции, созданные человеком, заимствуют структуру и форму у природы, и от падающего с неба кристаллика льда до сложного инженерного узла, на самом деле, один шаг…

Целенаправленно фотографии я не учился, просто сложилось так, что фотография в определённый момент стала частью моей работы. Дело в том, что фотоаппарат впервые в жизни я взял в руки достаточно поздно — после того как закончил институт, начал работать архитектором, преподавать на кафедре начертательной геометрии и графики и заниматься работой, посвящённой изучению особенностей зрительного восприятия человеком различных архитектурных объектов. Собственно, фотосъёмка изначально была частью этой работы — техническая составляющая мне далась достаточно легко, а законы геометрии и композиции — это то, чем я уже занимался несколько лет, и фотосъёмка быстро и органично вписалась в мою жизнь. Хотя по особенностям отдельных жанров съёмки пришлось, конечно, изучать статьи и мастер-классы.

Фотографу любого уровня очень важно показывать свои работы, научиться беспристрастно оценивать собственное творчество и адекватно воспринимать критику. Хотя критика критике рознь, простое чтение комментариев к работам может как очень подбодрить, так и деморализовать, причём комментарии далеко не всегда объективны. Наверняка практически всем пейзажным фотографам приходилось читать комментарии в стиле: «Не верю! Это фотошоп!» от «диванных критиков», не покидавших пределы родной комнаты.

При этом так хочется донести до зрителей, что в природе и на самом деле бывают такие волшебные моменты, яркость красок которых фототехника не всегда способна передать. Для себя я взял за правило всегда прислушиваться к советам профессионалов и более опытных коллег и мысленно фильтровать комментарии в Интернете, которые не всегда бывают объективны.

Я уже рассказывал про Байкал, как одна небольшая и практически случайная поездка вылилась в целую серию интересных путешествий. Очень хочу доснять серию байкальских фотографий и организовать большую выставку, посвящённую Байкалу в разные времена года — чтобы донести до людей хрупкость красоты этого уникального места. Кроме Байкала, есть мечта поснимать орхидейных богомолов в их естественной среде обитания. Hymenopus coronatus — мои любимые богомолы, очень интересные существа.

Каких-то особенных профессиональных секретов у меня нет, главный секрет — терпение, это скорее черта характера… Бывали случаи, когда ради одного кадра я проводил около какого-нибудь насекомого 2—3 часа.

Так как мой любимый жанр — макросъёмка в живой природе, то мой излюбленный приём — наблюдение за «моделью». Зная, как поведёт себя насекомое в тот или иной момент, можно сделать не просто кадр «в лоб», а поймать живой, эмоциональный кадр.

Планов по фотосъёмке у меня достаточно много, в основном они связаны с путешествиями по России. Есть вполне осуществимые планы по выпуску альбома и организации выставок. Кроме того, у меня большой опыт работы преподавателем, и эта профессия мне действительно нравится — хочется достичь такого уровня съёмки, который позволит мне составить и провести действительно интересный и полезный авторский курс фотографии.

Учитесь чувствовать живую природу, быть на одной волне с окружающим миром, и пусть взгляд на мир через объектив поможет вам в этом. Если вы увлеклись фотографией, не обязательно пытаться стать профессионалом. В любом случае, через некоторое время вы почувствуете, что ваше мироощущение чуть изменилось, и это прекрасно, пускай увлечение фотосъёмкой поможет вам в жизни, чем бы вы ни занимались.

А себе я бы хотел пожелать больше путешествий».

Техника Ростислава:
Nikon D3;
Nikon D800;
AF-S VR Micro-NIKKOR 105 mm f/2.8G IF-ED;
AF-S NIKKOR 24–70 mm f/2.8G ED;
AF-S NIKKOR 24-85 мм f/3,5–4,5 G ED VR;
AF VR Zoom-NIKKOR 80-400mm f/4.5-5.6D ED.

Подробнее с работами фотографа вы можете ознакомиться по ссылкам:
www.foto-machine.com
www.facebook.com/rostislav.mashin
Вам понравились фото? Поддержите фотографа комментариями!

Капелюшников Ростислав Исаакович — Национальный исследовательский университет «Высшая школа экономики»

2007

«Производительность труда, реальная заработная плата, удельные издержки на рабочую силу». // Вестник Левада-центра. 2007. №2.

«QWERTY против DSK: методологические заметки на полях дискуссии» // Истоки. Из истории изучения экономики как структуры и процесса. М.: Издательский дом ГУ ВШЭ. 2007.

«Skill shortages and training in Russian enterprises». W.: World Bank. 2007 (в соавт.).

2006

«И еще раз – о теореме Коуза». // Мировая экономика и международные отношения. 2006. №6.

«Российский рынок труда сквозь призму предпринимательских опросов: ретроспективный анализ» // М.: ИМЭМО РАН. 2006.

2005

 «Концентрация собственности и корпоративный ландшафт современной мировой экономики». // Отечественные записки. 2005. №1.

«Социальный и человеческий капитал России: проблемы измерения и особенности эволюции». // Проблемы человеческого и социального капитала. М.: ИМЭМО РАН. 2005.

«Человеческий капитал России» // Человеческий капитал России. М.: Никитский клуб. 2005.

Российский рынок труда: адаптация без реструктуризации // Переходная экономика: теоретические аспекты, российские проблемы, мировой опыт. Отв. ред. В.А. Мартынов, В.С. Автономов, И.М. Осадчая. М.: ЗАО Издательство «Экономика». 2005.

2004

«Неоинституционализм». // Отечественные записки. 2004. №6.

«Теорема Коуза». // Отечественные записки. 2004. №6.

«Формы собственности». // Отечественные записки. 2004. №6.

2003

Российская безработица: динамика, структура, специфика. М.: МОНФ. 2003 (в соавт.).

«Новый Трудовой кодекс: принес ли он перемены?» // Вестник общественного мнения. 2003. №2 (в соавт.).

2001

«Задержки заработной платы: микроэкономический анализ». // Зарплата и расплата. Под ред. Т. Малевой. М.: Московский фонд Карнеги. 2001.

«Где начало того конца?.. (заметки об институциональной природе переходных обществ)». // Вопросы экономики. 2001. №1.

1991

«Экономическая теория прав собственности (методология, основные понятия, круг проблем)». // М.: ИМЭМО РАН, 1991.

Жена белорусского игрока в амфут Стефановича о задержании мужа: «Когда подсчитала, во сколько лет заключения все может вылиться, у меня началась истерика» — Американский футбол

Жена белорусского игрока в американский футбол Ростислава Стефановича Кристина рассказала о задержании мужа в Минске. 

31-летний минчанин Стефанович работает архитектором и дизайнером интерьеров. Свободное время он посвящает американскому футболу, играя за «Минских зубров». В августе Ростислав стал членом расширенного состава Координационного совета. 

29 сентября Стефанович был арестован. Его обвиняли в участии в массовых беспорядках в Минске, их организации и обучении людей, намерении поджечь ларек и умышленной блокировке дорог. Позже следователи остановились на части 2 статьи 293 УК РБ (участие в массовых беспорядках). Максимальный срок наказания по данной статье – до восьми лет лишения свободы.

С момента задержания Стефанович, в октябре признанный политзаключенным, несколько раз менял места заключения. 16 января ему было предъявлено дополнительное обвинение по части 3 статьи 218, где описывается наказание за умышленное уничтожение либо повреждение имущества, повлекшее по неосторожности смерть человека или иные тяжкие последствия. Срок наказания – от 7 до 12 лет.

– Может, искали то, чем Ростислав якобы хотел подпалить ларек? Ведь ему же приписывали и это.

– Не знаю, если честно. Да и никто ничего не поджигал. Ростислав ездил и встречался с парнями, с которыми познакомился по переписке в чате, чтобы обсудить варианты, что делать дальше, как поступать в той или иной ситуации. Сейчас я прекрасно понимаю, что в этом чате был подстрекатель, подставное лицо. Он в чате был наиболее активен, призывал поджечь ларек. От Ростислава было всего два сообщения. В первом он поставил только плюс, что согласен на встречу, во втором сообщении он заметил, что поджог – это не вариант. И это все.

Тем не менее, он поехал на встречу, и, как мне потом рассказали, есть даже видео, как мужа и других парней на этой встрече задерживали. Я вам точно скажу, что никто ничего не собирался поджигать. Но, как мне потом рассказала адвокат со слов мужа, какой-то парень к ним подошел, у него в руках был сверток – и тут же налетели силовики. Однозначно, это подстава, потому что реально никто ничего подобного не хотел делать. И на допросе, после избиения, Ростислав сразу же сказал, что приехал на встречу обсудить другие варианты. Знаю своего мужа и могу точно сказать, что он на какой-то криминал точно бы не пошел.

– А еще ему приписали «участие в массовых беспорядках».

– Да, обвинили в участии в событиях с 10 по 12 августа. Но я знаю, что он и близко не был рядом с теми событиями. У меня получилось взять распечатку биллинга на мой телефон, и эти данные невиновность мужа доказывали, так как он всегда был со мной. А взять биллинг на его номер телефона (официально) мне нельзя. Только сам Ростислав может его взять. Ну и следователь или адвокат с разрешения следователя. Но разве кто-то будет это делать?! Конечно, нет! В итоге никому этот биллинг не интересен.

Более того, изначально Ростиславу предъявляли то, что он на машине в ночь с 10 на 11 августа блокировал дороги. Но это просто физически невозможно. Мы 31 июля купили машину, 8 августа поехали ставить машину на учет и получать номера. Но номера должны были выдать только 11 августа после 16 часов. Мы оставили машину на стоянке в Ждановичах. Забрали 12 числа после обеда, о чем свидетельствует страховка, оформленная в этот же день. Но все документы остались в машине. Ключи забрали у Ростислава при задержании. Сейчас и на машину наложен арест. Но никто не собирается смотреть какие-либо документы. Всем плевать, у системы своя правда.

– Сколько протоколов сразу составили на Ростислава?

– Пять. Статья 293 часть 1 (организация массовых беспорядков), часть 2 (участие в массовых беспорядках), часть 2 повторно, часть 3 (обучение или иная подготовка лиц для участия в массовых беспорядках), а также статья 310 (умышленное блокирование дорог). Естественно, я была в шоке, когда подсчитала, во сколько лет заключения это все может вылиться, у меня началась истерика, полились слезы. Вы что, охренели? При этом никто ничего не мог объяснить.

Мне вообще следователь, который в пять утра 30 сентября позвонил и сообщил, что Ростислава задержали по уголовной статье, ничего толком не сказал. Просто попросил собрать вещи и привезти их в ИВС на Окрестина. Я не понимала вообще, что происходит. Перезвонила следователю в семь утра, попросила все еще раз повторить, потому что только-только пришла в себя. В ответ услышала: «Всю информацию о передачах найдете на сайте», – рассказала жена Стефановича. 

«Когда мужа избивали силовики, боли он уже не чувствовал». Парень из американского футбола может сесть на 12 лет, у него жена и двое детей

Человек и «каспийский монстр»

Родился Ростислав Евгеньевич 18 декабря 1916 года в городе Новозыбкове Черниговской губернии (ныне Брянская область) в семье учительницы и агронома.

У родителей Ростислава было два сына и две дочери. Детей Алексеевы воспитывали по необычной системе: им ничего не запрещали, не оказывали на них никакого давления.

В 1933 году семья переехала в Горький, где Ростислав поступил учиться на Горьковский вечерний рабфак, одновременно подрабатывая чертежником и художником в различных учреждениях. В семье Алексеевых хорошо рисовали все, а Ростиславу больше всего нравилось рисовать яхты и корабли. И в 1935 году он поступил в Горьковский индустриальный институт имени А. А. Жданова (сейчас Нижегородский государственный технический университет имени Р. Е. Алексеева) на кораблестроительный факультет. Уже учась в институте, Алексеев успел параллельно поучиться в художественном училище. На четвертом курсе способного студента перевели в Ленинградскую военно-морскую академию. Но оттуда его через год отчислили — будущий конструктор не сдал высшую математику. Хотя родные до сих пор считают, что за этим стояла какая-то интрига.

 

Крылья под водой

Алексеев вернулся в Горький, в Индустриальный институт. А 1 октября 1941 года защитил дипломную работу «Глиссер на подводных крыльях».

Тема диплома была выбрана не случайно. Будущий кораблестроитель в студенческие годы увлекался парусным спортом. И задумался над тем, как увеличить скорость движения по воде.

Еще на заре авиационной эры летчики и конструкторы обратили внимание на так называемый экранный эффект — резкое увеличение подъемной силы крыла и других аэродинамических характеристик летательного аппарата при полете вблизи экранирующей поверхности (воды, земли и т. д.). Инженеры искали способы использовать этот эффект на практике.

Ростислав Алексеев пришел к выводу, что путь к увеличению скорости движения на поверхности воды лежит через уменьшение площади контакта судна с водной средой.

После защиты молодой инженер был направлен на завод «Красное Сормово», где с 1941 по 1943 год работал в должности контрольного мастера выпуска танков.

В 1942 году Алексееву были выделены ресурсы на создание боевых катеров на подводных крыльях. Его Центральное конструкторское бюро по судам на подводных крыльях (ЦКБ по СПК) начинало свой путь со старого сарая и троих помощников. В результате осенью 1943-го в заводской гавани был спущен на воду первый образец судна на подводных крыльях А-4. Катер Алексеева не успел принять участия в боевых действиях. Однако созданные им модели показали, что идею можно успешно реализовать.

И уже в 1948 году в Севастополе прошли испытания торпедного катера 123-БИС. С 1949 по 1951 год бюро Алексеева продолжало работать над созданием торпедных катеров на подводных крыльях. А в 1951-м Алексеев и его помощники за разработку и создание судов на подводных крыльях были удостоены Государственной премии.

В 1954 году научно-исследовательская гидролаборатория завода «Красное Сормово» становится филиалом ЦКБ-19. Работами коллектива во главе с Алексеевым заинтересовалось Министерство речного флота, и вскоре ему было выделено финансирование на постройку первого пассажирского теплохода на подводных крыльях «Ракета» — на 66 человек. Его строительство началось летом 1956 года, а летом 1957-го Алексеев представил «Ракету» на суд мировой общественности, эффектно приведя корабль своим ходом в Москву в дни Международного фестиваля молодежи и студентов.

Летом 1957-го Алексеев представил «Ракету» на суд мировой общественности, эффектно приведя корабль своим ходом в Москву в дни Международного фестиваля молодежи и студентов

starscall.ru

А с 1958 года началась история нового класса судов — «Метеоров», которые обладали большей мореходностью, чем «Ракета», что давало возможность использовать их на озерах и для плавания вдоль морского побережья. Первый «Метеор» — на 130 человек — был спущен на воду в октябре 1959 года.

В ЦКБ-19 также были созданы катера «Волга», «Комета», «Спутник», «Буревестник» и «Восход». Все эти скоростные суда на подводных крыльях выпускались серийно. Алексеев часто говорил, что критерий истинности для инженера — серийное производство его изделия. Ежегодно появлялся новый проект. В 1961 году десять сотрудников во главе с Алексеевым получили Ленинскую премию за создание нового транспортного средства. Так за восемь лет начиная с 1956 года был создан скоростной флот России.

После того как правительство с ветерком прокатили на «Метеоре», работы Алексеева взял под свое покровительство Хрущев. Он дал всем начинаниям конструктора зеленую улицу, и две тысячи человек под руководством Ростислава Евгеньевича на протяжении пятнадцати лет ежегодно проектировали, строили и испытывали по пятнадцать-двадцать моделей.

 


На экранном эффекте

Первые идеи использования экранного эффекта пришли к Алексееву в конце 1950-х. В его ранних проектах судов на подводных крыльях уже проявлялись черты экранопланов. Причина обращения к экранному полету проста. Скорость — главный показатель экономичности судов на подводных крыльях. Но на пути дальнейшего повышения скорости вставало мощное препятствие — кавитация подводных крыльев. До Алексеева попытки решить эту проблему сводились к приросту скорости в 10–15 километров. Алексеева это не устраивало, и все основные силы он сосредоточил на экранопланах.

В 1961 году первая самоходная пилотируемая модель Алексеева СМ-1 вышла на лед реки Троцы.

И далее почти каждый год он создавал по пилотируемой модели, а то и по две: СМ-2, СМ-3, СМ-2П7, СМ-4, учебно-тренировочный экраноплан УТ, СМ-5, СМ-6, СМ-8.

Было принято решение о финансировании работ по экранопланам, Военно-морской флот выдал техническое задание на проектирование и постройку «корабля-экраноплана» КМ. Главный конструктор убедил, а заказчик согласился, что наилучшее применение новый корабль (как его по многолетней традиции именовали моряки) найдет в качестве противолодочного.

В начале 1960 года был дан старт этому эксперименту, в 1962-м в ЦКБ началась работа по созданию экраноплана КМ для ВМФ, а в 1964-м — над проектом экраноплана Т-1 для Воздушно-десантных войск. Первый должен был летать на высотах в несколько метров, второй — до высоты 7500 метров.

Как это часто бывает, у Ростислава Алексеева нашлись недруги. В 1965 году его сняли с поста главного конструктора ЦКБ, но назначили главным конструктором направления экранопланов, и 22 июня 1966 года экраноплан КМ, самый крупноразмерный для своего времени летательный аппарат в мире, был спущен на воду. Когда американские разведывательные спутники обнаружили на Каспийском море корабль неизвестной конструкции, анализ фотоснимков показал, что он, подобно самолету, движется с большой скоростью, но летит над самой водой. Неизвестный летательный аппарат получил у американской стороны прозвище «Каспийский монстр».

#image-kit_2498

Но в 1975 году в одном из полетов, когда на борту экраноплана находилась многочисленная комиссия во главе с министром судостроения, пилот допустил ошибку при посадке. Машина потерпела аварию. Оргвыводы были суровыми: Ростислав Алексеев приказом министра судостроительной промышленности СССР был снят с должности главного конструктора и начальника ЦКБ, понижен до начальника отдела, а затем до начальника перспективного сектора.

Мало того, Ростиславу Евгеньевичу запретили присутствовать на испытаниях собственных машин! Но он все равно тайно летал в Каспийск. Благо преданный ему пилот Алексей Митусов, несмотря на возможные неприятности, брал его на борт.

Соратникам создателя советских экранопланов удалось разработать и изготовить в 1985 году боевой экраноплан «Лунь», оснащенный шестью противокорабельными самонаводящимися ракетами «Москит»

ЦКБ по СПК им. Р.Е. Алексеева

В эти годы, чтобы отвлечься от неприятностей, опальный конструктор занимался живописью. Последние годы жизни Ростислав Евгеньевич был увлечен разработкой экраноплана второго поколения.

Но при испытании модели нового пассажирского экраноплана, который должен был быть завершен к московской Олимпиаде-80, Ростислав Алексеев серьезно пострадал при спуске экраноплана на воду и вскоре умер.

Алексеев не узнал, какая судьба ждала его творения. Министр обороны СССР приказом от 12 октября 1984 года распорядился принять экранопланы на вооружение. Предполагалось построить два десятка аппаратов типа «Орленок» и создать новое десантное соединение на Балтийском море. Завершить эту программу предполагалось до середины 1990-х годов, но этого не случилось. Четыре готовых экраноплана так и остались на Каспии в составе 11-й отдельной авиагруппы.

Соратникам создателя советских экранопланов удалось разработать и изготовить в 1985 году боевой экраноплан «Лунь», оснащенный шестью противокорабельными самонаводящимися ракетами «Москит». Однако в серию он так и не пошел, но в 2002 году был поставлен на вооружение после длительной консервации.

Big Data лучше знает: идеальных абитуриентов для ТПУ найдет машина

ТОМСК, 16 ноя – РИА Томск, Елена Тайлашева. Приемная кампания 2021 года в Томском политехе (ТПУ) будет выстроена с использованием технологий Big Data: проект по анализу данных абитуриентов, выполненный с участием студентов-айтишников, позволит более точечно искать химиков, физиков или, скажем, будущих предпринимателей из конкретных регионов. Как машина прогнозирует выбор школьников – в материале РИА Томск.

«Подсветка» деталей

Базовую статистику по итогам приемной кампании собирают все вузы – публикуют средний балл, количество высокобалльников, географию поступающих, конкурс… Словом, все, что несложно выделить и посчитать в экселевской таблице.

Этим летом в Томском политехе решили копнуть глубже, проанализировав большие массивы данных. Студенты Инженерной школы информационных технологий и робототехники (ИШИТР) во время летней практики погрузились в статистику по абитуриентам за последние два года, а конкретно – в те первичные данные, которые они сообщают о себе в анкетах при подаче документов. Закономерности в них искала машина.

И кое в чем они оказались очень неожиданными…

© пресс-служба Томского политехнического университета

Данные из анкет выпускников не такие уж подробные – учебное заведение, которое окончили, баллы ЕГЭ, место прописки. Но даже эти данные – большие, если учитывать, что абитуриентов десятки тысяч.

Скажем, всегда было известно, что большинство среди поступающих – томичи, следующая по величине группа – кемеровские абитуриенты, и далее по убывающей жители других регионов Сибири и Дальнего Востока.

Но Big Data «подсветила» некоторые важные особенности набора этого года, например, что почти треть из 71 абитуриента-300-балльника в этом году дала именно Кемеровская область, а самое большое количество круглых отличников – 23 – поступило в Инженерную школу природных ресурсов (ИШПР), причем пятеро из них – новосибирцы.

Или, например, что нынче был пик по поступлению «хорошистов» – школьников с хорошей успеваемостью по всем предметам (средний балл около 255) – их стало на треть больше, чем в 2019 году, при этом высокобалльники нередко приезжают из Татарстана и Краснодарского края, а в ИШПР поступил даже один москвич.

«Интересно также, что в этом году у нас резкий скачок по 300-балльникам – их стало больше почти в два раза (71 против 39-ти в прошлом году). Зато «просела» химия среди неолимпиадников. Почему так получилось? Это предмет для последующего анализа», – говорит руководитель проекта, советник ректора ТПУ Ростислав Яворский.

Точечный удар

Big Data – это прежде всего персонализация, подчеркивает Яворский: алгоритм, в отличие от человека, может проанализировать информацию по каждому абитуриенту и на ее основании сделать выводы относительно конкретного региона, школы, класса, тех двух-трех человек, поступающих на конкретную специальность.

«Благодаря такому подробному анализу данных возникают интересные инсайты, и эти знания могут привести к более точному пониманию результатов приема и более оптимальному планированию кампании на следующий год.

Не просто – мы набрали лучших, и мы молодцы. А конкретно – набрали лучших в каком сегменте, на какое направление, из какой школы? Можно проанализировать историю региона: у нас там были мероприятия, конкурсы, встречи с учителями, которые «привели» к нам талантливых студентов? Постепенно технологии Big Data становятся незаменимым инструментом для людей, которые планируют и организуют приемную кампанию следующего года», – говорит эксперт.

© пресс-служба Томского политехнического университета

«Если мы видим, что в каком-то регионе абитуриенты из одной школы показывают средний балл ниже, зато по физике у них балл выше, мы можем работать с этой школой по набору на конкретную специальность, где нужна именно сильная физика», – говорит Ростислав Яворский.

Исполняющий обязанности начальника отдела организации набора ТПУ Александр Денисевич подтверждает, что результаты исследования позволят более точечно определить ключевые регионы для ТПУ:

«Например, благодаря новому инструменту мы видим, что из Иркутской области к нам в основном едут абитуриенты со средним баллом, и они, как и абитуриенты из Читы, часто поступают в Инженерную школу ядерных технологий. Видимо, потому что на территории регионов есть предприятия, входящие в структуру Росатома, и ребята планируют потом вернуться.

Интерес к ядерной физике проявляют и школьники Омской области, между тем мы никогда не проводили там выездных мероприятий, концентрируясь на ближайших соседях. Будем расширять географию, активно подключать к кампании новые регионы, в которых мы увидели спрос на конкретные специальности».

Следующий этап проекта по Big Data – анализ абитуриентских данных за 5-7 лет, который может показать еще более глубокие взаимосвязи и предопределить тенденции их спроса.

© пресс-служба Томского политехнического университета

В работе с данными много времени занимает исправление опечаток и неточностей, заполнение пропусков. Эта часть тоже делается не вручную, а с помощью специально разрабатываемых скриптов. Очистка, нормализация и подготовка к анализу занимают большую часть времени и сил инженера Big Data.

Все включено

В будущем, считает Яворский, приемные кампании по степени цифровизации будут похожи на самые продвинутые в этом смысле сферы, например, туризм. По его словам, компьютеризация проходит в несколько этапов:

«Если проводить аналогии с туризмом, то многие еще помнят время, когда поездку в отпуск можно было организовать только через турагентство. Первым шагом к цифровизации было появление компьютерных систем для покупки авиабилетов. Затем в интернете появились базы данных гостиниц с возможностью бронирования онлайн, далее – сервисы с подробными описаниями мест отдыха, многочисленными фотографиями и рекомендациями пользователей.

Конечно, компьютер не принимает за вас решение, где отдыхать, но сейчас достаточно забить в поисковик ваши пожелания (первая линия у моря, развлечения для детей, бюджет путешествия) – и интернет предложит вам десятки вариантов «под ключ» с возможностью забронировать тур и купить билеты в один клик. В итоге искусственный интеллект полностью автоматизировал все, что делали турагентства».

Похожая ситуация происходит с приемной кампанией: не за горами появление рекомендательных систем, которым можно будет задать параметры специальности, на которую требуется набор, и получить от искусственного интеллекта точные инструкции, в каких регионах какие мероприятия провести, в какие соцсети и с какой рекламой выходить, чтобы точно попасть в «своих» абитуриентов.

© РИА Томск. Павел Стефанский

На следующий год в Томском политехе открыто 3 519 бюджетных мест на все формы и уровни обучения. Это на 713 мест больше, чем в 2020 году.


История кафедры Эксплуатация автомобилей

По настоянию руководства области  в 1970 году Кузбасский политехнический институт проводит первый набор на специальности «Автомобили и автомобильное хозяйство» и «Строительство автомобильных дорог и аэродромов».

Первый набор по специальности «Автомобили и автомобильное хозяйство» составил 50 человек. В дальнейшем набор был увеличен и составил 100 человек. В 1975 году состоялся первый выпуск 32 инженеров специальности «Автомобили и автомобильное хозяйство». В 1974 году были открыты вечерняя и заочная формы обучения с набором студентов по 50 человек каждая. После 10 лет выпуска, произошло некоторое насыщение отрасли специалистами. Наборы на вечернее и заочное отделение, по естественным причинам, несколько сократились, и вечернюю форму обучения пришлось закрыть. На сегодняшний день количество выпускников кафедры превысило 4000 человек.

  Первоначально коллектив кафедры составляли 4 человека: Масленников Р. Р., Жданов Л. С., Сдобников А. А., Дик А. Б., кафедра получила название «Автомобильный транспорт и строительно-дорожные машины». Заведующим кафедры, по приказу, был назначен Масленников Ростислав Ростиславович. Некоторое время спустя на работу был принят Котков Ю. К.. Далее в коллектив кафедры влились выпускники Алтайского политехнического института Атяшкин Е. Л., Крузе А. О., Малюгин П. Н., Каширин В. А.. Пополнили кафедру сотрудники с учеными степенями и званиями с соседних кафедр Пуркаев И. Н., Важенин А. А., Елманов В. Д.. Занятия по ремонту автотранспортных средств велись на территории Центральных авторемонтных мастерских, их директором Кресс Тагенберт Тагенбертовичем в качестве почасовика. С 1975 года пришли на работу собственные выпускники Вайберт В. А., Смолин А. Н., Рыжков С. В., Ковальков В. А., выпускница другой специальности Андреева Н. А., и другие.

Этим людям кафедра обязана своим становлением. Ими создавалась лабораторная база, строились помещения лабораторий. В оснащении кафедры необходимым оборудованием большую помощь оказали крупные руководители автомобильныхобъединений: начальники транспортного управления: Федотов М. Ф., Ланбамин В. К., Рябов Ю. М., гл. инженеры: Зленко А. Ф., Королев В. И., гл. инженеры транспортного управления объединения «Кузбассразрезуголь»: Леверт Г. Д., Шевелев И. Н., треста «Кузбасстройтранс»
Грязнов Б. Ф.и другие.

Наличие специальной кафедры позволило ее коллективу спланировать подготовку лабораторной базы. Особенно трудно далась лаборатория двигателей внутреннего сгорания, поскольку создание ее было сопряжено со строительными работами: копкой котлована, укладкой бетона под фундамент стенда, монтажом стенда и измерительного оборудования. Лаборатория получилась замечательная.

Одновременно с созданием лабораторной базы кафедра активно занялась научно – исследовательской работой. В середине 80-х она входила в пятерку ведущих кафедр института по сумме хоздоговорных работ. Двадцать человек из числа сотрудников кафедры закончили аспирантуру Московского автомобильно-дорожного института, четырнадцать защитили кандидатские диссертации, а один из преподавателей Зырянов В. В., защитив кандидатскую, через несколько лет стал первым доктором наук на нашем факультете.

В 1991 году научно-технический потенциал кафедры позволил ее руководителю Зырянову В. В. на ее базе создать две автомобильные кафедры: «Эксплуатация автомобилей» и «Автомобильные перевозки». Кафедру «Автомобильные перевозки» возглавил Зырянов В. В., а кафедру «Эксплуатация автомобилей» вновь – Масленников Р. Р..

В 2003 году заведующим кафедры был избран доцент к.т.н. Подгорный А. И.. В настоящее время за состоянием технической службы и лабораторной базы кафедры следит ее заведующий Винидиктов Андрей Викторович. 

 

Кафедра эксплуатации автомобилей 1998 год

Ширяева Л. П., Андреева Н. А., Ионова Е. А., Дадонов М. В., Бедин В. И.,

Березин А. С., Пуркаев И. Н., Масленников Р. Р., Подгорный А. И.,

Никитенко В.Т., Стенин Д. В., Фурман А. С.

Состав кафедры «Эксплуатация автомобилей на 2013 год»

ростислав.матл

Недавно я нашел время и мне нужно улучшить свою установку GRUB 2 , и я надеюсь, что это может кому-то помочь, хотя это не то, чего вы не найдете в других HOWTO.

Я довольно консервативен и не трачу много времени на загрузочный экран, поэтому все, что я использую, это текстовый режим .

Прежде всего, расположение файлов onfig. Все параметры конфигурации находятся в / etc / default / grub . Параметры используются как переменные при создании новой конфигурации GRUB.Эти настройки используются при создании новой конфигурации GRUB /boot/grub/grub.cfg с помощью команды grub-mkconfig, и это все, что вам обычно нужно изменить.

Если вам нужно добавить некоторую собственную логику к генерации файла конфигурации, вы можете добиться этого, добавив сценарий в каталог /etc/grub.d .

отключение фреймбуфера

Если вы пытаетесь избежать проблем с проприетарным драйвером или просто в текстовом режиме:

GRUB_TERMINAL_OUTPUT = console

Некоторую информацию о текущей настройке фреймбуфера можно найти по:
hwinfo | grep -i framebuffer

тайм-аут меню

Установка тайм-аута стиля меню с обратным отсчетом 5 секунд:
GRUB_TIMEOUT = 5
GRUB_TIMEOUT_STYLE = меню

шрифт меню

GRUB позволяет установить собственный шрифт.Вы можете создать новый шрифт GRUB, преобразовав существующий шрифт с помощью утилиты grub-mkfont. AFAIK поддерживаются как минимум форматы шрифтов TTF и PCF. Пример использования преобразованного шрифта Terminus жирным шрифтом и размером 16 пунктов: GRUB_FONT = / usr / share / grub / terminus16b.pf2

Обратите внимание, что этот шрифт является растровым, поэтому мне пришлось просто выбрать правильный размер и покрыть его, при преобразовании шрифтов TTF вам также необходимо указать желаемый размер. GRUB_COLOR_HIGHLIGHT «/ etc / default / grub | cut -d «=» -f2`


cat << EOF

set color_normal = $ {color_normal}

set color_highlight = $ {color_highlight}

set menu_color_normal = $ {color_normal}

set menu_color_highlight = $ { color_highlight}

EOF

при вызове ранее выбранной записи меню

GRUB может сохранить запись меню, которую вы выбрали в прошлый раз, и использовать ее по умолчанию для следующей загрузки:

GRUB_DEFAULT = сохранено

GRUB_SAVEDEFAULT = true

play tune

Если вам не нравится ждать момента, когда появится меню GRUB, вы можете установить мелодию, которая будет воспроизводиться как раз перед тем, как она появится.

Пример с приветствием из фильма «Третья близкая встреча»: GRUB_INIT_TUNE = «480 900 2 1000 2 800 2 400 2 600 3»

Вы можете найти другие известные мелодии в Интернете, например на форуме Linuxmint.

АМЕРИКАНСКОЕ РЕМЕСЛО С СВИСТОМ

Ростислав Яновский, родившийся в семье поляков в Китае и получивший образование в Бельгии, устроился резчиком по дереву в Висконсине с простым американским ремеслом: он мастерил вертелги.

Вирлиги реагируют на ветер, как флюгеры, но вместо того, чтобы указывать, у них есть маленькие деревянные пропеллеры, которые вращаются на ветру.Если они выглядят как игрушки, то это потому, что первыми водоворотами были игрушки для субботы

— маленькие двигатели, которые могли вращаться, пока ребенок сидел неподвижно.

«Вы чувствуете природу, как она движется на ветру», — объясняет Яновский с богатым акцентом, оставшимся за границей.

Это не типичная резная фигурка Авраама Линкольна с топором. У них есть такие названия, как «Поэзия», и персонажи часто находятся в каком-то конфликте — зависти, плохого общения или постоянной борьбы за то, чтобы стать лучше.

Кружок ревности называется «Массаж сердца». В центре Яновский вырезал арлекина с двумя лицами, по одному в каждую сторону. Руки арлекина — пропеллеры. К нему с обеих сторон прижимаются две большегрудые женщины. Один держит синюю дубинку с шипами. Ясно, что ветер, который двигает эту кружку, не принесет ничего хорошего.

«У вас роман, и это интересно, — просто говорит Яновский, — но и создает проблемы».

Раннее воспоминание: у дома в Бариме, Китай, и Яновском очень холодно. , около 6 лет, порезается ножом, вырезая Пиноккио.Больно, но он не откладывает. «Я помню, как взял бревно для костра, соскоблил его и отполировал, а затем использовал рубанок и ручные инструменты, — говорит он. «Мне было очень комфортно работать с деревом. Я был очарован тем, что вы что-то вырезаете, и это становится живым ».

Когда Яновскому было 10 лет, культурная революция заставила его семью бороться за выездные визы. Они приземлились в Чили, затем в Калифорнии. Оттуда Яновский и его будущая жена переехали в Бельгию — она ​​поступила в медицинский институт, а он — в аспирантуру по искусству.

Именно в бельгийской библиотеке Яновский, листая книгу об американском народном творчестве, увидел свою первую фотографию водоворота. Он был очарован, и когда резидентура его жены по педиатрии привела пару в Шорвуд, городок в Висконсине недалеко от Мэдисона, Яновский стал постоянным отцом, домохозяином и резчиком по дереву.

Сегодня он продает вертолеты через магазины в Висконсине и Калифорнии;

в районе Чикаго они продаются в магазине Mindscape в Эванстоне по цене от 150 до 400 долларов.Его текущий проект: водоворот высотой шесть футов, созданный по образцу Икара, мифологического греческого юноши, который так высоко взлетел на созданных руками человека крыльях, что солнце растопило их, погрузив его на смерть.

Идентификация поездов на железнодорожных переключателях и переездах на основе нейронной сети с использованием данных акселерометра

Целью данной статьи является анализ возможностей идентификации типа поезда на железнодорожных стрелках и переходах (S&C) на основе данных акселерометра с использованием современных методов машинного обучения, таких как нейронные сети .Это уникальный подход, поскольку поезда обнаруживаются только на прямом пути. Датчики акселерометра, размещенные вокруг конструкции S&C, были источником входных данных для последующих моделей. Были рассмотрены данные из четырех S&C в разных местах и ​​оценены различные архитектуры нейронных сетей. Исследование показало возможность идентифицировать поезда в S&C с помощью нейронных сетей по данным акселерометра. Модели обучение в одном месте, как правило, подлежит передаче в другое место, несмотря на различия в геометрических параметрах, субструктуры и направление прохождения поездов.Другие проблемы включают небольшой набор данных и изменение скорости поездов, которые необходимо учитывать для точной идентификации. Результаты получены с использованием статистического бутстрэппинга и представлены в виде матриц неточностей.

1. Введение

Железнодорожные стрелочные переводы и переходы (S&C) являются важными компонентами железнодорожной инфраструктуры. Динамические эффекты проезжающих поездов выше, чем в случае прямого пути, и зависят от таких факторов, как скорость поезда, геометрия S&C, жесткость крепления и материал основания [1].С увеличением трафика и растущими требованиями к инфраструктуре необходимо обеспечить надежность и безопасность S&C. Большие требования к техническому обслуживанию возникают особенно на высокоскоростных путях [2]. Как правило, могут применяться три различных подхода к обслуживанию: корректирующий, профилактический и прогнозирующий [3].

Современные подходы к прогнозированию требуют мониторинга в реальном времени и сбора данных для оценки состояния S&C и применения соответствующих контрмер при необходимости [4]. Акселерометр или датчики отклонения — это простые и надежные устройства, которые можно установить непосредственно в конструкцию S&C для контроля динамического отклика.Постепенные изменения с течением времени для одного и того же типа и скорости поездов могут указывать на возникающий дефект в структуре S&C [5] и служить ранним предупреждением для операторов инфраструктуры. Следовательно, для оценки изменений в S&C необходимо распознавать тип поезда по данным.

Проект S-CODE (Оптимальная конструкция и оценка коммутаторов и перекрестков [6]) представил требования для следующего поколения S&C [7], а также представил следующее поколение системы управления, мониторинга , и сенсорной системы , которая, среди прочего, , сможет определять тип проезжающего поезда по данным акселерометра.Эта система называется системой идентификации поездов (TIS). Недавние исследования также предложили использовать методы машинного обучения для профилактического обслуживания [8]. Тип поезда уже был успешно определен на прямом пути [9]. Идентификация поездов в S&C является более сложной задачей, поскольку необходимо учитывать больше факторов, влияющих на измерения датчиков.

Данные могут быть получены либо от датчиков, установленных на поездах или путях. Для успешной идентификации поездов важно распознавать дефекты поездов, такие как плоские колеса, и не учитывать данные о неисправных поездах при оценке S&C.Дефекты поезда, такие как плоские поверхности колес, уже были обнаружены датчиками, установленными на поездах [10] или путях [11]. Критические образцы, содержащие дефектные колеса, могут быть идентифицированы по сигналу акселерометра с помощью современных методов распознавания образов [12].

Методы машинного обучения можно использовать с пользой для обработки больших объемов данных. Такие методы, как опорные векторные машины (SVM), уже были включены для мониторинга состояния железнодорожной инфраструктуры [13]. В этой статье нейронные сети используются для идентификации поездов, поскольку они подходят для задач классификации временных рядов [14, 15].После обучения нейронные сети также обладают преимуществами с точки зрения производительности, что может быть полезно для будущих TIS in situ.

Цель данной статьи — представить возможности идентификации типа поезда непосредственно в S&C с использованием нейронных сетей и данных акселерометра. Этот подход уникален и до сих пор не применялся. Рассмотрены два местоположения и четыре S&C, и представлены несколько сценариев использования, чтобы оценить переносимость моделей машинного обучения между разными местоположениями.Обсуждаются результаты для нескольких классов поездов, а также для различных архитектур нейронных сетей.

2. Данные и методы
2.1. Сбор данных

Данные, используемые для идентификации поездов, были получены путем измерений на месте с помощью нескольких датчиков акселерометра, размещенных в разных местах вокруг общего пересечения S&C. Общий переход не имел подвижных частей. Таким образом, проезжающие поезда вызывали повышенные импульсы ускорения из-за нарушения непрерывности рельса, когда колеса поезда сталкивались с пересечением носа.В случае подвижного перехода, который используется в некоторых конструкциях S&C, особенно для высокоскоростных путей, эти импульсы будут ниже, но все же обнаружимы [16].

Полный набор данных содержит сигналы от 6 одноосных акселерометров в направлении Z , 2 трехосных акселерометра в направлениях X , Y и Z и 8 датчиков смещения в направлении Z как показано на рисунке 1. Частота дискретизации датчиков составляла 10 кГц. Датчики размещались либо на балластной подушке, шпале, либо непосредственно на рельсе возле носовой части перекрестка.


2.2. Характеристики классов локомотивов

Для идентификации были выбраны семь классов локомотивов, поскольку они различаются по геометрии, весу или жесткости шасси: класс 150/151 (обозначается как 151), классы 162/163 (обозначается как 163), класс 362/363 ( обозначается как 363), класс 380, Pendolino 680 (обозначается как 680), Stadler 480 (обозначается как 480) и класс Siemens ES64U2 / ES64U4 (обозначается как Taurus). Геометрические параметры и веса для каждого класса приведены в таблице 1.


Класс локомотива 151 163 363 380 480 680 Taurus

Расстояние между осями (м) 8.3 8,3 8,3 8,7 16,0 19,0 9,9
Расстояние между осями (м) 3,2 3,2 3,2 2,5 2,7 2,7 3,0
Вес (т) 82,0 84,0 87,0 86,0 150,0 1 57,0 87,0

1 Общий вес весь состав из пяти вагонов.

Данные были получены из двух близлежащих мест на одном и том же железнодорожном коридоре в Чешской Республике: Хоцень (упоминается как Местоположение 1) и Усти-над-Орлици (упоминается как Местоположение 2). В каждом месте присутствовало по два S&C, и их параметры в разных местах различались. Оба S&C в Местоположение 1 имели разную геометрию (подходящую для более высоких скоростей), параметры основания, а также противоположное направление движения поездов по сравнению с S&C в Местоположение 2.Еще одно отличие заключалось в том, что поезда с классом локомотивов 363 имели более низкую среднюю скорость в Пункте 2, поскольку они останавливались на соседней станции. Скорость поездов измерялась радиолокационной установкой скорости с точностью ± 2 км / ч. Измерения для каждого класса локомотивов и их скорости перечислены в таблице 2 для местоположения 1 и в таблице 3 для местоположения 2.


Класс локомотива 151 163 363 380 480 680 Taurus

Количество измерений (-) 10 8 8 9 6 7 6
Средняя скорость (км / ч) 133.2 106,5 129,6 147,4 159,3 154,4 145,3
Стандартное отклонение скорости (км / ч) 15,5 35,5 13,0 13,0 4,4 4,7 9,8


Класс локомотива 151 363 380 480 680

Количество измерений (-) 10 8 12 12 12
Средняя скорость (км / ч) 122.0 91,9 128,1 147,0 128,5
Стандартное отклонение скорости (км / ч) 5,7 14,8 4,9 12,7 4,3

2.3. Локализация локомотива Деталь

Локомотивная часть сигнала акселерометра использовалась для идентификации, поскольку локомотивы обычно лучше обслуживаются по сравнению с обычными вагонами.Разница в весе локомотивов также ниже. Подходы, используемые для определения локомотива по всему сигналу, основывались на обнаружении пиков. Среднеквадратичное значение (RMS) рассчитывали по уравнению (1) с использованием скользящего окна размера для локализации пика. Группирование ближайших пиков производилось методом кластеризации среднего сдвига с параметром полосы пропускания α :

Размер скользящего окна для RMS был выбран равным. Затем пики были ограничены минимальным значением амплитуды, которое вычислялось динамически с использованием квантиля всего сигнала между ними.Кластеризация среднего сдвига с расстоянием параметра ширины полосы была применена для группировки ближайших пиков. Все параметры были выбраны опытным путем, исходя из средней скорости движения поездов. Эти методы служили только для предварительной обработки данного набора данных и не являются целью данного исследования.

Каждый пик в сигнале акселерометра представляет ось поезда, а группа из двух пиков представляет тележку. Следовательно, сигнал можно разделить на группы из четырех пиков, где первая группа представляет собой локомотив, за которым следуют вагоны в качестве последующих групп.Этот алгоритм оказался полезным при предварительной обработке данных и автоматическом извлечении локомотивной части сигнала, поскольку он был применен к набору данных, который содержал в основном сигналы с низким уровнем шума.

Пример сигнала акселерометра, генерируемого поездом с локомотивом класса 380 на скорости 162 км / ч, проезжающим через S&C, показан на рисунке 2. Все оси поезда можно легко распознать по пикам сигнала. Детали локомотивной части этого сигнала показаны на рисунке 3.



2.4. Методология классификации

Высокая стоимость корректирующего обслуживания и риск аварий требуют надежного решения для идентификации типа поезда, поскольку оно будет частью системы мониторинга S&C в реальном времени. В проект S-CODE было предложено включить сигналы акселерометра для определения типа проезжающего поезда [6]. Датчики акселерометра будут установлены на месте в структуре S&C, и ожидается, что со временем будет собираться большой объем данных, поэтому для дальнейшей обработки данных необходимо выбрать соответствующие методы.

Как указано в [13], методы машинного обучения, такие как машины опорных векторов (SVM), часто используются для мониторинга и оценки состояния компонентов железнодорожной инфраструктуры [17] или для обнаружения дефектов поезда по данным датчиков [11] . Использование моделей на основе нейронных сетей для классификации временных рядов является распространенной проблемой [18], и недавние исследования в основном сосредоточены на разработке новых сетевых архитектур, таких как модификации остаточной нейронной сети (ResNet) [19]. Сверточные нейронные сети часто используются для классификации данных временных рядов с выдающейся производительностью [20, 21], а также широко используются для классификации данных акселерометров и распознавания человеческой активности [14, 22].В железнодорожном машиностроении глубокие нейронные сети успешно применялись в таких областях, как диагностика неисправностей в поездах [23] или для прогнозирования деградации рельсов [24].

Учитывая высокую сложность проблемы идентификации типа поезда в S&C, в этой статье будут рассмотрены несколько архитектур нейронных сетей, чтобы найти оптимальную схему.

2,5. Проектирование и обучение нейронной сети

Шесть различных архитектур нейронных сетей были оценены для классификации локомотивов.Четыре многослойных персептрона с одним (MLP1), двумя (MLP2) или тремя (MLP3a, MLP3b) полностью связанными скрытыми слоями. Размер скрытого слоя был установлен на 100 нейронов во всех случаях, кроме MLP3b, где использовалось 500 нейронов. Во всех моделях персептрона использовалась выпрямленная функция линейной активации (ReLU) между слоями, за исключением выходного слоя, где применялась активация softmax. Использование функции активации softmax в выходном слое — обычная практика [25], которая имеет то преимущество, что вектор выходных вероятностей суммируется до 1.

Сверточная нейронная сеть (CNN) состояла из сверточного слоя с 64 фильтрами длиной 5, за которым следовали слой максимального объединения длиной 5 и скрытый слой размером 100. ReLU использовался в качестве функции активации между слоями и активацией softmax на выходе.

Шестая и последняя архитектура представляла собой рекуррентную нейронную сеть с долговременной краткосрочной памятью (LSTM) с одним слоем LSTM с 50 скрытыми состояниями, за которым следует полностью связанный слой с выходной функцией активации softmax.

Размер входных данных для всех моделей был установлен равным 1000, а размер выходных данных представлял собой количество классифицированных типов поездов (т. Е. 5 и 7). Обучение проводилось в 12 эпох, и данные передавались через модель пакетами размером 4. Скорость обучения моделей была зафиксирована на 0,001. Оптимизатор Adam был выбран для автоматического дифференцирования [26], и среднеквадратичная ошибка использовалась в качестве функции потерь. Количество обучаемых параметров и количество слоев для разных архитектур нейронных сетей представлено в таблице 4.


Модель MLP1 MLP2 MLP3a MLP3b CNN LSTM

2 слоев 4 4 4 2
Количество обучаемых параметров 100605 110705 120 805 1 000 005 1 280 989 260 605

2.6. Нормализация входных сигналов акселерометра

Конкретные особенности данных могут быть выбраны в качестве входных для нейронных сетей, чтобы уменьшить сложность и сократить время обучения. Однако можно использовать весь сигнал акселерометра без необходимости в обширной предварительной обработке, зависящей от предметной области. Этот подход также устраняет предвзятость из-за вручную выбранных функций [18] и улучшает производительность, особенно для устройств in situ.

На первом этапе сигналы были нормализованы по осям X и Y , чтобы предотвратить неправильную классификацию локомотивов для разных скоростей поезда.Количество выборок в доступных сигналах локомотива охватывает и в зависимости от частоты выборки датчиков, скорости поезда и геометрии локомотива. В оси X сигналы были повторно дискретизированы до размера входного сигнала, который был выбран равным 1000. Этого количества отсчетов достаточно, поскольку он сохраняет достаточно информации с меньшим количеством отсчетов, чем в исходном сигнале (см. Рисунок 4). В Y -осные сигналы были нормализованы между значениями от -1 до 1.


2.7. Сценарии использования

Четыре канала акселерометра A0Z, A2Z, A3Z и A7Z были выбраны для идентификации поездов, поскольку они были похожи с точки зрения фазового сдвига и шума. Датчики A2Z, A3Z и A7Z были размещены на шпале под перекрещивающимся носом, а датчик A0Z был помещен в балластную подушку рядом, как показано на рисунке 1. Эти четыре канала использовались отдельно для увеличения данных и увеличения их вариабельности в качестве датчиков. обычно может быть размещен в произвольном положении вокруг перекрещивающегося носа.Полный набор данных содержал 108 измерений поездов из Локации 1 и Локации 2, что дало в общей сложности 432 выборки. Чтобы оценить модели классификации для различного набора данных, эти два местоположения были рассмотрены как независимо, так и вместе, с использованием только классов локомотивов, присутствующих в обоих местоположениях (5 классов).

Было рассмотрено четыре сценария использования, как показано в таблице 5. В сценариях A и B модели были обучены на всех выборках из Location 1 и Location 2, соответственно.В сценарии C данные из этих двух местоположений были объединены. Размер набора данных оставался относительно небольшим, несмотря на использование четырех каналов акселерометра независимо. Поэтому для сценариев A, B и C использовалась методика самонастройки [27], чтобы получить статистически значимые результаты. Было обучено и протестировано 10 моделей для каждой архитектуры нейронной сети и каждого сценария, а результаты были усреднены для оценки общей производительности данной архитектуры [28]. Для каждой модели набор данных сценария был перетасован и разделен таким образом, чтобы не менее двух локомотивных проездов (т.е., 8 образцов) для каждого класса были доступны для тестирования.


Сценарий Местоположение Начальная загрузка (количество повторов) Количество классов Размер набора данных Размер обучения Размер тестирования

A Расположение 1 Да (30) 7 216 152 64
B Расположение 2 Да (30) 5 216 164 52
C Место 1 и 2 — смешанное Да (30) 5 376 308 68
D Место 2 (обучение), Место 1 (тестирование ) 5 376 216 160

Наконец, использование В сценарии D использовались данные из местоположения 2 для обучения и данные из местоположения 1 для тестирования.Этот сценарий направлен на оценку ситуации, когда модель для идентификации поездов обучается на имеющихся в настоящее время данных, а затем применяется к другому S&C.

3. Результаты

Существенные различия в точности классификации между сценариями вариантов использования, классами локомотивов и архитектурами нейронных сетей наблюдались из-за таких факторов, как дисперсия скоростей поездов, геометрия ходовой части или динамический отклик структуры S&C. Несмотря на эти факторы, точность представленных моделей все еще относительно высока по сравнению со случайной классификацией.

Базовая точность (случайная классификация) для сценария A составляет 14,3%, а для сценариев от B до D — 20,0% и выражается величиной, обратной величине числа классифицированных классов. Средняя точность модели для различных сценариев составляла от 52,3% до 80,6% и представлена ​​в Таблице 6 и на Рисунке 5. Разница в средней точности в двух рассматриваемых местах (сценарии A и B) составила 28,3% и должна относиться к более высокая изменчивость данных в Пункте 1, поскольку было классифицировано больше классов локомотивов, а также скорости поездов были более изменчивыми.Модели обучения на данных из одного места и тестирование в другом (сценарий D) привели к средней точности 55,0%. Объединение данных из обоих мест вместе (сценарий C) показало среднюю точность 72,9%. Для оценки результатов использовались матрицы неточностей.


Модель / сценарий База (%) Среднее (%) MLP1 (%) MLP2 (%) MLP3a (%) MLP3b (%) ) CNN (%) LSTM (%)

A 14.3 52,3 ± 7,9 50,9 ± 4,4 52,3 ± 8,2 51,4 ± 7,0 49,5 ± 8,2 60,0 ± 6,3 49,7 ± 7,2
B 20,0 80,6 ± 12,0 82,9 ± 5,7 87,3 ± 7,0 83,3 ± 6,0 81,2 ± 6,0 89,2 ± 6,9 59,8 ± 9,7
C 20.0 72,9 ± 9,9 76,2 ± 7,1 74,1 ± 5,2 73,7 ± 9,2 73,5 ± 4,9 80,6 ± 6,9 59,3 ± 9,8
D 20,0 55,0 57,5 ​​ 58,8 53,7 53,1 72,5 34,4


Также можно наблюдать различия между разными архитектурами нейронных сетей (Таблица 6 и рисунок 5).Гибкость моделей зависит от количества обучаемых параметров (см. Таблицу 4). CNN показывает лучшую точность во всех сценариях по сравнению с другими моделями, поскольку сверточный слой увеличивает возможность распознавания признаков в данных временных рядов. Эта архитектура также содержит наибольшее количество обучаемых параметров. Все многослойные персептроны (модели MLP1, MLP2, MLP3a и MLP3b) имеют только небольшую вариацию в точности и с тенденцией к небольшому снижению для более глубоких архитектур. Относительно низкая средняя точность наблюдалась в LSTM из-за трудностей в процессе обучения.Матрицы средних ошибок для наиболее точной архитектуры CNN представлены на рисунках 6–9.





Классы локомотивов также классифицировались с различной точностью. Pendolino 680, Stadler 480 и класс 380 были идентифицированы с наивысшей средней точностью из-за их особой геометрии ходовой части. Напротив, средняя точность в сценарии А для трех геометрически похожих классов 151, 163 и 363 была ниже. Различия в точности классификации для одних и тех же классов локомотивов в разных сценариях должны быть связаны с изменением скорости.Обзор средней точности классификации для каждого класса локомотивов показан в таблице 7.


Класс / сценарий локомотива 151 (%) 163 (%) 363 ( %) 380 (%) 480 (%) 680 (%) Телец (%)

A 30,1 37,5 38,8 61,0 87.9 73,8 44,0
B 81,5 47,7 88,7 82,2 92,2
C 59,3 46,3 87,7 81,3 89,6
D 50,4 17,2 58,8 81,0 77,1

4.Обсуждение. относительно небольшой объем обучающих данных. Сценарий тестирования C, который использовал данные из одного места для обучения и другого места для тестирования, показал, что классификаторы на основе нейронных сетей, как правило, могут быть переданы S&C в разных местах.Тем не менее, производительность модели должна быть улучшена за счет использования большего набора обучающих данных и более продвинутых архитектур нейронных сетей. Кроме того, высокая неопределенность в случае поездов с изменяющейся скоростью требует разделения поездов с разными скоростями на отдельные классы.

Ожидалась наивысшая точность классификации CNN, поскольку это наиболее часто используемая архитектура для этого типа задач [18]. С другой стороны, самая низкая точность LSTM по сравнению с другими оцениваемыми моделями может быть связана с длинной входной последовательностью, поскольку эта архитектура обычно подходит для классификации временных рядов [29].Добавление сверточного слоя к LSTM также может повысить его точность, поскольку эта архитектура была успешно применена в ряде задач классификации или прогнозирования временных рядов [30, 31].

Поезда с разной геометрией ходовой части были идентифицированы с высочайшей точностью, в отличие от поездов схожей геометрии, которые часто ошибочно классифицируются друг с другом. Следует также обратить внимание на большую изменчивость скорости из-за низкой точности классификации для класса 363.

Ожидается, что в будущем будет доступно больше данных акселерометра от проездов поездов через S&C.Будут рассмотрены передовые сетевые архитектуры, такие как LSTM со сверточными слоями [30] или ResNet [19], а также более точная оптимизация гиперпараметров. Кроме того, методы увеличения данных могут использоваться для увеличения размера и изменчивости набора данных [32]. Другое возможное решение — использовать трансферное обучение [22] и использовать большой объем данных, доступных в других отраслях. Здесь модели машинного обучения можно обучать на аналогичных данных временных рядов, а затем настраивать для задачи классификации локомотивов.

Конечная цель — разработать полнофункциональное решение для идентификации локомотивов, чтобы оценивать изменения в динамической реакции S&C для тех же типов поездов и скоростей, а также обнаруживать неисправные поезда и исключать их из набора данных для улучшения классификации. точность.

5. Выводы

Идентификация поездов на основе данных акселерометра в S&C с использованием различных архитектур нейронных сетей была представлена ​​в этой статье. Наиболее важные выводы можно резюмировать следующим образом: (i) Определение типа поезда в S&C возможно, несмотря на возросшую сложность проблемы по сравнению с прямым путем.(ii) Также возможна переносимость моделей машинного обучения из одного места в другое. Модели можно обучать на данных из одного места, а затем применять к другому, ранее невиданному месту, с относительно высокой точностью классификации, несмотря на различия в параметрах S&C. Однако оба объекта, оцениваемые в этом документе, расположены на одном железнодорожном коридоре. Поэтому желательно дополнительно проверить возможность переноса моделей между несвязанными местоположениями. (Iii) Сигналы акселерометра могут быть классифицированы без необходимости ручного выбора характеристик в связи с ограниченной вычислительной мощностью устройства in situ.

Для повышения устойчивости оцениваемых моделей использовалась только часть сигнала локомотива, поскольку локомотивы менее изменчивы с точки зрения веса и геометрии колес. Однако локомотивы с сильно различающейся скоростью были неправильно классифицированы, несмотря на нормализацию исходных данных. Группировка локомотивов по скоростным категориям необходима для повышения точности классификации. Кроме того, неисправные поезда должны быть идентифицированы заранее и исключены из набора данных для успешной идентификации поездов и последующей оценки динамической реакции S&C.

Сравнение четырех сценариев использования и шести архитектур нейронных сетей показало более высокую производительность модели для данных с меньшей изменчивостью и наоборот. Самая эффективная сверточная нейронная сеть оказалась подходящей базовой архитектурой для задачи классификации локомотивов. В дальнейших исследованиях будут изучены более продвинутые архитектуры нейронных сетей, а также оптимизация гиперпараметров.

Доступность данных

Данные, использованные в этой работе, были предоставлены исключительно Справой Железник, управляющим национальной железнодорожной инфраструктурой Чешской Республики.Данные могут быть предоставлены по запросу на адрес электронной почты [email protected]

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов в отношении публикации этой статьи.

Благодарности

Финансовая поддержка, предоставленная Технологическим агентством Чешской Республики в рамках проектов Turnout 4.0 (CK01000091) и Эффективное прогнозирование пространства-времени с использованием методов машинного обучения (TJ04000232), а также поддержка проекта Smart Sensoric Система для железных дорог (FAST / FSI-J-20-6265) получила широкое признание.

Улучшение характеристик машины с поперечным потоком за счет определения оптимального диаметра воздушного зазора и поперечного сечения витка при заданной магнитодвижущей силе PM

Автор

Включено в список:
  • Гребеников Виктор

    () (Институт электродинамики НАН Украины, проспект Победы, 56, 03057 Киев, Украина)

  • Александр Добжанский

    () (Департамент естественных наук, инженерии и технологий, Университет Пойнт-Парк, Питтсбург, Пенсильвания 15222, США)

  • Гамалия Ростислав

    () (Институт электродинамики НАН Украины, проспект Победы, 56, 03057 Киев, Украина)

  • Rupert Gouws

    () (Школа электротехники, электроники и вычислительной техники, Северо-Западный университет, Potchefstroom 2520, Южная Африка)

Abstract

В статье представлен анализ и исследование однофазной машины с поперечным потоком.Результаты метода конечных элементов машины сравниваются с лабораторными измерениями, чтобы подтвердить точность компьютерной модели. Эта компьютерная модель затем используется для исследования влияния геометрии машины на ее выходные характеристики. Параметрический анализ машины проводится для определения оптимального диаметра воздушного зазора, при котором крутящий момент машины минимален. Кроме того, исследуется и обсуждается влияние поперечного сечения катушки на характеристики крутящего момента и выходной мощности машины.

Рекомендуемое цитирование

  • Гребеников Виктор и Александр Добжанский и Гамалия Ростислав и Руперт Гоус, 2021 год. « Улучшение характеристик машины с поперечным потоком за счет нахождения оптимального диаметра воздушного зазора и поперечного сечения катушки при заданной магнитодвижущей силе PM », Энергия, MDPI, Open Access Journal, vol. 14 (3), страницы 1-14, февраль.
  • Рукоятка: RePEc: gam: jeners: v: 14: y: 2021: i: 3: p: 755-: d: 4

    Скачать полный текст от издателя

    Подробнее об этом товаре

    Ключевые слова

    генератор; постоянный магнит; плотность крутящего момента; поперечно-флюсовый станок;
    Все эти ключевые слова.

    Классификация JEL:

    • Q — Экономика сельского хозяйства и природных ресурсов; Экологическая и экологическая экономика
    • Q0 — Экономика сельского хозяйства и природных ресурсов; Окружающая среда и экологическая экономика — — Общие
    • 4 квартал — Экономика сельского хозяйства и природных ресурсов; Окружающая среда и экологическая экономика — — Энергия
    • Q40 — Экономика сельского хозяйства и природных ресурсов; Окружающая среда и экологическая экономика — — Энергетика — — — Общие
    • Q41 — Экономика сельского хозяйства и природных ресурсов; Экологическая и экологическая экономика — — Энергия — — — Спрос и предложение; Цены
    • Q42 — Экономика сельского хозяйства и природных ресурсов; Окружающая среда и экологическая экономика — — Энергия — — — Альтернативные источники энергии
    • Q43 — Экономика сельского хозяйства и природных ресурсов; Окружающая среда и экологическая экономика — — Энергия — — — Энергия и макроэкономика
    • Q47 — Экономика сельского хозяйства и природных ресурсов; Окружающая среда и экологическая экономика — — Энергетика — — — Энергетическое прогнозирование
    • Q48 — Экономика сельского хозяйства и природных ресурсов; Окружающая среда и экологическая экономика — — Энергетика — — — Государственная политика
    • Q49 — Экономика сельского хозяйства и природных ресурсов; Окружающая среда и экологическая экономика — — Энергетика — — — Прочие

    Статистика

    Доступ и загрузка статистики

    Исправления

    Все материалы на этом сайте предоставлены соответствующими издателями и авторами.Вы можете помочь исправить ошибки и упущения. При запросе исправления укажите идентификатор этого элемента: RePEc: gam: jeners: v: 14: y: 2021: i: 3: p: 755-: d: 4 . См. Общую информацию о том, как исправить материал в RePEc.

    По техническим вопросам, касающимся этого элемента, или для исправления его авторов, заголовка, аннотации, библиографической информации или информации для загрузки, обращайтесь: (Команда преобразования XML). Общие контактные данные провайдера: https://www.mdpi.com/ .

    Если вы создали этот элемент и еще не зарегистрированы в RePEc, мы рекомендуем вам сделать это здесь.Это позволяет связать ваш профиль с этим элементом. Это также позволяет вам принимать потенциальные ссылки на этот элемент, в отношении которых мы не уверены.

    У нас нет ссылок на этот товар. Вы можете помочь добавить их, используя эту форму .

    Если вам известно об отсутствующих элементах, цитирующих этот элемент, вы можете помочь нам создать эти ссылки, добавив соответствующие ссылки таким же образом, как указано выше, для каждого элемента ссылки. Если вы являетесь зарегистрированным автором этого элемента, вы также можете проверить вкладку «Цитаты» в своем профиле службы авторов RePEc, поскольку там могут быть некоторые цитаты, ожидающие подтверждения.

    Обратите внимание, что исправления могут занять пару недель, чтобы отфильтровать различные сервисы RePEc.

    Jeep Wrangler Hot Rod имеет стальную трубку Widebody, выглядит как урод

    Почему? Поначалу может показаться трудным изложить причины, по которым кто-то превратит Jeep Wrangler в машину, достойную лейбла Hot Rod, даже если мы говорим о рендеринге, подобном тому, который смотрит на нас прямо сейчас.

    Тем не менее, объяснить такую ​​модификацию невозможно.Видите ли, с развитием технологий изготовления и соцсетями, которые делают новые сборки ближе к нам, чем когда-либо прежде, необходимость сойти с проторенного пути как никогда остро стоит.

    В наши дни проекты внедорожников, которые выделяются на первый план, представляют собой безумные хитрости, такие как этот незавершенный Jeep Gladiator с заменой Hellephant и не только. И монстр, изображаемый этими пикселями, кажется идеальным отображением последнего.

    Да, этот Wrangler имеет вид экзоскелета, который можно ожидать от кастомного Jeep, но он имеет форму широкого корпуса, что может быть отличительной чертой проекта.черт возьми, даже крыло этого хитроумного сооружения имеет прочную форму, поэтому оно может сливаться, если это можно сказать о такой части.

    Еще есть миллиметровый дорожный просвет машины, которая, надеюсь, идет с пневморессорами. В противном случае значок этой машины был бы не чем иным, как чистой иронией, тем более что ее остановит крошечный камень.

    В моторном отсеке, который сейчас открыт, находим V8 и пару турбин. Так что этот щенок может бегать с большими мальчиками.

    Цифровой художник Ростислав Прокоп стоит за этим рендерингом, и вы должны знать, что видение художника не такое экстремальное, как вы могли подумать.

    Во-первых, этот Jeep довольно близок к реальной сборке такого рода, которую мы обсуждали в ноябре прошлого года. Мы смотрим на … оранжевого Wrangler, изрубленного в форму хотрода французским строителем Александром Дантоном.

    СОЛАРБРИК — Вайнер, Ростислав Регистрация торговой марки

    Марка Для: Регистрация торговой марки SOLARBRICK® предназначена для охвата категории литий-железо-фосфатных батарей.

    ЖИВОЕ ПРИЛОЖЕНИЕ, ожидающее рассмотрения

    Заявка на регистрацию товарного знака была принята ведомством (соответствует минимальным требованиям к подаче) и еще не передана эксперту.

    Исследования Один взгляд Acronym Finder
    Серийный номер 88889513
    Регистрационный номер 6199471
    Обозначение буквенных элементов SOLARBRICK
    Тип чертежа маркировки 4 — СТАНДАРТНЫЙ ЗНАК ЗНАКА
    Тип маркировки
    Товарный знак
    Текущее местоположение ОБРАБОТКА НОВОГО ПРИЛОЖЕНИЯ 2020-04-30
    Основа 1 (a)
    Статус класса АКТИВНЫЙ
    Основные классы США
    • 021: Электроаппараты, машины и расходные материалы
    • 023: Столовые приборы, машины, инструменты и их части
    • 026: Измерительная и научная техника
    • 036: Музыкальные инструменты и принадлежности
    • 038: Отпечатки и публикации
    Первичный международный класс
    • 009 — Первичный класс
    • (Электрическая и научная аппаратура) Научная, навигационная, геодезическая, электрическая, фотографическая, кинематографическая, оптическая, весовая, измерительная, сигнальная, контрольная (надзорная), спасательная и обучающая аппаратура и инструменты; аппаратура для записи, передачи или воспроизведения звука или изображения; магнитные носители информации, записывающие диски; торговые автоматы и механизмы для монетоприемников; кассовые аппараты, счетные машины, оборудование для обработки данных и компьютеры; аппараты пожаротушения.
    Заявленное использование Да
    Текущее использование Да
    Намерение использования Нет
    Подано ITU Нет
    44D Подано Нет
    44E Текущий Нет
    66A Текущий Нет
    Текущая база Нет
    Нет основы Нет

    График

    2020-01-01 Дата первого использования
    2020-01-01 Дата использования в торговле
    2020-04-27 Заявка подана
    2020-04-30 Расположение: НОВАЯ ОБРАБОТКА ПРИЛОЖЕНИЙ
    2020-04-30 Статус: активен / ожидает
    2020-04-30 Статус: новое приложение будет как подписано на поверенного, проводящего экспертизу, примерно через 3 месяца после даты подачи заявки.
    2020-04-30 Дата транзакции
    2020-11-17 Зарегистрированный товарный знак

    rostislav% 20i% 20of% 20kiev на итальянско-англо-итальянском словаре

    Проходя через Галич, татары разбили войска Ростислава в месте, которое летописец определяет как небольшой сосновый бор; поэтому он снова бежал к венграм.

    I mongoli passando da Halyč si scontrarono con le forze di Rostislav in un luogo che, le cronache, Identificano come una piccola foresta di pini, messo in rotta ancora una volta, ancora una volta riparò в Унгерии.

    WikiMatrix

    Ростислав , однако, был обеспокоен политическим и церковным влиянием германских племен.

    Rotislao , però, era preoccupato per l’influenza politica ed ecclesiastica delle tribù germaniche.

    jw2019

    Но как только Святослав уехал, Ростислав снова выгнал Глеба.

    Una volta tornato indietro l’esercito di Sviatoslav, tuttavia, Rostislav espulse di nuovo Gleb.

    WikiMatrix

    Во время Первой мировой войны он был офицером связи румынского флота на российском крейсере «Ростислав », руководил береговыми бомбардировками побережья Черного моря.

    Durante la prima guerra mondiale era un ufficiale di collegamento sull’incrociatore russo Rostislav , Lungo la costa del Mar Nero.

    WikiMatrix

    Мы не понимаем письменные символы и их значение; поэтому пришлите нам учителей, которые могут объяснить слова Священного Писания и их смысл.»- Ростислав , князь Моравский, 862 г. н. Э.

    Non comprendiamo i caratteri scritti né il loro ignato; perciò mandci dei maestri che Possano far conoscere le parole delle Scritture e il loro ignato ». — Rotislao , principe di Moravia, 862 E.V.

    jw2019

    предприятию, которое ранее не соответствовало критериям временного освобождения от применения МСФО (IFRS) 9, разрешается переоценить, связана ли его деятельность преимущественно со страхованием, на следующую годовую отчетную дату до 31 декабря 2018 г., если и только если в деятельности предприятия произошло изменение , как описано в пунктах 20H– 20I , в течение годового периода, закончившегося в эту дату.

    l’entità che in prevdenza non possedeva i Requisiti per beneficiare dell’esenzione temporanea dall’IFRS 9, если не указано иное, как предыдущее действие с указанием преобладающих данных, связанных со всеми классическими данными, а также данные для успешного завершения работы в 2018 году, 31 год. Solo se, vi è stato un cambiamento nelle attività dell’entità, как описано в параграфе 20H- 20I , durante l’esercizio impressionosi в данных сказки.

    eurlex-diff-2018-06-20

    Даты его рождения и смерти неизвестны, и его предшественники неясны, но ни его имя (которое встречается в официальном контексте и не является уменьшительным от «Михаил»), ни его карьера, описанная в византийских источниках, не позволяют идентифицировать себя с Михаил, сын русского князя и венгерского Бана Ростислав Михайлович, ни какой-либо другой член черниговского дома.

    Le date di nascita e di morte sono sconosciute ed i suoi antecedenti non sono chiari, ma né il suo nome (che si trova in contesti ufficiali e non è il diminutivo di «Michael»), né la sua carriera, descritte nelle fonti biz permettono un’identificazione con Michele, il figlio del principe Rus ‘ungherese Bano Ростислав Михайлович, урожденный альтро мембра делла каса ди Чернигов.

    WikiMatrix

    Австрийский Фридрих II погиб, сражаясь против венгерских войск в 1246 году, а зять Белы IV, Ростислав Михайлович, аннексировал большие территории вдоль южных границ королевства.

    Ad esempio, Federico II d’Austria morì combattendo contro le truppe ungheresi nel 1246, ed il genero di Bela IV, Rostislav Michajlovič annetté un gran numero di Territory alla frontiera sud del regno.

    WikiMatrix

    Предприятие, которое ранее соответствовало требованиям для временного освобождения от применения МСФО (IFRS) 9, должно повторно оценить, связана ли его деятельность преимущественно со страхованием на следующую годовую отчетную дату, если и только если произошло изменение в деятельности предприятия, как описано в пунктах 20H- 20I , в течение годового периода, закончившегося в эту дату.

    L’entità Che in Predenza Possedeva i Requisiti per Beneficiare dell’esenzione temporanea dall’IFRS 9 deve rivalutare se le sue attività sono prevalentemente connesse all’assicurazione ad una data di chiusura dell’esercizio successiva se, e solo un cambiamento nelle attività dell’entità, come descritto ai paragrafi 20H- 20I , durante l’esercizio summaryosi в данных сказки;

    eurlex-diff-2018-06-20

    «Ростислав » стал первым в мире капитальным кораблем, который работал на мазуте, а не на угле.

    La Rostislav fu la prima nave da battagliata del modo ad essere alimentata grazie a производное от бензина, invece che con il carbone.

    WikiMatrix

    Ростислав принимал активное участие в Первой мировой войне до распада Черноморского флота в начале 1918 года.

    La Rostislav prese parte alla Prima Guerra Mondiale e vi rimase coinvolta fino al collasso della Flotta del Mar Nero agli inizi del 1918.

    WikiMatrix

    О’Рейли создал веб-страницу (архив) с записями URL, показав, что клиенты Twitter, управляющие ботами из нашего набора данных, включая rostislav , iziaslav и pourtwi, были связаны с одним и тем же субдоменом: add1.ru.

    О’Рейли создал веб-страницу (архив) [ru, иди сюда, я свяжу сегменты различных индикаторов] с регистрацией URL-адресов, большинством и клиентом Twitter, который контролирует набор данных робота-ностро, включая rostislav , iziaslav e pourtwi , erano tutti associati allo stesso subdominio: add1.RU.

    gv2019

    Ростислав , следуя политике своего отца, продолжал принимать законы в пользу новгородцев.

    Sul piano politico Rostislav непрерывно ла политическая патерна, которая пользуется популярностью в пропаганде леггинсов, избранных агли абитанти делла регионы.

    WikiMatrix

    Тяжело раненный, Ростислав попал в Рильский монастырь, где монахи спасли ему жизнь.

    Gravemente ferito Rostislav raggiungè il Monastero di Rila dove li monaci gli salvarono la vita.

    WikiMatrix

    Соответствующий орган должен направить копию файла сертификации в офис Сообщества, предусмотренный статьей 20i , чтобы последний включил его в реестр.

    L’autorità interessata trasmette copia del fasicolo di Certificazione all’ufficio comunitario previsto all’articolo 20 decies , affinché questo la allghi al registro.

    ЕврЛекс-2

    Глеб Святославич получил командование городом от своего отца, Святослава Ярославича, но в 1064 году его сместил соперник русского князя Ростислав Владимирович, который, в свою очередь, был вынужден бежать из города, когда Глеб подошел с войском, возглавляемым его отцом. .

    Глеб Святославич рисовал в губернаторстве города Киева, владелец города Киева, номер 1064, начиная с соревнований Ростислав Владимирович, который был суа вольта, фу костретто и наставник беглеца Глеб, известный как падре, унаследованный от города.

    WikiMatrix

    На фоне того, что Заключение уже было вынесено в Карвалью Феррейра Сантос и, соответственно, что Амбросио Лаврадор и Оливал Феррейра Бонифасио не вызвали никаких новых юридических вопросов, после заслушивания Генерального прокурора в соответствии с пятым абзацем статьи 20 Закона Конституции Статут, Суд постановил принять решение без заключения.

    Alla luce del fatto che le finali nella causa Carvalho Ferreira Santos erano già state lette e, quindi, la causa Ambrósio Lavrador e Olival Ferreira Bonifácio non sollevava nuove questioni di diritto, sentito l’avvocato generale, a la Cortei Degenerale статья 20, quinto comma, dello Statuto, di giudicare la causa senza closedi.

    ЕврЛекс-2

    Во время противолодочных учений в ночь на 11 июня 1909 года Ростислав случайно протаранил и потопил подводную лодку «Камбала».

    La notte tra l’11 e il 12 giugno del 1909, nel corso di un’esercitazione navale, la Rostislav urtò e affondò il sommergibile Kambala.

    WikiMatrix

    Футболист Ростислав Вацлавичек родился во Враховицах и в начале своей карьеры играл в футбол за местную команду.

    Il Calciatore Rostislav Václavíček è nato nel Vrahovice e ha giocato a calcio per la squadra locale, all’inizio della sua carriera.

    WikiMatrix

    Один из его потомков — русский писатель Николай Савельев — Ростиславович .

    Uno dei suoi discendenti è lo scrittore russo Николай Савельев — Ростиславич .

    WikiMatrix

    Ростислав Воячек (родился 23 февраля 1949 года в Крженовицах) — бывший чешский футбольный защитник.

    Rostislav Vojáček (Křenovice, 23 febbraio 1949) è un ex calciatore cecoslovacco, di ruolo difensore.

    WikiMatrix

    В поле с названием клиентского программного обеспечения, используемого для публикации твитов, которым обычно может быть Twitter для Android или Tweetdeck, последовательно отображалась одна и та же серия имен: «бронислав», «изяслав», «мечеслав», «словослав» и « ростислав ».

    Если используется название клиентского программного обеспечения для публикации в Твиттере — Che di Solito è Twitter Per Android или Tweetdeck — серия названий устройств в последовательном виде: «бронислав», «изяслав», «мецеслав», «словослав» ”E“ ростислав .”

    gv2019

    В 862 году н. Э., Ростислав , князь Моравии (современная Восточная Чехия, Западная Словакия и Западная Венгрия), направил византийскому императору Михаилу III просьбу, содержащуюся в первом абзаце, послать учителей Священного Писания.

    Нелл’862 Е.В. Rotislao , principe di Moravia (le odierne Repubblica Ceca orientale, Slovacchia occidentale e Ungheria occidentale), inviò all’imperatore bizantino Michele III la richiesta contenuta nel paragrafo iniziale: mandare insritgnanti delle Script.

    jw2019

    .

    Leave a Reply

    Ваш адрес email не будет опубликован. Обязательные поля помечены *