РазноеТанки машина: УралВагонЗавод

Танки машина: УралВагонЗавод

Содержание

Двое мужчин построили модель танка Т-34 в Шелехове

Действующую модель отечественного танка Т-34 собрали в цехе тракторного завода жители Шелехова Алексей Панасюк и Александр Разуваев. Машина предназначена для игр в пейнтбол. На ее создание ушло два года. Об этом 10 марта 2022 года сообщает “Областная”.

– Машина имеет силовую установку, трансмиссию, подвеску. И вся магия начинается с того, как все эти элементы взаимодействуют друг с другом, – поясняет Александр Разуваев. – Главный конструктор танка Т-34 Михаил Кошкин опередил не на одно десятилетие машиностроение того времени. Первый раз я увидел эту историю в фильме «Главный конструктор» 1980 года. Впечатлил меня не сам танк, а люди – то, как они верили в победу и шли к ней. Когда я смотрел этот фильм, мне и в голову не могло прийти, что судьба сведет меня с человеком, который замыслит построить мини-прототип танка.

Танк оснащен двумя двигателями мощностью по семь лошадиных сил. Изобретатели не стремились к 100% похожести на оригинал.

Например, у Т-34 пять катков на гусеницу, у их изобретения – четыре, и несколько другие пропорции корпуса. Но они добивались того, чтобы танк ездил, стрелял, вмещал в себя водителя-механика, при этом был простым по своей конструкции. Стрелять по танку будут игровыми снарядами, поэтому толстая броня ему не потребовалась.

Еще шелеховчане хотят оснастить танк электроникой. Ее, кстати, тоже разрабатывают самостоятельно – проектируют, паяют и программируют.

Сперва прямым назначением танка была только игра в пейнтбол. Мужчины планировали создать игровое поле и собрать несколько танков. Потом стало приходить понимание того, что этот проект гораздо больше.

– Появилась идея создать спортивное направление, а танки использовать как спортивный снаряд для боев и танкового биатлона, – говорит Алексей.

Для этого понадобится оборудовать большую площадку-полигон для пространства и маневров. Стрелять танк будет пластиковыми снарядами из вспененного полипропилена. Не исключено также, что собранный танк может стать основой для юношеского патриотического клуба механиков-спортсменов.

У изобретателей есть планы сделать и немецкий танк «Пантера».

Фото: архив Александра Разуваева

Где в СНГ посмотреть на настоящие танки | Мнения | Новости

Материал для любителей танков, знатоков истории и путешественников: пять музеев военной техники в СНГ.

Бронетанковый музей в Кубинке

Один из крупнейших танковых музеев в мире и уж точно самый популярный музей военной техники в России. Если вы неравнодушны к танкам и живете в Москве, то отправиться Кубинку сам бог велел. Локация располагает — добраться можно даже на общественном транспорте.

Что смотреть

Дорогу и затраченное время отобьете с лихвой, так как экспозиционный ряд впечатлит даже далеких от техники людей. Например, единственный в мире сверхтяжелый немецкий танк Maus обитает именно здесь, в павильоне немецкой техники. Махина весит 188 тонн. «Мышонок» настолько огромен, что рядом стоящий человек довольно высокого роста едва достанет ему до основания корпуса.

Гордость музея — коллекция бронетехники СССР. В Кубинке можно увидеть Т-34-85, легендарный легкий танк военных времен. Герой ушел на заслуженный отдых довольно поздно — машину официально сняли с вооружения только в 1993 году.
Всего в коллекции музея около 300 экземпляров бронетехники: легкие танки, средние танки, тяжелые танки, БТР и БМП. Есть даже мотоброневагон. Самый старый экспонат воевал еще в Первую мировую.

Центральный музей Великой Отечественной войны на Поклонной горе

Музей находится в Москве. Даже не музей, а целый мемориальный комплекс. Обойти и посмотреть все за день вряд ли получится — только в основную экспозицию входит 6000 экспонатов, а есть еще тематические выставки, отдельные залы и так далее. Здесь собрана уникальная коллекция артефактов Великой Отечественной войны, от картин художественной галереи до предметов фронтовой жизни и быта.

Что посмотреть

Если вы приехали посмотреть на танки, то вам в Парк Победы на Поклонной горе. Там находится площадка военной техники, где собрано более 300 образцов боевых машин и вооружения периода Второй мировой войны.

Экспозиции разделены по типу техники: «Инженерные сооружения», «Военно-автомобильная дорога», «Артиллерия» и, конечно, «Бронетехника». Если вы любите танки, то идите на последнюю экспозицию. Здесь как ни в чем не бывало мирно красуются реально воевавшие танки и САУ СССР и союзников.

Посмотреть действительно есть на что. Например, знаменитый Т-34 с «башней-пирожком», которого так боялись немцы и который стал самой массовой машиной Второй мировой — за четыре года войны было выпущено 35 478 образцов Т-34. Среди стальных вояк английский танк Vickers Mk E и колесно-гусеничный огнеметный танк Т-46-1 (всего было сконструировано четыре образца).

Поклонная гора может похвастаться не только танками да артой. Недавно там открылся памятник фронтовой собаке в честь всех ушастых и четырехлапых, которые защищали Родину во время войны.

Линия Сталина в Беларуси

В Беларуси, на Родине World of Tanks, танков хоть отбавляй. Крупнейшая коллекция собрана на «Линии Сталина», историко-культурном комплексе неподалеку от Минска. Это музей под открытым небом, и огромная территория позволяет вместить несколько экспозиций: самолеты, бронетехника, инженерные сооружения, баллистические ракеты и многое другое.

Все живое, на ходу. Можно не только смотреть, но и опробовать в деле — по выходным проводятся обзорные полеты на вертолете МИ-2. Более того, предусмотрена возможность взятия техники в аренду. Например, если вы снимаете кино про войну и вам нужен настоящий танк.

Что посмотреть

Первым делом знаменитый ИС-3, знакомый многим по World of Tanks — та самая «щука». Этот советский тяж весом в 46 тонн стал последним танком СССР, принятым на вооружение в ходе Второй мировой.

Sturmgeschütz III пережил многое. Во время боевых действий «немец» угодил в речку, где пролежал довольно долго. Уже после войны жители близлежащей деревни сняли с танка двигатель и использовали его как электростанцию. Сама машина осталась лежать на дне реки. Несколько лет назад танк все-таки подняли и доставили на «Линию Сталина». Почистили, отреставрировали, вернули боевой вид. Таких спасенных машин здесь очень много. Какую-то нашли в болоте, а какую-то собирали по частям, разбросанным по всей стране.

Место давно стало обязательным к посещению всем, кто интересуется историей и военной техникой. Каждый год туристы со всего мира приезжают в Беларусь, под Минск, чтобы посмотреть на подлинное свидетельство военной мощи стран — участниц Второй мировой. Кстати, в музее есть и современная боевая техника.

«Оружие Победы» в Краснодаре

Единственный на весь Краснодарский край музей военной техники. Экспонатный ряд небольшой, но исключительный. Коллекция из 40 машин включает танки, пушки, зенитки, ракеты, торпеды и советскую дизельную подводную лодку М-261.

На территории музея находится зал Боевой славы, где собраны различные предметы времен войны, от образцов оружия и до фотографий.

Что посмотреть

Много чего. Хоть и маленький, музей располагает всем, что нужно любителю техники. Вряд ли искушенного танкиста удивишь «тридцатьчетверкой», но вот САУ-ИСУ 152 однозначно стоит внимания. Машина обладает мощнейшим орудием и представляет собой гибрид ИС-1 и САУ СУ-152 с точки зрения конструкции.

Старожил музея — артиллерийская самоходка 1938 года. И конечно же, украшение коллекции — ракетные установки «Катюши».

Боевая слава Урала

Музей «Боевая слава Урала» располагается в городе Верхняя Пышма (пригород Екатеринбурга) и по праву считается одним из крупнейших музеев военной техники в России.

Несмотря на то что история «Боевой славы» началась только в 2005 году, здесь собрана уникальная коллекция из нескольких сотен экспонатов, разделенных на две большие выставки: оружие Победы и послевоенное вооружение.

Что посмотреть

Музей — отдушина для любого любителя танков. Например, именно здесь можно увидеть КВ-2 образца 1940 года. Легендарный советский тяж оснащен 152 миллиметровой гаубицей и нередко использовался как самоходка. Правда, музейный экземпляр немного модернизирован и представляет собой первую модификацию танка с башней МТ-1.

Также можно посмотреть на самый массовый танк американской армии времен Второй мировой М3А1 Stuart, который к тому же пользовался популярностью у союзников.

В музее хранится первый советский плавающий танк Т-37А. Здешний экспонат входил в ограниченную партию и имеет измененную сварную башню.

Кроме посещения экскурсий, в музее еще и учатся: «Боевая слава Урала» регулярно проводит интерактивные лекции по истории Второй мировой и не только.

Это далеко не полный список мест, которые придутся по вкусу любителям бронированных машин. Однако его вполне достаточно для начала. Надеемся, что вы вернетесь к нему, планируя семейный отдых, и отлично проведете время!

Если у вас есть другие стоящие музеи на примете, расскажите о них в комментариях ниже.

История танка Т-34 | Российский государственный военный архив

24 июня 1945 г. В Москве на Красной площади проходит исторический Парад Победы. Колонну крупнокалиберных артиллерийских орудий сменяет бронетанковая техника. Впереди – знаменитые танки Т-34. Эти машины по праву называют оружием Победы. Они участвовали в боях под Сталинградом и на Курской дуге, в операции «Багратион», в боях за Берлин и Прагу. Всего за годы Великой Отечественной войны было произведено более 35 000 танков Т-34. Эти средние танки были предназначены для поддержки наступающей пехоты и со совей задачей справлялись успешно.

Эти машины значительно превосходили танки противника по своей технологичности, т.е. в простоте производства, легкости в управлении и в возможности производить ремонт танка в полевых условиях.

Принятый на вооружение в декабре 1939 г. танк Т-34 создавался по зданию правительства СССР. Гражданская война в Испании 1936 – 1939 гг., в которой на стороне республиканцев участвовали легкобронированные советские танки БТ-7 и Т-26, показала их высокую уязвимость для огня артиллерии и даже крупнокалиберных пулемётов.

А так как эти танки являлись основными в Красной армии, это означало, по сути, необходимость срочной замены всего танкового парка. Проблема усугублялась тем, что в СССР, на тот момент, моделей танков с противоснарядным бронированием, готовых к массовому производству, не было.

Для создания танка с усиленной броней в 1937 г. на заводе № 183 (Харьковский паровозостроительный завод) было сформировано объединенное конструкторское бюро, которое возглавил М.И. Кошкин. В задачу ОКБ входила работа по совершенствованию существующих типов танков и разработка новых образцов. 10 декабря 1938 г. на заседании Главного Военного Совета были представлены чертежи гусеничного танка А-32. Толщина брони была значительно увеличена (с 20 мм до 44 мм). Устанавливалось более мощное вооружение (76 мм пушка Л.11 вместо 45 мм пушки, установленной на легких танках БТ-7). Производство опытных образцов танка с усиленной броней велось в ускоренном темпе: ужу в июле 1939 г. на заводе № 183 был изготовлен первый опытный образец, совершивший 16 июля 1939 г. опытный пробег по заводскому полигону. Через два месяца А-32 демонстрировался членам правительства.

Постановлением Комитета Обороны при Совете Народных Комиссаров СССР № 443 от 19 декабря 1939 г. машина А-32, названная танком Т-34, была принята на вооружение Красной армии.

Только после этого начались крупномасштабные испытания танка. Они проходили в два этапа. Во время первого (февраль – апрель 1940 г.) проверялись работа двигателя и основных механизмов, ходовые качества танка, удобство его управления, размещение и работа радиоустановки. Второй этап проходил осенью 1940 г. и заключался в проведении пробега трех опытных танков Т-34 по шоссейным и грунтовым дорогам по маршруту Харьков – Орел – Кубинка – Смоленск – Орша – Киев – Полтава – Харьков с проведением опытных стрельб. Осенью 1940 г. началось массовое производство танков Т-34. Зимой 1940/1941 гг. танки Т-34 начали поступать в войска.

Вниманию читателей предлагаются документальные материалы Российского государственного военного архива об испытании танка Т-34 в 1940 г. и начале их массового производства.

Главный специалист РГВА,
И.В. Успенский

 

Танк Т-34 преодолевает овраг с незамерзающим ручьем. – Февраль 1940 г.

РГВА. Ф. 31811. Оп. 3. Д. 2017. Л. 61. Фотография.

 

Танк-т-34 на 1-й передаче преодолевает крутой подъем. – Весна 1940 г.

РГВА. Ф. 31811. Оп. 3. Д. 2017. Л. 64. Фотография.

 

Танк Т-34 на 3-й передаче сломал сосну. – Весна 1940 г.

РГВА. Ф. 31811. Оп. 3. Д. 2016. Л. 47. Фотография.

 

Заключение комиссии по результатам войсковых испытаний опытных образцов танка Т-34. – 27 апреля 1940 г.

РГВА. Ф. 31811. Оп. 3. Д. 2016. Л. 71–72. Подлинник.

 

Директива заместителя наркома обороны СССР Маршала Советского Союза Г.И. Кулика № 7679/с от 25 октября 1940 г. об испытании длительным пробегом трех полностью укомплектованных танков Т-34. – 25 октября 1940 г.

РГВА. Ф. 31811. Оп. 2. Д. 1182. Л .4–5. Подлинник.

 

Схема пробега танка Т.34 по маршруту Харьков – Кубинка – Смоленск – Орша – Киев – Полтава – Харьков. – Сентябрь 1940 г.

РГВА. Ф. 31811. Оп. 2. Д. 1181. Л. 367. Фотокопия.

 

График пробега танков Т-34 по указанному круговому маршруту. – Сентябрь 1940 г.

РГВА. Ф. 31811. Оп. 2. Д. 1181. Л. 368. Фотокопия.

 

Информационное письмо зам. наркома среднего машиностроения СССР А.А. Горегляда наркому обороны СССР Маршалу Советского Союза С.К. Тимошенко о приемке 143 танков Т-34 производства Мариупольского завода им. Ильича. – 27 ноября 1940 г.

РГВА. Ф. 31811. Оп. 2. Д. 1182. Л. 93. Подлинник.

 

Тактико-технические данные среднего гусеничного танка Т-34 образца 1940 г., произведенного заводом № 183.

РГВА. Ф. 31811. Оп. 3. Д. 2014. Л. 15. Фотокопия.

 

Читать «Танки и боевые машины» — Фосс Кристофер Ф. — Страница 1

Кристофер Ф. Фосс

Jane’s Танки и боевые машины

Справочники Джейн

Кристофер Ф. Фосс

Jane’s Танки и боевые машины

СПРАВОЧНИКИ ДЖЕЙН

Перевод с английского E. H. Ожогина Научно-популярное издание

Настоящее издание представляет собой авторизованный перевод оригинального английского издания Jane’s Tanks and Combat Vehicles Recognition Guide издательства Harper Collins Publisher Ltd.

Кристофер Ф. Фосс ТАНКИ И БОЕВЫЕ МАШИНЫ

© ООО «Издательство Астрель», 2002 © Christopher F. Foss, 2000 © Design: Rod Teasdale

ISBN 5-17-011260-2 (ООО «Издательство ACT») ISBN 5-271-03740-1 (ООО «Издательство Астрель») ISBN 0-00-472452-6 (англ.)

Jane’s

Справочники Джейн

Танки и боевые машины

Кристофер Ф. Фосс

ACT Астрель Москва 2002

Введение

Цель настоящей книги двояка: во-первых, стать читателю удобным справочником и помочь ему быстро и правильно опознавать любые из современных бронированных боевых машин; во-вторых, обеспечить ему ключевые данные о той или иной машине.

Одни разделы иллюстрированы гораздо больше, чем другие, ввиду большого количества модификаций боевых машин. Вообще-то лишь недостаток места в данном справочнике помешал внести в него все существующие разновидности некоторых машин. Типичным примером является М48, чья базовая модель оснащена 90-мм пушкой. Однако многие страны оснастили его 105-мм пушкой с характерным эжекционным устройством, расположенным в середине ствола. Некоторые страны добавили также теплоизоляционный кожух. Американские М48 никогда не оборудовались противокумулятивными экранами, тогда как на южнокорейских танках такие экраны установлены.

Опознание бронированных боевых машин может быть еще более затруднено различными контейнерами и ящиками, а использование динамической защиты, например на танках М48, М60 и Centurion, а также на российских Т-64, Т-72 и Т-80 полностью изменяет их внешний вид. Трудности возникают и при отнесении той или иной машины к определенному классу. Например, Simitar производства компании Alvis используется британскими сухопутными войсками в качестве разведывательной машины, в то время как другие страны использует его в роли легкого танка. Поскольку Simitar – это одна из немногих гусеничных разведывательных машин, то мы включили ее в раздел «Танки». Полноприводные четырех-, шести- и восьмиосные машины сгруппированы в разделе, охватывающем колесные бронетранспортеры, однако некоторые их них были созданы для выполнения широкого круга задач. Например, серия четырех-, шести- и восьмиколесных полноприводных боевых машин LAV-50 компании Cadillac Gage и Piranha швейцарской компании MOWAG может оснащаться вооружением от 7,62-мм пулемета до 105-мм пушки (в случае с восьмиколесной полноприводной модификацией).

Хотя недостаток места и помешал включить в настоящий справочник все существующие модификации боевых бронированных машин, многие из них упоминаются в тексте. В каждом разделе, посвященном конкретной машине, приводятся ее полные тактико-технические характеристики (ТАКТИКО-ТЕХНИЧЕСКИЕ ХАРАКТЕРИСТИКИ), основные характерные признаки, краткая история ее разработки, перечень модификаций, указывается нынешнее состояние, список стран, на вооружении которых она состоит, и ее производитель, а также приводятся в большинстве случаев рисунок боковой проекции и несколько фотографии.

Иракские Т-55 с дополнительной броней на башне и корпусе

Четвертое издание настоящей книги было подготовлено к печати летом 1999 года. Настоящее издание содержит более 380 новых фотографий и рисунков, причем практически каждый раздел подвергся переработке. Кроме того, в книгу добавлено 16 разделов, посвященных новым бронированным машинам, уже поступившим в серийное производство или на вооружение, и тем из них, поступление которых ожидается в ближайшем будущем.

Автор просит высылать комментарии и фотографии для новых изданий и выражает благодарность немалому количеству компаний, правительств и частных лиц, предоставивших данные и фотографии для написания настоящей книги. Особой благодарности заслуживает моя жена Шейла за ее помощь и поддержку в написании этой книги.

Кристофер Ф. Фосс

Машины 6×6 могут иметь разные башни. Разведывательная бронемашина Pandur с двухместной башней с 90-мм пушкой

ЛЕГКИЕ И ОСНОВНЫЕ БОЕВЫЕ ТАНКИ

ТАМ (Германия/Аргентина)

ОСНОВНЫЕ ОТЛИЧИЯ

Корпус с сильно наклоненной передней бронеплитой напоминает БМП Marder. Механик- водитель располагается впереди слева. Верхняя часть корпуса – горизонтальная. Башня смещена к его задней части. Кормовая часть корпуса – пологая. Стороны башни – плоские и слегка пологие. Отсек боеукладки башни размещен в кормовой нише. Командирская башенка расположена справа на крыше башни. 105-мм пушка оборудована ТИК и эжектором.

Подвеска состоит из 6 опорных и 3 поддерживающих катка с каждой стороны, ведущие колеса спереди, сзади – направляющие колеса. Ходовая часть иногда прикрыта ПКЭ.

ТАКТИКО-ТЕХНИЧЕСКИЕ ХАРАКТЕРИСТИКИ

Экипаж 4

Вооружение 105-мм пушка, 1х7,62-мм СП, 1х7,62-мм ЗП, 2×4 ГПД

Боекомплект 50х105-мм, 6000×7,62-мм

Длина со стволом пушки 8,23 м

Длина корпуса 6,775 м

Ширина преодолеваемого рва 3,29 м

Высота по крыше башни 2,43 м

Удельная мощность 24,27 л.с./т

Клиренс 0,45 м

Масса боевая 30000 кг

Масса пустого танка 28000 кг

Удельное давление на грунт 0,78 кг/см #178;

Двигатель 6-цилиндровый дизель MTU MB 833 Ка 500 с ТН и мощностью 720 л. с. при 2200 об./мин

Макс, скорость по шоссе 75 км/ч

Макс, запас хода по шоссе 590 км

Макс, запас хода по шоссе с запасными топливными баками 940 км

Емкость топливных баков 640 л

Преодолеваемые препятствия:

– брод 1,5 м/2,25 м

(с подготовкой)/4 м (с ОПВТ)

– стенка 1 м

– ров 2,5 м

– подъем 60%

Тип брони стальная

Система РХБЗ есть

РАЗРАБОТКА

В 1974 г. компания Thyssen Henschel получила от Аргентины контракт на разработку нового среднего танка, под названием ТАМ (Tanque Argentino Mediano), а также БМП VCI (Vehiculo Combate Infanteria), которую впоследствии переименовали 8 VCTP. По 3 опытных образца построили и поставили в Аргентину. Серийное производство в Аргентине, начали на новом заводе, предусматривало постройку 512 ТАМ и VCTP. Программа прекращена по финансовым соображениям примерно на 350 экземпляре. Дальнейшее развитие программы – машина ТН301, с рядом улучшений: новая СУO огнем и более мощным двигателем. Справа от механика-водителя находится МТО, а ближе к корме танка расположена башня. Командир и наводчик располагаются в башне справа, а заряжающий – слева. 105-мм пушка углом вертикальной наводки -7°+18°, а башня вращается по горизонтали на 360 На танке – СП калибра 7,62 мм. ЗП смонтирован на крыше башни.

Для увеличения запаса хода на заднюю часть корпуса могут устанавливаться топливные баки большой емкости. По желанию заказчика ТН301 может обеспечиваться дополнительной бронезащитой.

МОДИФИКАЦИИ

VCA 155 есть удлиненное шасси танка ТАМ с башней итальянской самоходной гаубицы «Палмария». Разработана по требованиям аргентинских СВ.

с какой целью в России создаётся колёсный танк — РТ на русском

У ВС России в ближайшее время появится новый вид бронетехники — колёсный танк. Он будет создан на перспективной платформе «Бумеранг». Об этом заявил Александр Красовицкий — глава Военно-промышленной компании, занимающейся разработкой новой машины. Модель должна превзойти свой гусеничный аналог по манёвренности и скорости, но в то же время уступит ему в проходимости и броне. О задачах и перспективах российской колёсной боевой машины — в материале RT.

В России начались работы над проектом колёсного танка. Об этом рассказал генеральный директор Военно-промышленной компании (ВПК) Александр Красовицкий. По его словам, машина будет разработана на основе платформы «Бумеранг» в ближайшее время.

«Это будет наше ноу-хау. Танк будет иметь пушку большего диаметра», — заявил Красовицкий в интервью телеканалу «Звезда».

Новое поколение

«Бумеранг» — перспективная унифицированная платформа, позволившая ВПК создать новое поколение бронетехники. На текущий момент завершаются испытания бронетранспортёра К-16 и боевой машины пехоты К-17.

«Мы сегодня делаем наши машины по принципу модульности. Внутреннее убранство абсолютно одинаковое что в К-16, что в К-17. Сегодня в машине могут находиться восемь человек в боевом отделении в полном обмундировании, два человека (наводчик и командир) и сам водитель», — отмечал ранее Красовицкий.

«Бумеранг» обладает улучшенной проходимостью и, как полагают специалисты ВПК, надёжно защитит экипаж от минной угрозы. Характеристики платформы позволили повысить требования к броне. Такую технику невозможно пробить мелкокалиберными артиллерийскими снарядами и осколками крупнокалиберных орудий.

  • БМП «Бумеранг»
  • © VITALY KUZMIN

Колесо против гусеницы

 

Колёсный танк — тяжёлый пушечный бронеавтомобиль. Это достаточно редкое явление в армиях мира. Как правило, сухопутные войска располагают только обычными гусеничными танками или колёсной бронетехникой, которая не оснащена крупнокалиберными орудиями.

Колёсные танки стоят на вооружении США, Китая, Франции, Италии, Швейцарии, Японии, ЮАР. Основная задача этих машин — истреблять танки противника и прикрывать пехоту на поле боя. Большое преимущество колёсные танки имеют в условиях равнинной местности и развитой дорожной инфраструктуры.

Также по теме

Танковый прорыв: как проходит модернизация основных боевых машин российской армии

В 2018 году в российскую армию начнут поступать модернизированные версии основных танков — Т-90М и Т-80БВМ. Обновление танкового парка…

По сравнению с гусеничным аналогом колёсная машина более манёвренная и мобильная. Её вес не превышает 20 тонн (против 40—55 тонн у танка), а скорость хода по шоссе составляет около 90—120 км/ч (против 45—55 км/ч).

Гусеничные танки, как правило, доставляет на поле боя железнодорожный состав. Колёсные машины, в свою очередь, могут перемещаться на сотни километров по обычному автомобильному шоссе, не повреждая асфальтовое покрытие.

В то же время применение колёсной бронетехники существенно ограничено условиями местности. На бездорожье, на горных и лесисто-болотистых участках гусеничные машины обладают неоспоримыми преимуществами. Кроме того, гусеничный танк значительно превосходит колёсный аналог по защищённости.

  • Итальянский истребитель танков Centauro
  • © Department of Defense Visual information center

Над созданием колёсного танка в Минобороны задумались ещё при Анатолии Сердюкове. Весной — летом 2012 года на подмосковном полигоне Алабино проходили испытания итальянской машины Centauro.

Колёсный танк с Аппенинского полуострова не выдержал проверку по проходимости, устойчивости и огневой мощи. Как сообщали СМИ, Минобороны не собиралось закупать Centauro. Испытания были нужны, чтобы оценить недостатки и преимущества такой техники.

Сирийский фактор

 

Опытный образец колёсного танка на платформе «Бумеранг» может быть собран в течение ближайших двух-трёх лет, предположил в беседе с RT эксперт ПИР-Центра, военный аналитик Вадим Козюлин. По его словам, у России для этого есть вся необходимая научно-технологическая и материальная база.

«Поставить танк на колёса для нашей страны — не проблема. Россия — мировой лидер в области танкостроения. Задачу упрощают современные боевые модули, различные робототехнические аппараты и более совершенные средства защиты, которые могут нивелировать проблемы, связанные со слабостью брони», — отметил Козюлин.

Эксперт считает, что к идее создания колёсного танка могли вернуться благодаря сирийскому опыту. В условиях ближневосточной пустыни наибольшую боевую эффективность проявили мобильные группировки, вооружённые легкобронированной техникой, а также автомобилями с пушками и артиллерийскими орудиями различного типа.

  • Боевая машина поддержки танков «Терминатор-3»
  • РИА Новости
  • © Михаил Воскресенский

«Танки, особенно сирийские, были достаточно лёгкими мишенями для мобильных отрядов боевиков. Причём охота за джипами и джихад-мобилями террористов до сих пор отнимает много сил и времени. Ситуация осложняется отсутствием чёткой линии фронта. Отсюда я делаю вывод, что колёсный танк мог бы решить массу проблем в Сирии, как и манёвренный гусеничный «Терминатор», — подчеркнул собеседник RT.

Как полагает Козюлин, колёсные машины станут надёжным и намного более дешёвым средством борьбы с джипами и джихад-мобилями. Кроме того, они смогли бы заменить тяжёлые гусеничные машины в интенсивных полевых сражениях.  

«Подобная техника пригодилась бы огромному количеству ближневосточных и африканских стран, которые ведут по пустыне постоянную погоню за мобильными группировками исламистов. То есть у российского танка может быть очень неплохой экспортный потенциал», — сказал Козюлин.

Аналитик пояснил, что в российских условиях применение колёсного танка ограниченно. В то же время Козюлин не исключил, что новая машина могла бы пополнить арсенал ВДВ. Он напомнил, что Воздушно-десантные войска не первый год ищут возможности для усиления огневой мощи бронетехники.

Пожарные танки: judgesuhov — LiveJournal


Младший брат «Буратино» на гражданке. «пожарноя РСЗО» «Импульс-2М»

Недавно на вооружение российской армии принята новая роботизированная специальная пожарная машина (СПМ).
СПМ разработана Главным ракетно-артиллерийским управлением Минобороны России на базе танков Т-72 и Т-80 с использованием их узлов и агрегатов. Она предназначена для тушения пожаров и аварийно-спасательных работ на арсеналах, складах и базах хранения взрывоопасных веществ, расчистки проходов к очагам пожаров, прокладки противопожарных полос при лесных пожарах.


Специальная пожарная машина производства ОАО «Омский завод транспортного машиностроения»

[Подробнее про СПМ]»Пожарную машину собрали на Омском заводе транспортного машиностроения по заказу Минобороны. Она принята на вооружение ВС РФ в начале мая, в текущем году начнутся ее серийные поставки в войска», — отметил заместитель министра обороны РФ генерал армии Дмитрий Булгаков.

По его словам, данный «пожарный танк» способен бить струей на 100 метров. Особенностью СПМ является возможность дистанционного управления, что обеспечивает максимальную безопасность людей, участвующих в пожаротушении в особо сложных и опасных условиях. «При возникновении угрозы для жизни экипажа люди покидают машину, и она выполняет поставленную задачу с помощью системы дистанционного управления», — уточнил замглавы военного ведомства.

Он особо отметил, что баллистическая защита СПМ представляет собой съемные броневые противоосколочные экраны, которые в совокупности с броневой кабиной «обеспечивают защиту экипажа и оборудования в кабине от разлетающихся осколков при наземном подрыве осколочно-фугасного снаряда калибра 152 миллиметра».

Масса СПМ — около 60 тонн. Экипаж состоит из трех человек. Он надежно защищен герметичной и теплоизолированной кабиной. Запас воды и огнегасящих веществ — 25 кубических метров, дальность подачи огнегасящего состава достигает 100 метров. Для расчистки подходов к очагам возгорания и создания минерализованных полос машина оснащена бульдозерным оборудованием в виде клиновидного отвала.

Роллик от производителя.

Как новость попалась на глаза — сразу вспомнил про «пожарную РСЗО» «Импульс» и про танк с реактивными двигателями для тушения горящих нефтяных скважин.

поделка венгров «Big Wind». Реактивные двигатели от МиГ-21 на шасси танка Т-34


50-ствольная система импульсного пожаротушения на базе танка Т-62 «Импульс-2М»

Но одними этими самобытными машинами перечень «пожарных танков» не ограничивается.

Одним из первых пожарных танков стал
— ГПМ-54

Парочка таких «служила» на космодроме Байконур.

Модернизированный вариант ГПМ-54М, оснащенный автоматическими установками импульсной подачи распыленной воды.

Ныне уже есть ГПМ-64. Конверсионный вариант ОБТ Т-64.

— Машина пожарной разведки «Броня»

Машина предназначена для ведения пожарной разведки в условиях радиоактивного заражения местности, задымления и загазованности приземного слоя атмосферы продуктами горения и сильнодействующими ядовитыми веществами.

— противопожарный робототехнический комплекс «Сойка»

Сразу после Чернобыльских событий для тушения пожаров на радиоактивно зараженной местности, на предприятиях химической промышленности, складах взрывчатых веществ и материалов в условиях сильного задымления и загазованности атмосферы сильнодействующими ядовитыми веществами впервые в отечественной и международной практике ВНИИПО МВД СССР и ОКБ ПО «Пожмашина» в конце 90-х годов был разработан противопожарный мобильный робототехнический комплекс «Сойка». Управление выполнялось как со штатного места водителя так и дистанционно по радиоканалу.

— противопожарная установка «Штурм»

В это трудно поверить, но крупный пожар на газовой скважине «Штурм» тушит всего за 3-5 секунд. Таков результат испытаний установки на пожарах в местах газовых месторождений Оренбургской и Тюменской областей. Столь высокая эффективность достигается за счет того, что «Штурм» гасит пламя не пеной, порошком или водой, а сжиженным азотом, который выбрасывается в очаг пожара через сопла, установленные полукругом на длинной стреле.

— модернизированный вариант Big Wind на шасси БРЭМ VT-55A.

Вдохновленные успешным применением «Большого ветра» на пожарах нефтепромыслов в Кувейте в 1991 году, венгры решили поменять шасси танка Т-34 на модернизированное шасси Т-55.

— SPOT-55

Глядя на венгерского танко-пожарного монстра, чехи решили не отставать, и забацали свой аналог ГПМ-54.

— китайский пожарный танк на базе Т-54 (или скорее его китайского клона)

— и еще один иностранец

Кто подскажет наименования двух последних — тому спасибо.

Не на танковой базе, но тоже с военно-бронетехническим прошлым:

— Лесопожарная машина ЛПМ-2

Пожарный вездеход на базе БМП-1.

— ГАЗ 59402 «Пурга»

Пожарная машина на комбинированном железнодорожном и пневмоколёсном ходу (база БТР-80), оснащённая установкой комбинированного тушения пожаров (УКТП) «Пурга».

— ГАЗ-5903В «Ветлуга»

Еще одна машина на базе БТР-80. 22-ствольная установка импульсного пожаротушения. Дальность тушения от 50 до 300 метров.
Плавающий колесный собрат упомянутого выше «Импульса-2М».

— Ямал-201НС и Ямал-150ЛС

Снова «Пурга» но уже на базе МТ-ЛБ и МТ-ЛБу.

Российские военнослужащие захватили брошенные модернизированные танки ВСУ

При приближении подразделений ВС РФ украинские танкисты в спешке оставили новые машины.

Как сообщает Минобороны России, полностью исправные танки Т-64 были оставлены военнослужащими ВСУ в окрестностях Чернигова. «В отличие от базовых боевых машин, эти танки оборудованы ночными тепловизионными прицелами и наблюдательными приборами, а также средствами связи и навигации натовского образца», — говорится в сообщении.

Также в министерстве подвели итоги спецоперации за прошедшую ночь.

Подразделения Луганской Народной Республики, продолжая наступление, блокировали северные окраины населенного пункта Кременная и восточные окраины Метелкино.

За ночь уничтожено до 40 украинских националистов, действовавших в составе 57 отдельной мотопехотной бригады, одну артиллерийскую батарею, две БМП и четыре автомобиля различного назначения.

Высокоточным оружием воздушного базирования уничтожены шесть военных объектов Украины, в том числе пять складов боеприпасов и ракетно-артиллерийского вооружения в Богуславском, Крестище, Резникове, Великой Новоселке и один склад горюче-смазочных материалов.

Средствами противовоздушной обороны российских Воздушно-космических сил сбиты в воздухе: один украинский вертолет Ми-8 в районе населенного пункта Любимовка и 8 украинских беспилотных летательных аппаратов в районах Лисичанск, Донецк, Чернигов, Коросунь, Новомихайловское, в том числе один «Байрактар ТБ-2» в районе Ваховка.

Оперативно-тактической авиацией поражены 52 военных объекта Украины. Среди них: три командных пункта, три реактивных системы залпового огня, зенитный ракетный комплекс «Бук-М1», радиолокатор подсветки и наведения зенитного ракетного комплекса С-300, а также 10 районов сосредоточения боевой техники и 16 опорных пунктов ВСУ.

Всего с начала проведения специальной военной операции уничтожены: 124 самолета и 81 вертолет, 353 беспилотных летательных аппарата, 1839 танков и других боевых бронированных машин, 202 установки реактивных систем залпового огня, 773 орудия полевой артиллерии и миномета, а также 1711 единиц специальной военной автомобильной техники.

  

Видео: Минобороны РФ

Оружие на суше — танки и бронетехника

Колючая проволока и пулеметы остановили многие атаки союзников с большими потерями в 1915 и начале 1916 года. система.

Сила в защите

Загадка окопов заключалась в том, чтобы найти способ преодолеть мощь защитника. У защитника было много преимуществ:

  • Глубокие траншеи и блиндажи, защищенные от артиллерии;
  • Колючая проволока замедляла или останавливала продвижение пехоты;
  • Пулеметчики и стрелки защищали передовую;
  • Минометы и артиллерия оказывали поддержку пехоте на передовой огневой мощью с тыла;
  • Подкрепления войск были доступны для тупых атак или отбрасывания союзных войск стремительными контратаками.

Секретное оружие: Танк

Танк времен Первой мировой войны был разработан на основе заинтересованности некоторых офицеров в соединении тракторов с гусеницами как средства преодоления траншейных препятствий и прорыва колючей проволоки. После успешной полевой демонстрации в 1915 году Великобритания учредила секретный «Комитет по сухопутным кораблям» для изучения военных перспектив корабля, который сначала воспринимался скорее как военный корабль, чем как сухопутное оружие, отсюда и название «сухопутный корабль». Инициатива получила кодовое название «танк», потому что его корпус напоминал корпус водовоза.Первые опытные образцы были изготовлены в начале 1916 года, а первые несколько десятков машин уже к середине 1916 года оказались на фронте.

Испытание в битве на Сомме

Британские войска впервые применили танки во время битвы на Сомме в сентябре 1916 года. Они оказали огромное влияние на боевой дух немцев и доказали свою эффективность при пересечении окопов и проволочных заграждений, но им не удалось прорвать немецкие позиции. Решение британского главнокомандующего сэра Дугласа Хейга раскрыть секретное оружие до того, как станет доступно большое количество танков, вызвало критику, но настоящими проблемами танков были низкая скорость, механические неисправности и неспособность преодолевать мягкие или сильно изрытая земля.

В битве при Курслетт канадский корпус сражался с полдюжиной танков, причем седьмой находился в резерве. Они были медлительны, как идущий солдат, и их легко сбить артиллерийским огнем. С другой стороны, танки внушали ужас, перекатывались через колючую проволоку и обеспечивали важную огневую мощь пехоте своими пулеметами и артиллерийскими орудиями. Все шесть были выведены из строя во время атаки, четыре — от артиллерийского огня противника. Только один достиг своей цели.

Танк эволюционирует

Танки союзников в ходе войны становились быстрее, надежнее и полезнее в бою, но до победного оружия им было далеко.Они также были в ограниченном количестве до самого конца войны. Только восемь танков поддерживали канадцев во время битвы при Вими-Ридж в апреле 1917 года. В Пасшендале в октябре и ноябре 1917 года ни один танк не мог действовать в грязной местности. Первые действительно успешные танковые атаки произошли только в конце 1917 года. В ноябре 3-я британская армия начала концентрированное танковое наступление в районе Камбре. Он застал врага врасплох и добился хорошего прогресса, но большая часть успехов была потеряна из-за контратак противника в начале декабря.

Улучшенная тактика для координации использования танков, пехоты, артиллерии и авиации ознаменовала наступление союзников в 1918 году. Также было доступно больше танков: британские и французские войска использовали сотни в летних атаках на Ле-Амель и Суассон.

Новые британские танки Mark V и Mark V*, возглавлявшие отряд из более чем 600 единиц бронетехники, доказали свою эффективность на успешных начальных этапах битвы при Амьене в августе 1918 года. четвертый день битвы, и они использовались с перерывами во время оставшихся сражений кампании «Сто дней». Если бы война продолжалась до 1919 года, союзники планировали запустить огромную армаду из нескольких тысяч танков, чтобы прорвать позиции врага.

Танк не имел решающего значения во время войны, но он добавил важное оружие в арсенал союзников, особенно при использовании в общевойсковой роли с артиллерией, пехотой, пулеметами, минометами и тактической авиацией.

Продолжайте изучать эти темы:

Новое оружие и технологии Первой мировой войны: танки, пулеметы и самолеты

Пулеметы

На протяжении сотен лет пулеметы были обычным явлением на поле боя в Европе.Однако только недавно большинство армий могли рассчитывать на то, что их пехотинцы будут делать больше нескольких выстрелов в минуту. Принятие на вооружение патронов означало, что средний пехотинец мог стрелять быстрее, до 10-20 пуль в минуту. Это то, что приняли европейцы.

Пулеметы, с другой стороны, могли выпускать сотни пуль в минуту. Единственный раз, когда европейцы действительно видели пулемет в действии, это были небольшие колониальные войны. Они не оценили, сколько людей один из них мог застрелить в большой драке.Более всего пулеметы вынуждали воюющие державы, особенно на западе, располагаться к позиционной войне , где каждая сторона сражалась из-под защиты окопов.

Самолеты

Одной из технологий, не обремененных окопами, был самолет. Самолет был изобретен всего за десять лет до этого, но полеты быстро стали играть роль в операциях. В начале летчикам поручили разведку , или выяснение того, что делает противник.Однако со временем воздух стал полем боя, поскольку на самолетах устанавливали пулеметы, чтобы сбивать другие самолеты.

Однако это были не просто бои между самолетами. Первая мировая война также ознаменовалась рождением бомбардировщиков , самолетов, специально предназначенных для атаки наземных целей. Чтобы противостоять бомбардировщикам, приходилось строить все больше и больше самолетов.

Sopwith Camel был одним из самых распространенных самолетов в Первой мировой войне.

Танки

Пулеметы и истребители прибыли в войну достаточно рано, чтобы можно было разработать против них контрмеры.Танк же оказался другим. Броня, достаточно толстая, чтобы выдерживать пули из пулеметов, должна была сыграть решающую роль в прекращении окопной войны. Зачем возиться с траншеей, если по ней можно просто проехать?

Тем не менее, танки не были идеальными. В них было жарко, душно и полно выхлопных газов. Артиллерия могла их уничтожить, а механически их было трудно обслуживать. Британцы построили сотни танков, а немцы построили гораздо меньше.В конечном счете, использование британцами танка помогло бы союзникам выиграть войну, что было уроком, который немцы не скоро забудут.

Британский танк времен Первой мировой войны

Краткое содержание урока

Хорошо, давайте повторим. Во время Первой мировой войны было разработано много нового оружия. Пулемет стрелял сотнями пуль в секунду, изменив ход войны, заставив людей вести окопную войну. Самолеты обеспечивали наблюдение с неба, но вскоре стали площадкой для бомбардировки земли и атаки других самолетов.Танки изменили правила игры, потому что они могли игнорировать окопы и пулеметы. Однако они были горячими, ненадежными и дорогими.

‎App Store: War Machines: Tanks Battle Game

ПРИВЕТ, КОМАНДИР!
ДОБРО ПОЖАЛОВАТЬ В ВОЕННЫЕ МАШИНЫ, БЫСТРУЮ И ВЗРЫВНУЮ ИГРУ В БИТВУ ТАНКОВ

Играйте в сетевые матчи с участием до 8 игроков, присоединяйтесь к еженедельным войнам кланов, поднимайтесь по служебной лестнице и открывайте самые мощные и смертоносные машины, чтобы СТАТЬ ЛЕГЕНДОЙ!

WAR MACHINES — это динамичный стратегический шутер, в котором вы управляете танком в серии трехминутных матчей.

ДОСТИГАЙТЕ СВОИХ ЦЕЛЕЙ
Начните игру со старым Chaffee в качестве рядового, затем продвигайтесь по своей военной карьере, чтобы разблокировать исторический Panzer IV, легендарный T90 или даже ультрасовременный M1A2 SEP v3 в качестве бригадного генерала. Общий!

Для успеха необходимо:
— Уничтожить врагов;
— Собирать ресурсы;
— Обновите свой танк и, наконец,
— Получайте удовольствие!

ЗАЩИТИТЕ СВОИХ БРАТЬЕВ
Мы гордимся сильным сообществом, которое мы создали за более чем 4 года.
У нас есть тысячи кланов, разбросанных по всему миру, с сильными командирами, которые играют и помогают друг другу каждый день.
Однако будьте уверены, что все очень конкурентоспособны!
Пока ваши союзники будут помогать вам изучать правила и настраивать вас на успех, ваши враги попытаются сокрушить ваш клан!

БОРЬБА ЗА СВОЮ ЧЕСТЬ
Вы попали в засаду? Вызовите авиаудар!
Ваш враг слишком силен? Возможно, смена боеприпасов на осколочно-фугасные или бронебойные поможет. Это только начало!

НА ПУТИ К СЛАВЕ НУЖНО БЫТЬ УМНЫМ, ЧТОБЫ ПОЛУЧИТЬ ВСЕ СЕКРЕТЫ ПОЛЯ БИТВЫ!

ОСНОВНЫЕ ХАРАКТЕРИСТИКИ
— Более 30 реалистичных танков в 3D
— 4 уникальные карты для сражений
— 3 режима игры (в одиночку или в команде)
— Деревья технологий для изучения более 30 различных навыков и настройки стиля игры
— Более 40 потрясающих усилений
— 10 типов боеприпасов (AP, APDS, HEAT, HESH и т. д.)
— Более 30 предметов для персонализации (военные выкройки и декали)
— Кланы до 50 участников
— Живые события: клановые войны и чемпионат!!

От создателей Sniper 3D!

ПОДПИСЫВАЙТЕСЬ НА НАС
Facebook https://www.facebook.com/Warmachinesgame/
Ссылка на Discord https://discord.com/invite/warmachines
Ссылка на Twitter https://twitter.com/PlayWarMachines
Ссылка на Reddit https:/ /www.reddit.com/r/warmachines/

СВЯЗАТЬСЯ С НАМИ
В игре через «Настройки» > «Поддержка клиентов» > «Поговорить с нами» или напрямую: tfghelp.helpshift.com

Политика конфиденциальности:
https://wildlifestudios.com/policy-center/privacy-policy/

Условия предоставления услуг:
https://wildlifestudios.com/policy-center/terms-of-use/

Доступ к эксклюзивным преимуществам премиум-класса!
— Теперь вы можете подписаться на полный доступ к премиум-функциям!
— оплата будет снята с учетной записи iTunes при подтверждении покупки.
— Вы сможете использовать премиум-функции в течение всего срока действия подписки.
— С аккаунта будет взиматься плата за продление в течение 24 часов до окончания текущего периода за счет выбранного пакета (недельного, месячного или годового пакета).
— Пользователь может управлять подписками, и вы можете отключить автоматическое продление подписки в настройках своей учетной записи iTunes. Пожалуйста, посетите http://support.apple.com/kb/ht4098 для получения дополнительной информации.
— Вы не можете отменить текущую подписку в течение ее активного периода.
— Вы можете отменить подписку в течение бесплатного пробного периода в настройках подписки в своей учетной записи iTunes. Это необходимо сделать за 24 часа до окончания периода подписки, чтобы избежать списания средств.
— Любая неиспользованная часть бесплатного пробного периода будет аннулирована, когда пользователь приобретет подписку Premium.

Производитель World of Tanks закрывает студии в России и Беларуси

Увеличить / В World of Tanks по-прежнему можно будет играть в России и Беларуси, хотя разработчик Wargaming покидает эти страны.

Компания Wargaming, разработчик популярной военной MMO World of Tanks и ее дочерних продуктов, решила закрыть свои офисы в России и Беларуси на фоне продолжающегося вторжения в Украину.

В объявлении на LinkedIn компания сослалась на «стратегический обзор бизнес-операций по всему миру», ускоривший этот шаг. Это не так уж удивительно, поскольку правительственные и корпоративные санкции усложнили работу многих международных компаний в первую очередь в России и Беларуси.

Но это не означает, что закрытие немедленно принесет Wargaming финансовую выгоду. «Компания не получит прибыли от этого процесса ни сегодня, ни в будущем», — пишет Wargaming.«Наоборот, мы ожидаем, что понесем существенные убытки в результате этого решения».

Wargaming не ссылалась напрямую на вторжение России в Украину, объявляя об уходе из страны. Однако в конце февраля Wargaming уволила креативного директора Сергея Буркатовского после того, как он опубликовал в Facebook пропагандистское сообщение. «Сергей Буркатовский высказал личное мнение в социальных сетях, которое категорически не отражает позицию компании», — заявил тогда PC Gamer представитель Wargaming.«Его уволили, и он больше не работает в компании».

Реклама

Wargaming заявила, что ее игры будут по-прежнему доступны для игроков в России и Беларуси через местное руководство Lesta Studio. Это отличает Wargaming от многих других игровых компаний, которые прекратили продажи новых игр в России и Беларуси после вторжения (хотя предыдущие покупки и онлайн-сервисы для игр часто остаются доступными). Россия, Украина и Беларусь доминируют на соревновательной сцене для World of Tanks , а в игре заявлено 37.2 миллиона игроков на российских серверах — больше, чем во всей Европе на тот момент — еще в 2018 году.

Wargaming была основана в Минске, Беларусь, в 1998 году и содержала там большую студию, несмотря на решение о переносе штаб-квартиры на Кипр в 2011 году. Компания заявила, что в ее студии в Киеве, Украина, работает более 550 сотрудников, и ранее вложение «всех доступных ресурсов компании» в «предоставление [киевским работникам] альтернативного жилья, досрочных выплат заработной платы [и] дополнительных средств для помощи в поездках и переезде. »

Wargaming ранее приостановила всю всемирную рекламу World of Tanks в явном уважении к тому, как военные образы будут восприниматься в условиях международного конфликта. Позже компания возобновила рекламу с переработанным контентом, в котором были удалены изображения наступающих танков и военной техники. Однако рекламная пауза остается в силе в Украине, «поскольку мы считаем неуместным и бестактным рекламировать наши игры, пока она является центром этого конфликта», — говорится в сообщении компании.

В конце февраля компания Wargaming объявила о пожертвовании 1 млн долларов Украинскому Красному Кресту «для поддержки украинских больниц и врачей, переселенцев и другой жизненно важной деятельности гуманитарной организации по мере необходимости».

The Neural Net Tank Urban Legend · Gwern.net

Опираясь на обычных подозреваемых (Google/​Google Books/​Google Scholar/​Libgen/​LessWrong/​Hacker News⁠/​Twitter) в расследовании лепреконов⁠, я составил большое количество вариантов сюжета; ниже, в обратном хронологическом порядке по десятилетиям, что позволяет проследить эволюцию истории до ее истоков:

2010-е

Хизер Мерфи, «Почему исследователи из Стэнфорда пытались создать машину Гайдара» (NYT), 09.10.2017:

Так что же увидели машины? Др.Косински и г-н Ван [Ванг и Косински, 2018⁠; см. также Leuner 2019⁠/​Kosinski 201] говорят, что алгоритм реагирует на фиксированные черты лица, такие как форма носа, а также на «выборы ухода», такие как макияж глаз. Но также возможно что алгоритм видит что-то совершенно неизвестное. «Чем больше у него данных, тем лучше он улавливает закономерности», — сказала Сара Джейми Льюис, независимый исследователь конфиденциальности, который написал в Твиттере критику исследования. «Но паттерны — это не обязательно те, о которых вы думаете.Томасо Поджо⁠, директор Центра изучения мозга, разума и машин Массачусетского технологического института предложил классическую притчу, иллюстрирующую это несоответствие. Армия подготовила программу для отличить американские танки от российских танков со 100% точностью. Только позже аналитики поняли, что американские танки были сфотографированы в солнечный день. а русские танки были сфотографированы в пасмурный день. Компьютер научился определять яркость. Доктор Кокс заметил версию этого в своем собственном изучение профилей знакомств.Он обнаружил, что геи, как правило, публикуют фотографии более высокого качества. Доктор Косински сказал, что они сделали все возможное, чтобы гарантировать, что такие помехи не повлияли на их результаты. Тем не менее он согласился с тем, что легче научить машину видеть, чем понимать то, что она видела.

[Стоит отметить, что Критические замечания Аркса и др., такие как их фотографии «гей-версии», по-видимому, не были подтверждены независимая репликация⁠.]

Александр Харроуэлл, «Это было названо персептроном не просто так, черт побери. это», 2017-09-30:

Вы можете подумать, что это похоже на одну из классических оптических иллюзий, но это еще хуже.Если вы заметили, что смотрите на что-то таким образом, и то таким образом, и это выглядит по-другому, вы заметите что-то странное. Это не то, что будет делать наш глубокий ученик. Он также не в состоянии определить какую-либо предвзятость, которая может существовать в корпусе данных, на которых он обучался… или, может быть, так оно и есть. Если есть какое-либо свойство набора обучающих данных, которое сильно предсказывает обучающую критерий, он сосредоточится на этом свойстве со свирепой ясностью дарвинизма. В 1980-х годах была создана ранняя нейронная сеть с обратным распространением для поиска советских танки в куче разведфотографий.Это работало, пока кто-то не заметил, что Красная Армия обычно тренировалась при хорошей погоде, и в любом случае спутник мог видеть их только при ясном небе. Медицинская школа при больнице Святого Томаса в Лондоне обнаружила, что их успешные студенты обычно были белыми.

Интересную историю с явным «фамильным сходством» рассказывает Евгений Николайчук, «Собаки, волки, данные» о НС, классифицирующей волков/​собак. Наука и почему машины должны учиться так же, как люди», 2017-06-09:

Нейронные сети предназначены для обучения, как человеческий мозг, но мы должны быть осторожны.Это не потому, что я боюсь, что машины захватят планету. Скорее, мы должны убедиться, что машины правильно обучаются. Один пример, который всегда приходит мне в голову, — это то, как одна нейронная сеть научилась различать собак и собак. волки. Он не узнал различий между собаками и волками, но вместо этого узнал, что волки на их картинке были на снегу, а собаки на траве. Он узнал различать двух животных, глядя на снег и траву. Очевидно, сеть научилась неправильно. Что, если бы собака была на снегу, а волк на траве? Тогда это было бы неправильно.

Однако в своем источнике «Почему Должен ли я доверять вам?» «Объясняя предсказания любого классификатора [LIME]»⁠, Ribeiro et al 2016, они указывают их собака/волк-детектор снега NN, что они «преднамеренно обучили этот плохой классификатор, чтобы оценить, способны ли субъекты обнаруживать его [плохой производительность]» с использованием LIME для понимания того, как классификатор выполнял свою классификацию, заключая, что «После Однако при изучении объяснений почти все испытуемые определили правильное понимание, с гораздо большей уверенностью в том, что оно было определяющим фактором.Дальше, доверие к классификатору также существенно упало». Так что Николайчук, видимо, опоздал. (Возможно, еще через 25 лет студентам будут рассказывать в их уроки о том, как экологи когда-то обучали NN считать волков…)

Redditor mantrap2 дает на 20.06.2015 эта версия истории:

Я помню такие вещи из 1980-х годов: армия США тестировала системы распознавания изображений для ракет и получала отличные результаты на северных Немецкие испытания танков НАТО.Затем они протестировали те же системы в другой среде, и результаты оказались шокирующими. плохой. Оказалось, что распознавание изображений выделяло деревья с небольшими чертами, похожими на танки, а не сам танк. Размещение других транспортных средств в тех же лесах получили аналогичные высокие попадания, но танки сами по себе (на полигонах в пустыне) не регистрировались. К счастью, где-то скептик решил «провести еще один тест, чтобы Конечно».

Деннис Полис, Бог, наука и разум , 2012 г. (стр. 131, ограниченный фрагмент Google Книг, неясно, что такое ссылка 44):

Эти факты опровергают неоплатонический аргумент в пользу сущностной нематериальности души, а именно. что с виду имеет дело с универсальный представлений, оно действует специфически нематериальным образом… Итак, осознание не объясняется коннекционизмом. Результаты обучения нейронной сети не всегда ожидал. Одна команда намеревалась обучить нейронные сети распознавать боевые танки на аэрофотоснимках. Система обучалась на фотографиях с танками и без них. После обучения, для оценки использовался другой набор фотографий, и система с треском провалилась, будучи совершенно неспособной отличить тех, у кого есть танки.Система фактически отличал пасмурные дни от солнечных. Так получилось, что все тренировочные фото с танками были сделаны в пасмурные дни, а без — в ясные. дней. 44 Что это показывает? Это обучение нейронной сети бессмысленно. Система не имела представления о намерениях предприятия и делала то, что должна была запрограммирован обходиться без всякого понятия о своей цели . Как и в случае моделирования эволюции Докинза (стр. 66), цели компьютерных нейронных сетей определяются программисты люди.

Блей Уитби, Искусственный интеллект: для начинающих Руководство 2012 (стр. 53):

Пока неясно, как искусственная нейронная сеть может быть обучена справляться с «миром» или с любым действительно открытым набором проблем. Теперь некоторые читатели могут почувствовать что эта непредсказуемость не является проблемой. В конце концов, мы говорим об обучении, а не о программировании, и мы ожидаем, что нейронная сеть будет вести себя скорее как мозг. чем компьютер. Учитывая полезность сетей в неконтролируемом обучении, может показаться, что нам на самом деле не нужно беспокоиться о том, что проблема управляемый размер и предсказуемость тренировочного процесса.Это не тот случай; нам действительно нужна управляемая и четко определенная задача для тренировочного процесса работать. Известный городской миф об искусственном интеллекте может помочь прояснить это.

История выглядит примерно так. Исследовательская группа обучала нейронную сеть распознавать изображения с изображением танков. (предоставлю вам догадываться, почему именно танки а не чайные чашки.) Для этого ему показали два учебных комплекта фотографий. На одном наборе изображений где-то в кадре был как минимум один танк, на другом в наборе не было танков.Сеть нужно было научить различать два набора фотографий. В конце концов, после всех этих вещей с обратным распространением, правильно давал вывод «танк», когда на картинке был танк, и «нет танка», когда его не было. Даже если, скажем, лишь чуть-чуть пушка выглядывала из-за песчаной дюны он сказал «танк». Потом представили снимок, на котором не видно ни одной части танка — он фактически полностью скрылся за песком. дюна — и программа сказала «танк».

Теперь, когда происходят подобные вещи, исследовательские лаборатории, как правило, делятся по возрастному признаку.Молодые волосы говорят: «Отлично! Мы в очереди за Нобелевской премией!» и старые головы говорят: «Что-то пошло не так». К сожалению, старые головы обычно правы — как они были в этом случае. Случилось так, что фотографии с танками были взяты утром, пока армия играла с танками на полигоне. После обеда фотограф вернулся и сделал снимки с одинаковые углы пустого диапазона. Таким образом, сеть определила наиболее надежный единственный признак, который позволил ей классифицировать два набора фотографий, а именно угол обзора. Тени.«AM = бак, PM = без бака». Это был чрезвычайно эффективный способ классификация двух наборов фотографий в обучающем наборе. То, что это, безусловно, было , а не , было программой, которая распознает танки. Большое преимущество нейронных сетей заключается в том, что они находят свои собственные критерии классификации. Большая проблема в том, что это может быть не тот, который вы хотите!

Том Блейк отмечает в 2011-09-20, что история:

Вероятно, недостоверно. Я не смог отследить это, несмотря на то, что слышал эту историю как на уроках компьютерной этики, так и на научных конференциях.

«Досадные ошибки в исследование персептрона», Марвин Мински, 31 января 2011 г.:

Как у меня был друг в Италии, у которого был персептрон, который смотрел на визуал… у него были визуальные входы. Итак, у него… у него были партитуры написанных Бахом хоралов и у него было множество хоралов, написанных студентами-музыкантами местной консерватории. И у него был персептрон — большая машина, — которая смотрела на то и это и пыталась различать их. И он смог научить его отличать шедевры Баха от неплохих хоралов консерваторских студентов.Итак, он показал нам эти данные, я просматривал их и обнаружил, что в левом нижнем углу каждой страницы один из наборов данных имел одиночные целые ноты. И я думаю, что у студентов обычно было четыре четвертных ноты. Чтобы, по сути, можно было различать эти два классов… музыкальных произведений, просто взглянув в нижний левый… нижний правый угол страницы. Итак, я рассказал об этом… нашему другу-ученому, и он пошел через данные, и он сказал: «Вы угадали.Вот… вот как получилось провести это различие». Нам это показалось очень забавным.

Похожий случай произошел здесь, в Соединенных Штатах, в одном из наших исследовательских институтов. Там, где персептрон был обучен различать — это было для военные цели — он мог… он смотрел на сцену леса, в котором на одном снимке были замаскированные танки, а на другом — нет замаскированных танков. А также персептрон — после небольшого обучения — получил… сделал 100% правильное различие между этими двумя разными наборами фотографий.Потом они смущались несколько часов позже обнаружил, что два рулона пленки были проявлены по-разному. Так что эти картинки были чуть темнее, чем все эти картинки и персептрон просто измерял общее количество света в сцене. Но со стороны персептрона было очень умно найти какой-то способ провести различие.

2000-е

Элиэзер Юдковски⁠, 24 августа 2008 г. (аналогично цитируется в «Искусственный интеллект как отрицательный и положительный фактор в глобальных рисках»⁠, «Искусственный интеллект в глобальных рисках» в Global Catastrophic Risks 2011 и «Дружественный искусственный интеллект» в Гипотезы сингулярности 2013):

Давным-давно — я видел эту историю в нескольких вариантах и ​​в нескольких местах, иногда цитируемую как факт, но я так и не нашел первоисточник — однажды В свое время, говорю я, армия США хотела использовать нейронные сети для автоматического обнаружения замаскированных вражеских танков.Исследователи обучили нейросеть на 50 фотографиях замаскированные танки среди деревьев и 50 фото деревьев без танков. Используя стандартные методы обучения с учителем, исследователи обучили нейронную сеть. до взвешивания, правильно нагрузившего обучающую выборку — для 50 фотографий замаскированных танков выведите «да», для 50 фотографий леса выведите «нет». Теперь это не доказывали и даже не подразумевали, что новые примеры будут классифицироваться правильно. Нейронная сеть могла бы «выучить» 100 частных случаев, которые нельзя обобщать. к новым проблемам.Не «замаскированные танки против леса», а просто «фото-1 положительный, фото-2 отрицательный, фото-3 отрицательный, фото-4 положительный…» Исследователи изначально сделали 200 фотографий, 100 фотографий танков и 100 фотографий деревьев, и использовали только половину в обучающей выборке. Исследователи провели нейронная сеть на оставшихся 100 фотографиях, и без дополнительного обучения нейронная сеть правильно классифицировала все оставшиеся фотографии. Успех подтвержден! Готовую работу исследователи передали Пентагону, который вскоре вернул ее, пожаловавшись, что в собственных тестах нейросеть показала себя не лучше, чем шанс на различение фотографий.Выяснилось, что в наборе данных исследователей фотографии замаскированных танков были сделаны в пасмурные дни, а фотографии обычных лес был взят в солнечные дни. Нейросеть научилась отличать пасмурные дни от солнечных, вместо того чтобы отличать замаскированные танки от замаскированных. пустой лес. Эта притча — которая может быть или не быть фактом — иллюстрирует одну из самых фундаментальных проблем в области обучения с учителем и, по сути, целая область искусственного интеллекта…

Гордон Рагг, Использование статистики: нежность Введение , 01.10.2007 (стр. 114–115):

Нейронные сети и генетические алгоритмы (включая историю русских танков) : Нейронные сети (или искусственные нейронные сети, чтобы дать им их полное название) — это части программного обеспечения, вдохновленные тем, как работает человеческий мозг.Короче говоря, вы можете научить нейронную сеть выполнять такие задачи, как классификация изображений, дав ей множество примеров и рассказ о том, какие примеры подходят к каким категориям; нейронная сеть сама определяет определяющие характеристики для каждого категория. В качестве альтернативы вы можете предоставить ему большой набор данных и оставить его для самостоятельной работы с соединениями, не давая ему никакой обратной связи. Есть история, которая это, вероятно, городская легенда, которая иллюстрирует, как работает этот подход и что с ним может пойти не так.Согласно сюжету, некоторые исследователи из НАТО обучили нейросеть различать фотографии танков НАТО и стран Варшавского договора. Через какое-то время нейронная сеть могла каждый раз делать это правильно, даже с фотографиями, которых она никогда раньше не видела. У исследователей были радостные видения установки нейронных сети с миниатюрными камерами в ракетах, которыми затем можно было стрелять по полю боя и оставлять самим выбирать цели. Чтобы продемонстрировать метод и обеспечить финансирование следующего этапа, организовали просмотр военными.В течение дня они настроили систему и загрузили в нее новую партию фотографий. Нейронная сеть ответила с явно случайными решениями, иногда правильно идентифицируя танки НАТО, иногда ошибочно идентифицируя их как варшавские Пактные танки. Это не вдохновило сильных мира сего, и вся схема была заброшена на месте. Только потом исследователи поняли, что все их тренировочные фотографии танков НАТО были сделаны солнечными днями в Аризоне, тогда как танки Варшавского договора сфотографировано в серые, жалкие зимние дни в степи, поэтому нейросеть безошибочно усвоила непреднамеренный урок, что если ты увидишь танк в хмурый день, затем вы сделали его день еще более мрачным, пометив его на уничтожение.

Н. Кэтрин Хейлс, «Вычисления человека» ( Изобретательская жизнь: подходы к новому витализму , Фрейзер и др. 2006; стр. 424):

В то время как люди на протяжении тысячелетий использовали то, что Кариани называет «активным восприятием» — «тыкать, толкать, сгибать», — чтобы расширить свой сенсорный диапазон, и в течение сотен лет использовали протезы для создания новых сенсорных ощущений (например, микроскопы и телескопы), только недавно стало возможным создавать эволюционирующие сенсоры и что Кариани (1998: 718) называет «внутренним восприятием», то есть «переносом мира в устройство» путем создания внутренних, аналоговых репрезентаций мира, из которых внутренние датчики извлекают новые релевантные свойства».

… Еще один вывод следует из призыва Кариани (1998) к исследованию сенсоров, которые могут адаптироваться и развиваться независимо от эпистемологических категорий человека. кто их создает. Хорошо известная и, возможно, апокрифическая история о нейронной сети, обученной распознавать армейские танки, проиллюстрирует это. По понятным причинам, армия хотела разработать интеллектуальную машину, которая могла бы отличать настоящие танки от воображаемых. Нейронная сеть была построена и обучена с использованием двух наборов данные, одна из которых состоит из фотографий, на которых показаны вырезы танков из фанеры, а другая — настоящие танки.После некоторого обучения сеть смогла безошибочно различать между ситуациями. Как обычно, сеть затем тестировалась на третьем наборе данных, показывающем воображаемые и настоящие танки в одном и том же ландшафте; это не удалось несчастно. Дальнейшее расследование показало, что исходные два набора данных были сняты в разные дни. Один из дней был пасмурным с большим количеством облаков, и на днях было ясно. Оказалось, что сеть различает наличие и отсутствие облаков. Анекдот показывает неоднозначный потенциал эпистемически автономные устройства для категоризации мира совершенно иначе, чем люди, с которыми они взаимодействуют.Хотя эта автономия может быть использована обогатить человеческое мировосприятие открытием новых видов конструкций, он также может создать породу автономных устройств, которые анализируют мир по частям. радикально отличаются от своих тренеров-людей.

Контр-нарратив, также, возможно, апокрифический, возник после войны в Персидском заливе 1991 года. Солдаты США, стреляющие по танкам, обучались на симуляторах, которые отображали пламя. стрелять из танка, чтобы указать на убийство. Когда армейские следователи исследовали подбитые в боях иракские танки, они обнаружили, что у некоторых танков солдаты выпустили в четыре-пять раз больше боеприпасов, чем необходимо, чтобы вывести из строя танки.Они предположили, что чрезмерное использование огневой мощи произошло из-за того, что вырвалось пламя, поэтому солдаты продолжали стрелять. Если гипотеза верна, человеческое восприятие было изменено в соответствии с идиосинкразиями разумных машины, что является примером того, что может произойти, когда восприятие человека и машины попадает в петлю обратной связи друг с другом.

Линда Нулл и Джули Лобур, Основы Компьютерная организация и архитектура (третье издание)⁠, 2003/​2014 (стр. 439–440 в 1-м издании, стр. 658 в 3-м издании):

Правильная тренировка требует тысячи шагов.Само время обучения зависит от размера сети. По мере увеличения числа персептронов количество возможные «состояния» также увеличиваются.

Рассмотрим более сложный пример — определение того, спрятался ли танк на фотографии. Нейронную сеть можно настроить так, чтобы каждый выход значение соответствует ровно одному пикселю. Если пиксель является частью изображения танка, сеть должна выдать единицу; в противном случае сеть должна выводить ноль. входная информация, скорее всего, будет состоять из цвета пикселя.Сеть будет обучаться, снабжая ее множеством изображений с танками и без них. обучение будет продолжаться до тех пор, пока сеть правильно не определит, есть ли на фотографиях танки. Американские военные провели исследовательский проект точно так же, как тот, который мы только что описали. Сделано 100 фотографий танков, прячущихся за деревьями и кустами, и еще 100 фотографий обычного пейзажа. без танков. Пятьдесят фотографий из каждой группы держались в «секрете», а остальные использовались для обучения нейронной сети.Сеть была инициализирована со случайными весами перед подачей по одной картинке за раз. Когда сеть была неправильной, она корректировала свои входные веса до тех пор, пока не был достигнут правильный выходной сигнал. После обучения период в сеть были загружены по 50 «секретных» снимков из каждой группы фотографий. Нейросеть правильно определила наличие или отсутствие танка в каждое фото. Настоящий вопрос на данный момент связан с обучением: действительно ли нейронная сеть научилась распознавать танки? Естественная подозрительность Пентагона привело к большему количеству испытаний.Были сделаны дополнительные фотографии и загружены в сеть, и, к ужасу исследователей, результаты оказались довольно случайными. Нейронная сеть не могла правильно идентифицировать танки на фотографиях. После некоторого расследования исследователи установили, что в исходном наборе из 200 фотографий все фотографии с танками были удалены. сделаны в пасмурный день, тогда как фотографии без танков были сделаны в солнечный день. Нейронная сеть правильно разделила две группы картинок, но сделано это с использованием цвета неба, а не наличия скрытого резервуара.Теперь правительство стало гордым владельцем очень дорогой нейронной сети. которые могли бы точно различать солнечные и пасмурные дни!

Это отличный пример того, что многие считают самой большой проблемой нейронных сетей. Если нейронов больше 10-20, понять невозможно. как сеть достигает своих результатов. Нельзя сказать, принимает ли сеть решения на основе правильной информации или, как в приведенном выше примере, на чем-то другом. совершенно не имеет значения. Нейронные сети обладают замечательной способностью извлекать смысл и модели из данных, которые слишком сложны для анализа людьми.Однако некоторые люди доверяют нейронным сетям как экспертов в своей области обучения. Нейронные сети используются в таких областях, как прогнозирование продаж, управление рисками, исследование клиентов, обнаружение подводных мин, распознавание лиц и проверка данных. Хотя нейронные сети перспективны, а прогресс, достигнутый в прошлом несколько лет привели к значительному финансированию исследований нейронных сетей, многие люди не решаются поверить в то, что ни один человек не может полностью понимать.

Дэвид Герхард, «Извлечение основного тона и основная частота: история и современные методы», технический Отчет TR-CS 2003–06, ноябрь 2003 г.:

.

Выбор размерности и домена входного множества имеет решающее значение для успеха любой коннекционистской модели.Типичный пример неудачного выбора входных данных набор и тестовые данные — это набег Пентагона в области распознавания объектов. Эта история, вероятно, является апокрифической, и в Интернете существует множество различных версий, но история описывает настоящую трудность с нейронными сетями.

Как гласит история, сеть была настроена таким образом, что входными данными были пиксели изображения, а выходным сигналом был один бит «да» или «нет» для существования врага. танк спрятан где-то на картинке. Когда обучение было завершено, сеть работала прекрасно, но при применении к новым данным она с треском провалилась. проблема заключалась в том, что в тестовых данных все фотографии с танками были сделаны в пасмурные дни, а все фотографии без танков были сделаны в солнечные дни. дней. Нейронная сеть определяла наличие или отсутствие солнечного света, а не танков.

Райс, лекция № 24, «COMP 200: Элементы информатики», 18 марта 2002 г .:

  1. Танки в Буре в пустыне

Иногда нужно быть осторожным с тем, на чем тренируешься. . .

Проблема нейронных сетей в том, что вы никогда не знаете, на каких функциях они на самом деле тренируются.Например:

Американские военные пытались использовать нейронные сети в «Буре в пустыне» для распознавания танков, чтобы беспилотные танки могли идентифицировать вражеские танки и уничтожать их. Они обучили нейронной сети на нескольких изображениях «своих» и вражеских танков, и в итоге получил достойную программу, которая вроде бы правильно идентифицировала свои и вражеские танки.

Затем, когда они фактически использовали программу на этапе реальных испытаний с реальными танками, они обнаружили, что танки либо стреляли в никуда, либо стреляли в все.Похоже, они были не в состоянии отличить свои танки от вражеских.

Почему это было? Оказывается, на изображениях, на которых они тренировались, всегда были гламурные снимки дружественных танков, с безукоризненно-голубым небом и т. д. фото вражеских танков, напротив, все были шпионскими фото, не очень четкими, местами нечеткими и т.д. И именно на этих характеристиках обучалась нейросеть на, не танки вовсе. В ясный солнечный день танкам делать было нечего. В пасмурный, туманный день они начинали стрелять как сумасшедшие.. .

Эндрю Илачински, Клеточные автоматы: дискретная вселенная , 2001 (pg547):

Есть показательная история о том, как армия недавно начала обучать сеть обратного распространения для идентификации танков, противостоящих различным условиям окружающей среды. фоны. Программисты корректно скармливали свою многослойную сетевую фотографию за фотографией танков на лугах, танков на болотах, танков на бетоне нет и т.д. на. После многих испытаний и многих тысяч итераций их сеть, наконец, узнала все изображения в своей базе данных.Проблема заключалась в том, что когда предположительно «обученная» сеть была протестирована с другими изображениями, не входившими в исходный обучающий набор, она не показала лучших результатов, чем можно было ожидать случайно. какой произошло то, что набор фактов ввода/обучения был статистически искажен. База данных состояла в основном из изображений, на которых танк появлялся только при наличии тяжелых облака, сам танк был погружен в тень или вообще не было солнца. Армейская нейронная сеть действительно выявила скрытый паттерн, но, к сожалению, он не имел ничего общего с танками: он эффективно научился распознавать время суток! Очевидный урок, который можно извлечь из этого забавного примера, состоит в том, что то, насколько хорошо сеть «усваивает» желаемые ассоциации, почти полностью зависит от того, как хорошо определена база данных фактов.Так же, как Монте-Карло Моделирование в статистической механике может не дать желаемых результатов, если оно будет вынуждено полагаться на плохо закодированные генераторы случайных чисел. сети с обратным распространением обычно не достигают ожидаемых результатов, если факты, на которых они обучаются, статистически искажены.

Интеллектуальный анализ данных Science ⁠, Хью М. Картрайт 2000, стр. 126, пишет (согласно представлению фрагмента Google Книг; версия Картрайта выглядит как прямая цитата или близко перефразировка более ранней статьи по химии 1994 года, Goodacre et al 1994):

…телепрограмма Горизонт ⁠; нейронная сеть была обучена отличать танки от деревьев.Были сделаны фотографии лесных сцен без военной техники и с похожими, но, возможно, менее пасторальными пейзажами, которые также содержали более или менее замаскированные боевые танки. Нейронная сеть была обучался с этими входными данными и обнаружил, что успешно различает резервуары и деревья. Однако, когда сеть проанализировала новый набор изображений, он танки обнаружить не удалось. После дальнейшего расследования было обнаружено…

Дэниел Роберт Франклин и Филипп Кроша, учебник libneural , 23 марта 2000 г.:

Нейронная сеть бесполезна, если она видит только один пример совпадающей пары ввода/вывода.Он не может вывести характеристики входных данных, для которых вы ищите от одного только примера; скорее, требуется много примеров. Это аналогично тому, как ребенок учится различать, скажем, разные типы животные — ребенку нужно будет увидеть несколько примеров каждого, чтобы иметь возможность классифицировать произвольное животное… То же самое и с нейронными сетями. Лучшее обучение Процедура заключается в составлении большого количества примеров (для более сложных задач требуется больше примеров), которые демонстрируют все различные характеристики, которыми вы обладаете. увлекающийся.Важно выбрать примеры, которые не имеют основных доминирующих признаков, не представляющих интереса для вас, но являются общими для ваших входных данных. в любом случае. Одним из известных примеров является классификатор танков «Искусственный интеллект» армии США. Были показаны образцы советских танков с самых разных расстояний и ракурсы в яркий солнечный день и примеры американских танков в пасмурный день. Излишне говорить, что он отлично классифицировал погоду, но не так хорошо выявлял врагов. танки.

1990-е

«Безумие нейронных сетей»⁠, Нил Фрейзер, сентябрь 1998:

В 1980-х Пентагон хотел использовать компьютерные технологии, чтобы сделать свои танки более сложными для атаки… Исследовательская группа вышла и сделала 100 фотографий танки прячутся за деревьями, а затем сделал 100 фотографий деревьев — без танков.Они взяли половину фотографий из каждой группы и поместили их в хранилище для хранения. на хранение, а затем отсканировал вторую половину в свой мэйнфрейм-компьютер. Огромная нейросеть скармливала каждую фотографию по одной и спрашивала, есть ли там танк. прячется за деревьями. Конечно, вначале его ответы были совершенно случайными, поскольку сеть не знала, что происходит и что она должна была делать. делать. Но каждый раз, когда ему скармливали фотографию и он давал ответ, ученые говорили ему, правильно это или нет.Если бы это было неправильно, это бы случайно изменило взвешивания в своей сети, пока не даст правильный ответ. Со временем он становился все лучше и лучше, пока, в конце концов, не стал делать каждую фотографию правильной. Это могло бы правильно определить, был ли танк спрятан за деревьями на какой-либо из фотографий… Поэтому ученые достали фотографии, которые они хранили в хранилище и кормил их через компьютер. Компьютер никогда раньше не видел этих фотографий — это будет большим испытанием. К их огромному облегчению, нейронная сеть правильно идентифицировал каждую фотографию как с танком или без него. Независимое тестирование : Пентагон был этим очень доволен, но немного подозрительный. Они заказали еще один набор фотографий (половина с танками и половина без) и отсканировали их в компьютер и через нейросеть. результаты были совершенно случайными. Долгое время никто не мог понять почему. В конце концов, никто не понял, как нейрон обучался сам. В конце концов кто-то заметил, что в исходном наборе из 200 фотографий все изображения с танками были сделаны в пасмурный день, а все изображения без танков — в пасмурный день. Солнечный день.Нейросеть попросили разделить две группы фотографий, и она выбрала самый очевидный способ сделать это — не искать замаскированное изображение. Танк прячется за деревом, а просто глядя на цвет неба… Эта история может быть апокрифической, но это не имеет большого значения. Это идеальная иллюстрация самая большая проблема нейронных сетей. Любую автоматически обучаемую сеть, состоящую из более чем нескольких десятков нейронов, практически невозможно проанализировать и понимать.

атрибута Тома Уайта (октябрь 2017 г.) Марвину Мински какая-то версия танковой истории, рассказанная в классах Массачусетского технологического института 20 лет назад, примерно в 1997 году (но не указывает подробный рассказ или версия, кроме очевидно, что результаты были «засекречены»).

Васант Дхар и Роджер Штайн, Интеллигент Методы поддержки принятия решений ⁠, 1997 г. (стр. 98, ограниченный фрагмент Google Книг):

…Однако, когда был использован новый набор фотографий, результаты были ужасны. Сначала команда была озадачена. Но после внимательного осмотра первых двух комплектов фотографий, они нашли очень простое объяснение. Все фотографии с танками были сделаны в солнечные дни, а те, что без танков, — в пасмурные дни. В сети , а не научились распознавать изображения, похожие на танки; вместо этого он научился различать фотографии солнечных и пасмурных дней. дней.

Ройстон Гудакр, Марк Дж. Нил и Дуглас Б. Келл, «Количественный анализ многомерных данных с использованием искусственных нейронных сетей: обзор учебного пособия и приложения к деконволюции пиролизной массы» Спектры», 1994-04-29:

…Как и во всех других методах анализа данных, эти методы обучения с учителем не застрахованы от чувствительности к плохо выбранным исходным данным (113). [113: Зупан, Дж. и Дж. Гастайгер: Нейронные сети для химиков: Введение .VCH Verlagsgesellschaft, Вайнхайм (1993)] Поэтому образцы для обучающей выборки должны быть тщательно выбраны; золотое правило — «мусор на входе — мусор на выходе». Отличный пример нерепрезентативная обучающая выборка некоторое время назад обсуждалась в телепрограмме BBC Horizon ; нейронный сеть была обучена отличать танки от деревьев. Были сделаны снимки лесных сцен без военной техники и подобных, но, возможно, менее пасторальные пейзажи, в которых также были более или менее замаскированные боевые танки.На этих входных данных была обучена нейронная сеть, и было обнаружено, что она различает большинство успешно между танками и деревьями. Однако когда сеть проанализировала новый набор снимков, отличить танки от деревьев не удалось. После Дальнейшее расследование показало, что первая серия фотографий с танками была сделана в солнечный день, в то время как те, на которых танков не было, были получены когда было пасмурно. Таким образом, нейронная сеть научилась просто распознавать погоду! Отсюда можно сделать вывод, что обучающая и тестовая выборки должны быть тщательно отобраны, чтобы содержать репрезентативные образцы, охватывающие соответствующую дисперсию по всем соответствующим свойства для рассматриваемой проблемы.

Фернандо Перейра, «нервная красная черта», RISKS 16(41), 12 сентября 1994 г.:

Комментарии Фреда относятся не только к нейронным сетям, но и к любой модели принятия решений, обученной на основе данных (например, байесовской модели⁠, деревья решений). Это всего лишь пример старого феномена «GIGO» в статистическом моделировании… вопрос об оценке, не говоря уже о сертификации и юридической правоспособности, сложных статистических моделей все еще остается открытым. (Это напоминает мне возможно апокрифический история проблем со смещенными данными в обучении нейронных сетей.Кто-то из оборонных подрядчиков США якобы обучил нейронную сеть находить танки в сценах. Сообщается производительность была превосходной, даже замаскированные танки, в основном скрытые в растительности, были обнаружены. Однако, когда сеть была протестирована на еще новом наборе изображений предоставленный клиентом, сеть оказалась не лучше случайности. После неловкого расследования выяснилось, что все изображения танков в оригинальном учебном и тестовые наборы имели очень другую среднюю интенсивность, чем изображения без резервуара, и, таким образом, сеть только что научилась различать два уровня интенсивности изображения.Кто-нибудь знает, так было на самом деле, или это только в нейросетевом «городском фольклоре»?)

Эрих Харт, Творческий цикл: как мозг создает Mind ⁠, 1993/1995 (стр. 158, ограниченный фрагмент Google Книг):

… 55. Сеть была обучена обнаруживать присутствие танков на местности. Тренировка заключалась в том, что прибору показывали множество фотографий местности, некоторые с баками, некоторые без. В некоторых случаях — как на картинке на странице 143 — присутствие танка было не очень заметно.Входы в нейронную сеть были оцифрованы. фотографии;

Хьюберт Л. Дрейфус и Стюарт Э. Дрейфус⁠, «Что могут и чего не могут сделать искусственные эксперты»⁠, 1992:

Все вопросы «продолжите эту последовательность», встречающиеся, например, в тестах интеллекта, действительно имеют более одного возможного ответа, но большинство людей имеют общий чувство того, что просто и разумно и, следовательно, приемлемо. Но когда сеть выдает неожиданную ассоциацию, можно ли говорить, что она не смогла обобщить? Один с таким же успехом можно было бы сказать, что сеть все это время действовала по другому определению «типа» и что это различие только что обнаружилось.Для забавного и драматический случай творческого, но неразумного обобщения, рассмотрим легенду об одном из первых приложений коннекционизма. В первые дни perceptron Армия решила обучить искусственную нейронную сеть распознавать танки, частично спрятанные за деревьями в лесу. Они сделали несколько снимков лес без танков, а потом картинки того же леса с явно торчащими из-за деревьев танками. Затем они обучили сеть различать два класса. изображений.Результаты были впечатляющими, а армия была еще более впечатлена, когда выяснилось, что сеть может обобщать свои знания на изображения с каждого набор, который не использовался при обучении сети. Однако чтобы убедиться, что сеть действительно научилась распознавать частично спрятанные танки, исследователи сделал еще несколько снимков в том же лесу и показал их обученной сети. Они были потрясены и подавлены, обнаружив, что с новыми фотографиями сеть полностью не смог различить изображения деревьев с частично скрытыми резервуарами за ними и просто деревья.Тайна наконец была разгадана, когда кто-то заметил, что тренировочные снимки леса без танков были сделаны в пасмурный день, а с танками — в солнечный. Сеть узнала распознать и обобщить разницу между лесом с тенями и без теней! Очевидно, не то, что выделилось для исследователей важным отличием. Этот пример иллюстрирует общее положение о том, что сеть должна иметь такой же размер, архитектуру, начальные соединения, конфигурацию и социализацию, что и человеческий мозг, если это разделить наше чувство надлежащего обобщения

Хьюберт Дрейфус, кажется, рассказал эту историю ранее, в 1990 или 1991 году, поскольку похожая история появляется в эпизоде ​​​​4 (на немецком языке) (начиная с 33:49). из документального сериала BBC Машина, изменившая мир , трансляция 1991-11-08.Хьюберт Л. Дрейфус, Чего еще не могут сделать компьютеры: критика искусственного разума ⁠, 1992, повторяет эту историю очень похоже, но не так. совершенно идентичная формулировка (Джефф Кауфман отмечает что Дрейфус опускает подходящее описание «легенды»):

…Но когда сеть выдает неожиданную ассоциацию, можно ли говорить, что она не сумела обобщить? С таким же успехом можно сказать, что сеть все это время была действуя по другому определению «типа», и что это различие только что обнаружилось.За забавный и драматический случай творческого, но неразумного обобщения, рассмотрим одно из первых приложений коннекционизма. В первые дни этой работы армия пыталась обучить искусственную нейронную сеть узнавать танки в лесу. Они сделали несколько снимков леса без танков, а потом, на следующий день, когда танки явно торчали из-за деревьев, и они обучили сеть различать два класса картинок. Результаты были впечатляющими, а армия была еще больше впечатлена, когда выяснилось, что net мог обобщить свои знания на изображения, которые не были частью тренировочного набора.Просто чтобы убедиться, что сеть действительно распознает частично скрытый танков, однако исследователи сделали еще несколько снимков в том же лесу и показали их обученной сети. Они были подавлены, обнаружив, что сеть не различать новые изображения деревьев с танками позади них и новые изображения простых деревьев. После некоторых мучений тайна, наконец, была раскрыта. решилась, когда кто-то заметил, что исходные снимки леса без танков были сделаны в пасмурный день, а с танками — в солнечный. net, видимо, научился распознавать и обобщать разницу между лесом с тенями и без теней! Этот пример иллюстрирует общее положение о том, что Сеть должна разделять наше понимание мира здравым смыслом, если она хочет разделять наше чувство адекватного обобщения.

Книга Дрейфуса « Чего компьютеры до сих пор не могут сделать » указана как редакция его книги 1972 года « Чего компьютеры не могут: критика искусственного разума » ⁠, но история с танком не в книге 1972 года, а только в книге 1992 года.(Версия Дрейфуса также цитируется в статье NYT за 2017 г. и в статье Хиллиса 1996 г. География, идентичность и воплощение в виртуальной реальности , стр. 346.)

Лавин Н. Канал, Искусственные нейронные сети и распознавание статистических образов: старые и новые связи Предисловие , обсуждаются некоторые ранние исследования NN/танка (предшествуя не только сверткам Лекуна, но и обратному распространению), 1991:

…[Фрэнк] Розенблатт не ограничился использованием только одного порогового логического блока, а использовал сети таких блоков.Проблема заключалась в том, как тренировать многослойность персептронные сети. Статья на эту тему, написанная Блоком, Найтом и Розенблаттом, была действительно туманной и не продемонстрировала конвергентной процедуры для обучения таких сети. В 1962–1963 годах в компании Philco-Ford в поисках систематического подхода к разработке многоуровневых классификационных сетей мы решили использовать иерархию пороговых логических единиц. с первым слоем «логики признаков», которые представляли собой пороговые логические единицы на перекрывающихся рецептивных полях изображения, питая два дополнительных уровня взвешенных блоки порогового логического решения.Веса на каждом уровне иерархии оценивались с использованием статистических методов, а не итерационных процедур обучения [Л.Н. Канал и Н.К. Рэндалл, «Разработка системы распознавания статистическими Анализ», Сб. 19-я конф. АКМ, 1964]. Мы назвали сети двухуровневыми сетями, поскольку мы не учитывали ввод как слой. В проекте по распознаванию танков на аэрофотосъемке этот метод работал достаточно хорошо на практике, поэтому агентство армии США, спонсирующее проект, принято решение засекретить окончательные отчеты, хотя ранее проект не был засекречен.Мы не смогли опубликовать секретные результаты! Затем, влюбившись в заявленное обещание когерентной оптической фильтрации как параллельной реализации для автоматического распознавания целей, обещанное нам финансирование было отклонено от нашей электрооптической реализации до когерентной группы оптической фильтрации. Несколько лет спустя мы представили аргументы в пользу нашего подхода по сравнению с оптические реализации и обучаемые системы, в статье под названием «Системные соображения для автоматического скрининга изображений» Т.Дж. Харли, Л.Н. Kanal and N.C. Randall, который включен в репринтный том IEEE Press под названием Machine Recognition of Patterns под редакцией А. Агравала 1977⁠. В последующие годы многоуровневая статистическая разработка классификаторы и процедуры поиска ИИ, применяемые для распознавания образов, вызывали у меня интерес, хотя комментарии в моем обзоре 1974 года «Образцы в распознавании образов: 1968–1974» [IEEE Trans. on IT, 1974], упоминают статьи Амари и других и демонстрируют понимание того, что нейронные сети и биологически мотивированные автоматы возвращались.В последние несколько лет обучаемые многослойные нейронные сети снова стали доминировать в исследованиях паттернов. признание, и на этот раз есть возможность получить гораздо более глубокое представление об их систематическом дизайне и анализе производительности…

Хотя Kanal & Randall 1964 в чем-то совпадает, в том числе по количеству изображений, ни в статье, ни в воспоминаниях Kanal 1991 года о провале не упоминается. (скорее, Канал подразумевает, что это было очень многообещающе), нет никаких упоминаний о развертывании в полевых условиях или дополнительных испытаниях, которые могли бы выявить переоснащение, и учитывая их использование бинаризации, мне непонятно, что их 2-х слойный алгоритм даже может подгонять под глобальную яркость; фотографии, кажется, также были снято на достаточно низкой высоте, чтобы не было облаков, и при аналогичных (возможно, контролируемых) условиях освещения.Описание в Kanal & Randall 1964 год для меня несколько непрозрачен, особенно в отношении «лапласиана», который они используют для бинаризации или преобразования в края, но более подробная информация содержится в их «Исследовании полуавтоматического скрининга изображений и экспериментальном исследовании, том 1»⁠, Harley, Bryan, Kanal , Taylor & Grayum 1962 (зеркало), что указывает на то, что в их предварительном исследования они уже интересовались пренормировкой/предварительной обработкой изображений для корректировки высоты и яркости, а лапласиан, наряду с силуэтами и «редактирование линейности», отметив, что «операция Лапласа устраняет абсолютную шкалу яркости, а также низкие пространственные частоты, которые не имеют большого значения в скрининговые операции.

Анонимный читатель говорит, что слышал эту историю в 1990 году:

Мне рассказал о сбое распознавания танка лектор моей магистратуры по интеллектуальным системам, основанным на знаниях 1990 года, почти наверняка Либор Спейсек⁠, с точки зрения осведомленности контекста в наборах данных; что, будучи выходцем из (бывшей) Чехословакии, он ожидал увидеть танки на автомагистралях, в то время как большинство британцев этого не видели. я тоже помню читая о проекте с финансированием DARPA, направленном на дифференциацию российских, европейских и американских танков где распознавание изображений научилось не замечать различия между танками, а находить деревья, потому что фотографии американских танков были на открытой местности и русские в лесах; это было во время того же курса магистратуры — очень похоже на предсказание опухолей путем поиска линейки, используемой для их измерения в фото — но я не помню источник (это была не одна из книг, которые вы цитируете, это была либо журнальная статья, либо другой учебник).

1980-е

Крис Брю заявляет (2017-10-16), что он «слышал историю в 1984 году о голубях вместо нейронных сетей».

1960-е

Эдвард Фредкин в электронном письме Элиэзеру Юдковски от 26 февраля 2013 г. рассказывает интересный анекдот о 1960-х годах, в котором утверждалось, что быть зерном правды:

Кстати, рассказ о двух картинках поля, с армейскими танками и без них, исходит от меня. Я присутствовал на собрании в Лос-Анджелесе [в RAND?], примерно полвека назад [~1963?], где кто-то показывая, как можно обучить случайную сеть обнаруживать танки на картинке.Я был в аудитории. В конце выступления я встал и сказал, что Было очевидно, что снимок с танками сделан в солнечный день, а другой снимок (того же поля без танков) — в пасмурный день. я предположил, что «нейронная сеть» просто научилась распознавать разницу между яркой и тусклой картинкой.

Mark I — Танковый музей

Британский Mark I был первым танком, принявшим участие в боях.

Всего было построено 150, разделенных на мужские и женские типы по 75 штук.Мужские танки имели спонсоны, на каждом из которых устанавливалось 57-мм шестифунтовое орудие. С другой стороны, на женских танках устанавливались два громоздких спонсона, предназначенных для перевозки двух крупнокалиберных пулеметов Vickers с водяным охлаждением и крошечными аварийными дверцами сзади. Оба имели колесное хвостовое оперение сзади, которое можно было использовать для управления и в качестве противовеса при переходе через гребень или даже в качестве дополнительной опоры при пересечении широкой траншеи.

Танки Mark I впервые вступили в бой 15 сентября 1916 года на Сомме.Восемь других были отправлены в Палестину и участвовали в боях в Газе, впервые танки использовались в условиях пустыни. Позже, в 1916 году, колесные хвостовые оперения, доставлявшие больше проблем, чем пользы, были сняты, и оказалось, что танки и без них ходят так же хорошо. Другие модификации включали установку более мощных тормозов и улучшенных опорных катков, а также удаление зубьев с направляющих колес спереди. Позже в том же году произошли некоторые незначительные действия, и пятнадцать танков Mark I были предназначены для участия в битве при Аррасе в апреле 1917 года.После этого, по мере появления новых танков, уцелевшие Mark I были переведены на вспомогательные роли в качестве танков снабжения или радиосвязи.

Mark I в Танковом музее

В Танковом музее хранится последний уцелевший образец Mark I. Он был подарен лорду Солсбери в 1919 году для демонстрации в его поместье Хэтфилд-Парк в Хартфордшире в память об использовании его земель для некоторых из первые демонстрации танка в 1916 году.

Он был оснащен короткими шестифунтовыми орудиями и орудийными щитами малого диаметра от более позднего типа танка, был поврежден сзади и не имел рулевого хвостового оперения и гидравлического устройства.Когда он прибыл в Танковый музей, он получил гидравлику и хвостовое оперение от танка Mark II, а внешний вид орудий был косметически восстановлен с помощью дерева.

Первоначально отображался в сером цвете с надписью «Русский», позже он был перекрашен, чтобы представить танк «Клан Лесли», который появился во время битвы на Сомме 15 сентября 1916 года, с копией «бомбостойкой» крыши. .

 

Альфа Лаваль — часто задаваемые вопросы

Общие вопросы

Вопросы по танкам

 

Если у вас есть вопросы относительно производительности или работы любого из наших продуктов, свяжитесь с нами.


Очистители резервуаров Alfa Laval Общие вопросы
Какие отношения существуют между Gamajet и Альфа Лаваль?

Gamajet был приобретен Альфа Лаваль в 2012 году. По условиям соглашения была создана новая компания Alfa Laval Tank Equipment, Inc., входящая в группу Альфа Лаваль. Эта новая компания отвечает за продажу машин для очистки резервуаров Альфа Лаваль Gamajet и Альфа Лаваль Toftejorg. Название компании, базирующейся в Экстоне, штат Пенсильвания, могло измениться, но прежнее стремление Gamajet к превосходному обслуживанию и поддержке клиентов останется прежним.Позвоните нам сегодня и убедитесь в этом сами!

Как работает очиститель резервуаров Альфа Лаваль?

Когда моющая жидкость поступает в наши машины, она сначала проходит через стационарный компонент, называемый статором, который направляет воду по венам вращающегося компонента, называемого ротором. Ротор, соединенный с входным валом, приводит в движение зубчатую передачу, которая в конечном итоге приводит во вращение тройник и корпус сопла. Корпус тройника, деталь в форме тройника трубы, вращается вокруг оси впускной трубы, а корпус сопла, деталь, в которую ввинчиваются сопла, вращается вокруг корпуса тройника.Это движение (или, точнее, взаимосвязь движения между двумя частями) сопла и корпуса тройника, которые со временем приобретают сферическую форму. Один полный цикл промывки составляет 60 оборотов либо корпуса сопла, либо корпуса тройника. Схема распыления повторяется после каждого полного цикла.

 

Схема распыления с двумя форсунками для 4

Быстрое полоскание/стирка:  Легкое полоскание/стирка: Интенсивное полоскание/стирка:
2 сопла  2 сопла 2 сопла
15 оборотов 30 оборотов 60 оборотов
1/4 цикла стирки 1/2 цикла стирки Полный цикл стирки
Интервалы 12° Интервалы 9° Интервал 3°

 

Схема распыления с тремя форсунками для 4 

Легкое полоскание/стирка: Среднее полоскание/стирка: Интенсивное полоскание/стирка:
3 сопла 3 сопла 3 сопла
20 оборотов 40 оборотов 60 оборотов
1/3 цикла стирки  2/3 цикла стирки  Полный цикл стирки
Интервалы 8° Интервалы 4° Интервал 2°
Что такое импинджмент-очистка?

Ударная очистка — это запатентованный процесс, используемый в машинах для очистки резервуаров Альфа Лаваль, при котором чистящая жидкость, такая как вода, выбрасывается в виде спроектированного профиля потока, который попадает на целевую поверхность с точным давлением и углом удара, обеспечивая наиболее эффективную и действенную очистку.

 Я не уверен в своих рабочих условиях, почему это важно?

Машины Альфа Лаваль для очистки резервуаров представляют собой устройства с приводом от промывочной жидкости, предназначенные для подачи достаточного усилия очистки на поверхность резервуара. Персонал Альфа Лаваль использует рабочие условия, такие как расход, давление и температура, для настройки форсунок, статора (и, при необходимости, ротора) и передаточного отношения, чтобы обеспечить требуемую эффективность очистки для каждого применения. Поэтому очень важно знать, при каком давлении и скорости потока вы планируете работать.Обратите внимание, что при определении размера машины необходимо учитывать потери на линии и высоте. Если вам нужна помощь, свяжитесь с Альфа Лаваль.

Что лучше, машина с 2 или 3 соплами?

Каждая конфигурация имеет свои преимущества.

Машина с двумя форсунками, которая встречается чаще, создает большую ударную силу, чем машина с тремя форсунками, работающая при том же давлении и размере форсунки. Например, машина с двумя форсунками, работающая при 100 фунтов на квадратный дюйм и 100 галлонов в минуту, будет подавать 50 галлонов в минуту на каждую форсунку.Машина с тремя соплами, работающая при 100 фунтов на квадратный дюйм и 100 галлонов в минуту, будет проходить только 33 галлона в минуту на одно сопло, что приводит к более низкой скорости на выходе, что, в свою очередь, означает меньшую ударную силу.

Машина с тремя форсунками имеет на 33% более плотный рисунок, чем машина с двумя форсунками. Может показаться, что это много, но для большинства приложений схемы с двумя соплами более чем достаточно. Однако есть области применения, где расстояние в сочетании со стойкой грязью требует более плотного рисунка машины с тремя форсунками.

Машина с тремя форсунками может ополоснуть сосуд за 1/3 полного цикла, а машина с двумя форсунками требует 1/2 полного цикла.Таким образом, в приложениях, требующих очень быстрого ополаскивания, машина с тремя форсунками имеет преимущество.

Что представляют собой машины Alfa Laval для очистки резервуаров направленного действия?

Направленные машины для мойки резервуаров Альфа Лаваль — это машины, предназначенные для очистки резервуаров с открытым верхом, резервуаров и других емкостей. В них используется роторно-импинджментная очистка, как и в других очистителях резервуаров Альфа Лаваль, за исключением того, что в этом случае используется круговая очистка на 180° вместо типичной траектории на 360°. Альфа Лаваль GJ 4, GJ 5 и GJ 8 предлагаются в качестве направленных агрегатов.

В чем разница между машиной для очистки резервуаров Альфа Лаваль и шаровым распылителем?

Распылитель — это устройство, имеющее множество отверстий, через которые выпускается моющая жидкость, и для очистки всей поверхности требуется огромное количество отверстий. Однако из-за большого количества отверстий в шаре распылителя высвобождаемая жидкость имеет меньшую силу (поскольку давление рассеивается), создавая менее мощную струю, которая очищает менее эффективно. Распыление не только слабое, но и неточное, неспособное гарантировать тщательную очистку.В машине для очистки резервуаров Альфа Лаваль используется ротационная очистка со столкновением, чтобы обеспечить очистку всего внутреннего пространства резервуара. Используя только 2 или 3 форсунки, очистители резервуаров Альфа Лаваль обеспечивают максимальное воздействие за счет концентрации энергии в нескольких очень мощных потоках. Форсунки также спроектированы таким образом, чтобы двигаться по кругу на 360°, что позволяет очищать всю поверхность за один полный цикл. Чистая сила воды удаляет остатки, а вращение гарантирует, что ни одна часть поверхности сосуда не останется нетронутой.

В чем разница между машиной для очистки резервуаров Альфа Лаваль и вращающимся шаровым распылителем?

Вращающийся распылительный шар не создает ударов и зависит от контролируемого смачивающего действия и химических веществ для обеспечения очистки.Количество необходимых химикатов может быть значительным. Устройство для очистки резервуаров Альфа Лаваль также будет использовать часть общего расхода по сравнению с вращающимся или статическим распылителем и выполнять очистку в три раза быстрее. Во многих случаях использование химикатов можно значительно сократить или полностью исключить, если использовать установку для очистки резервуаров Альфа Лаваль.

Какие моющие жидкости используются в машинах для мойки резервуаров Альфа Лаваль?

Обычно используется вода, иногда с щелочью или моющим средством. В некоторых нефтяных приложениях будет использоваться дизельное топливо.Подтвердите выбор промывочной жидкости в службе поддержки Альфа Лаваль, так как это повлияет на тип уплотнений, используемых в вашей машине. Растворители также распространены. Машины для очистки резервуаров Альфа Лаваль изготовлены из нержавеющей стали 316, и большинство очищающих жидкостей могут проходить через них без проблем, при работе с некоторыми агрессивными средами могут потребоваться другие уплотнительные кольца и втулки.

Как подобрать машину для очистки резервуаров Альфа Лаваль для работы с существующим насосом?

Чтобы ответить на этот вопрос, нужно сначала определить, какой тип насоса используется.Существует два основных семейства насосов, которые работают с машинами Альфа Лаваль для очистки резервуаров. Первый представляет собой насос центробежного или импеллерного типа, второй представляет собой объемный насос прямого вытеснения.

Центробежный насос перекачивает промывочную воду жилами вращающейся крыльчатки. По своей природе, по мере увеличения противодавления в системе насос начинает «проскальзывать», т. е. расход падает по мере увеличения сопротивления. Этот тип насоса может быть «безнапорным» (нулевой расход) в течение коротких периодов времени без повреждения или опасности для правильно сконфигурированной системы.Размер очистителя резервуаров Альфа Лаваль обычно соответствует максимальной эффективности центробежного насоса. Насос этого типа обычно используется в GJ 4, GJ 6, GJ 8, GJ 9 и некоторых приложениях GJ 10.

Насос прямого вытеснения, PD, перемещает промывочную воду более механическими и постоянными средствами (поршень, плунжер, механическая диафрагма и т. д.). Этот тип насоса обычно рассчитан на определенный максимальный расход, от которого он не будет меняться (но его можно уменьшить, запустив насос медленнее), и максимальное номинальное давление.Не путайте это максимальное значение с фактическим рабочим давлением насоса. Фактическое рабочее давление определяется ограничениями, которые должна преодолевать вода (водопровод, высота над уровнем моря и машина для очистки резервуаров Альфа Лаваль) при заданном расходе. Насосы этого типа почти не имеют проскальзывания и, следовательно, не могут быть «тупиковыми». По очевидным причинам безопасности на выходе насосов постоянного объема необходимо использовать перепускной клапан или клапан сброса давления.

Существует больше свободы при выборе размера машины для очистки резервуаров Альфа Лаваль для использования с насосом PD, поскольку не существует точки максимальной эффективности.Используя установленную скорость потока в качестве ориентира, размеры очистителей резервуаров Альфа Лаваль обычно подбираются таким образом, чтобы обеспечить соответствующее рабочее давление в зависимости от таких факторов, как размер резервуара, стойкость грязи, максимальное номинальное давление насоса и трубопроводов подачи и т. д. тип насоса обычно используется в GJ 7, GJ BB, GJ DB и некоторых приложениях GJ 5 и 6.

Если у вас есть вопросы по подбору насоса, свяжитесь с нами.

Какое влияние оказывает закупорка внутренних сосудов?

Резервуары с препятствиями (дефлекторы, смесительные лопасти и т. д.)) может иметь «теневую» проблему. Движения машины для очистки резервуаров Альфа Лаваль обычно достаточно для очистки вокруг небольших препятствий, однако для емкостей с крупными предметами или в случаях, когда требуется высокий уровень чистоты, необходимо несколько машин или точек ввода.

Что такое полный цикл?

По мере того как очиститель резервуаров Альфа Лаваль вращается внутри сосуда, форма распыления медленно перемещается по внутренней поверхности. Когда эта схема распыления начинает повторяться, говорят, что устройство завершило один полный цикл.Для большинства машин это происходит, когда корпус сопла или тройника проворачивается 60 раз. Для GJ 9, GJ BB и GJ DB требуется всего 50 оборотов.

Как определить время полного цикла мойки резервуаров Альфа Лаваль?

Используя фиксированную точку внутри сосуда в качестве эталона, определите время, за которое одно и то же сопло проходит обратно через эту фиксированную точку в сосуде. (Это не будет точно то же самое пятно, потому что форма распыления индексируется.) Для большинства машин это значение времени в секундах соответствует времени полного цикла в минутах.Для GJ 9, GJ BB и GJ DB умножьте это число на 5/6, чтобы рассчитать время полного цикла (в минутах).

Всегда ли необходимо запускать полный цикл для очистки сосуда?

Нет, это не так. Если почва внутри сосуда достаточно легкая, вполне возможно использовать менее полного цикла для очистки сосуда. Фактически, схема распыления для машины с 2 и 3 форсунками завершает первый проход (не путать с циклом) внутри сосуда за 1/2 или 1/3 полного цикла соответственно.Этот начальный проход имеет относительно свободное покрытие, а при последующих проходах покрытие пятна распыления становится более плотным.

Каков максимальный практический радиус очистки машин Альфа Лаваль для очистки резервуаров?

См. таблицу ниже

Каково минимальное время полного цикла машин для мойки резервуаров Альфа Лаваль?

См. таблицу ниже

Каковы типичные значения расхода и давления для машин для очистки резервуаров Альфа Лаваль?

См. таблицу ниже

 

 

Машины
Альфа Лаваль  Элемент
ГДж 7
ГДж ДБ / ГДж  ВВ
GJ A6 / GJ 6
ГДж 9
ГДж 5
Макс.Практичный радиус очистки

2½’

0,76 м

2½’

0,76 м

5′

1,5 м

7½’

2,3 м

7½’

2,3 м

Минимальный вход

1½ дюйма

38 мм

Отверстие для заглушки 50 мм

2.8 дюймов

71 мм

2,76 дюйма

70 мм

3 дюйма Короткий 76 мм

3½ дюйма, длина 89 мм

Условия эксплуатации (типичные)
Скорость потока (гал/мин)
(л/мин)

от 3 до 6

(от 11,3 до 22,7)

от 3,5 до 6

(от 13,2 до 22,7)

от 10 до 25

(37.от 9 до 94,6)

от 4 до 30

(от 15,1 до 113)

от 10 до 40

(от 37,9 до 151)

Давление (PSIG)
Бар

от 100 до 800

(от 6,9 до 55,2)

от 600 до 800

(от 41,4 до 55,2)

от 30 до 150

(от 2,07 до 10,4)

от 200 до 500

(13.от 8 до 34,5)

от 100 до 1000

(от 6,9 до 69)

Время полного цикла

от 3½ до 4½

от 2½ до 3½

от 10 до 14

от 4 до 12

от 8 до 11

 

 

Машины
Альфа Лаваль  Элемент
Альфа
ГДж 10
ГДж 8
ГДж 4
Макс.Практичный радиус очистки

10′

3,1 м

35′

10,7 м

от 25 до 35 футов

10,7 м

100′

30,5 м

Минимальный вход

2 дюйма 

51 мм

(для корпуса тройника)

4 дюйма

101 мм

Пин

Д-8½» Т-7¾»

216 мм 197 мм

Д-4-¾» Т-6-¾ (муфта)

121 мм 172 мм

Д-12.7/Т-11,5 (шпилька)

323 мм

Д-6,7/Т-9,6 (сцепление)

170 мм

Условия эксплуатации (типичные)
Расход (гал/мин)
(л/мин)

от 15 до 20

(от 56,8 до 75,7)

от 40 до 80

(от 151 до 303)

от 50 до 120

(от 189 до 454)

от 80 до 160

(от 303 до 606)

Давление (PSIG)
Бар

от 50 до 100

(3.от 45 до 6,9)

от 40 до 300

(от 2,76 до 20,7)

от 50 до 300

(от 3,45 до 20,7)

от 40 до 150

(от 2,76 до 10,4)

Время полного цикла

от 10 до 20

от 8 до 15

от 8 до 12

от 10 до 25

 

 

Я не могу повернуть корпус тройника вручную, это нормально?

Да, это так.Из-за внутреннего зубчатого зацепления корпус тройника нельзя вращать обычным усилием руки на большинстве машин (за исключением машины со сцеплением). Принуждение корпуса к вращению приведет к повреждению внутренних компонентов.

Какие типы уплотнительных колец используются в машинах Альфа Лаваль для очистки резервуаров?

Большинство очистителей резервуаров Альфа Лаваль имеют уплотнительные кольца Viton®, установленные в качестве стандарта для обычных жидкостей и температур. Такие машины, как GJ 6, GJ 7 и GJ BB, которые обычно используют чистую горячую воду, в стандартной комплектации имеют уплотнительные кольца из EPDM.Когда в качестве чистящей жидкости используются растворители, используются уплотнительные кольца Kalrez. Если промывочная жидкость известна, можно установить соответствующие уплотнительные кольца.

Насколько важно поддерживать уплотнения и уплотнительные кольца моей машины?

Очень важно. Если машина не имеет регулярной программы профилактического обслуживания, уплотнения и уплотнительные кольца, которые являются изнашиваемыми деталями, в конечном итоге выйдут из строя и, следовательно, вызовут ускоренный износ обычно неизнашиваемых деталей.

Во-первых, они помогают контролировать скорость машины.Движущиеся части машины для мойки резервуаров Альфа Лаваль используют сопротивление уплотнений для предотвращения превышения скорости. Кроме того, негерметичная машина будет иметь более высокую скорость потока и меньшее воздействие, если поток будет фиксированным при заданном давлении, чем герметичная машина. Эта большая скорость потока приводит к более быстрой машине, а более быстрая машина приводит к ускоренному износу неизнашиваемых деталей.

Уплотнения и уплотнительные кольца предотвращают расход промывочной воды в машине. Они обеспечивают использование всей воды для очистки вашего судна, заставляя ее выходить из форсунок.

Как часто мне нужно обслуживать машину?

Это зависит не только от типа имеющейся у вас машины для очистки резервуаров Альфа Лаваль, но и от области применения, для которой она используется. В руководстве к вашей машине будет указано, как часто вы должны обслуживать машину.

Как обслуживать машину?

В руководстве к машине также описано, как ее обслуживать. В отличие от других машин такого типа, очистители резервуаров Альфа Лаваль можно обслуживать с помощью повседневных инструментов, которые у вас уже есть.У нас также есть комплекты запчастей, которые вы можете заказать для ремонта на дому. Однако, если вы предпочитаете, чтобы кто-то еще посмотрел на него, наша программа ремонта предусматривает выполнение работ в течение 24–48 часов. Вы просто отправляете нам машину, и мы разбираем ее, очищаем, осматриваем и высылаем вам ценовое предложение перед выполнением любого ремонта. Затем мы ремонтируем и повторно тестируем машину при расходе и давлении, при которых она работала для вашего приложения. Стоимость составляет 225 долларов США за работу плюс стоимость любых замененных деталей.

 

GJ 4 вопроса (типичные рабочие параметры см. в таблице выше)
Почему у GJ 4 два разных варианта передаточных чисел (273:1, 675:1)?

GJ 4 можно использовать в широком диапазоне расходов, а при расходах более 120–130 галлонов в минуту сопло будет быстро вращаться, чтобы обеспечить надлежащую очистку. Передаточное отношение 655:1 позволяет машине использовать более высокую скорость потока, но при этом поддерживать правильный темп вращения и, следовательно, время пребывания струи.

В чем разница между проточной и масляной установкой?

В проточном блоке промывочная жидкость используется для смазки и охлаждения зубчатой ​​передачи. Машина с масляной смазкой имеет зубчатую передачу с масляным уплотнением. Масло является лучшей смазкой для зубчатых передач, чем вода, но со временем сальники могут изнашиваться, и из агрегата может выходить пищевое масло.

Чем GJ 4 лучше GJ 3?

В GJ 4 имеются значительные и запатентованные отличия от GJ 3, которые включают новую конструкцию штока и более длинные сопла, улучшающие поток жидкости.Усовершенствования обеспечивают больший поток и воздействие при том же давлении. Колокольная конструкция штока защищает устройство от скопления мусора. Различные материалы зубчатых колес и углы давления значительно увеличили срок службы зубчатых колес.

  

GJ 5 вопросов
Когда вы используете GJ 5, а не GJ 9?

GJ 5 (соотношение конических зубьев 59:60) имеет более плотную схему очистки, чем GJ 9 (соотношение конических зубьев 44:45). Более плотная схема очистки полезна в больших сосудах и в некоторых сложных случаях очистки.Альфа Лаваль GJ 9 имеет меньший профиль и может проходить через трубу диаметром 3”

 

GJ 6 вопросов
В чем разница между GJ 6 и GJ A6?

GJ A6 имеет ту же планетарную головку Flo-Thru, что и GJ 6, что позволяет обеим машинам работать без формальной смазки, поскольку промывочная жидкость охлаждает и смазывает машины. Это важно для приложений в фармацевтической, личной гигиене и пищевой промышленности.Однако GJ A6 можно все время оставлять внутри сосуда, что делает его особенно полезным для приложений очистки места (CIP). Он также имеет полированную поверхность и самодренируется (при установке в вертикальном положении) и обладает более сильным смывающим эффектом, что повышает гигиенические качества GJ 6. Однако GJ A6 пропускает больше из-за большая промывка и отсутствие уплотнений.

Может ли GJ A6 поставляться с санитарным переходником?

Все машины могут использовать переходник санитарного входа.Детали должны быть предоставлены во время заказа, чтобы гарантировать правильную установку.

Одобрен ли GJ A6 FDA?

Да. Он использует одобренные FDA материалы.

 

 GJ 7 вопросов
Когда лучше использовать GJ 7, чем GJ BB?

GJ 7 очень удобен в тех случаях, когда машине необходимо пройти через отверстие диаметром 1,5 дюйма. Меньший размер и зубчатая передача GJ 7 имеют более короткий цикл технического обслуживания, чем HD-BB. GJ BB более терпим к грубому обращению.

 

GJ 8 вопросов
Доступен ли GJ 8 в качестве направленной машины?

Да, GJ 8 доступен как машина направленного действия.

Для чего был разработан GJ 8?

Модель GJ 8 была разработана в ответ на запрос заказчика на более легкую и эргономичную машину с такими же расходами и отдачей, как у модели GJ 4.

GJ 9 вопросов
Является ли GJ 9, поставляемый с Cart Klenzr, таким же, как стандартный GJ 9?

GJ 9 в тележке KlenzR использует конструкцию с 4 насадками для достижения более плотного рисунка очистки за короткий цикл.За исключением насадки, машина идентична.

Можно ли использовать стандартный GJ 9 с системой Cart Klenzr?

Да, но время цикла будет больше

 

GJ 9.2 Вопросы
Предназначен ли GJ 9.2 только для очистки топливных баков?

Нет, в то время как GJ 9.2 изначально был разработан по просьбе клиента, занимающегося очисткой AST, насадка используется для других целей, требующих насадки с более низким расходом и давлением, которая проходит через 2-дюймовое отверстие.

 

GJ 10 вопросов
Могу ли я использовать GJ 10 для приложений, отличных от UST?

Да, GJ 10 такой же мощный, как и GJ PF, но может проходить через 4-дюймовые отверстия.

Альфа Лаваль GJ BB Вопросы
Когда лучше использовать GJ BB, чем GJ 7?

GJ BB имеет более прочную конструкцию и имеет более длительный цикл технического обслуживания, чем GJ 7, из-за большей зубчатой ​​передачи. GJ BB требует большего зазора снаружи пробки.

Вопросы по системам Альфа Лаваль

Портативная туалетная система включает в себя мойку высокого давления. Могу ли я приобрести систему без нее и использовать собственную мойку высокого давления?

Да, вы можете приобрести системы без мойки высокого давления, но ваша существующая установка должна иметь производительность не менее 3,5 галлонов в минуту.

Включает ли система Cart Klenzr мойку высокого давления?

Да, система может продаваться с мойкой высокого давления или без нее, но для нее требуется мойка высокого давления производительностью не менее 4 галлонов в минуту.

Какие условия эксплуатации обеспечивают портативный очиститель резервуаров и дробеструйная станция?

Обе эти системы настроены для конкретных требований вашего приложения.

Добавить комментарий

Ваш адрес email не будет опубликован.