SiO2 함량이 비교적 높고, 점착성과 소성시 내구성이 매우 크며, 손쉽게 구할 수 있고, 황토와 유사한 입자로 구성된 점토를 부가하여 황토볼의 기계적 강도를 높이고자 본 실험을 수행하였다. 점토의 함량이 증가함에 따라 제조된 담체의 압축강도가 증가하는 경향을 보였고, 반면 공극율, 흡수율 및 비표면적은 다소 감소하는 경향을 나타내었다. 황토와 점토 혼합량 변화에 따른 황토볼의 압축강도 변화를 보면 점토 혼합비 10% 이상 30%까지는 점토 혼합량이 증가할수록 압축강도가 선형적으로 증가하는 경향을 보였으나 이후 증가율이 다소 완만하게 나타났다. 이로 미루어 볼 때 SiO2 함량이 높은 점토가 황토볼 제조시 기계적 강도를 증가시켜 줄 수 있음을 확인할 수 있었다. 점토 혼합량 변화에 따른 공극율 변화를 보면 압축강도 변화와는 상반되게 점토 함량이 증가함에 따라 공극율이 감소하는 경향을 나타내었는데, 점토 혼합량 20%까지는 감소율이 다소 크게 나타나다가 20% 이상부터는 상대적으로 감소율이 미미하게 나타났다. 흡수율과 비표면적 변화는 점토 혼합량이 증가함에 따라 거의 직선적인 감소 경향을 보였다. 황토만 사용했을 경우에 비하여 점토를 30%를 혼합할 때 압축강도는 매우 향상된 것으로 나타났으나, 공극율, 흡수율 및 비표면적의 감소가 크게 나타나 적정 혼합비라고 판단하기는 어려울 것 같다. 최적 황토 혼합량을 결정하기 위하여 radar graph 상에 총괄적으로 나타내어 평가해본 결과 공극율, 흡수율 및 비표면적의 감소는 다소 나타나지만 어느 정도의 압축강도의 향상을 보이고 있으며 상대적으로 양호한 물성을 가진 것으로 판단되는 점토 혼합량 20%를 최적 혼합비로 결정하는 것이 바람직할 것으로 판단된다. SEM 촬영 사진을 보면 점토 혼합비가 비교적 적은 10% 및 20%의 경우는 박편이 작고 복잡하게 형성되어 있는 것으로 관찰되는데 반하여, 점토 혼합비가 상대적으로 많은 30% 및 40%는 박편이 다소 크게 형성되어 있는 것이 관찰되었다. 이상의 실험 결과, 기계적 강도를 나타내는 압축강도 및 결합구조 측면에서는 점토의 혼합량이 높은 것이 유리하나 공극율, 흡수율 및 비표면적이 작아지는 단점이 있으므로, 압축강도의 증가율이 크고, 공극율 및 비표면적의 감소율이 다소 작은 점토 혼합량 20%를 최적 혼합비로 결정하는 것이 바람직할 것으로 판단된다.

음식물쓰레기의 혼합량 변화에 따라 제조된 황토볼의 단면 및 외관을 살펴본 결과 동일한 조건에서 소성하였음에도 불구하고 음식물쓰레기의 함량이 높을수록 내부에 탄화물의 잔량이 많은 것으로 나타났다. 또한, 음식물쓰레기의 함량이 상대적으로 높은 경우 외부에도 탄화물이 형성되어 있으며, 소성시 음식물쓰레기의 연소가스가 빠르고 많이 방출됨에 따라 황토볼의 외부표면이 갈라지는 현상이 발생하거나 가스 분출구가 명백히 나타난 것이 관찰되었다. 음식물쓰레기 혼입량이 30%의 경우 내부에 약간의 탄화물이 남아있지만 공극이 많이 관찰되고 외관도 양호한 것으로 나타났다. 10% 및 20%의 경우 외관은 아주 양호하였지만 음식물쓰레기의 함량이 낮아 내부 공극은 많이 형성되지 못한 것으로 관찰되었다. 따라서, 제조된 황토볼의 내부 공극 및 외관상 양호성으로 볼 때 적정 음식물쓰레기 혼합비는 30%인 것으로 판단되었다. 외관이 양호한 황토볼의 내부를 주사전자현미경을 이용하여 관찰해본 결과 음식물쓰레기 혼입량이 많을 경우 내부 기공형성이 매우 잘 되어 비교적 큰 공극이 형성되었을 뿐만 아니라 박편이 매우 작고 복잡한 구조가 형성되어 있음을 알 수 있었으나, 적정량 이하의 경우 박편이 상대적으로 크고 기공 형성이 잘 되지 않아 공극이 작은 것으로 관찰되었다. 이러한 이유는 음식물쓰레기 혼합량이 적으면 소성시 황토볼 내부로부터 방출되는 연소가스가 상대적으로 강도가 약한 부분으로만 방출되기 때문에 내부구조가 단순해지고 기공이 잘 형성되지 않는 것으로 판단된다. 현미경 관찰 결과로부터 본 연구의 기능성 황토볼 제조시 적정 음식물쓰레기 혼합비는 30%임을 재확인할 수 있었다.

1998년도에 절화장이 길고 화형이 우수한 적색의 스탠다드 ‘레드산드라’ 품종을 모본으로 꽃수가 많고 줄기가 강건한 주홍색의 스탠다드 ‘바로네스’ 품종을 부본으로 인공교배 하였다. 1999년에 파종 후 287개체의 실생을 획득하여 이들을 대상으로 2001-2003년까지 3차에 거쳐 특성검정을 실시한 후 최종 특성검정 단계에서 기호도 조사를 실시한 결과 최종선발된 ‘원교 D1-27’을 2003년 농촌진흥청 농작물 직무육성 신품종 선정위원회를 거쳐 ‘스노우

Coating ceramic balls activate water molecular in water as radiate far-infrared radiation of high efficiency, and then prevent formation of scale and corrosion of pipe. Therefore, but only keep away drop of heat exchange efficiency of boiler, not also remove formed scale. As a result, pipe of boiler has clean and has form thin protection film in inner of pipe. Also, the water treated by rust preventing system using the ceramic balls, that is harmless, tasteless, odorless, and non-toxicity in the human body, and it can use drinking water. This rust preventing system can save energy and protect environment.

This research aims to seek active control of ball-beam position stability by resorting to neural networks whose layers are given bias weights. The controller consists of an LQR (linear quadratic regulator) controller and a neural networks controller in parallel. The latter is used to improve the responses of the established LQR control system, especially when controlling the system with nonlinear factors or modelling errors. For the learning of this control system, the feedback-error learning algorithm is utilized here. While the neural networks controller learns repetitive trajectories on line, feedback errors are back-propagated through neural networks. Convergence is made when the neural networks controller reversely learns and controls the plant. The goals of teaming are to expand the working range of the adaptive control system and to bridge errors owing to nonlinearity by adjusting parameters against the external disturbances and change of the nonlinear plant. The motion equation of the ball-beam system is derived from Newton's law. As the system is strongly nonlinear, lots of researchers have depended on classical systems to control it. Its applications of position control are seen in planes, ships, automobiles and so on. However, the research based on artificial control is quite recent. The current paper compares and analyzes simulation results by way of the LQR controller and the neural network controller in order to prove the efficiency of the neural networks control algorithm against any nonlinear system.