Н.T. Смайлова

В работе представлено математическое моделирование процесса слоевой газификации углей различных месторождений Казахстана для установления закономерностей влияния основных технологических факторов на формирование состава генераторного газа и показатели эффективности газификации. Исследование выполнено для углей Шубаркульского и Сарыадырского месторождений (пласты «Пятиметровый», «Надежный»), а также Майкубенского угольного бассейна. Разработанная математическая модель процесса позволяет рассчитывать состав генераторного газа, его теплотворную способность, выход сухого газа, коэффициент полезного действия газификации и определять влияние расходов воздуха, кислорода и водяного пара при паро-воздушном и паро-кислородном дутье. Установлено, что увеличение расхода водяного пара обеспечивает рост объемного отношения H₂/CO до требуемых значений, однако сопровождается снижением концентрации CO, теплотворной способности генераторного газа и коэффициента полезного действия процесса. Показано, что паро-кислородное дутье способствует получению газа с более высокой теплотворной способностью, тогда как паро-воздушное дутье обеспечивает больший выход сухого генераторного газа. Среди исследованных образцов наиболее высокие технологические показатели получены для Шубаркульского угля, а наименьшая эффективность газификации установлена для угля Сарыадырского месторождения (пласт «Надежный»). Сопоставление результатов моделирования с экспериментальными данными подтвердило адекватность разработанной модели и возможность ее использования для прогнозирования характеристик процесса и выбора рациональных режимов газификации.

Vision-based perception is essential for robotic manipulator grasping because the accuracy of object localization directly affects grasp planning and motion execution. This paper presents a comparative analysis of computer vision algorithms for object detection and localization in a structured robotic pick-and-place scenario. Classical edge detection methods, including Canny, Sobel, Prewitt, and Roberts, were applied to the same RGB image of a manipulator workspace containing box-shaped objects. The algorithms were evaluated using detection accuracy, F1-score, centroid localization error, contour stability, and processing time. The results showed that Canny provided the most reliable performance, detecting all 12 target objects with the highest localization stability. The study confirms that classical edge detection can support lightweight vision-based robotic grasping.

Industrial wireless sensor and actuator networks are increasingly used in closed-loop control systems. In such systems, packet dropout, channel degradation, and communication delay can deteriorate tracking performance. This paper proposes a Radio-Quality-Aware Model Predictive Control (MPC) strategy for an industrial conveyor drive system operating under time-varying wireless communication conditions. Unlike classical MPC, the proposed controller incorporates radio-channel information, including the signal-to-interference-plus-noise ratio (SINR), packet error rate (PER), and network-induced delay, into the predictive control formulation, thereby adapting the control action to degraded communication conditions. In the MATLAB simulations, an industrial load torque profile based on sensor-measured signals was used, and the wireless communication scenario was divided into three regions representing favorable, moderately degraded, and severely degraded conditions. The results demonstrate that the proposed MPC maintains the angular speed closer to its reference value than the classical MPC, particularly under severe degradation when the SINR decreases to 5 dB. Compared with the classical MPC, the proposed Radio-Quality-Aware MPC reduces the integral of absolute error (IAE) by approximately 90.6%, the root mean square error (RMSE) by 91.4%, the maximum absolute tracking error by 92.7%, and the input variation index by 67.2%, while maintaining a comparable level of control energy. Overall, these results demonstrate that the proposed Radio-Quality-Aware Model Predictive Control framework improves tracking accuracy, actuator smoothness, and system robustness in industrial wireless control applications.

В настоящее время переработка золошлаковых отходов угольной промышленности является одной из актуальных задач, направленных на снижение экологической нагрузки и вовлечение техногенных отходов в качестве вторичного сырья для получения ценных продуктов. Значительный интерес представляет извлечение диоксида кремния из золошлаковых отходов, образующихся при сжигании угля, характеризующихся высоким содержанием кремнеземсодержащих компонентов. В данной статье проведено исследование влияния технологических параметров на процесс переработки золошлаковых отходов угля разреза «Богатырь» с целью извлечения диоксида кремния SiO2 и установления оптимальных условий проведения процесса. Для определения закономерностей процесса использован метод математического планирования эксперимента с применением 4-факторной матрицы типа n = p2 и статистической обработки экспериментальных данных. В качестве основных варьируемых факторов исследованы температура процесса, концентрация щелочного раствора, время термической обработки и массовое соотношение жидкость/твердое. На основании экспериментальных данных построены частные зависимости степени извлечения SiO2 от исследуемых факторов, определены коэффициенты корреляции и получено обобщенное уравнение Протодьяконова, адекватно описывающее исследуемый процесс. Полученные результаты могут быть использованы при разработке технологий комплексной переработки золошлаковых отходов угольных месторождений с получением кремнеземсодержащих и металлосодержащих продуктов.