Публикация научных работ

ИСПОЛЬЗОВАНИЕ ЛИГНИТА В ПРОИЗВОДСТВЕ КРИСТАЛЛИЧЕСКОГО КРЕМНИЯ / THE USE OF LIGNITE IN THE PRODUCTION OF CRYSTALLINE SILICON

Ким Сок Мин / Kim Sok Min - преподаватель, кандидат металлургических наук;

Рим Чжэ Хо / Rim Jae Ho - заведующий кафедрой, кандидат металлургических наук, кафедра чёрной металлургии, факультет металлугической технологии, Чхонджинский горно-металлургический институт, г. Чхонджин, Корейская Народно-Демократическая Республика

Аннотация: так как лигнит имеет металлургические свойства с древесным углем, лигнит может быть использован вместо древесного угля для производства кристаллического кремния. В этой статье рассматривается взаимосвязь между содержанием золы лигнита и количеством железа при использовании лигнита вместо древесного угля в производстве кристаллического кремния, и был предложен способ использовать лигнит для производства кристаллического кремния. Когда используется лигнит с содержанием золы в 10-11% вместо древесного угля при древесный уголь:нефтяной кокс = 60:40, содержание железа в кристаллическом кремнии увеличивается до 1% или более при соотношении смешивания лигнита на 60% или более. При плавлении с соотношением смешивания сырья кварцит:нефтяной кокс:древесный уголь:лигнит = 100:26:19:20 в электрической печи 5000КВА, содержание железа в кристаллическом кремнии может быть гарантированно от 0,8 до 1,2%.

Abstract: so as lignite has metallurgical properties with charcoal, lignite may be used instead of the charcoal for the production of crystalline silicon. This article examines the relationship between the content of lignite ash and iron quality using lignite instead of charcoal in the production of crystalline silicon, and a method of use of lignite for the production of crystalline silicon has been proposed. When used with lignite ash content of 10-11% instead of charcoal in charcoal: = 60:40 petroleum coke, the content of iron in the silicon crystal is increased to 1% or more at a mixing ratio of lignite is 60% or more. When melt blending ratio of raw quartzite: Petroleum coke: charcoal: lignite = 100: 26: 19: 20 in 5 000KVA electric furnace, the iron content in the crystalline silicon can be guaranteed between 0.8 and 1.2%.

Ключевые слова: кристаллический кремний, лигнит, древесный уголь, нефтяный кокс, восстановитель, метод производства.

Keywords: crystalline silicon, lignite, charcoal, oil coke, reductant, production method.

Литература

1. Толстогузов Н. В. и др. Шихта для производства кристаллического кремния, патент на изобретение RUS 2071939.

2. Тиунов Ю. А. и др. Шихта для выплавки кремния рудно-термическим восстановлением, патент на изобретение RUS 2431602.

ТЕХНОЛОГИЧЕСКИЕ ОСОБЕННОСТИ ЗАЩИТЫ ВНУТРЕННЕЙ ПОВЕРХНОСТИ СТАЛЬНЫХ ТРУБ ВОДОСНАБЖЕНИЯ / TECHNOLOGICAL FEATURES PROTECTION INNER SURFACE OF STEEL WATER PIPES

Алмагамбетова Сауле Тулегеновна / Almagambetova Saule – кандидат технических наук, доцент, кафедра химии, химической технологии и экологии, факультет пищевых производств, Алматинский технологический университет, г. Алматы, Республика Казахстан

Аннотация: в данной статье проведен анализ методов защиты от коррозии стальных водоводов. Обоснована актуальность создания технологических основ получения и применения новых ингибирующих композиций на основе полимерных фосфатов, существенно снижающих скорость коррозионных процессов, протекающих на внутренней поверхности стальных водоводов. Лабораторными испытаниями показана высокая степень антикоррозионного действия растворов силикополифосфатных композиций в нейтральных водных средах, приведены результаты весовых изменений и коррозионной стойкости стальных образцов, предложен оптимальный состав силикополифосфатной композиции для антикоррозионной обработки воды.

Abstract: this article analyzes the methods of protection against corrosion of steel culverts. The urgency of creating a technological basis for production and application of new inhibiting compositions based on polymeric phosphate significantly reduces the rate of corrosion processes occurring on the inner surface of the steel culverts. Laboratory tests have shown a high degree of anti-corrosion action solutions silikopolifosfatnyh compositions in neutral aqueous media, the results of changes in weight and corrosion resistance of steel samples, suggested the optimal composition silikopolifosfatnoy composition for anticorrosion treatment of water.

Ключевые слова: коррозия, коррозионная стойкость, методы защиты, ингибиторы коррозии, растворы силикополифосфатных композиций.

Keywords: corrosion, corrosion resistance, methods of protection, corrosion inhibitors, solutions silikopolifosfatnyh compositions.

Литература

1. Семенова И. В. Коррозия и защита от коррозии. М.: Физматлит, 2002. 424 с.
2. Сагинжан А. С., Капралова В. И., Кубекова Ш. Н., Темиргалиева И. А. Синтез и исследование свойств новых кристаллических силикофосфатных ингибиторов коррозии металлов для водных сред // Известия МОН РК. Серия химическая, 2010. № 6. С. 57-59.
3. Галкин М. Л. Снижение коррозионной активности воды и скорости осадко- и накипеобразования как фактор эффективности и надежности работы оборудования // Химическая техника, 2009. № 1. С. 8-9.
4. Геннель Г. С., Галкин М. П. Ингибирование коррозии изделий из черных сталей // Конструктор. Машиностроитель, 2007. № 2. С. 22-23.
5. Хайдарова Г. Р. Ингибиторы коррозии для защиты нефтепромыслового оборудования // Современные проблемы науки и образования, 2014. № 6.

ВИЗУАЛЬНЫЙ АНАЛИЗ БОЛЬШИХ ДАННЫХ С ПРИМЕНЕНИЕМ ПОЗНАВАТЕЛЬНЫХ ПАТТЕРНОВ / BIG DATA VISUAL ANALYSIS USING COGNITIVE PATTERNS

Шишкин Юрий Евгеньевич / Shishkin Yurij – аспирант, кафедра информационных технологий и компьютерных систем, Федеральное государственное автономное образовательное учреждение высшего образования Севастопольский государственный университет, г. Севастополь

Аннотация: в статье рассматриваются методы визуализации Больших Данных, использующие базовые познавательные структуры человека с целью увеличения объема воспринимаемой информации и повышения качества принимаемых, на ее основе, управленческих решений. Выделены ключевые системные компоненты средств анализа Больших Данных для решения прикладных управленческих, промышленных и крупномасштабных научных задач. Вводится понятие слабоструктурированных данных как разновидности Больших Данных, с учетом прикладного аспекта разработки системы поддержки принятия решений.

Abstract: the article analyzes the methods of big data visualization using the basic human cognitive structures in order to increase the amount of perceived information and improve the managerial decisions quality based on it. Highlighted big data key system components analysis tools for solving application, industrial and large-scale scientific problems. The concept of semi-structured data was introduced as a type of big data, taking into account the applied aspect of decision support system development.

Ключевые слова: Большие Данные, слабоструктурированные данные, система поддержки принятия решений, агентный подход, имитационное моделирование, визуализация.

Keywords: Big Data, semi-structured data, decision support system, agent-based approach, simulation, visualization.

 Литература

1. Скатков А.В., Шишкин Ю.Е., Николаева Ю.П. Имитационная модель взаимодействия триады агентов облачной вычислительной среды «Потребитель – Брокер – Провайдер» // Информационные технологии и управление: сб. науч. тр., 2015. Т. 1. № 1. С. 114-119.
2. Шишкин Ю. Е. Анализ моделей взаимодействия пользователей и провайдеров облачных сервисов // Интеллектуальные системы, управление и мехатроника – 2016: материалы всерос. науч.-техн. конфер. молодых ученых, аспирантов и студентов. Севастополь 19-21 мая 2016 г. Севастополь: СевГУ, 2016. С. 289-293.
3. Шишкин Ю. Е., Греков Н. А. Исследование систем управления высокоточными измерениями // Интеллектуальные системы, управление и мехатроника - 2015: материалы междунар. науч.-техн. конфер. молодых ученых, аспирантов и студентов. Севастополь: СевГУ, 2015. С. 221-225.
4. Пасынков М. А. Варианты получения и обработки информации прибора ИСТ-1М // Интеллектуальные системы, управление и мехатроника – 2016: материалы всерос. науч.-техн. конфер. молодых ученых, аспирантов и студентов. Севастополь: СевГУ, 2016. С. 511-512.
5. Скатков А. В., Брюховецкий А. А., Шишкин Ю. Е. Сравнительный анализ методов обнаружения изменений состояний сетевого трафика // Автоматизация и приборостроение: проблемы, решения: материалы междунар. науч.-техн. конфер. Севастополь: СевГУ, 2016. С. 14-15.
6. Малярова М. В. Аналитика и визуализация «больших данных»: почему «большие данные» являются большой проблемой? // International Scientific Review, 2016. № 3 (13). С. 66-68.
7. Shishkin Y. E. Big Data visualization in decision making // Science in Progress: тез. Всерос. науч.-практ. конфер. магистрантов и аспирантов / Новосибирск: НГТУ, 2016. C. 203-205. ISBN 978-5-7782-3094-1.
8. Шлюйкова Д. П. Большие данные: современные подходы к хранению и обработке // Наука, техника и образование, 2016. № 1 (19). С. 75-79.
9. Шишкин Ю. Е., Скатков А. В. Решение задачи составления расписаний большой размерности с применением технологии Больших Данных // Информационные технологии и информационная безопасность в науке, технике и образовании «ИНФОТЕХ – 2015»: материалы междунар. науч.-техн. конфер. Севастополь: СевГУ, 2015. С. 103-105.
10. Греков А.Н., Шишкин Ю.Е. Моделирование трехкомпонентного акустического измерителя скорости течения // Системы контроля окружающей среды. Севастополь: ИПТС, 2016. № 6 (26). С. 33-40.
11. Досалиева Н. А. Роль больших данных в управлении знаниями // EuropeanScience. 2016. № 7 (17). С. 25-27.
12. Шишкин Ю. Е. Облачные сервисы в системах поддержки принятия решений // Научный журнал, 2017. № 1 (14). С. 19-20.

IDENTIFICATION OF MODAL PARAMETERS USING KALMAN FILTER / ОПРЕДЕЛЕНИЕ МОДАЛЬНЫХ ПАРАМЕТРОВ С ИСПОЛЬЗОВАНИЕМ ФИЛЬТРА КАЛМАНА

Ким Кван Чжу / Kim Kwang Ju – преподаватель, Политехнический университет им. Ким Чака, г. Пхеньян, Корейская Народно-Демократическая Республика

Аннотация: применение системы идентификации для вибрационных структур состоит в определении модальных параметров (собственных частот, демпфирующих коэффициентав и формы колебаний) из данных о вибрации. Для динамических характеристик, теория управления, основанная на передаточной функции представления, называется классической теорией управления, в отличие от методологии линейной теории систем на основе анализа временных рядов с помощью фильтра Калмана, и представление пространства состояний называется современной теорией управления. В этой статье мы рассмотрим методику идентификации модальных параметров динамической системы структур с помощью фильтра Калмана, который является мощным средством современной теории управления. Эффективность этого метода идентификации структуры оценивается через моделируемый анализ нескольких степеней свободы вибрации.

Abstract: the application of system identification to vibrating structures consists of identifying the modal parameters (eigenfrequencies, damping ratios and mode shapes) from vibration data. For the dynamic characteristics, the control theory based on the transfer function representation is called the classical control theory, in contrast with, the methodology of the linear system theory based on the analy- sis of the time series by kalman filter and the representation of the state space is called modern control theory. In this paper, we consider the methodology of identifying the mode parameters of the dynamic system of structures by using the Kalman filter, which is a powerful means of modern control theory. The effectiveness of this structure identification method is evaluated through simulated analysis of multi - degrees of freedom vibration sytem.

Ключевые слова: фильтр Калмана, модальный анализ, собственная частота, формы колебаний, коэффициент демпфирования

Keywords: kalman filter, modal analysis, normal frequence, mode shap, damping ratio.

 References

1. Potter R. and Richardson M. H. "Identification of the Modal Properties of an Elastic Structure from Measured Transfer Function Data" 20th International Instrumentation Symposium, Albuquerque, New Mexico, May 1974.
2. Grant P. M., Cowan C. F. N., Mulgrew B. and Dripps J. H. “Analogue and Digital Signal Processing and Coding”, Chartwell-Bratt Ltd, 1989.
4. Shumway R. H. and Stoffer D. S. Time series analysis and its applications. Springer, 2006.
5. Verhaegen M., Verdult V. Filtering and System Identification. A least squares approach Cambridge University Press., 2007.