ВОССТАНОВЛЕНИЕ ПРОСТРАНСТВЕННОЙ ФУНКЦИИ РАСПРЕДЕЛЕНИЯ НЕОДНОРОДНОСТЕЙ ПОКРЫТИЯ ПО ФУНКЦИИ РАСПРЕДЕЛЕНИЯ НА ШЛИФЕ

Обложка

Цитировать

Полный текст

Аннотация

При экспериментальном исследовании структуры слоя специального покрытия, наносимого на металлы методом газотермического напыления одним из основных методов, является изучение микроснимков шлифов. На основе компьютерного анализа микрофотографий можно получить функцию распределения неоднородностей в образце. Однако, поскольку микрофотография представляет собой плоское изображение, получаемая функция будет двумерной, тогда как в реальном образце распределение дефектов описывается трехмерной функцией. В настоящей работе рассмотрена проблема восстановления пространственной функции распределения дефектов в газотермическом покрытии на основании анализа микрофотографий шлифов. Реальное включение неправильной формы при этом заменяется эффективным трехосным эллипсоидом. Решена задача в общем виде редукции пространственной функции распределения f неоднородностей на функцию их распределения f Π на плоскости сечения Π , включающая некоторое интегральное преобразование I. Показано, что в частном случае сферических частиц обращение I^(-1) существует и является интегральным преобразованием того же типа, что I. Рассмотрено пространственное распределение сферических частиц, не зависящее от продольной координаты z, в котором размеры частиц ограничены в каждой точке функцией R(x, y), зависящей от координат. Это распределение качественно соответствует стационарной технологии напыления, при которой в глубинных слоях вблизи подложки материал покрытия проплавляется полностью и образует однородный расплав, а ближе к поверхности и краям нерасплавленные до конца частицы образуют вкрапления заметных размеров. В качестве второго примера рассмотрена редукция функции распределения Фуллера, применяемой при оптимизации гранулометрического состава порошковых материалов. Установлено, что редукция плотности функции распределения эллипсоидов на сечение плоского шлифа переносит плотность распределения центров без изменения, а произведение распределений Фуллера с независимыми параметрами переводит в произведение распределений с противоположными параметрами степени и с прежними значениями параметров эллипсоида

Об авторах

Сергей Сергеевич Кокарев

Email: vikovl956@mail.ru
ORCID iD: 0000-0001-6944-1400

Михаил Евгеньевич Соловьев

Ярославский государственный технический университет

Email: vikovl956@mail.ru
ORCID iD: 0000-0002-8840-248X

кафедра Информационные системы и технологии, доктор физико-математических наук 1993

Сергей Львович Балдаев

ООО «Технологические системы защитных покрытий»

Email: vikovl956@mail.ru
ORCID iD: 0000-0002-1917-7979

кандидат технических наук

Лев Христофорович Балдаев

ООО «Технологические системы защитных покрытий»

Автор, ответственный за переписку.
Email: vikovl956@mail.ru
ORCID iD: 0000-0002-9084-8771

доктор технических наук

Список литературы

  1. Кудинов В.В., Бобров Г.В. Нанесение покрытий напылением. Теория, технология и оборудование. М.: Металлургия, 1992. 432 с. EDN: TJNRWT
  2. Газотермическое напыление / под общей ред. Л.Х. Балдаева. М.: Маркет ДС, 2007. 344 с.
  3. Davis J.R. Handbook of thermal spray technology. ASM International, 2004. 338 p.
  4. Пузряков А.Ф. Теоретические основы технологии плазменного напыления. М.: Изд-во МГТУ им. Н.Е. Баумана, 2008. 360 с. EDN: QNBVKX
  5. Pinkerton A.J. Advances in the modeling of laser direct metal deposition // Journal of Laser Applications. 2015. V. 27. S15001. https://doi.org/10.2351/1.4815992. EDN: UPLWVF
  6. Yu T., Yang L., Zhao Yu., Sun J., Li B. Experimental research and multi-response multi-parameter ptimization of laser cladding Fe313 // Optics and Laser Technology. 2018. V. 108. P. 321-332. https://doi.org/10.1016/j.optlastec.2018.06.030.
  7. Sawant M.S., Jain N.K. Evaluation of stellite coatings by µ-PTA powder, laser, and PTA deposition processes // Materials and Manufacturing Processes. 2017. V. 33:10. P. 1043-1050. http://dx.doi.org/10.1080/10426914.2017.1364764.
  8. Alaluss K., Mayr P. Additive Manufacturing of Complex Components through 3D Plasma Metal Deposition-A Simulative Approach // Metals. 2019. V. 9. P. 574-693. https://doi.org/10.3390/met9050574.
  9. Prozorova M.S., Kovaleva M.G., Arseenko M. Yu., et al. Microstructure and mechanical properties of alumina powder coatings by a new multi-chamber detonation sprayer // Surface Review and Letters. 2016. V. 23. No. 01. P. 1550088-1-1550088-7. https://doi.org/ 10.1142/S0218625X15500882. EDN: SCVPRB
  10. Murphy T., Schade C.T., Zwiren, A. Using automated image analysis for characterization of additive manufacturing powders // International Journal of Powder Metallurgy. 2018. V. 54. P. 47-59.
  11. Bakas G., Dimitriadis S., Deligiannis S. et al. A Tool for Rapid Analysis Using Image Processing and Artificial Intelligence: Automated Interoperable Characterization Data of Metal Powder for Additive Manufacturing with SEM Case // Metals. 2022. V.12. P. 1816-1-1816-15. https://doi.org/ 10.3390/met12111816. EDN: QURYOP
  12. Соловьев М.Е., Раухваргер А.Б., Балдаев С.Л., Балдаев Л.Х., Мищенко В.И. Влияние условий плазменного напыления порошка оксида алюминия на пористость и электрическое сопротивление покрытия // Наукоёмкие технологии в машиностроении. 2023. № 5 (143). С. 22-32. doi: 10.30987/2223-4608-2023-22-32; EDN: ODYFKH
  13. Zhu H., Huang Y., Ren J., Zhang B. et al. Bridging Structural Inhomogeneity to Functionality: Pair Distribution Function Methods for Functional Materials Development // Advanced Science. 2021. V. 17. P.2003534-1-2003534-31.
  14. Tsitsiashvili G., Osipova M. Asymptotic Relations in Applied Models of Inhomogeneous Poisson Point Flows // Mathematics. 2023. V.11. P. 1881-1-1881-10. https://doi.org/10.3390/math11081881.
  15. Sluzalec A. Stochastic characteristics of powder metallurgy processing // Applied Mathematical Modelling. 2015. V. 39, No 23-24. P. 7303-7308. https://doi.org/10.1016/j.apm.2015.03.013.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).