Методика обработки изображений дисперсных микроструктур алюминиевой бронзы

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

В статье описана методика и выполнен анализ оптической микроструктуры многофазного сплава БрАЖ9-4 на основе меди, подвергнутого структурному измельчению. Особенности микроструктуры сплава исследуются с помощью оценки пространственной однородности материалов по геометрическим характеристикам фаз и структурных составляющих. Для анализа структурных характеристик материала использованы следующие количественные характеристики изображения: статистическое разделение фаз с помощью кластеризации, выделение фаз по уровню окрашенности пикселей изображения серого оттенка, определение гистограмм распределений размеров зерен, суммарных площадей (длины) границ зерен и фаз. По результатам исследования сделан вывод о степени измельчения α и β фаз, укрупнения γ фазы за счет распада α и β фаз при охлаждении сплава после обработки РКУП, об увеличении длины границ зерен материала и однородности распределения зерен фаз по площади микрошлифа.

Авторлар туралы

Р. Ахметханов

Институт машиноведения им. А. А. Благонравова РАН

Хат алмасуға жауапты Автор.
Email: mibsts@mail.ru
Ресей, Москва

В. Столяров

Институт машиноведения им. А. А. Благонравова РАН

Email: mibsts@mail.ru
Ресей, Москва

Әдебиет тізімі

  1. Брандон Д., Каплан У. Микроструктура материалов. Методы исследования и контроля. М.: Техносфера, 2004. 384 с.
  2. Богуш Р.П., Адамовский Е. Р., Денисёнок С. Ф. Обработка и анализ изображений микроструктуры металлов для определения балла зерна // Доклады БГУИР. 2021. Т. 9. № 4. C. 70. http://dx.doi.org/10.35596/1729-7648-2012-19-4-70-79
  3. Столбов В.Ю., Федосеев С. А. Выборочный контроль качества металлических функциональных материалов на основе когнитивного анализа фотографий микрошлифов / Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника». 2018. Т. 18. № 4. С. 127.
  4. Suban M., Cvelbar R., Borut B. Digital imaging analysis of microstructures as a tool to identify local plastic deformation // Materials and Technologies. 2012. V. 46 (4). P. 355. http://www.dlib.si/? URN=URN: NBN: SI: doc-JPQZ1M1L
  5. Проничев А. Н. Автоматизация измерения параметров микроструктуры материалов при промышленном контроле качества. Производственные системы// Автоматизация в промышленности. 2005. № 9. С. 11.
  6. Аристов Г.В., Клюев А. В. Распознавание и классификация микроструктуры металлов и сплавов с использованием глубоких нейронных сетей. Труды конференции GraphiCon 2017, 24–28 September 2017, Perm, Russia. С. 180.
  7. Pokharel R., Lind J., Li S. F. et al. In-situ observation of bulk 3D grain evolution during plastic deformation in polycrystalline Cu // Int. J. of Plasticity. 2015. № 67. P. 217. https://doi.org/10.1016/j.ijplas.2014.10.013
  8. Смаковский М.С., Кацюба М. В., Морендель Ю. Д., Скобин С. А., Луканин В. Л. Применение наплавленных покрытий, упрочненных боридами, для судовой арматуры из бронзы // Тяжелое машиностроение. 2022. № 3. С. 11.
  9. Святкин А.В., Попова Л. И., Шендерей П. Э. Моделирование микроструктуры алюминиевой бронзы БрАЖ 9–4, обеспечивающей повышенное сопротивление изнашиванию // Вестник Пермского национального исследовательского политехнического университета. Машиностроение, материаловедение. 2020. Т. 22. № 2. С. 12. https://doi.org/10.15593/2224-9877/2020.2.02
  10. Валиев Р.З., Рааб Г. И., Боткин А. В., Дубинина С. В. Получение ультрамелкозернистых металлов и сплавов методами интенсивной пластической деформации: новые подходы в разработке технологий, Известия высших учебных заведений // Черная металлургия. 2012. Т. 55. № 9. С. 54. https://doi.org/10.17073/0368-0797-2012-9-54-57
  11. Vincent L., Soille P. Watersheds in digital spaces: an efficient algorithm based on immersion simulations // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1991. P. 583. https://doi.org/10.1109/34.87344
  12. Шредер М. Фракталы, хаос, степенные законы. Миниатюры из бесконечного рая. Ижевск: НИЦ «Регулярная и хаотическая динамика». 2001. 528 с.
  13. Klapetek P., Nečas D., Anderson C. Руководство пользователя Gwyddion. Статистический анализ (gwyddion.net).
  14. Фаворин М. В. Моменты инерции тел. Справочник / Под ред. М. М. Гернета. Изд. 2-е, перераб. и доп. М.: Машиностроение. 1977. 511 с.
  15. Диаграммы состояния двойных металлических систем: Справочник. В 3-х т. / Под ред. Н. П. Лякишева. М.: Машиностроение, 1996–2000.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

© Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».