Inheritance of mechanical properties of a material during directed formation

Cover Page

Cite item

Full Text

Abstract

Objective – development of a comprehensive model that takes into account the interrelationship between the structure of a gear wheel, material properties and technological processing parameters. This model should predict the operational characteristics of the wheel, considering the impact of both internal and external factors. Mechanical testing was conducted using electromechanical tensile testing equipment from Tinius Olsen, model H100KU, to determine the mechanical properties of the metal. Samples in compliance with GOST 1497-84 were used for monitoring material properties (tensile strength, yield strength, etc.) at loads above 100 N/mm2. The mechanical properties of the metal were monitored after each processing operation. The mechanical properties of the steels 16Kh3NVFMB-Sh, 20Kh3MVF-Sh, 18Kh2N4MA and 12Kh2N4A-Sh were investigated for different blanks and types of treatment (pressure forming, mechanical and abrasive, thermochemical and heat treatment). Analysis of the mechanical properties of the metal revealed significant differences in hardness, strength and ductility between samples obtained by different methods. It was shown that these differences are due to the microstructure of the material (grain size, presence of inclusions, degree of deformation) formed during processing. The analysis was based on parameters including the coefficient of technological inheritance and structural inheritance. It was found that the inheritance of the mechanical properties of the material through pressure working followed by heat treatment shows a positive trend relative to rolled material with similar heat treatment. This method results in an increase in tensile strength of up to 6.2% and in yield strength of up to 5.3%. Furthermore, it was shown that the increase in the quantitative indicator of structural inheritance after thermochemical treatment, relative to grinding of the hardened layer, is at least 49% for tensile strength and at least 68% for yield strength. The developed multidimensional model of gear interaction takes into account a wide range of factors that influence its operation, including material properties, temperature fields in the contact zone of the tooth, dynamic loads and the effect of lubricant.

About the authors

V. F. Bezyazychnyi

P. A. Solovyov Rybinsk State Aviation Technical University

Email: technology@rsatu.ru

E. V. Shekhovtseva

Public Joint Stock Company «UEC-Saturn»

Email: janevsh@mail.ru

T. V. Shekhovtseva

P. A. Solovyov Rybinsk State Aviation Technical University

Email: prikl_mehanika@mail.ru

References

  1. Кречетов А.А., Блюменштейн В.Ю., Законнова Л.И. Анализ механизмов наследования в живой природе и технике // Наукоёмкие технологии в машиностроении. 2020. № 11. С. 16–29. https://doi.org/10.30987/2223-4608-2020-11-16-29. EDN: NQTYXQ.
  2. Меделяев И.А. Технологическая мутационная наследственность при смазывании деталей машин // Сборка в машиностроении, приборостроении. 2023. № 3. С. 116–120. https://doi.org/10.36652/0202-3350-2023-24-3-116-120. EDN: JJRYKW.
  3. Blumenstein V.Yu., Mitrofanova K.S. Study of the parameters of the pure iron structure after surface plastic deformation treatment with a complex-profile tool // Dynamics of Technical Systems. Materials Science and Engineering: IOP Conference Series. 2021. Vol. 1029. P. 012013. https://doi.org/10.1088/1757-899X/1029/1/012013. EDN: DCAPYD.
  4. Blumenstein V.Y., Krechetov A. Regularities of technological inheritance in the categories of loading programs // Dynamics of Technical Systems. Materials Science and Engineering: IOP Conference Series. 2021. Vol. 1029. P. 012012. https://doi.org/10.1088/1757-899X/1029/1/012012. EDN: IAZVTV.
  5. Андрюшкин А.Ю., Рустамова М.У., Кадочникова Е.Н. Влияние остаточных напряжений на прочность корпусов нефтегазового оборудования // Проблемы управления рисками в техносфере. 2022. № 1. С. 6–14. EDN: KTCKNA.
  6. Лаптева Е.Н. Применение нейронных сетей для оценки технологической наследственности деталей машин // Справочник. Инженерный журнал. 2022. № 9. С. 39–44. https://doi.org/10.14489/hb.2022.09.pp.039-044. EDN: EVNASM.
  7. Евдокимов Д.В., Алексенцев А.А., Букатый А.С., Ахтамьянов Р.М., Бычков Д.А. Разработка методики по оценке напряжённо-деформированного состояния изделий с учётом технологической наследственности // Известия Самарского научного центра Российской академии наук. 2023. Т. 25. № 3. С. 57–63. https://doi.org/10.37313/1990-5378-2023-25-3-57-63. EDN: KUXEKK.
  8. Брылев А.В., Лизунов И.В., Николусь А.А., Исаев Ю.Ю. Влияние технологической наследственности на точность получения размеров при механической обработке деталей машин // Главный механик. 2022. № 1. С. 58–70. https://doi.org/10.33920/pro-2-2201-06. EDN: VGCUXY.
  9. Албагачиев А.Ю., Яковлева А.П. Применение методов комбинированного воздействия на поверхностный слой деталей машин в наукоёмких технологиях // Наукоемкие технологии в машиностроении. 2023. № 3. С. 12–18. https://doi.org/10.30987/2223-4608-2023-12-18. EDN: BAFRTN.
  10. Fedorov S.K., Yakovleva A.P., Perepelkin Yu.K. Controlling the properties of the surface layers of parts by forming regular micro-reliefs // Materials Science Forum. 2020. Vol. 989. P. 182–186. https://doi.org/10.4028/www.scientific.net/MSF.989.182. EDN: VWIOQF.
  11. Третьяков А.Ф. Проектирование технологических процессов изготовления изделий из металлических пористых материалов на основе технологической наследственности // Фундаментальные и прикладные проблемы техники и технологии. 2022. № 4. С. 185–193. https://doi.org/10.33979/2073-7408-2022-354-4-185-193. EDN: COOXUH.
  12. Тоиржонов О.З., Малышев Е.Н. Технологическая наследственность // Механики XXI веку. 2022. № 21. С. 162–166. EDN: XLZMPS.
  13. Makhalov M.S., Blumenstein V.Yu. The residual stress modeling in surface plastic deformation machining processes with the metal hardening effect consideration // Solid State Phenomena. 2022. Т. 328 SSP. P. 27–37. https://doi.org/10.4028/p-z92o0e. EDN: EHZLXX.
  14. Бутенко В.И., Шведова А.С. Влияние технологической наследственности на эксплуатационные показатели поверхностного слоя деталей после отделочно-упрочняющей обработки // Упрочняющие технологии и покрытия. 2023. Т. 19. № 6. С. 254–260. https://doi.org/10.36652/1813-1336-2023-19-6-254-260. EDN: XDIIUC.
  15. Blumenstein V.Yu., Mitrofanova K.S. Study on the effects of hydrostatic pressure on the structural state of pure-iron during hardening treatment with a multiradius roller // Solid State Phenomena. 2022. Vol. 328 SSP. P. 17–25. https://doi.org/10.4028/p-2niz79. EDN: UIIHJV.
  16. Yakovleva A., Dubov A., Sobranin A., Karpovich E., Marchenkov A. Тechnological heredity effect on fatigue strength of hydropower plant parts after combined processing // Hydraulics. Materials Science and Engineering: IOP Conference Series. 2020. № 779. P. 012029. https://doi.org/10.1088/1757-899X/779/1/012019. EDN: QPMNOW.
  17. Fedorov S., Zaripov V., Ivanova Yu., Yakovleva A. Improving wear resistance of drill pipe sub thread by using final electromechanical surface hardening // Materials Science and Engineering: IOP Conference Series. 2020. Vol. 963. Iss. 1. P. 012008. https://doi.org/10.1088/1757-899X/963/1/012008. EDN: FMGGVH.
  18. Blumenstein V.Yu., Mitrofanova K.S. Investigation of effect of the state of the deformation zones on the structure of pure-iron samples after surface plastic deformation by a multiradius roller // Technical Physics Letters. 2024. Vol. 50. No. 1. P. 19–24. https://doi.org/10.1134/S1063785024700214. EDN: ICJPSP.
  19. Шеховцева Е.В. Концепция технологического обеспечения эксплуатационных свойств на основе стабилизации механических свойств материалов зубчатых колёс системы приводов газотурбинного двигателя // Вестник ИжГТУ имени М.Т. Калашникова. 2024. Т. 27. № 2. С. 15–24. https://doi.org/10.22213/2413-1172-2024-2-15-24. EDN: XZCPRL.
  20. Безъязычный В.Ф., Шеховцева Е.В. Технологическое обеспечение изготовления зубчатых колес авиационных газотурбинных двигателей с учетом нестабильности физико-механических свойств их материалов // Наукоемкие технологии в машиностроении. 2023. № 8. С. 35–42. https://doi.org/10.30987/2223-4608-2023-35-42. EDN: WKULPH.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

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».