О временны́х вариациях гранулометрических характеристик бинарных микропорошковых смесей, обрабатываемых в шаровой планетарной мельнице

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Экспериментально определены интегральные и дифференциальные функции распределения частиц по размерам для двухкомпонентных микропорошковых смесей стехиометрических составов: поликристаллических алюминия, никеля, титана и аморфного бора, механически обработанных в шаровой планетарной мельнице при различных временны́х условиях процесса. Проанализировано влияние длительности механообработки вышеуказанных смесей на математическую форму найденных функций распределения. Показано, что во всех рассмотренных случаях эти функции могут быть представлены в логарифмически нормальном виде. Определены наиболее информативные статистические характеристики (моменты) указанных функций. Выявлены зависимости этих характеристик от длительности механообработки смесей. В рамках приближения, основанного на использовании обобщенных динамически-стохастических уравнений типа Ланжевена, предложена кинетическая модель процесса механической обработки металлических и неметаллических микропорошковых смесей в планетарных мельницах. Модель позволяет в первом приближении описать временнýю эволюцию фракционного состава смесей в процессе их механообработки, а также фиксировать темпоральные вариации основных статистических характеристик соответствующих функций распределения в этом процессе.

Об авторах

В. И. Савенко

Институт физической химии и электрохимии им. А.Н. Фрумкина РАН

Автор, ответственный за переписку.
Email: visavenko@rambler.ru
Россия, 119071, Москва, Ленинский просп., 31, корп. 4

Список литературы

  1. Suryanarayana C. Mechanical Alloying and Milling. NY.: Marcel Dekker Inc., 2004.
  2. Кузьмич Ю.В., Колесникова И.Г., Серба В.И., Фрейдин Б.М. Механическое легирование. М.: Наука, 2005.
  3. Григорьева Т.Ф., Баранова А.П., Ляхов Н.З. Механохимический синтез в металлических системах. Новосибирск: Параллель, 2008.
  4. High energy ball milling mechanochemical processing of nanoparticles / Ed. by Sopicka-Lizer M. Oxford-Cambridge-New Delhi: Woodhead publishing Limited, 2010.
  5. Богатырева Е.В., Ермилов А.Г., Свиридова Т.А., Савина О.С., Подшибякина К.В. Влияние продолжительности механоактивации на реакционную способность вольфрамитовых концентратов // Неорганические материалы. 2011. Т. 47. № 7. С. 877–883.
  6. James S.L., Adams C.J., Bolm C.J., Braga C., Collier D., Friscic P. Mechanochemistry: opportunities for new and cleaner synthesis // Chemical Society Reviews. 2012. V. 41. № 1. P. 413–447. https://doi.org/10.1039/c1cs15171a
  7. V International Conference “Fundamental Bases of Mechanochemical Technologies”, FBMT-2018. Book of abstracts / Eds. Lyakhov N., Šepelák V., Shakhtshneider T., Dudina D. Novosibirsk: IPC NSU-Publishing, 2018.
  8. Zoz H., Ren H., Reichardt R., Benz H.U. Mechanical Alloying: Principle, Development and Current Activities (Part I-VII), 〈www.gmbh.zoz.de/?Page_id=1155〉 (Accessed 23 July 2018).
  9. Мофа Н.Н., Садыков Б.С., Баккара А.Е., Мансуров З.А. Получение механохимической обработкой металлических порошков для энергоемких горючих композиций. Часть 2. Структура и реакционная способность механоактивированных смесей Al – модификатор–SiО2 // Известия Вузов. Порошковая металлургия и функциональные покрытия. 2019. № 3. С. 13–25. https://doi.org/10.17073/1997-308X-2019-3-13-25
  10. Eryomina M.A., Lomaeva S.F. Composites prepared by multistage wet ball milling of Ti and Cu powders: phase composition and effect of surfactant addition // Advanced Powder Technology. 2020. V. 31. № 5. P. 1789–1795.
  11. Коротких А.Г., Сорокин И.В., Селихова А.Е., Архипов В.А. Зажигание и горение смесевых твердых топлив на основе двойного окислителя и борсодержащих добавок // Химическая физика. 2020. Т. 39. № 7. С. 32–40.
  12. Малышев В.П., Бектурганов Н.С., Макашева А.М., Зубрина Ю.С. Вероятностная модель измельчения материалов как оператор самоорганизации и аттрактор процесса // Цветные металлы. 2016. № 2. С. 33–39.
  13. Malyshev V.P., Makasheva A.M., Zubrina Y.S. United probabilistic nature and model of chemical and mechanical reactions of consecutive destruction of substance // Am. J. Phys. Chem. 2015. V. 4. P. 42–47.
  14. Савенко В.И., Клюев В.А., Малкин А.И. Гранулометрия металлических микропорошков, обработанных в шаровой планетарной мельнице // Коллоид. журн. 2022. Т. 84. № 1. С. 84–96. https://doi.org/10.31857/S0023291222010116
  15. Савенко В.И. Эволюция статистических характеристик распределения частиц по размерам в микропорошках при их темпоральной обработке в шаровой планетарной мельнице // Коллоид. журн. 2022. Т. 84. № 3. С. 318–327. https://doi.org/10.31857/S0023291222030107
  16. Ван Кампен Н.Г. Стохастические процессы в физике и химии. М.: Высшая школа, 1998.
  17. Gardiner C.W. Handbook of Stochastic Methods: for Physics, Chemistry and the Natural Sciences. Lëtzebuerg: Springer, 2004.
  18. Stepanov S.S. Stochastic World. (Series: Mathematical Engineering). Lëtzebuerg: Springer, 2013.
  19. Allen T. Particle Size Measurement. N.Y., London: Chapman & Hall. 4-th edition, 1992.
  20. Левин А. Основные принципы анализа размеров частиц. М.: “ЛабДепо-Мск”, 2010.
  21. ГОСТ Р 8.777-2011. Государственная система обеспечения единства измерений. Дисперсный состав аэрозолей и взвесей. Определение размеров частиц по дифракции лазерного излучения. М.: Стандартинформ, 2019.
  22. Борен К., Хафмен Д. Поглощение и рассеяние света малыми частицами. М.: Мир, 1986.
  23. Balakrishnan N., Chen W.W.S. Handbook of Tables for Order Statistics from Lognormal Distributions with Applications. Amsterdam: Kluwer, 1999.
  24. Wojdyr M. Fityk: a general-purpose peak fitting program // J. Appl. Cryst. 2010. V. 43. P. 1126–1128. https://doi.org/10.1107/S0021889810030499
  25. ГОСТ 11.008-75. Графические методы обработки данных. Метод вероятностных сеток. М.: Издательство стандартов, 1985. (CT СЭ8 3542-82J. Applied statistics. Graphic methods of data processing).
  26. Коузов П.А. Основы анализа дисперсного состава промышленных пылей и измельченных материалов. Л.: Химия, 1987.
  27. Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Высшая Школа, 2003.
  28. Лемешко Б.Ю., Лемешко С.Б., Постовалов С.Н., Чимитова Е.В. Статистический анализ данных, моделирование и исследование вероятностных закономерностей. Компьютерный подход. Новосибирск: Изд-во НГТУ, 2011. (раздел 4.9).
  29. Krylov N.V. Introduction to the Theory of Random Processes: Graduate Studies in Mathematics. Providence RI: Amer. Math. Soc. 2002. V. 43.
  30. Ширяев А.Н. Вероятность. ТТ. 1, 2. М.: МЦНМО, 2007.
  31. Гасников А.В., Горбунов Э.А., Гуз С.А., Черноусова Е.О., Широбоков М.Г., Шульгин Е.В. Лекции по случайным процессам. М: МФТИ, 2019.
  32. Формалев В.Ф., Ревизников Д.Л. Численные методы. Изд. 2-е, испр., доп. М.: ФИЗМАТЛИТ, 2006.
  33. Самарский А.А. Введение в численные методы. Изд. 5-е. Спб.: ЛАНЬ, 2009.
  34. Хакен Г. Синергетика. Принципы и основы. М.: УРСС: ЛЕНАНД. ТТ. 1, 2. 2015.
  35. Физические величины. Справочник. / Под редакцией Григорьева И.С., Мейлихова Е.З. М.: Энергоатомиздат, 1991.
  36. Бородин И.Н., Майер А.Е. Предел текучести нанокристаллических металлов при высокоскоростной пластической деформации // ФТТ. 2012. Т. 54. № 4. С.759–766.
  37. Ефстифеев А.Д., Груздков А.А., Петров Ю.В. Температурно-скоростная зависимость типа разрушения // ЖТФ. 2013. Т. 83. № 7. С. 59–63.

© В.И. Савенко, 2023

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».