Топологические и фрактальные инварианты структуры для оценки качества металла

• Veröffentlicht in: Доповіді НАН України
• Datum: 2017
• Hauptverfasser: Большаков, В.И., Волчук, В.Н., Дубров, Ю.И.
• Format: Artikel
• Sprache: Russian
• Veröffentlicht: Видавничий дім "Академперіодика" НАН України 2017
• Schlagworte: Матеріалознавство
• Online Zugang: https://nasplib.isofts.kiev.ua/handle/123456789/126558
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Zitieren: Топологические и фрактальные инварианты структуры для оценки качества металла / В.И. Большаков, В.Н. Волчук, Ю.И. Дубров // Доповіді Національної академії наук України. — 2017. — № 4. — С. 42-48. — Бібліогр.: 13 назв. — рос.

Предложен эффективный метод оценки механических свойств металла с применением композиции топологического и фрактального подходов для сотового, пластинчатого, зернистого и игольчатого классов структуры. В его основу положены четыре новых критерия для оценки структуры, полученных с использованием композиции данных подходов, что позволяет уменьшить погрешность при прогнозе характеристик прочности металла в 1,24—2,16 раз в зависимости от его класса. Запропоновано ефективний метод оцінки механічних властивостей металу із застосуванням композиції топологічного та фрактального підходів для сотового, пластинчатого, зернистого та голчатого класів структури. В його основу покладено чотири нових критерії для оцінки структури, отриманих з використанням композиції даних підходів, що дозволяє зменшити похибку при прогнозі характеристик міцності металу в 1,24—2,16 разів в залежності від його класу. An efficacious method of evaluating the mechanical properties of a metal with the application of a composition of the topological and fractal approaches for the cellular, lamellar, granular, and needle-grade classes of a structure is proposed. It is based on four new criteria for the evaluation of new structures and allows one to reduce the error in the prediction of strength characteristics of a metal by 1.24—2.16 times depending on its class.