Моделирование ион-атомных взаимодействий при корпускулярной бомбардировке поверхности стальных образцов
В работе решена проблема моделирования процесса ионной имплантации как технологии воздействия на поверхностные свойства материалов. На основе существующих физических моделей разработана компьютерная программа "RIO". Возможности данного программного продукта позволяют рассчитывать глубину п...
Saved in:
| Published in: | Проблемы машиностроения |
|---|---|
| Date: | 2014 |
| Main Authors: | , , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інстиут проблем машинобудування ім. А.М. Підгорного НАН України
2014
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/81030 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Моделирование ион-атомных взаимодействий при корпускулярной бомбардировке поверхности стальных образцов / А.А. Черный, С.В. Мащенко, В.В. Гончаров // Проблемы машиностроения. — 2014. — Т. 17, № 4. — С. 59-64. — Бібліогр.: 26 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859900417128792064 |
|---|---|
| author | Черный, А.А. Мащенко, С.В. Гончаров, В.В. |
| author_facet | Черный, А.А. Мащенко, С.В. Гончаров, В.В. |
| citation_txt | Моделирование ион-атомных взаимодействий при корпускулярной бомбардировке поверхности стальных образцов / А.А. Черный, С.В. Мащенко, В.В. Гончаров // Проблемы машиностроения. — 2014. — Т. 17, № 4. — С. 59-64. — Бібліогр.: 26 назв. — рос. |
| collection | DSpace DC |
| container_title | Проблемы машиностроения |
| description | В работе решена проблема моделирования процесса ионной имплантации как технологии воздействия на поверхностные свойства материалов. На основе существующих физических моделей разработана компьютерная программа "RIO". Возможности данного программного продукта позволяют рассчитывать глубину проникновения целевых ионов в материал, образование осажденной пленки и распыление поверхности. Программа "RIO" учитывает микрогеометрию поверхности, что позволяет строить профили поперечного сечения и рассчитывать шероховатость, длину профиля, средний угол наклона и т.п. Сравнение результатов, полученных с помощью данной модели, с данными микроанализа подтвердило высокую точность разработанной программы. С целью моделирования характеристик по всей поверхности исследовали возможность применения метода нейронных сетей. Анализ микрофотографий продемонстрировал высокую точность прогнозирования рельефа ионно-имплантированной поверхности методом моделирования с помощью нейронных сетей. Сходство значений Ra свидетельствует, что нейросети достоверно воспроизводят соотношения высот пиков и впадин поверхности. Накопление результатов повышает точность моделирования, а значит, позволяет контролировать текстурные характеристики имплантатов. Результаты исследования открывают перспективы для применения разработанных методов при проектировании теплообменных и каталитических устройств, прецизионных и трибологических пар и т.д.
Наведено результати моделювання іонної імплантації за допомогою створеної авторами програми "RIO" і нейронних мереж. Порівняння отриманих даних з реальними зразками показало високу точність зазначених методів при розрахунку параметрів геометрії поверхні, що свідчить про перспективність їх використання для прогнозування і контролю результатів іонної обробки з метою отримання необхідних характеристик імплантатів.
In the paper the problem of modeling of ionic implantation as the technology of influence on the surface properties of materials is solved. On the basis of existing physical models computer program "RIO" is developed. Capabilities of the software allow us to calculate the penetration depth of the ions in the target material, the formation of the deposited film and the sputtering surface. Program "RIO" takes into account the surface microgeometry, that allows to build profiles and to calculate the cross-sectional surface roughness, length of the profile, the average tilt angle, etc. Comparison of the results obtained using this model with the microanalytical data confirmed the accuracy of the developed program. For the purpose of modeling the behavior of the entire surface was investigated possibility of using neural networks. Analysis of micrographs showed high prediction accuracy relief ion-implanted surface modeling method using neural networks. The similarity values of Ra shows that the neural networks reliably reproduce the ratio of the height of the peaks and valleys of the surface. Accumulation of the results increases the accuracy of the simulation, and thus allows to control the textural characteristics of the implants. The results of research shows perspectivities for application of the developed methods for the design of heat exchangers and catalytic devices, precision and tribological pairs, etc.
|
| first_indexed | 2025-12-07T15:57:13Z |
| format | Article |
| fulltext |
ВЫСОКИЕ ТЕХНОЛОГИИ В МАШИНОСТРОЕНИИ
ISSN 0131–2928. Пробл. машиностроения, 2014, Т. 17, № 4 59
Литература
1. Herman, R. Development of active oxide catalysts for the direct oxidation of methane to formaldehyde / R. Herman,
I. Wachs // Catalysis Today. – 1997. – № 37. –P. 1–14.
2. Iwamoto, M. Heterogeneous catalysis for removal of NO in excess oxygen / M. Iwamoto // Catalysis Today. – 1996.
– № 29. – P. 29–35.
3. Burch, R. Selective reduction of nitrogen oxides by hydrocarbons under lean – burn conditions using supported
platinum group metal catalysts / R. Burch // Catalysis Today. – 1995. – № 26. – P. 85–206.
4. Разработка многокомпонентных металл-оксидных катализаторов нейтрализации выхлопов двигателей вну-
треннего сгорания / П. И. Кириенко, Н. А. Попович, С. А. Соловьев и др. // Східн.-Європ. журн. передових
технологій. – 2010. – Т. 2, № 6 (44). – С. 18–24.
5. Курзина, И. А. Глубокое окисление метана на платиновых и палладиевых катализаторах, нанесенных на
нитрид кремния / И. А. Курзина // Изв. Томск. политехн. ун-та. – 2005. – Т. 308, № 4. – С. 104–109.
6. Methane combustion on perovskites-based structured catalysts / S. Cimino, L. Lisi, R. Pirone et al. // Catalysis To-
day. – 2000. – № 59. – P. 19–31.
7. Климаш, А. А. Исследование каталитически-стабилизированных газогорелочных устройств для бытовых и
промышленных аппаратов / А. А. Климаш, Г. И. Соловьев, А. Н. Попович // Технічна теплофізика та
промислова теплоенергетика: Зб. наук. пр. – Вип. 5. – Дніпропетровськ: ЛИРА ЛТД, 2013. – 227 с.
Поступила в редакию 12.07.14
А. А. Черный
С. В. Мащенко
В В. Гончаров,
канд. хим. наук
Институт химических технологий
Восточноукраинского
национального университета
им. В. Даля, г. Рубежное,
e-mail: gonch_vit@rambler.ru
Ключові слова: іонна імплантація,
комп’ютерна модель, імплантати,
нейронні мережі.
УДК 004.942:621.384.6
МОДЕЛИРОВАНИЕ ИОН-АТОМНЫХ
ВЗАИМОДЕЙСТВИЙ ПРИ
КОРПУСКУЛЯРНОЙ БОМБАРДИРОВКЕ
ПОВЕРХНОСТИ СТАЛЬНЫХ ОБРАЗЦОВ
Наведено результати моделювання іонної імплантації за допомо-
гою створеної авторами програми "RIO" і нейронних мереж. Порі-
вняння отриманих даних з реальними зразками показало високу то-
чність зазначених методів при розрахунку параметрів геометрії
поверхні, що свідчить про перспективність їх використання для
прогнозування і контролю результатів іонної обробки з метою
отримання необхідних характеристик імплантатів.
Введение
При ионной имплантации происходит взаимодействие бомбардирующих ионов с твердым те-
лом, обуславливающее изменение широкого спектра свойств материалов [1–4]. Повышение износо-
стойкости, прочности, твердости, усталостной прочности вследствие ионного воздействия приводит к
улучшению эксплуатационных характеристик деталей [5], обработанных ионной имплантацией, что,
несомненно, делает данную технологию перспективной в условиях современного научно-
технического прогресса.
Ионная имплантация – наноразмерная технология, суть которой заключается в облучении по-
верхности детали потоком заряженных частиц (ионы мишени и ионы рабочего газа) и внедрении их в
поверхностный слой на глубины десятков и сотен нанометров [6–8]. Движущей силой процесса им-
плантации является напряженность электромагнитного поля, генерирующего ионный поток. Благода-
ря разбросу ионов в потоке по энергиям, а также элементной и геометрической неоднородности по-
верхности деталей при имплантации происходит целый ряд процессов, вызванных ион-атомными и
ион-электронными взаимодействиями [9]. Из них целевыми для модификации являются внедрение
ионов, сопровождаемое образованием радиационных дефектов и их последующая диффузия.
© А. А. Черный, С. В. Мащенко, В В. Гончаров, 2014
ВЫСОКИЕ ТЕХНОЛОГИИ В МАШИНОСТРОЕНИИ
ISSN 0131–2928. Пробл. машиностроения, 2014, Т. 17, № 4 60
Постановка задачи
Для контролирования процесса и прогнозирования свойств материалов необходимо иметь
возможность моделирования ионной имплантации. Однако в силу сложности взаимодействия па-
дающих ионов с атомами материала детали и зависимости процесса в целом от макропараметров (на-
пряженность поля, давление в камере и т. д.) в настоящее время трудно найти модели модификации
реального материала, которые полностью учитывали бы все механизмы, происходящие при ионной
имплантации. Частично данная проблема решена в публикациях авторов [2, 3, 5, 10–17]. В то же вре-
мя ряд условий, на которые опираются авторы (идеализация материала и геометрии мишени, под-
ложки и др.) не позволяют применять эти модели на практике без достаточной эмпирической прора-
ботки, что предъявляет определенные требования к специализации обслуживающего персонала и
ограничивает промышленную эксплуатацию ионных установок.
Серьезным подспорьем в последнее время становятся компьютерные модели. Одной из самых
распространенных компьютерных программ для расчета параметров и прогнозирования результатов
ионной имплантации является приложение "SRIM" [18]. В частности, авторы [19, 20] при исследова-
нии структуры стали, обработанной ионной имплантацией, приводят графики концентрационных
профилей внедренных частиц, построенные с помощью программы "SRIM 2003". Однако, на наш
взгляд, применение данной компьютерной модели для прогнозирования поверхностных свойств ма-
териала ограничено в силу двух существенных, характерных для таких программ факторов. Первый –
это начальное предположение об идеальной гладкости исходной поверхности и её стабильности (не-
деформируемости) в процессе ионной имплантации, что не характерно для реальных материалов.
Второй – отсутствие привязки расчетных параметров программы к поверхностным свойствам (шеро-
ховатость, волнистость и др.), что исключает возможность учета травления поверхности или осажде-
ния на неё пленки, наблюдаемых при имплантации. Таким образом, задачей данного исследования
является построение модели и выработка методики расчета параметров ионной имплантации для ре-
альных поверхностей с возможностью прогнозирования поверхностных характеристик на примере
фольги из стали 12Х18Н10Т, имеющей широкое применение в различных отраслях промышленности.
Основная часть
Для реализации поставленной задачи авторами создана компьютерная программа "RIO", по-
зволяющая рассчитывать распределение имплантированных ионов по глубине и ряд других базовых
показателей для реальных материалов подложек.
На рис. 1 для сравнения приведены графики концентраций элементов по глубине, построен-
ные по программам "SRIM" и "RIO".
Расчет с помощью обеих программ (рис. 1) показал глубокое проникновение азота (плазмооб-
а) б)
Рис. 1. Концентрационные профили элементов по глубине, выполненные в программе:
а) – "RIO"; б) – "SRIM". Обозначения элементов: ♦ – азот; ■ – титан; ▲ – хром; × – молибден
ВЫСОКИЕ ТЕХНОЛОГИИ В МАШИНОСТРОЕНИИ
ISSN 0131–2928. Пробл. машиностроения, 2014, Т. 17, № 4 61
разующий газ) в материал подложки (до 80 нм) в сравнении с глубинами проникновения целевых
компонентов (до 25 нм). Значения максимальных концентраций для хрома сходны (около
4⋅1023 ион/см3), для титана близки (3,5⋅1023 и 4,5⋅1023 ион/см3). В то же время наблюдается и сущест-
венное различие результатов: для молибдена отличие максимальных концентраций в 3 раза, а для
азота – в 7 раз. Данный факт можно объяснить тем, что программа "SRIM" производит расчет для
идеальных ионных потоков, содержащих лишь целевой элемент. Программа "RIO" лишена данного
недостатка и учитывает то, что реальное содержание металла мишени в потоке колеблется в диапазо-
не от 10 до 50%.
Еще одна исходная предпосылка разработчиков программы "SRIM" о гладкой и кристалличе-
ской поверхности подложки приводит к тому, что максимум концентрации целевого компонента на-
блюдается на некоторой глубине (до 10 нм), что исключает возможность образования пленки. Однако
факт осаждения при ионной имплантации неоднократно указан в публикациях [21–25], и в программе
"RIO" он учтен (рис. 1, а).
На основании базовых возможностей программы "RIO" и использования ряда закономерно-
стей и аппроксимаций авторами смоделирован процесс ионной имплантации для неровной поверхно-
сти с учетом процессов распыления и образования приповерхностной пленки. В качестве исходного
образца была взята сталь марки 12Х18Н10Т. Обработка проводилась ионами азота и титана с энерги-
ей 20 кэВ при флюенсе 5⋅1017 ион/см2.
В результате использования программы получены профили длиной 4 мкм (поперечное сече-
ние образца) необработанного участка и его модели (рис. 2) после имитации процесса имплантации
(ИИ), что позволяет рассчитать такие параметры, как шероховатость, длина профиля, средний угол
наклона и т.п. для будущего изделия.
Для проверки достоверности результатов расчета по модели "RIO" в качестве критерия был
выбран параметр шероховатости Ra. Согласно расчетным данным, полученным из программы, шеро-
ховатость в процессе ионной имплантации в данном режиме увеличилась с 152 до 165 нм. Анализ
микрофотографий реального обработанного образца показал, что при аналогичном режиме имплан-
тации увеличение шероховатости происходит со 152 до 163 нм, что свидетельствует о высокой точ-
ности модели "RIO". Поскольку на характер ионной имплантации оказывает влияние природа целе-
вого элемента (элемент-бомбардир), то моделирование провели для различных металлов во всех слу-
чаях сходимость результатов по шероховатости оказалась на высоком уровне.
В частности, рис. 3 демонстрирует прогноз изменения профиля поверхности и значение ше-
роховатости для образца, обработанного ионами молибдена. Исходя из полученных данных, стано-
вится очевидным, что средняя шероховатость для молибдена почти не меняется (со 152 до 151 нм),
Рис. 2. Профили текстуры поверхности образца и его модели при обработке ионами титана
ВЫСОКИЕ ТЕХНОЛОГИИ В МАШИНОСТРОЕНИИ
ISSN 0131–2928. Пробл. машиностроения, 2014, Т. 17, № 4 62
хотя количество локальных дефектов явно возрастает. Измеренная шероховатость реально обрабо-
танного образца дает значение 154 нм, что достаточно хорошо согласуется с данными по модели.
Таким образом, моделирование ионной имплантации позволяет достаточно точно определять
концентрации элементов, воспроизводить профиль поверхности после обработки и прогнозировать
значения параметров её текстуры, учитывая не только, собственно, внедрение частиц, но и их эмис-
сию, диффузию и осаждение.
Для различного рода теплообменных, каталитических, оптических и др. устройств важным
параметром геометрии поверхности является коэффициент шероховатости KRa, который определяется
из отношения реальной площади поверхности к проективной. Для нахождения коэффициента шеро-
ховатости недостаточно профиля поверхности, необходимо иметь всю геометрию поверхности, мо-
делирование которой является сложным процессом. Потому в данном вопросе резонно воспользо-
ваться методом нейронных сетей, являющимся одной из функций приложения "Gwyddion" [26].
Нейронные сети – метод моделирования, позволяющий воспроизводить чрезвычайно слож-
ные зависимости благодаря их обучаемости на примерах. Пользователь нейронной сети подбирает
представительные данные, а затем запускает алгоритм обучения, который автоматически восприни-
мает структуру данных. Процесс моделирования заключается в обучении сети набором данных (мо-
дель и соответствующий сигнал) и применении «знаний» сети для модели с неизвестным сигналом. В
случае моделирования геометрии поверхности проще всего использовать микрофотографию по-
верхности с известным масштабом, по которой можно рассчитать необходимые параметры и постро-
ить трехмерную модель.
Обучение нейросети производится на основе фотографий участка поверхности до импланта-
ции (модель) и после имплантации (сигнал). Далее, применяя метод нейросетей к фотографии необ-
работанной поверхности, на выходе получаем имитацию – фотографию поверхности, какой она
должна быть после процесса имплантации.
Данное моделирование позволяет заранее спрогнозировать состояние микрогеометрии по-
верхности, применяя минимум усилий и ресурсов, даже в тех случаях, когда нет возможности про-
вести несколько процессов обработки для подбора оптимального режима.
Недостатками данного метода моделирования является строгая привязка сети к режимам об-
работки, качественному и количественному составу материала, то есть, нейронная сеть может обу-
чаться и применяться лишь к одному и тому же материалу при условии его идентичной обработки
(доза и энергия имплантации, имплантируемый ион).
В данной работе нейросеть была обучена на основании микрофотографий (10×10 мкм), полу-
ченных с помощью микроскопа МИМ-7. Нейросеть обучалась на двух парах «модель-сигнал» и при-
менялась к третьей модели. Полученные сигналы сравнивались по параметрам текстуры (таблица), в
качестве которых были взяты шероховатость Ra и коэффициент шероховатости KRa.
Рис. 3. Профили текстуры поверхности образца и его модели при обработке ионами молибдена
ВЫСОКИЕ ТЕХНОЛОГИИ В МАШИНОСТРОЕНИИ
ISSN 0131–2928. Пробл. машиностроения, 2014, Т. 17, № 4 63
На рис. 4 представлены фотографии участка поверхности необработанной стали, ионно-
имплантированной и смоделированной ионно-имплантированной поверхности.
Анализ микрофотографий (рис. 4) демонстрирует высокую точность прогнозирования релье-
фа поверхности методом моделирования с помощью нейросетей. Сходство значений Ra (табл. 1) сви-
детельствует, что нейросети достоверно воспроизводят соотношения высот пиков и впадин поверх-
ности. Однако контраст микрофотографий (рис. 4, б, в) и значения KRa показывают, что для полной
обучаемости следует увеличивать количество пар «модель-сигнал», количество шагов обучения, ко-
личество скрытых узлов.
Параметры текстуры поверхности образцов
Образец Ra, мкм KRa
исходная сталь 0,567 3,72
сталь после имплантации ионов титана 0,64 4,14
модель, построенная нейросетью 0,636 3,93
Выводы
Результаты проведенных исследований показали, что, несмотря на сложность процесса ион-
ной имплантации, его вполне можно прогнозировать с помощью моделей, положенных в основу про-
граммы "RIO". Данный программный продукт позволяет предсказать концентрационные профили и
глубину проникновения целевых и сопутствующих ионов в условиях их имплантации, диффузии и
осаждения в виде пленки. Такие возможности открывают перспективы точного подбора режима ра-
боты установки без предварительного проведения экспериментов. Накопленные результаты повы-
шают степень обучаемости, а значит, и точность результатов моделирования с помощью нейронных
сетей. Комбинируя компьютерное программное и нейросетевое моделирование, становится возмож-
ным не только прогнозирование результатов ионной имплантации, но и текстурных характеристик
образцов, что позволяет контролировать механические, физико-химические, оптические и др. свойст-
ва имплантатов. Учитывая неограниченность локализации приведенного моделирования, считаем,
что его применение охватывает и макро-, и микроэлементную базу теплообменных и каталитических
устройств, прецизионных и трибологических пар, изделий с повышенными требованиями к прочно-
сти и износостойкости и т.д.
Литература
1. Беграмбеков, Л. Б. Модификация поверхности твердых тел при ионном и плазменном воздействии / Л. Б. Бе-
грамбеков. – М.: Моск. инж.-физ. ин-т, 2001. – 34 с.
2. Влияние низкоэнергетической имплантации на механические свойства сплавов титана и железа /
В. О. Вальднер, В. П. Квядарас, Г. А. Ермаков и др. // Физика и химия обработки материалов. – 1987. – № 2.
– С. 18–24.
а) б) в)
Рис. 4. Микрофотографии поверхности образцов, 10х10 мкм:
а) – необработанная сталь; б) – ионно-имплантированная сталь;
в) – поверхность, смоделированная нейросетью
ВЫСОКИЕ ТЕХНОЛОГИИ В МАШИНОСТРОЕНИИ
ISSN 0131–2928. Пробл. машиностроения, 2014, Т. 17, № 4 64
3. Костерин, К. В. Распыление твердых тел ионной бомбардировкой: адатомные механизмы и возможная роль
фононов / К. В. Костерин // Физика и химия обработки материалов. – 1995. – № 3. – С. 43-48.
4. Белоус,В. А. О влиянии облучения ионами Ar+ на коррозионную стойкость металлов и сплавов /
В. А. Белоус, Г. И. Носов, Н. А. Азаренков // Физ. инженерия поверхности. – 2010. – Т. 8, № 2. – С. 161–168.
5. Витальский, Д. В. Модификация и эксплуатационные свойства поверхностей деталей машин и инструмен-
тов при ионной имплантации азота: Дис. ... канд. тех. наук : 05.03.01 / Витальский Дмитрий Валерьевич. –
Тула, 2007. – 137 с.
6. Никитин, А. А. Ионная имплантация – эффективный метод изменения свойств поверхности металлов и спла-
вов // Бюл. Центр. НИИ чермета. – 1986. – № 23. – C. 9–18.
7. Калин, Б. А. Радиационно-пучковые технологии обработки конструкционных материалов / Б. А. Калин //
Физика и химия обработки материалов. – 2001. – № 4. – C. 5–16.
8. Гончаров, В. В. Синтез наноразмерных слоев активных металлов на поверхности фольги из нержавеющей
стали / В. В. Гончаров, В. О. Зажигалов // Наноструктурные материалы – 2012: Россия – Украина – Беларусь
: ІІІ Междунар. науч. конф., 19–22 нояб. 2012 г. : Тез. докл. – СПб, 2012. – С. 263.
9. Зеленский, В. Ф. Радиационные дефекты и распухание металлов / В. Ф. Зеленский, И. М. Неклюдов,
Т. П. Черняева. – Киев: Наук. думка, 1988. – 296 с.
10. Хирвонен, Дж. К. Ионная имплантация / Дж. К. Хирвонен. – М.: Металлургия, 1985. – 285 с.
11. Бойко, В. И. Влияние дефектности структуры металлов на профиль распределения внедренных ионов /
В. И. Бойко, Б. Е. Кадлубович, И. В Шаманин // Физика и химия обработки материалов. – 1991. – № 3. –
С. 56–61.
12. Никоненко, В. А. Математическое моделирование технологических процессов: Моделирование в среде
MathCAD. Практикум / Под ред. Г. Д. Кузнецова. – М.: Моск. ин-т стали и сплавов, 2001. – 48 с.
13. Бобыль, А. В. Физико-химические основы технологии полупроводников. Пучковые и плазменные процессы
в планарной технологии: Учеб. пособие / А. В. Бобыль, С. Ф. Карманенко. СПб.: Изд-во Политехн. ун-та,
2005. – 113 с.
14. Фальконе, Д. Теория распыления / Д. Фальконе // Усп. физ. наук. – 1992. – Т. 162, № 1. – С. 71–117.
15. Распыление твердых тел ионной бомбардировкой // Под ред. Р. Бериша. – М.: Мир, 1984. – 336 с.; 1986. –
488 с.
16. Keywell, F. Measurements and Collision–Radiation Damage Theory of High-Vacuum Sputtering // Phys. Rev. –
1955. – Vol. 97, № 6. – P. 1611–1619.
17. МОП-СБИС. Моделирование элементов и технологических процессов / Под ред. П. Антонетти, Д. Антониа-
диса, Р. Даттона, У. Оулдхема: Пер. с англ. – М.: Радио и связь, 1988.
18. PARTICLE INTERACTIONS WITH MATTER [Електронний ресурс] // Web-сайт James F. Ziegler- Режим дос-
тупа:http://www.srim.org/SRIM/SRIMLEGL.htm.
19. Grazing incidence X-ray diffraction spectra analysis of expanded austenite for implanted stainless steel /
J. Dudognon, M. Vayer, A. Pineau, R. Erre // Surface & Coating Technology – 2008. – Vol. 202, № 20 – C. 5048–
5054.
20. Modelling of grazing incidence X-ray diffraction spectra from Mo-implanted stainless steel. Comparison with ex-
perimental data / J. Dudognon, M. Vayer, A. Pineau, R. Erre // Surface & Coating Technology – 2006. – Vol. 200. –
C. 5058–5066.
21. Тонкие пленки – взаимная диффузия и реакции / Под. ред. Дж. Поута, К. Ту, Дж. Мейера. – М. : Мир. – 1982.
– 576 с.
22. Физика тонких пленок: современное состояние исследований и технические применения: Пер. с англ.
В. Б. Сандомирского : в 3 т. / [под. ред. Г. Хасса, Р. Э. Туна] – М.: Мир. Т. 3. – 1968. – 331 с.
23. Micrograph and structure of CrN films prepared by plasma immersion ion implantation and deposition using
HPPMS plasma source / Wu Zhongzhen, Tian Xiubo, Gong Chunzhi, Yang Shiqin, K. Chu Paul // Surface & Coat-
ing Technology. – 2013. – Vol. 229, № 25. – Р. 210–216.
24. Residual stress analysis of TiN film fabricated by plasma immersion ion implantation and deposition process /
Liu Hongxi, Xu Qian, Zhang Xiaowei, Wang Chuanqi, Tang Baoyin // Nuclear Instruments and Methods in Physics
Research Section B: Beam Interactions with Materials and Atoms – 2013. – Vol. 297, № 15. – Р. 1–6.
25. Investigating the microstructure and mechanical behaviors of DLC films on AISI52100 bearing steel surface fabri-
cated by plasma immersion ion implantation and deposition / Liu Hongxi, Xu Qian, Wang Chuanqi, Zhang Xiaowei,
Tang Baoyin // Surface & Coating Technology. – 2013. – Vol. 228, № 15. – Р. 159–163.
26. Gwyddion [Электронный ресурс] // Free SPM (AFM, SNOM/NSOM, STM, MFM, …) data analysis software. –
Режим доступа: http://gwyddion.net/ Дата обращения: 13.12.2011.
Поступила в редакию 12.07.14
|
| id | nasplib_isofts_kiev_ua-123456789-81030 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0131-2928 |
| language | Russian |
| last_indexed | 2025-12-07T15:57:13Z |
| publishDate | 2014 |
| publisher | Інстиут проблем машинобудування ім. А.М. Підгорного НАН України |
| record_format | dspace |
| spelling | Черный, А.А. Мащенко, С.В. Гончаров, В.В. 2015-04-30T13:34:42Z 2015-04-30T13:34:42Z 2014 Моделирование ион-атомных взаимодействий при корпускулярной бомбардировке поверхности стальных образцов / А.А. Черный, С.В. Мащенко, В.В. Гончаров // Проблемы машиностроения. — 2014. — Т. 17, № 4. — С. 59-64. — Бібліогр.: 26 назв. — рос. 0131-2928 https://nasplib.isofts.kiev.ua/handle/123456789/81030 004.942:621.384.6 В работе решена проблема моделирования процесса ионной имплантации как технологии воздействия на поверхностные свойства материалов. На основе существующих физических моделей разработана компьютерная программа "RIO". Возможности данного программного продукта позволяют рассчитывать глубину проникновения целевых ионов в материал, образование осажденной пленки и распыление поверхности. Программа "RIO" учитывает микрогеометрию поверхности, что позволяет строить профили поперечного сечения и рассчитывать шероховатость, длину профиля, средний угол наклона и т.п. Сравнение результатов, полученных с помощью данной модели, с данными микроанализа подтвердило высокую точность разработанной программы. С целью моделирования характеристик по всей поверхности исследовали возможность применения метода нейронных сетей. Анализ микрофотографий продемонстрировал высокую точность прогнозирования рельефа ионно-имплантированной поверхности методом моделирования с помощью нейронных сетей. Сходство значений Ra свидетельствует, что нейросети достоверно воспроизводят соотношения высот пиков и впадин поверхности. Накопление результатов повышает точность моделирования, а значит, позволяет контролировать текстурные характеристики имплантатов. Результаты исследования открывают перспективы для применения разработанных методов при проектировании теплообменных и каталитических устройств, прецизионных и трибологических пар и т.д. Наведено результати моделювання іонної імплантації за допомогою створеної авторами програми "RIO" і нейронних мереж. Порівняння отриманих даних з реальними зразками показало високу точність зазначених методів при розрахунку параметрів геометрії поверхні, що свідчить про перспективність їх використання для прогнозування і контролю результатів іонної обробки з метою отримання необхідних характеристик імплантатів. In the paper the problem of modeling of ionic implantation as the technology of influence on the surface properties of materials is solved. On the basis of existing physical models computer program "RIO" is developed. Capabilities of the software allow us to calculate the penetration depth of the ions in the target material, the formation of the deposited film and the sputtering surface. Program "RIO" takes into account the surface microgeometry, that allows to build profiles and to calculate the cross-sectional surface roughness, length of the profile, the average tilt angle, etc. Comparison of the results obtained using this model with the microanalytical data confirmed the accuracy of the developed program. For the purpose of modeling the behavior of the entire surface was investigated possibility of using neural networks. Analysis of micrographs showed high prediction accuracy relief ion-implanted surface modeling method using neural networks. The similarity values of Ra shows that the neural networks reliably reproduce the ratio of the height of the peaks and valleys of the surface. Accumulation of the results increases the accuracy of the simulation, and thus allows to control the textural characteristics of the implants. The results of research shows perspectivities for application of the developed methods for the design of heat exchangers and catalytic devices, precision and tribological pairs, etc. ru Інстиут проблем машинобудування ім. А.М. Підгорного НАН України Проблемы машиностроения Высокие технологии в машиностроении Моделирование ион-атомных взаимодействий при корпускулярной бомбардировке поверхности стальных образцов Simulation of ion-atom interactions at the corpuscular bombardment of the surface of steel samples Article published earlier |
| spellingShingle | Моделирование ион-атомных взаимодействий при корпускулярной бомбардировке поверхности стальных образцов Черный, А.А. Мащенко, С.В. Гончаров, В.В. Высокие технологии в машиностроении |
| title | Моделирование ион-атомных взаимодействий при корпускулярной бомбардировке поверхности стальных образцов |
| title_alt | Simulation of ion-atom interactions at the corpuscular bombardment of the surface of steel samples |
| title_full | Моделирование ион-атомных взаимодействий при корпускулярной бомбардировке поверхности стальных образцов |
| title_fullStr | Моделирование ион-атомных взаимодействий при корпускулярной бомбардировке поверхности стальных образцов |
| title_full_unstemmed | Моделирование ион-атомных взаимодействий при корпускулярной бомбардировке поверхности стальных образцов |
| title_short | Моделирование ион-атомных взаимодействий при корпускулярной бомбардировке поверхности стальных образцов |
| title_sort | моделирование ион-атомных взаимодействий при корпускулярной бомбардировке поверхности стальных образцов |
| topic | Высокие технологии в машиностроении |
| topic_facet | Высокие технологии в машиностроении |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/81030 |
| work_keys_str_mv | AT černyiaa modelirovanieionatomnyhvzaimodeistviiprikorpuskulârnoibombardirovkepoverhnostistalʹnyhobrazcov AT maŝenkosv modelirovanieionatomnyhvzaimodeistviiprikorpuskulârnoibombardirovkepoverhnostistalʹnyhobrazcov AT gončarovvv modelirovanieionatomnyhvzaimodeistviiprikorpuskulârnoibombardirovkepoverhnostistalʹnyhobrazcov AT černyiaa simulationofionatominteractionsatthecorpuscularbombardmentofthesurfaceofsteelsamples AT maŝenkosv simulationofionatominteractionsatthecorpuscularbombardmentofthesurfaceofsteelsamples AT gončarovvv simulationofionatominteractionsatthecorpuscularbombardmentofthesurfaceofsteelsamples |