Технические науки/ 8.Обработка материалов в машиностроении

д.т.н. Ю.Г. Кабалдин

Нижегородский государственный технический университет им.Р.Е.Алексеева, Россия, E-mail: uru.40@mail.ru

Интеллектуальный подход к управлению структурным состоянием и процессами деформирования и разрушения твердых тел

Изучение связи между структурой и свойствами деформируемого твердого тела является необходимым этапом как для выяснения физики процесса разрушения, так и создания материалов с заданными свойствами (рис. 1).

Рис. 1. Схема, иллюстрирующая современные подходы к формированию материалов с заданными свойствами

Корреляционная связь между особенностями электронного строения, структурой и свойствами материалов рассмотрена в ряде работ [1-3],

Особенно плодотворной при изучении связи структуры и свойств материалов, их механизмов разрушения оказалась теория дислокаций [4-9],. Однако в последние годы показано, что теория дислокаций в её классическом понимании может быть эффективно использована лишь при создании конкретных моделей хрупкого или усталостного разрушения. В процессе пластического течения дислокации находятся в столь сильном взаимодействии, что необходимо говорить об их коллективном поведении. Это в значительной степени определяет эволюцию и вид дефектных структур в процессе нагружения твердого тела (хаотическое скопление дислокаций – клубки - ячейки и т.д.). Эти механизмы изучены в [4-9]. Вешнее механическое воздействие способствует термопластическому упрочнению, где реализуется формирование таких дислокационных структур.

Нелинейная динамика деформированного твердого тела.

Рассмотрим процесс деформирования твердого тела с позиций подходов нелинейной динамики. С позиций нелинейной динамики структура материала следует рассматривать как «динамическая» система». В процессе нагружения динамическая неравновесная система может достигать устойчивости с различным состоянием: от хаотического (вихревого) движения элементов структуры на различных уровнях пространственно-временного хаоса до самоорганизации ламинарного течения структурных элементов.

Исследование структурного состояния в материале в процессе эволюции как в динамической системе при нагружении позволяет говорить о новом подходе к её исследованию с позиций нелинейной динамики, механизмов эволюции дефектных структур. В этой связи, деформированное твердое тело является нелинейной системой, находящейся вдали от термодинамического равновесия. Универсальным свойством нелинейных систем является периодическое чередование эволюции и инэволюции, что сопровождается также периодической трансформацией структуры (фазовым переходом) и механизмов деформации на различных структурных уровнях. В этой связи накопленная энтропия может рассматриваться как критерий предельного состояния твердого тела и его устойчивости. Одной из разновидностей энтропии является информационная энтропия

,

где Pi - вероятность.

В этой связи ее целесообразно использовать для оценки структурных изменений материалов [10] в процессе пластического деформирования. Для этой цели испытаниям подвергали ряд углеродистых сталей. На рис. 2 приведена диаграмма растяжения образцов из стали 10. В процессе испытаний фиксировалась энергия сигнала акустической эмиссии (АЭ), рассчитывалась также информационная Н энтропия сигналов АЭ, а также определялась D_F фрактальная размерность по методике [10]. Как видно на рис. 2, растяжение образца сопровождается периодическим изменением (колебанием) информационной энтропии сигнала АЭ. Разрушение образца происходило при резком снижении энтропии (точка С).

Существует ряд механизмов (сценариев) развития динамического хаоса в системах [11,12].. Согласно Фейгенбауму, универсальным сценарием развития хаоса является удвоение периода. В работе [10] экспериментально показано, что при растяжении образца на стадии предразрушения изменение сигнала АЭ происходит по удвоенному периоду. В результате движение структурных элементов (блоков, зерен) будет хаотическим (вихревым).

Рис. 2. Диаграмма растяжения образца из стали 10 (а); изменение информационной энтропии Н (б); фрактальной размерности D_F (в)

Как известно, причиной пространственного временного хаоса [11], является чувствительность параметров системы к начальным данным. Фрактальный характер диссипативных структур деформированного твердого тела обусловлен теми свойствами траектории, которые превращают их из регулярных и периодических в хаотические. Локальная сдвиговая неустойчивость зерен усложняет траекторию, делая ее непредсказуемой. В результате реализуются поворотные (вихревые) моды деформации [9].

В работах [10], показано, что при растяжении образца фрактальная размерность растет. При усталостном нагружении фрактальная размерность также растет [13], но в три этапа [10], Совместный анализ зависимостей «фрактальная размерность», истинная деформация, истинное напряжение показал, что началу каждого этапа роста фрактальной размерности соответствует удвоение удельной энергии, подведенной к образцу в процессе деформации.

Таким образом, экспериментальные данные свидетельствуют об универсальном характере потери устойчивого структурного состояния деф ормированного тела. Схематично это показано на рис. 3. Переход от упругой деформации к пластической можно назвать мягким сценарием потери устойчивости деформированной системы. Дальнейший сценарий хаотизации и потеря структурной устойчивости деформируемой системы может развиваться через цикл удвоенного периода из-за потери устойчивости первого цикла. Затем может происходить потеря устойчивости второго цикла /26/, что сопровождается ростом энтропии (рис. 2а), и разрушением образца. По определению [11,12], - это катастрофа.

Рис. 3. Схема, иллюстрирующая сценарий разрушения образца (рис. 2а)

Анализ изменения (колебаний) информационной Н энтропии (рис. 26) указывает на то, что процесс разрушения образца - есть последовательные акты самоорганизации при dS —> шах, которые в зависимости Р - т проявляются как плато с последующим саморазрушением дефектных структур [4-9].

Мягкая потеря устойчивости структурного состояния (рис. 3) - текучесть - точка А (рис.2), есть результат снижения локальной сдвиговой неустойчивости в кристалле, а образование шейки перед разрушением - потеря глобальной сдвиговой устойчивости, когда формирование хаотической (вихревой) структуры происходит по всей площади образца [4-9]. Последнее согласуется с результатами исследований регистрации информационной энтропии Н, которая достигает минимума при разрушении образца (рис. 2в). Поэтому последний этап разрушения следует классифицировать как катастрофой (рис. 3).

Как известно для того, чтобы предотвратить усталостное разрушение, нужно максимально уменьшить локализацию деформации, исключить формирование полосовой структуры, не допускать зернограничного проскальзывания, усиливать локальную сдвиговую устойчивость решетки и т.д. [4-9]. Поэтому для обеспечения более надежного протекания синтеза материалов с заданными свойствами в состав интеллектуального блока должен входить альтернативный механизм управления локальной и глобальной потерей устойчивости. Это достигается введением в него экспертной системы, основанной на базе знаний об основных методах управления структурой и т. д.

Заключительный эксперимент формирования заданного структурного состояния с использованием интеллектуальных технологий (методов исскусственного интеллекта) проводится на основе мультифрактальной параметризации [19], осуществляя количественные оценки меры однородности и упорядоченности структур, которые уже извлекаются из плоских изображений с помощью компьютерного алгоритма.

Описанный выше сценарий потери устойчивости структурного состояния и разрушения образца, по-видимому, имеет определенную закономерность. Дело в том, что развитие любого живого организма есть последовательная стадия автономных актов самоорганизации и бифуркации. Благодаря этому развивающаяся структура характеризуется возможностью перейти в одно из очень большого числа допустимых равноправных состояний. В связи с этим, эволюционизирующая система всегда проявляет только определенную динамику. Однако для сохранения самоорганизованной структуры, живой организм должен получать возможность информационного развития, т.е. совершенствования своей структуры. Феноменологически этот процесс можно охарактеризовать как получение дополнительной информации из внешней среды.

Теория и практика синтеза интеллектуального подхода

При разработке интеллектуальных технологий синтеза материалов ключевым моментом является информационный (интеллектуальный) блок, органически входящий в технологическую цепочку синтеза материалов, с использованием моделей нейронных сетей, т.е. исскуственного интеллекта.

Рис. 4. Принципиальная модель «черного ящика» при использовании исскуственного интеллекта

На рис. 4 представлена одна из возможных схем реализации синтеза материалов с использованием интеллектуального подхода, разрабатываемых в Нижегородском государственном техническом университете. При этом, основным принципом интеллектуального управления структурным состоянием материала на стадии его получения является принцип «черного ящика» (рис. 4). В качестве «черного ящика» следует рассматривать совокупность процессов, происходящих в материале, находящемся, например, в тигле от жидкого состояния до заготовки. Выходными данными здесь могут являться ΔT - разность температуры охлаждения, ΔР давления, химсостав и т.д., а на выходе - комплекс механических характеристик и D_F фрактальная размерность, фиксируемая по сигналам виброакустической эмиссии, имеющей корреляцию например с - Sв истинным напряжением [13].

Важно отметить, что развитие точных наук и успехи в исследовании нелинейных математических моделей помогли сформировать новые идеи в этой области. Основная идея состоит в том, что восприятие, обучение мышления, другие функции мозга обусловлены коллективным процессом, приводящим к согласованной работе ансамбля достаточно просто устроенных клеток - нейронов. Самоорганизация (самопрограммирование) таких ансамблей является ключом к объяснению функций мозга и это положение является ключевым моментом того, что мозг способен создавать, модифицировать, совершенствовать программы своей деятельности. Иначе говоря, мозг является динамической распределенной системой. Все вышеизложенное необходимо учитывать при разработке концепции синтеза интеллектуального подхода.

Процесс функционирования искусственной нейронной сети (ИНС), то есть сущность действий, которые она способна выполнять, зависит от величин синаптических связей. Поэтому, задавшись определенной структурой ИНС, разработчик сети должен найти оптимальные значения всех переменных весовых коэффициентов.

Этот этап называется обучением ИНС, и от того, насколько качественно он будет выполнен, зависит способность сети решать поставленные перед ней проблемы во время эксплуатации. На этапе обучения кроме параметра качества подбора весов важную роль играет время обучения. Как правило, эти два параметра связаны обратной зависимостью и их приходится выбирать на основе компромисса. Поэтому на вход нужно также подавать значения Do, т.е. предыдущее значение фрактальной размерности.

Ниже приведены результаты экспериментальных и теоретических исследований формирования исходного структурного состояния металлических материалов и наноматериалов. Исходное структурное состояние металла формируется при кристаллизации и как указывалось выше, существенно определяет характер деформации и их функциональные свойства. В этой связи, рассмотрим некоторые вопросы процесса кристаллизации металлов, а также возможность формирования заданного структурного состояния.

В настоящее время здесь наиболее изучено гетерогенное и микронеоднородное строение расплавов. Однако современное состояние теории расплавов, как указывалось выше, требует дальнейших углубленных исследований их структурных превращений.

Комплекс характеристик прочности и пластичности тесно связан с определяющим влиянием строения внешних оболочек металлических ионов в расплавах и формирование кристаллической структуры металлов. В работе В.К. Григоровича [3]. отмечается, что ближний порядок расплавов и их «память» о кристаллической структуре обусловлены сохранением в жидком состоянии, как правило, тех же электронных состояний. Наиболее полно эволюционная память электронов проявляется в процессах кристаллизации. Проявление памяти – это установление дальнодействующих корреляций, которая реализуется при охлаждении расплава. Дело в том, что для воспроизведения электронам своего прошлого в кристаллической решетке, электронам в расплаве необходимо некоторое хранилище информации – память. Такой памятью и является дальнодействующая корреляция между элементарными частицами – электронами.

В последнее время здесь развивается ряд моделей, в частности, где строение материалов на мезоуровне формируется наночастицами (кластерами). Указывается, что кластеры можно рассматривать как макромолекулу с большим количеством атомов. Для многих элементов наночастицы формируются последовательно, путем взаимодействия с первой, второй и третьей координационными сферами. Взаимодействие с первой сферой образует основной кластер, частицы второй и третьей сферы уже взаимодействуют с основным кластером, как с макромолекулой. Межкластерное взаимодействие определяет все свойства твердых тел. В межкластерном взаимодействии определяющее значение имеет электронная структура каждого кластера, во втором - строение геометрической оболочки частицы. В реальных частицах электронная и геометрическая структуры связаны, и рассмотрение их влияния по отдельности не всегда возможно. С проблемой установления зависимости химических свойств от размера участвующих в реакции частиц тесно связано выявление закономерностей образования наномасштабных твердых фаз в процессах кристаллизации. При взаимодействии атомов в жидкой фазе вначале образуются небольшие кластеры, которые затем объединяются в нанокристалл.

Исследование процессов кристаллизации проводили на чистых металлах Sn, Pb и их эвтектик (90% Sn + 10%Pb, 70%Sn + 30%Pb и 30% Sn + 70%). На рис. 5 приведена температурная зависимость кристаллизации Sn олова от времени охлаждения. Для проведения исследований использовался стенд, включающий тигель, в котором разогревали испытуемый металл, доводя его до температуры плавления. В тигель был установлен звуковод, который позволял регистрировать сигналы акустической эмиссии (АЭ). Затем сигналы АЭ обрабатывались на основе вейвлет-анализа. Разработанное программное обеспечение позволяло получать скалограммы, т.е. проводить вайвлет-анализ, строить на этой основе аттракторы и проводить расчеты фрактальной размерности D_F в процессе охлаждения металла.

Выбор данной системы сплавов обоснован низкой температурой их плавления (олово – 232 ⁰С, свинец - 327 ⁰С), а также наличием эвтектики у данной системы (температура плавления - 183,5 ⁰С). Для проведения исследований были использованы как чистые компоненты системы олово-свинец, так и сплавы с различной концентрацией компонентов (доэвтектический, околоэвтектический и заэвтектический). В процессе работы осуществлялась не только оценка устойчивости структурного состояния синтезированных сплавов, но и прогнозирование свойств сплавов с определенным процентным содержанием системы Sn – Pb, экспериментальные исследования по определению D_F и Н у которых не проводились.

Система регистрации, накопления, обработки и анализа акустико-эмиссионной информации при синтезе материалов включает в себя пьезоэлектрический преобразователь, блок аналоговой обработки АЭ сигнала, блок АЦП и цифровой обработки АЭ сигнала 9. Для накопления и обработки импульсной АЭ информации применяется ПЭМ и оригинальный пакет программ, что позволяло производить непрерывную запись АЭ импульсов в процессе всего эксперимента и анализ акустико-эмисионной информации по ряду информативных параметров. Анализ предварительных результатов измерения сигналов АЭ при кристаллизации позволил выбрать наиболее информативные параметры АЭ: - фрактальная размерность D_F и старший показатель Ляпунова, который, как известно, является критерием устойчивости сложных динамических систем различного происхождения. Нашии исследования проводились при скоростях охлаждения: V₁ =10⁰ C/мин и V₂ =24⁰ C/мин.

На рис.5 приведена архитектура ИНС для прогнозирования свойств таких сплавов. В качестве примера осуществлялось рогнозирование устойчивости структурного состояния системы 85% Sn + 15% Pb.

Рис.5 . Нейросеть моделирования осциллограмм сплавов олова со свинцом F – управляющий параметр (10,20 или 15 % Pb); К – момент времени, в который происходит моделирование заданной осциллограммы; Ti,…, Т_m - значения временного ряда (осциллограммы) в предыдущие к отчетов времени, m – текущий элемент ряда

Для оценки фрактальной размерности использовались алгоритмы, где также показана связь D_F с прочностными свойствами материалов (Sв – истинный предел прочности при растяжении). Алгоритм прогнозирования свойств систем Sn-Pb включал обучение нейросети (рис.5), способной моделировать осциллограммы олова с 10% Pb . Обученную, таким образом, нейросеть затем дополнительно обучали по осциллограммам сплава олова с 20% Pb. После завершения процесса обучения получали нейросеть, способную корректно моделировать осциллограммы обоих этих сплавов.

При моделирования осциллограмм 85% Sn + 15% Pb на управляющий вход обучения сети подавалось указание моделировать промежуточные осциллограммы (значение 15% Pb на управляющем входе сети рис. 5). Тем самым получали осциллограммы в заданные моменты времени Т. После получения осциллограмм, рассчитывали фрактальную размерность для каждой осциллограммы и строили графики зависимости фрактальной размерности от времени (рис. 6) для различных систем Sn + Pb.

Анализ результатов экспериментальных исследований и моделирования показал, что с ростом времени кристаллизации фрактальная размерность увеличивается. Добавление свинца к олову приводит к более позднему росту фрактальной размерности, т.е. снижению прочностных свойств предел прочности на растяжение сплавов. Их улучшение, т.е. снижение интенсивности роста фрактальной размерности достигалось увеличением скорости охлаждения при рекристаллизации.

На рис. 5, наряду с температурной зависимостью приведены результаты изменения D_F фрактальной размерности и Н – информационной энтропии. Из рис.5 видно, что на участке, следовавшим за быстрым снижением температуры, существует пологий участок, где металл находится как в жидком, так и в твердом состоянии, вследствие кристаллизации. На основе теоретических соображений изложенных выше, этот участок обусловлен корреляцией дальнодействующих связей, формированием кластеров и кристаллов твердых вещества.

Рис. 6. Температурная и фрактальная зависимости при кристаллизации Sn от времени испытаний.

Этот процесс можно представить следующим образом. По мере охлаждения, корреляция между атомами и кластерами возрастает, о чем свидетельствует снижение D_F фрактальной размерности. Однако при дальнейшем охлаждении, где вновь наблюдается снижение температуры, происходит резкий рост D_F. Это связано с развитием дендритной структурой, которая, по-видимому, обладает менее устойчивым структурным состоянием, т.е. хаотической структурой.

В соответствии с теорией Г.В. Григоровича [3], в процессе плавления металлов происходит уменьшение перекрытия электронных орбиталей и их волновых функций. Атомы металла переходят в «возбужденное» состояние. Металлические ионы в расплаве сохраняют электронное строение внешних оболочек элементов в твердом состоянии и направленность межатомных связей. Экспериментальные данные показывают, что при переходе в жидкое состояние, при котором разрушается дальний порядок, сохраняется ближний, что не вызывает существенного изменения типа межатомных связей.

Анализ показывает, что нанокластерные состояния формируются как на стадии предплавления, так и на стадии предкристаллизации. При этом температура плавления, определяемая в динамических условиях, является точкой структурной буфуркации, отвечающей вырождению кристаллических нанокластеров с трансляционной симметрией и зарождению квазикристаллических фаз с поворотной модой симметрии пятого и более порядков.

Таким образом, предкристаллизация – это непрерывный процесс взаимодействия, перестройки и конкуренции элементов вещества, находящегося в наноструктурном состоянии и пространстве. Этот процесс является формой существования жидкого состояния в результате нарушения дальнего порядка. Он позволяет системе быстро производить внутреннюю перестройку всех параметров структуры и свойств в соответствии с изменением внешних условий, в том числе и подготавливаться к процессу кристаллизации.

Следовательно, зарождение кристалла – это стремление элементарных частиц образовать нанокристалл. Когда атомы группируются, то образуется нанокластер или центр (зародыш) кристаллизации, а между ними и жидкостью возникает поверхность раздела. Рост кристалла – это стремление его скомпенсировать связи на поверхности, что обеспечивает снижение свободной энергии в системе. В этой связи, кристалл может менять даже кривизну пространства. Образование поверхности раздела приводит к затрате энергии, что вызывает некоторое увеличение свободной энергии системы при возникновении зародыша. Зародыш кристаллизации может расти только в том случае, если свободная суммарная энергия системы по мере охлаждения уменьшается.

Поэтому можно полагать, что процесс кристаллизации протекает путем срастания кластеров. При этом не возникают новые поверхности, а закрываются существующие межкластерные поверхности раздела, что сопровождается выделением теплоты. Однако, за короткое время тепло может быть поглощено только в ближайшем окружении срастающихся кластеров. Следовательно, объем V должен быть очень малым, так как при элементарном акте кристаллизации нет времени на медленное перераспределение тепла по объему расплава и за его пределы.

Таким образом, в процессе кристаллизации происходит «сборка» нанокластеров в жидкости. Вначале нанокластеры в жидкости упакованы не так или не совсем так, как упакованы они в кристаллической решетке твердого тела. При кристаллизации кластеры должны вновь перестроиться в конфигурацию, необходимую для согласованного срастания в единый (идеальный) кристалл и уплотниться. Такая перестройка происходит путем последовательных, согласованных перестроений до тех пор, пока не будет достигнута оптимальная или определенная конфигурация упаковки кластеров. Переупаковка нужна для того, чтобы между соседними кластерами восстановились межатомные связи в таком же виде, как и в твердом кристалле с минимумом энергии. Чем ближе геометрическая конфигурация и электронная структура кластеров тем полнее восстанавливаются межатомные связи между ними при кристаллизации, тем ближе к равновесию получаемый кристалл, тем совершение его структура. Но достижение полного совпадения электронных структур кластеров невозможно, можно только приблизиться к ней с той или иной степенью. Этот процесс обусловлен согласованием межатомных связей между кластерами и для более или менее полного протекания требует времени.

При завершении кристаллизации, согласованность (корреляция) кластеров и растущих кристаллов не является абсолютно полной. Кластеры могут срастаться и при некотором рассогласовании межатомных связей. Однако в этом случае формируемая кристаллическая решетка будет дефектной. Для металлов степень допустимого рассогласования связей межу кластерами, по-видимому, достаточно велика. В связи со сложным реальным строением жидких сплавов, наличием в них кластеров и межкластерных разрывов, из-за наличия ближнего порядка в расположении атомов внутри кластеров получить полностью аморфную структуру металлов при кристаллизации из жидкого состояния не представляется возможным в принципе. Поэтому расплав в предкристаллизационной стадии следует рассматривать как с упорядоченным расположением кластеров, так и с нарушенным их расположением.

Следовательно, процесс кристаллизации расплавов реализуется через «наносостояния», когда металлические ионы при охлаждении формируют атомные группы, затем кластеры, а далее образуют кристаллы с определенной последовательностью расположения атомов, электронной структурой и характеристиками (электросопротивление, модуль упругости, твердость и т.д.). Поэтому структурная организация кристаллической решетки и свойства металлов в твердом состоянии «программируются» на наноуровне в зависимости от электронной структуры атомов, образующихся между ними металлических связей.

В твердом состоянии образование металлической связи [3], происходит за счет перекрытия электронных орбиталей (волновой функции атомов). В основу такого подхода было положено свойство валентных электронов покидать свои атомы (делокализовываться) и образовывать зону проводимости. Однако, в ряде работ (модель желе) показано, что эти обобщенные валентные электроны наиболее ответственны и за энергетическую структуру кластера. Более того их поведение определяет большинство коллективных свойств кластеров, т.е. обобщенные электроны принадлежат всему кластеру и определяют реакцию кластера на внешние воздействия.

Поэтому представляется возможность воздействовать на металл, находящийся в жидком состоянии внешнем воздействии, например, с помощью наноимпульсных электромагнитных полей. В результате возрастает амплитуда колебаний атомов и изменяется их электронная структура, которая затем наследуется металлом при кристаллизации и определяет тип кристаллической решетки. При этом реакция внешнего воздействия будет определяться степенью коллективизации обобщенных (делокализованных) электронов в кластерах как в жидком, так и в твердом состоянии.

Как уже указывалось выше, прочность межатомной связи в молекуле обеспечивает антипараллельное направление спинов. Наряду со спином, электроны и атомы имеют и магнитные моменты. Их направления совпадают. Поэтому внешнее воздействие наноимпульсных магнитных или электромагнитных полей будет влиять на спины электронов и ядер и их магнитные моменты, изменяя условия кристаллизации. Таким образом, управление процессами кристаллизации является актуальной задачей в области материаловедения. Это позволяет формировать исходную структуру металла с заданными свойствами.

Таким образом, перспективным направлением синтеза новых материалов с заданными свойствами и выявление закономерностей, устанавливающих взаимосвязь управляющих параметров процесса синтеза материалов с выходными прочностными свойствами материалов (рис.5), является разработка информационных моделей на основе ИНС, которые благодаря своим аппроксимирующим свойствам и высокому быстродействию, находят все большее применение.

В результате модель процесса синтеза материалов на основе нейронных сетей как интеллектуального блока, после обучения содержит зависимости всех входных величин между собой, их взаимосвязь и закономерности поведения в виде набора весовых коэффициентов. Важной особенностью ИНС является то, что для их успешного применения достаточно предположения о существовании некоторых функциональной зависимости между входными воздействиями (скорость охлаждения, химсостав и т.д.) и реакцией объекта на эти воздействия. При этом обучение сети проводится по некоторым формальным правилам, не требующим тщательного физического анализа взаимосвязи параметров.

Квантовый механизм формирования наноструктур [22], предполагает, что вместо набора возможных конфигураций составляющих ее атомов, молекул и кластеров существует дискретный спектр связанных квантовых состояний. Объединение изолированных атомов в устойчивую молекулу или кластер (наносистему) возможно только в том случае если атомы обладают самоподобным (идентичным) квантовым состоянием.

Необходимо подчеркнуть определяющую роль при синтезе наноструктур роль коллективного взаимодействия валентных электронов [3]. Дело в том, что они не только определяют электронную структуру кластера, его квантовое состояние, но и на характер поведения при взаимодействии с внешними полями (например, электромагнитными полями).

Рис. 7. Нейронная сеть для сборки наноструктур

На рис.7 приведена нейронная сеть, позволяющая исходя из вероятностного присутствия электронов в оболочках изолированных атомов и расчета их информационной энтропии Н, оценить структурную устойчивость наночастиц по спектру количества атомов, составляющих ее и определяющих ее квантовое состояние. В связи с изложенным, можно предполагать, что и новые функциональные свойства наносистем (проводимость, твердость, прочность и т.д.) будут, на наш взгляд, в значительной степени определяться квантовым состоянием как изолированных атомов, так и новым квантовым состоянием наносистемы в целом.

Литература

1. Юм-Розери В. Введение в физическое материаловедение. М.: Металлургиздат, 1965. - 247 с.

2. Самсонов Г.В., Прядко И.Ф. Конфигурационная модель вещества. Киев: Наукова думка, 1971. - 437 с.

3. Григорович В.К. Металлическая связь и структура металлов. М.: Наука, 1988.-296с.

4. Кооперативные деформационные процессы и локализация деформации /Лихачев В.А., Панин В.Е., Засимчук Е.Э. и др. АН УССР Институт металлофизики. Киев: Наукова думка, 1989. - 320 с.

5. Засимчук Е.Э Коллективные моды деформации, структурооб- разование и структурная неустойчивость /Сб. «Кооперативные деформационные процессы и локализация деформаций». Киев: Наукова думка, 1989.-С. 58-100.

6. Трефилов В.И., Мильман Ю.В., Фирстов С.А. Физические основы прочности тугоплавких металлов. Киев: Наукова думка, 1975. - 315с.

7. Иванова В.С. От дислокаций до фракталов. / Сб. ФИПС. Сборник тезисов докладов. Москва. 1999. С. 15-17.

8. Конева Н.А., Лычагин Д.Ф., Трешкина Л.И. и др. Накопление дефектов, запасенная упругая энергия и самоорганизация структуры // Сб. Физические аспекты прогнозирования и деформирования гетерогенных материалов. Ленинград, 1987. С. 20-36.

9. Панин В.Е., Гриняев Ю.В. Структурные уровни деформации твердых тел // Известия вузов. Физика, 1982, № 6. - С. 5-27.

10. Кабалдин Ю.Г., Муравьев С.Н. Оценка изменений и устойчивости структуры металлических материалов при деформации на основе фрактального и вэйвлет-анализа сигналов акустической эмиссии. Деформация и разрушение материалов. № 2, 2007г., С. 13-20.

11. Малинецкий Г.Т. Хаос. Структура. Вычислительный эксперимент. - М.: Наука, 1987.

12. Фейгенбаум М. Универсальность в поведении нелинейных систем // Успехи физ. наук, 1983. Т. 141, № 2. - С. 343.

13. Трефилов В.И., Картузов В.В., Минаков Н.В. Связь фрактальной размерности поверхности разрушения с механическими свойствами /Сб. ФИПС-99. Фракталы и прикладная синергетика. Москва. 1999. - С. 10-11.

14. Ричар М. Кроновер Фракталы и хаос в динамических системах. - М.: Пастмаркет, 2000. - 352 с.

15. Кузнецов П.В., Панин В.Е., Шрайтер Ю. Фрактальная размерность как характеристика стадий деформации при циклическом активном нагружении /Сб. ФИПС-99. Фракталы и прикладная синергетика. Москва. 1999.-С. 122-143.

16. Арнольд А.В. Теория катастроф, теория хаоса и их приложения /Сб. «Синергетика и психология. Тексты». - М.: Москва, 1987. - С.230-251.

17. Панин Б.Е. Основы физической мезомеханики //Физическая мезомеханика, 1998, № 1. - С. 5-22.

18. Уосермен Ф. Нейрокомпьютерная техника. - М.: Мир, 1991. -

356 с.

19. Встовский Г.В., Колмыков А.Г. Использование подходов теории информации в физике конденсированных сред / Сб. «Синергетика.

Самоорганизующиеся процессы в системах и технологиях». Комсомольск-на-Амуре, 2000. - С. 55-64.

20. Брагинский А.П. О прогнозировании структурных перестроек в материалах по особенностям коллективного поведения источников акустической эмиссии. / Сб. Физические аспекты прогнозирования разрушения и деформирования гетерогенных материалов. Л.: Ленинград. 1987. С.55-75.

21. Кабалдин Ю.Г. Самоорганизация и нелинейная динамика в процессах трения и изнашивания инструмента при резании, КнАГТУ, Комсомольск - на - Амуре, 2003,-137 С.

22. Кабалдин Ю.Г, Муравьев С.Н. Прогнозирование усталостной прочности материалов на основе искусственного интеллекта // Металлургия машиностроения. № 6. 2004. С. 29-39.