автореферат диссертации по обработке конструкционных материалов в машиностроении, 05.03.01, диссертация на тему:Расчетная оценка смазочного действия органических компонентов СОТС при лезвийном резании металлов на базе микрокапиллярной модели и нейросетевого программирования

На правах рукописи

Манашов Андрей Геннадьевич

РАСЧЕТНАЯ ОЦЕНКА СМАЗОЧНОГО ДЕЙСТВИЯ ОРГАНИЧЕСКИХ КОМПОНЕНТОВ СОТС ПРИ ЛЕЗВИЙНОМ РЕЗАНИИ МЕТАЛЛОВ НА БАЗЕ МИКРОКАПИЛЛЯРНОЙ МОДЕЛИ И НЕЙРОСЕТЕВОГО ПРОГРАММИРОВАНИЯ

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Специальность 05.03.01 —Технологии и оборудование механической и физико-технической обработки

Иваново 2004

Райптя выполнена в Ивангтокпм тсл/лапственном униптгит»™ Научный руководитель

Доктор технических наук, профессор Официальные оппоненты:

Доктор технических наук, профессор Кандидат технических наук, доцент Ведущая организация

Годлевский В.А.

Волков

Дмитрий Иванович Новиков

Виктор Владимирович

Институт растворов Академии наук РФ

Защита состоится 24 декабря 2004 г. в

« »

час. на заседании дис-

сертационного совета Д 212.062.03 при Ивановском государственном университете по адресу: 153025, г. Иваново, ул. Ермака, 39, ауд. 459.

С диссертацией можно ознакомиться в библиотеке Ивановского государственного университета.

Автореферат разослан ноября 2004 г.

Актуальность работы

Актуальность работы основывается на тенденции автоматизации и компьютеризации большинства процессов и задач, связанных с машиностроительным производством. Составление оптимальных смазочных композиций СОТС до сих пор является в большинстве случаем процессом эмпирическим, теоретическое обоснование и, тем более, численное моделирование этой процедуры находится в начальной стадии. В этом аспекте развитие аналитических и компьютерных методов описания трибологиче-ских свойств СОТС, выявление взаимосвязи между этими свойствами и физико-химическими характеристиками индивидуальных компонентов смазочных материалов (масел, растворителей, присадок) раскрытие природы смазочного процесса — находятся в русле интересов современной технологической науки и являются существенным резервом повышения эффективности металлообрабатывающего производства.

Настоящая работа направлена на решение задач конструирования и оптимизация состава смазочных композиций, содержащих трибоактивные компоненты.

Цель и задачи исследования

Целью настоящей работы является разработка расчетного метода оценки эффективного смазочного действия СОТС на основе капиллярной модели смазочного действия и нейросетевого программирования. В рамках сформулированной цели предполагалось решить следующие задачи:

1. Модификация микрокапиллярной теории действия СОТС для компьютерной реализации модели формирования смазочного слоя

2. Разработка математической и компьютерной модели, объединяющей физику микрокапиллярных процессы и нейросетевой подход к реализации задачи.

3. Создание программы выполняющей макромоделирование формирования адсорбционного смазочного слоя на основе капиллярной модели.

4. Молекулярное моделирование используемых веществ на базе пакета программ HyperChem v. 6.03 для определения энергии адсорбции вещества к поверхности инструментального материала

5. Создание программы, реализующей алгоритм нечеткой логики.

6. Выполнение экспериментов по оценке действия СОТС с модельными составами

7. Обучение построенной ранее нейронной сети на основе экспериментальных данных

8. Интерпретация полученных

точности программы.

Методы исследования

Задачи настоящего исследования решались методами математического и компьютерного моделирования с использованием оптимизационных алгоритмов имеющихся программных продуктов и оригинальных компьютерных программ. Для построения автоматизированной системы использовались методы нейронных компьютерных сетей, а экспериментальной части работы — трибометрические оценки процесса резания.

Научная новизна

1. Построена аналитическая математическая модель формирования смазочного слоя, описывающая явления диффузии и адсорбции, основанная на микрокапиллярном представлении о смазочном процессе при лезвийном резании металлов.

2. Решена задача расчетной оценки адсорбционной активности трибо-активных компонентов СОТС на основе молекулярного моделирование адсорбции с помощью оптимизационного алгоритма.

3. Разработан принципиальный подход для описания и диагностики смазочного процесса лезвийного резания, основанный на комбинации аналитического и нейросетевого методов моделирования, позволяющий предсказывать трибологическую эффективность компонентов СОТС, исходя из комплекса их физико-химических характеристик.

Обоснованность и достоверность результатов

Обоснованность и достоверность результатов, научных положений и выводов обеспечивается: использованием системы математических моделей, адекватно отражающих воздействие СОТС на процесс резания; удовлетворительным совпадением экспериментальных фактов с рассчитанными результатами, сравнительной оценкой разработанного метода и известного метода нелинейной регрессии.

Автор защищает:

1) Математическую модель смазочного процесса, основанную на микрокапиллярном представлении о механизме действия СОТС

2) Алгоритм моделирования адсорбции и диффузии трибоактивного смазочного материала в межповерхностной капиллярной системе.

3) Методику и результаты молекулярного моделирования процесса адсорбции смазочного материала на поверхности металла в капиллярной системе.

4) Алгоритм гибридной вычислительной системы, состоящей из блока аналитических вычислений и блока нейросетевого программирования, позволяющей предсказывать трибологические характеристики

модельных СОТС на основании набора физико-химических параметров этих веществ.

Апробация работы

Результаты диссертационной работы были доложены на следующих научных конференциях: «Молодая наука — XXI веку» (Иваново, 2001 г.); «Молодая наука в классическом университете (2002, 2003 и 2004 гг.); Научно-технической конференции молодых ученых-физиков. Иваново, Ив-ГУ, 2002; Межвуз. научн. семинаре «Физика, химия и механика трибоси-стем» (Иваново, 2002, 2003 гг.); Всеросс. научно-технич. конф. «Аэрокосмические технологии и оборудование на рубеже веков». Рыбинск, 2002; Междунар. школе молодых ученых «IV Чистяковские чтения» Иваново, 2004 г.; на заседании кафедры экспериментальной и технической физики ИвГУ, 2004 г.

Реализация результатов работы

Разработанная методика компьютерного расчета трибологических характеристик компонентов СОТС на основе их физико-химических характеристик передана для практического использования на ивановское ОАО «ИВХИМПРОМ».

Общая характеристика работы

Диссертация содержит: список условных обозначений, введение, 6 глав, основные выводы, список литературы из 99 наименований. В ней 124 страницы текста, 9 таблиц, 22 рисунка, 1 приложение с распечатками листинга созданных автором программ.

Во введении дается общая характеристика исследуемой проблемы, приводится данные об актуальности, новизне, апробации и практическом использовании результатов работы.

Глава 1 содержит аналитический обзор проблемы создания составов СОТС и техники их применения. Указывается на важную роль, которую имеет автоматизация и компьютеризация во всех вопросах, связанных с созданием и применением СОТС на промышленных предприятиях машиностроения. Приводятся примеры использования математических моделей, обеспечивающих технику применения СОТС в автоматизированном машиностроительном производстве. Дан обзор современных представления о физике процессов, сопровождающих действие СОТС, раскрываются особенности действия отдельных видов технологических смазочных материалов.

Смазочный процесс при резании имеет много общих черт по сравнению с процессом обычного трения. Характерные физико-химические особенности процесса трения при резании были установлены в работах

российских научных школ, возглавляемых профессорами М.И. Клуши-ным, В.Н. Латышевым и Л.В. Худобиным.

Одной из примечательных особенностей механизма смазочного действия при резании является повышенная роль кинетического фактора, связанного с ограниченным доступом смазочной среды на контактные площадки. Согласно распространенным взглядам, смазочный процесс при резании осуществляется через межповерхностную сеть микрокапилляров. Первые попытки количественного описания процесса микрокапиллярной смазки при лезвийном резании были предприняты в 1970-х года Д. Тей-бором и Дж. Уильямсом.

В 1990-х года был опубликован ряд работ группы авторов Ивановского госуниверситета (А.В. Волков, В.А. Годлевский, Л.Н. Маурин и В.Н. Латышев), в которых была разработана теория «микрокапельного взрыва», позволяющая на основе стадийного представления о процессе формирования граничного смазочного слоя дать математическое описание физической стороне явления смазки.

Далее в первой главе изложено краткое описание компьютерных технологий, основанных на нейросетевых моделях. Дан краткий перечень типичных задач, решаемых методами нейросетевого программирования, освещаются проблемы искусственного нейрона, форм организации нейронной сети и реализации вычислительной системы на компьютере. Уделяется внимание проблеме обучения нейронной сети на основе баз экспериментальных данных с учетом алгоритма обратного распространения.

Первая глава завершается формулированием выводов по обзору, цели и задач исследования. Обзор показал, что существующие простые модели адсорбции плохо подходят для описания сложного, многостадийного процесса формирования смазочного слоя в капиллярной сети зоны резания. Разработка обобщающей математической модели осуществления смазочного действия затруднена сложностью и многоступенчатостью этого процесса. Поэтому одним из способов решения этой проблемы является нейросетевое программирование в совокупности с общими модельными представлениями о механизме процесса резания.

В главе 2 описано построение расчетной модели формирования адсорбционного смазочного слоя на основе капиллярного представления . Попытка решить поставленную задачу «в лоб», применив нейросетевой «черный ящик» напрямую, связывая весовыми функциями множество входов модели (большой набор характеристик исследуемых компонентов СОТС) и выходной параметр трибологической эффективности даже на первый взгляд представлялась нами неосуществимой, из-за большой размерности такой системы. С этих позиций было оправдано понизить размерность нейросети за счет того, что на входе системы были бы не сами значения индивидуальных факторов, а группировки этих факторов, рас-

считываемые из соображений физического характера. Таким методом было предложено создать комбинированную (гибридную) модель, в которой обучаемая нейронная сеть была бы включена в финальную стадию расчетного процесса, а на начальной стадии рассчитывался бы относительно небольшой, но достаточный набор обобщенных параметров.

Для решения первой задачи за основу была взята модель микрокапельного взрыва, из которой использовали раздел, в наибольшей степени связанный с трибологическими характеристиками трибоактивных веществ -процесс формирования адсорбционного смазочного слоя на стенках единичного модельного капилляра, заполненного смазочной средой. Для описания одновременно протекающих процессов диффузии и адсорбции запишем на основе локального закона сохранения вещества и принципов неравновесной термодинамики систему уравнений:

где с — объемная концентрация ПАВ; т— концентрация адсорбированного ПАВ; & — скорость заполнения капилляра; Т - температура в зоне контакта; М - молярная масса молекулы ПАВ; у — динамическая вязкость; г —радиус капилляра; а — феноменологический коэффициент; к — тангенс угла наклона прямолинейного участка изотермы адсорбции ПАВ (в области малых значений с).

В этом разделе работы решалась задача разработки компьютерной программы, позволяющей на основе микрокапиллярной теории количественно оценивать одновременно протекающие процессы диффузии вдоль капилляра и адсорбции на его стенках. Упрощенная схема задачи (рис. 1) состоит из двух основных частей: вычислительной и визуализационной. Вычислительную часть, в свою очередь, можно разделить на три составляющие: 1) вычисление стадии заполнения капилляра; 2) расчет процесса адсорбции; 3) вывод результатов, как в численной форме, так и в виде графика. В результате визуализации становится возможным наблюдать процесс формирования адсорбционного граничного смазочного слоя, а также фиксировать те изменения в смазочном процессе, которые вызываются изменением внешних условий: температура, скорость движения стружки, адсорбционная активности ПАВ и др. В качестве примера на

рис. 2 нами показан пример картины, визуализирующей процесс заполнения капилляра смазочным веществом.

Рис. 1. Упрощенная блок-схема программы для расчета одновременно протекающих адсорбционного и диффузионного процессов в межповерхностном капилляре на границе стружки и инструмента, содержащем парообразный трибоактивный компонент

Рис. 2. Процесс адсорбции газообразного трибоактивного вещества в межповерхностном капилляре на границе стружка — инструмент (правый конец капилляра закрыт, левый — открыт): I. Заполнение капилляра молекулами (темные точки); II. Процесс нарастания толщины адсорбционного слоя на стенках капилляра

В финале 2 главы даются обсуждение результатов моделирования адсорбции-диффузии в контексте связи результатов с известными экспериментальными данными и дается оценка недостатков, присущих данной форме моделирования.

В главе 3 изложен разработанный автором метод расчета энергии адсорбции смазочного материала в трибосистеме с помощью пакета программ HYPERCHEM. Недостатком микрокапиллярной теории является тот факт, что одна из важнейших для трибологических свойств присадки ПАВ — поверхностной активности принималась лишь ее косвенная оценка, полученная из изотерм поверхностного натяжения, полученных для межфазной границы «воздух-раствор». В данной главе предпринята попытка оценить этот параметр более точно, используя полные данные о составе и пространственном строении трибоактивной молекулы.

В связи с появлением пакетов программ, позволяющих осуществлять моделирование и оптимизацию молекул на микроуровне (например, распространенный пакет Hyper Chemistry), появилась возможность использовать эти программные продукты для модельного расчета процесса адсорбции в интересующей нас трибологической системе. В работе дан анализ оптимизационных возможностей применяемой программы и характеристики оптимизационных алгоритмов.

С помощью данного пакета был смоделирован кластер инструментального материала, свойства которого в максимальной степени можно приблизить к свойствам всего инструментального образца в целом. Кла-

стер моделировался с учетом симметрии материала и всех межмолекулярных расстояний. В качестве наиболее типичного материала кластера, который должен был представлять поверхность режущего инструмента, был выбран карбид вольфрама, который является рабочим твердым компонентом и большинства металлокерамических твердых сплавов, и вольфрамсодержащих быстрорежущих сталей.

Далее моделировалась молекула поверхностно-активного вещества, принимающего участие в данном процессе резания. На рис. 3 показаны результаты моделирования плоского поверхностного кластера WC, состоящего из 31 атомного компонента и молекула октанола, потенциально готовая к сближению к поверхности под действием адсорбционных сил.

Рис. 3. Оптимизированный адсорбционный комплекс: молекула октанола на поверхности кластера WC (вид сверху (а), вид сбоку (б))

Это сближение моделировалось с включением оптимизационной процедуры до достижения состояния адсорбционного равновесия. После этого, методами используемой нами программы вычислялась по отдельности полная энергия кла-.... стера и молекулы. Происходило объединение кластера и молекулы (рис. 3), их оптимизация с помощью алгоритма оптимизации Полака-Рибьера и вычисление энергии этого объединенного кластера. Разность суммы энергий молекулы и кластера по отдельности с энергией кластера после его слияния с молекулой, дает энергию, поглотившуюся или выделившуюся в результате объединения. Эта расчетная энергия и принималась нами в качестве расчетной оценки энергии адсорбции выбранного нами трибоактивного вещества по отношению к модельному кластеру инструментального материала.

При помощи рассмотренного выше способа, для ряда модельных смазочных веществ, была определена энергия их адсорбции к поверхности кластера WC. Данные этих расчетов представлены в табл. 1

Таблица 1. Данные расчета энергии адсорбции модельных компонентов СОТСпо отношению к карбидному субстрату

Наименование реагента Энергия молекулы, (ккал/мо ль) Энергия кластера [ГС, (ккал/мо ль) Энергия объединенного кластера \¥С и молекулы, (ккал/моль) Энергия взаимодействия кластера \¥С и молекулы, (ккал/моль)

Метанол 0,006 17132,93 17130,301 2,635

Этанол 0,837 17129,974 3,793

Пропанол 1,512 17128,955 5,487

Бутанол 2,179 17128,270 6,839

Пентанол 2,832 17127,439 8,323

Гексил 3,473 17126,887 9,516

Гептан 4,119 17126,887 10,162

Октанол 4,724 17125,758 11,896

Нонанол 5,714 17125,607 13,119

Деканол 6,493 17125,525 13,898

Ацетон 1,389 17126,793 7,526

Гексан 5,767 17132,402 6,295

Глицерин 2,128 17129,401 5,656

Капроновая кислота 1,675 17122 12,605

Мочевина 11,482 17117,914 26,498

Октан 7,7 17130,383 10,247

Уксусная кислота 0,714 17129,305 4,339

Уксусный ангидрид 0,625 17129,07 4,485

Этиленгли-коль 1,351 17129,723 4,558

Глава 4 диссертации посвящена проблеме разработки нейронной сети и комбинированной расчетной пограммы в целом. Для реализации нашей задачи за основу берется многослойный персептрон. На каждый из его входов подается вектор сигналов X, а на выходе после прохождения его через нейронную сеть формируется вектор выходных сигналов ^ Организованная нами нейронная сеть содержит один скрытый слой нейронов и один выходной. Размерность вектора входных сигналов в нашем случае равна пяти (по количеству известных с достаточно большой точностью параметров процесса резания) к их числу мы отнесли: 1) Скорость резания 2) Энергия адсорбции 3) Время проникновения СОТС в глубь капилляра в жидкофазном состоянии 4) Время заполнения капилляра газовой фазой после микрокапиллярного «взрыва» 5) Время равномерного распределения газовой фазы вдоль всего объема капилляра.

Уже в первом приближении при решении нейросетевой задачи стало ясно, что вследствие того, что время жидкофазного проникновения жидкости имеет крайне малую величину, то оно вносит малый вклад в общую картину процесса и поэтому его можно исключить из числа входных параметров, увеличивая скорость обучения всей сети. Таким образом, в конечном итоге наша сеть имела на входе четыре входных параметра.

Первый параметр мы получаем непосредственно из эксперимента, второй вычисляем с использованием программы HyperChem, как было рассмотрено нами ранее. Последние же три параметра напрямую померить мы не можем, но зато мы можем предварительно оценить такие параметры процесса, как: 1) радиус капилляра. 2) длина капилляра. 3) молекулярная масса. 4) температура в зоне резания. 5) скорость звука в газе при текущей температуре. Используя аналитические формулы из данных параметров можно получить два характерных времени процесса осуществления смазочного действия: Время заполнения капилляра газовой фазой после микрокапиллярного «взрыва» и время равномерного распределения газовой фазы вдоль всего объема капилляра.

В нашем случае функция ошибки зависит от векторов весов скрытого слоя и вектора весов, связанных с выходным нейроном. Важным вопросом при построении сети является проблема шкалирования входных данных. Поскольку входные данные имеют очень сильно отличающиеся друг от друга значения, иногда отличие составляет несколько порядков, то их необходимо привести к заданному диапазону значений, с целью повышения значимости крайне малых величин. Для нашей задачи было выбрано, так называемое, мягкое (softmax) шкалирование. С использованием данного метода все входные параметры были приведены к диапазону [0;1].

В главе 5 описаны результаты построения нейросети на описанных выше принципах. Алгоритм сетевой программы приведен на рис. 4.

Ввод обучающей последовательности

Шкалирование введенных данных

1 г

Обучение нейронной сети

г

Вычисление ошибки обучения и сверка ее с заранее заданной точностью

Если ошибка мала

Если ошибка велика

Конец обучения

1

Вычисление работы резания на основе введенных данных

Рис. 4. Блок-схема программы, работающей на основе нейронной сети

В гл. 6. даны данные эксперимента по обучению нейронной сети. Данные для обучения были получены на операции сверления стали 45 быстрорежущим сверлом при измерении работы резания с помощью интегратора.

Таким образом, у нас получилась обучающая выборка из 19 веществ, работа резания каждого из которых, вычислялась на 3-х скоростях резания. С использованием приведенного набора веществ и выбранного набора входных параметров было проведено обучение созданной нами экспертной системы. При этом качество работы программного обеспечения оценивалось по параметру «обучаемости» сети, то есть по тому, приближаются ли в процессе обучения предсказанные компьютерной программой результаты к результатам, полученным в эксперименте. Оценка процесса обучения представлена на гистограммах 5-7.

Рис. 5. Работа резания (в относительных единицах) различных веществ, применяемых в качестве СОТС при сверлении стали 45 сверлом Р6М5 (V = 0,0264 м/с, s = 0.08 мм/об)

Рис. 6. Работа резания (в относительных единицах) различных веществ, применяемых в качестве СОТС при сверлении стали 45 сверлом Р6М5 (V = 0,051 м/с, 8 = 0.08 мм/об)

Рис. 7. Работа резания (в относительных единицах) различных веществ, применяемых в качестве СОТС при сверлении стали 45 сверлом Р6М5 (у = 0,11 м/с, s = 0.08 мм/об)

Результаты, представленные на диаграммах, свидетельствуют о том, что созданная нами вычислительная система является работоспособной. После проведения нескольких итерационных циклов обучающей процедуры почти для всех использованных для эксперимента модельных СОТС наблюдается эффект обучения сети. На" диаграммах это видно таким образом, что начальная (произвольная) оценка работы резания после процедуры обучения, как правило, смещается в сторону истинного (экспериментального) значения трибологического параметра. Обращает на себя внимание, что для СС14 обучение на повышенных скоростях резания не является продуктивным. Этого можно было бы ожидать, поскольку от всей остальной выборки модельных СОТС это вещество отличается (как принято считать) химическим механизмом смазочного действия, тогда как построение нашей системы и набор входных параметров не отражали показатели процесса хемосорбции. Это свидетельствует о том, что разработанная система работает в пределах наложенных на нее ограничений по протекаемым смазочным процессам. Для учета химических смазочных процессов она должна быть модифицирована: здесь нужен будет объективный учет химической активности компонентов СОТС, и эксперименты следует проводить с другими химически-активными компонентами СОТС на более высоких скоростях резания, с тем, чтобы в большей степени реализовать эффект высокотемпературного химического действия.

Далее, было проведено сравнение предложенного нами метода с другим методом, позволяющим определять аналитический вид функции,

задавая входные параметры и параметры отклика. Одним из таких методов является метод определения коэффициентов аналитической функции с использованием многофакторной регрессии. При помощи пакета программ Origin была рассчитана многофакторная регрессия для этого случая, с использованием в качестве входных и выходных параметров нашей обучающей выборки. В результате получили значения коэффициентов регрессии и был определен вид аналитической функции. Была определена погрешность при вычислении значений с помощью данной функции в сравнении с эталонными жидкостями, эта погрешность составила 48,9%, тогда как нейронная сеть дает лишь 14,3%, причем данная погрешность с увеличением количества эпох обучения имеет тенденцию к уменьшению.

На гистограмме 8 показано различие результатов работы нейронной сети и многофакторной регрессии по сравнению с эталонными значениями на определенной скорости резания.

Рис. 8. Сравнение результатов работы нейронной сети и многофакторной регрессии с эталонными жидкостями (у = 0,0264 м/с, 8 = 0.08 мм/об). 1) 2-пропанол, 2) бутанол, 3) гексан, 4) глицерин, 5) изобутанол, 6) 2-пропанол+этанол, 7) октан, 8)октанол, 9) уксусная к-та, 10) уксусный ангидрид, 11) хлороформ, 12) этанол, 13)этиленгликоль, 14)СС14.

Как можно видеть из представленной гистограммы, метод описания системы резания при помощи нейронной сети работает гораздо лучше, чем стандартный метод многофакторной регрессии.

По итогам выполненной диссертационной работы можно сделать следующие основные выводы 1. Разработан метод описания и диагностики смазочного процесса лезвийного резания, основанный на комбинации аналитического и ней-

росетевого подхода, для предсказания трибологической эффективности компонентов СОТС, исходя из комплекса их физико-химических характеристик.

2. На основании теории микрокапиллярного смазочного действия и ме-

тодов нейросетевого программирования создана модельная автоматизированная система расчетной оценки смазочной эффективности органических трибоактивных компонентов СОТС, работающих по принципу физической адсорбции.

3. Построена аналитическая математическая модель формирования граничного физически адсорбированного смазочного слоя, учитывающая явления диффузии и адсорбции. Модель реализована в виде прикладной программы, которая производит расчеты и визуализирует процессы заполнения единичного межповерхностного капилляра смазочным материалом.

4. Решена задача расчетной оценки адсорбционной активности трибо-активных компонентов СОТС на основе молекулярного моделирование адсорбции с помощью оптимизационного алгоритма программного пакета "Hyperchem". В основе расчета положено оптимизированное силовое взаимодействие между моделью молекулы исследованного смазочного компонента и моделью участка поверхности адсорбента — в данном случае инструментального материала.

5. Экспериментальная проверка предложенных аналитических и программных решений показала, что нейронная сеть является «обучаемой», что означает, что при увеличении объема обучающей экспериментальной серии предсказанные значения трибологической эффективности приближаются к объективным значениям этой эффективности, обнаруживаемой в эксперименте.

6. Разработанная методика имеет перспективы развития применительно

к описанию не только сверления, но и других видах лезвийной обработки. При модификации входного вектора факторов ее можно развить для другого параметра оптимизации (например — износостойкость инструмента) или для предсказания смазочного действия химически-активных СОТС. Данная программа при соответственно измененной процедуре обучения может в принципе использоваться не только для предсказания работоспособности индивидуальных веществ, но и для пакета присадок.

Основное содержание диссертации опубликовано в следующих работах

Публикация материалов диссертации

1. Манашов А.Г., Стадник А.В. Компьютерное моделирование процесса формирования граничного смазочного слоя в условиях плотною

контакта пары трения // Тез. докл. конф. молодых ученых ИвГУ. Иваново, ИвГУ. 2001. С. 35.

2. Годлевский В .А, Манатов А. Г. Компьютерная реализация капиллярной модели смазочного действия СОТС при резании металлов // Тез. докл. Всеросс. научно-технич. конф. Ч. 2. Рыбинск, 2002. С. 1.

3. Манатов А.Г. Компьютерная реализация капиллярной модели смазочного действия СОТС при резании металлов // Молодая наука в классическом университете Тез. докл. научн. конф. фестиваля студентов, аспирантов и молодых ученых. Иваново. Изд-во ИвГУ. 2002. С. 71.

4. Манатов А.Г. Роль молекулярной структуры поверхностно-активных присадок в их смазочном действии при резании II Физика, химия и механика трибосистем. Межвуз. сб. научн. тр. Иваново. Изд. «Ивановский, гос. ун-т», 2003. С. 65-67.

5. Манатов А.Г. Компьютерное моделирование процесса формирования граничного смазочного слоя в условиях плотного контакта пары трения // Вестник молодых ученых ИвГУ. 2002. Вып. 2. С. 14-16.

6. Годлевский В.А, Манатов А.Г. Компьютерная модель граничного смазочного слоя в капиллярной системе // Тез. докл. междунар. научно-техн. конференции. «Состояние и перспективы развития электротех-нологии» 2003. Т. II. С. 120.

7. Годлевский В.А, Манатов А.Г. Автоматизированная система для расчетной оценки смазочных свойств СОТС // Физика, химия, механика трибосистем. Межвуз. сб. научных трудов. Вып.З. Под ред. Латышева В.Н. Иваново. Изд-во ИвГУ. 2004. С. 30-34.

8. Манатов А.Г., Березина Е.В., Годлевский В.А., Клюев М.В Построение алгоритма расчетной оценки трибологической активности компонентов СОТС при лезвийном резании металлов // Сб. тр. Междунар. школы молодых ученых «IV Чистяковские чтения» Иваново, ИвГУ. 2004 г. С. 46-49.

Манашов Андрей Геннадьевич

РАСЧЕТНАЯ ОЦЕНКА СМАЗОЧНОГО ДЕЙСТВИЯ ОРГАНИЧЕСКИХ КОМПОНЕНТОВ СОТС ПРИ ЛЕЗВИЙНОМ РЕЗАНИИ МЕТАЛЛОВ НА БАЗЕ МИКРОКАПИЛЛЯРНОЙ МОДЕЛИ И НЕЙРОСЕТЕВОГО ПРОГРАММИРОВАНИЯ

Автореферат

Подписано в печать 17.11.2004 Формат 60 х 84 У16. Бумага писчая. Печать плоская. Усл.печл. 1,16. Уч.-изд.л. 1,1. Тираж 100 экз.

Издательство «Ивановский государственный университет» 153025 Иваново, ул. Ермака, 39 (0932) 35-63-81

►254 8 3

Условные обозначения и сокращения.

Введение.

1. Аналитический обзор.

1.1. Реализация принципов автоматизации в области применения СОТС в машиностроительном производстве.

1.2. Физические аспекты процесса резания с применением СОТС.

1.3. Классификация СОТС.

1.4. Механизм смазочного действия СОТС.

1.4.1. Общие представления о смазочном процессе при резании металлов.

1.4.2. Проникновение смазочной среды в зону трения.

1.4.3. Капиллярная модель проникновения смазочной среды.

1.4.4. Многостадийный характер процесса формирования граничного смазочного слоя при резании.

1.5. Основные положения теории нейронных сетей.

1.5.1. Биологический нейрон.

1.5.2. Структура и свойства искусственного нейрона.

1.5.3. Классификация нейронных сетей и их свойства.

1.5.4. Обучение нейронных сетей.

1.5.5. Алгоритм обратного распространения.

1.6. Среда программирования С++ Builder 5.0.

1.7. Выводы по аналитическому обзору. Постановка цели и задач исследования.

2. Построение расчетной модели формирования адсорбционного смазочного слоя на основе капиллярного представления.

2.1. Аналитическая модель проникновения СОТС.'.

2.2. Построение математического описания адсорбционого смазочного процесса на базе капиллярной модели.

2.3. Разработка компьютерной программы по анализу адсорбции и диффузии в смазочном микрокапилляре.

2.4. Обсуждение результатов компьютерных расчетов по моделированию адсорбции.

3. Расчет энергии адсорбции смазочного материала в трибосистеме с помощью пакета программ HYPERCHEM.

3.1. Оптимизация методом сопряженных градиентов. Алгоритм Полака-Рибьера.

3.2. Моделирование поверхности и молекул ПАВ.

4. Принципы построения нейронной сети.

4.1. Алгоритм обратного распространения применительно к разработанной сети.

4.2. Шкалирование данных.

5. Реализация нейросетевой программы.

6. Эксперимент по обучению нейронной сети.

6.1. Сравнение работы нейронной сети с данными многофакторной регрессии.

К настоящему времени роль смазочно-охлаждающих технологических сред (СОТС) в машиностроительном производстве остается весьма высокой, несмотря на появление технологий безотходной обработки, в ходе которых не используются смазочные материалы. Существует достаточное число узлов и деталей машин, которые обрабатываются резанием и к которым предъявляются строгие условия по качеству обработанной поверхности. Достичь желаемого качества невозможно без правильного выбора СОТС.

В последнее время получили широкое распространение гибкие автоматизированные производства (ГАП). Отличие данных производств состоит в их быстром перепрофилировании при смене какой-либо стадии технологического процесса, либо всего процесса в целом без смены оборудования производства, а лишь путем замены его программного обеспечения. В таких производствах, особенно машиностроительных, нельзя обойтись без СОТС, использование которых также должно быть максимально оптимизировано. Поэтому актуальным становится вопрос о правильном выборе и обосновании рационального состава смазочных материалов, применяемых при резании металлов, что позволяет снижать энергозатраты и уменьшать износ контактирующих частей. До настоящего времени эта проблема еще не имеет фундаментальной теоретической базы, ввиду сложности построения достаточно достоверной модели смазочного действия СОТС.

Проблема создания новых эффективных СОТС включает решение следующих задач: исследование механизма действия технологической среды (особый интерес представляет роль воды и кислорода как наиболее распространенных и важных компонентов большинства СОТС), разработка научных принципов целенаправленного синтеза эффективных составов, создание критериев и методик оценки функциональных свойств СОТС.

Поэтому для облегчения задачи выбора наиболее эффективной смазочной среды необходимо использовать компьютерное моделирование и, по возможности, визуализировать некоторые стадии процесса резания.

Для компьютерного моделирования в данном случае ввиду сложности процесса смазочного действия как совокупности абсолютно разных по природе процессов, наиболее целесообразно использовать один из новых вычислительных методов, получающих в последние годы распространение в самых различных отраслях науки — нейросетевое программирование. Известны случаи применения этого подхода в медицинской диагностике, в разнообразных задачах распознавания образов, при оптимизации технических систем.

При таком способе решения сложных задач, возникающих при работе со сложными объектами и процессами, можно не углубляться в каждую из стадий процесса. Модель приобретает вид так называемого "черного ящика", позволяющего предсказывать трибологические характеристики СОТС на основании их физико-химических характеристик. В некотором смысле нейросетевая идеология является развитием идей оптимизационного факторного эксперимента на базе бурного прогресса современной вычислительной техники и теории программирования.

Проблема формирования смазочного слоя на металлической , особенно в условиях ограниченного доступа смазочной среды в контактную область, является задачей такого высокого уровня сложности (по количеству влияющих факторов, по характеру взаимодействия между ними, по разнообразию протекающих при этом физических, химических и физико-химических процессов), которая вряд ли может быть достаточно полно описана в рамках традиционного математического моделирования, и поэтому здесь применение подобных методов «нечеткой логики» является, по нашему мнению, вполне обоснованным и актуальным.

Актуальность работы

Актуальность работы основывается на тенденции автоматизации и компьютеризации большинства процессов и задач, связанных с машиностроительным производством. Составление оптимальных смазочных композиций СОТС до сих пор является в большинстве случаем процессом эмпирическим, теоретическое обоснование и, тем более, численное моделирование этой процедуры находится в начальной стадии. В этом аспекте развитие аналитических и компьютерных методов описания трибологиче-ских свойств СОТС, выявление взаимосвязи между этими свойствами и физико-химическими характеристиками индивидуальных компонентов смазочных материалов (масел, растворителей, присадок) раскрытие природы смазочного процесса — находятся в русле интересов современной технологической науки и являются существенным резервом повышения эффективности металлообрабатывающего производства.

Настоящая работа направлена на решение задач конструирования и оптимизация состава смазочных композиций, содержащих трибоактивные компоненты.

Научная новизна

1. Построена аналитическая математическая модель формирования смазочного слоя, описывающая явления диффузии и адсорбции, основанная на микрокапиллярном представлении о смазочном процессе при лезвийном резании.

2. Решена задача расчетной оценки адсорбционной активности трибо-активных компонентов СОТС на основе молекулярного моделирование адсорбции с помощью оптимизационного алгоритма программного пакета "Hyperchem".

3. Разработан метод описания и диагностики смазочного процесса лезвийного резания, основанный на комбинации аналитического и ней-росетевого подхода, для предсказания трибологической эффективности компонентов СОТС, исходя из комплекса их физико-химических характеристик.

Апробация работы

Результаты диссертационной работы были доложены на следующих научных конференциях: «Молодая наука — XXI веку» (Иваново, 2001 г.); «Молодая наука в классическом университете (2002, 2003 и 2004 гг.); Научно-технической конференции молодых ученых-физиков. Иваново, Ив-ГУ, 2002; Межвуз. научн. семинаре «Физика, химия и механика трибоси-стем» (Иваново, 2002, 2003 гг.); Всеросс. научно-технич. конф. «Аэрокосмические технологии и оборудование на рубеже веков». Рыбинск, 2002; на заседании кафедры экспериментальной и технической физики ИвГУ (2004 г); Междунар. школе молодых ученых «IV Чистяковские чтения» Иваново, 2004 г.

Публикация материалов диссертации

1. Манатов А.Г., Стадник А.В. Компьютерное моделирование процесса формирования граничного смазочного слоя в условиях плотного контакта пары трения // Тез. докл. конф. молодых ученых ИвГУ. Иваново, ИвГУ. 2001. С. 35.

2. Годлевский В.А, Манатов А.Г. Компьютерная реализация капиллярной модели смазочного действия СОТС при резании металлов // Тез. докл. Всеросс. научно-технич. конф. Ч. 2. Рыбинск, 2002. С. 1.

3. Манатов А.Г. Компьютерная реализация капиллярной модели смазочного действия СОТС при резании металлов // Молодая наука в классическом университете Тез. докл. научн. конф. фестиваля студентов, аспирантов и молодых ученых. Иваново. Изд-во ИвГУ. 2002. С. 71.

4. Манатов А.Г. Роль молекулярной структуры поверхностно-активных присадок в их смазочном действии при резании // Физика, химия и механика трибосистем. Межвуз. сб. научн. тр. Иваново. Изд. «Ивановский, гос. ун-т», 2003. С. 65-67.

5. Манатов А.Г. Компьютерное моделирование процесса формирования граничного смазочного слоя в условиях плотного контакта пары трения // Вестник молодых ученых ИвГУ. 2002. Вып. 2. С. 1416.

6. Годлевский В.А, Манатов А.Г. Компьютерная модель граничного смазочного слоя в капиллярной системе // Тез. докл. междунар. научно-техн. конференции. «Состояние и перспективы развития электротехнологии» 2003. Т. II. С. 120.

7. Годлевский В.А, Манатов А.Г. Автоматизированная система для расчетной оценки смазочных свойств СОТС // Межвуз. сб. научн. трудов, посвященный юбилею В.Н. Латышева. Иваново, 2004. С. (в печати). Годлевский В.А, Манатов А.Г. Автоматизированная система для расчетной оценки смазочных свойств СОТС // Физика, химия, механика трибосистем. Межвуз. сб. научных трудов. Вып.З. Под ред. Латышева В.Н. Иваново. Изд-во ИвГУ. 2004. С. 30-34.

8. Манатов А.Г., Березина Е.В., Годлевский В.А., Клюев М.В Построение алгоритма расчетной оценки трибологической активности компонентов СОТС при лезвийном резании металлов // Сб. тр. молодых ученых ПЛЖК ИвГУ (В печати).

Практическая полезность результатов

1. Разработана программа для определения адсорбционной способности того или иного вещества по макропараметрам процесса резания.

2. Разработана универсальная автоматизированная система для расчета трибологических характеристик СОТС на основании их физико-химических характеристик.

3. Программа передана для промышленной апробации на химические предприятия, занимающиеся выпуском серийных СОТС: Ивановский Химзавод им. Батурина, ОАО Заволжский химический завод им. Фрунзе; ОАО НПО «Янтарь», г. Иваново.

Основные выводы

По итогам выполненной диссертационной работы можно сделать следующие основные выводы

1. Разработан метод описания и диагностики смазочного процесса лезвийного резания, основанный на комбинации аналитического и ней-росетевого подхода, для предсказания трибологической эффективности компонентов СОТС, исходя из комплекса их физико-химических характеристик.

2. На основании теории микрокапиллярного смазочного действия и методов нейросетевого программирования создана автоматизированная система расчетной оценки смазочной эффективности органических трибоактивных компонентов СОТС, работающих по принципу физической адсорбции.

3. Построена аналитическая математическая модель формирования граничного физически адсорбированного смазочного слоя, учитывающая явления диффузии и адсорбции. Модель реализована в виде прикладной программы, которая производит расчеты и визуализирует процессы заполнения единичного межповерхностного капилляра смазочным материалом и сопутствующие этому процессы изменения объемной и поверхностной концентрации трибоактивного компонента.

4. Решена задача расчетной оценки адсорбционной активности трибоактивных компонентов СОТС на основе молекулярного моделирование адсорбции с помощью оптимизационного алгоритма программного пакета "Hyperchem". В основе расчета положено оптимизированное силовое взаимодействие между моделью молекулы исследованного смазочного компонента и моделью кластера кристаллической плоскости, отражающей участок поверхности адсорбента — в данном случае инструментального материала.

5. Экспериментальная проверка предложенных аналитических и программных решений показала, что нейронная сеть является «обучаемой», что означает, что при увеличении объема обучающей экспериментальной серии предсказанные значения трибологической эффективности приближаются к объективным значениям этой эффективности, обнаруживаемой в эксперименте.

6. Разработанная методика имеет перспективы развития применительно к описанию не только сверления, но и любых других видах лезвийной обработки. При модификации входного вектора факторов ее можно развить для другого параметра оптимизации (например — износостойкость инструмента) или для предсказания смазочного действия химически-активных СОТС. Данная программа при соответственно измененной процедуре обучения может в принципе использоваться не только для предсказания работоспособности индивидуальных веществ, но и для пакета присадок, что будет способствовать научно-обоснованному выбору состава СОТС для конкретных технологических приложений.

Ч4» У

1. Абрамзон А. А. Поверхностно-активные вещества. Свойства и применение. Л.: Химия, 1975. 245 с.

2. Адамсон А. Физическая химия поверхностей. М., 1979, 568 с.

3. Асакура Хироси. Выбор СОТС для ГПС // Кикай гидзюцу. Mech. Eng. 1984. 32. №7. С. 22-27.

4. Ахматов А.С. Молекулярная физика граничного трения. М.: Физматгиз, 1963. 472 с.

5. Ахматов А.С. Граничный смазочный слой как квазитвердое тело // Труды II Всесоюзной конференции по трению и износу в машинах. T.III, М.-Л., Изд-во АН СССР, 1949. С. 144-154.

6. Бакли Д. Поверхностные явления при адгезии и фрикционных взаимодействиях: Пер. с англ. М.: Машиностроение, 1986. 360 с.

7. Бердичевский Е.Г. Смазочно-охлаждающие технологические средства для обработки материалов. Справочник. М.: Машиностроение, 1984. 224 с.

8. Березина Е.В. Повышение обрабатываемости сталей и сплавов путем применения синтетических водных СОТС с новыми трибоактивными присадками. Дис. канд. техн. наук. Иваново, 1992, 190 с.

9. Березина Е.В., Годлевский В.А. Об использовании водных растворов фталоцианинов в качестве трибоактивных присадок к технологическим средам для резания металлов // Известия АН СССР, серия физическая, 1991. Т. 55. № 9. С. 1757-1759.

10. Бобров В.Ф. Основы теории резания металлов. М.: Машиностроение, 1975. 344 с.

11. Боуден Ф.П., Тейбор Д. Трение и смазка твердых тел / Пер.с англ. М.: Машиностроение, 1968. 544 с.

12. Брунауэр С. Адсорбция газов и паров. М., 1948. 783.

13. Виноградов Г.В., Лянь-Го-Линь, Павловская Н.Г. Противоизносные и антифрикционные свойства смазочных масел при тяжелых режимах трения // Трение и износ в машинах, № 15, М., Изд-во АН СССР, 1962.

14. Виноградов Г.В. Некоторые новые пути получения и исследования смазочных материалов // Труды III Всесоюзной конференции по трению и износу в машинах. Т. Ill, М., Изд-во АН СССР, 1960, стр. 165-172.

15. Волков А.В. Математическое моделирования смазочного действия СОТС при лезвийном резании металлов. Дисс. . канд. техн. наук. Иваново, 1997. 190 с.

16. Воюцкий С.С. Курс коллоидной химии. М.: Химия, 1976. 512 с.

17. Вронка Г., Гживачевский М., ЕндраИ., Космынин А., Кравчик К. Математические модели трибологических явлений. Попытка применения нейросетей // Мат-лы междунар. Научно-практич симпозиума СЛАВЯНТРИБО-6 С.-Пб. — Пушкин. 20-24 сент. 2004. Т.1., С. 108113.

18. Гиббс Дж. Термодинамические работы. М.: JL, 1950. 492 с.

19. Годлевский В.А., Волков А.В., Латышев В.Н., Маурин Л.Н. Проникающая способность СОТС как фактор эффективности обработки резанием // Трение и износ, 1995. Т. 16. № 5, С. 938-949.

20. Годлевский В. А., Волков А. В., Латышев В.Н., Маурин JI.H. Модель смазочного действия растворов ПАВ при резании. // Трение и износ, 1996, т. 17, № 3 С. 345-351.

21. Годлевский В.А., Марков В.В. Синергизм поверхностно- и химически-активных компонентов СОТС для обработки материалов резанием // СЛАВЯНТРИБО-6: Труды Междунар. научно-практич. симп. С.-Пб. Сент. 2004. Т. 1. С. 41-46.

22. Годлевский В.А., Марков В.В. Особенности смазочного действия водных растворов ПАВ при лезвийном резании труднообрабатываемых материалов // Известия вузов РФ. Химия и химическая технология. 2004. Т. 47. № 9. С. 120-124.

23. Годлевский В.А. Повышение эффективности и качества обработки материалов резанием путем управления смазочным действием СОТС.// Дисс. . докт. техн. наук. Иваново, 1995. 564с.

24. Горбунов С.С. Нейросетевое моделирование контактных процессов при резании по сигналам термо-э.д.с и акустической эмиссии // Автореф. дисс. . канд. техн. наук. Н. Новгород: НГТУ, 2004. 16 с.

25. Гордон М.Б. Исследование трения и смазки при резании металлов// Трение и смазка при резании металлов. Чебоксары: ЧувГУ, 1972. С. 7138.

26. Гохштейн А.Я. Поверхностное натяжение твердых тел и адсорбция М.: Наука, 1976.400 с.

27. Де Бур Я., Динамический характер адсорбции, М., ИЛ, 1962.

28. Дерягин Б.В. Что такое трение? М.-Л.: Изд-во АН СССР, 1963, 230 с.

29. Дроздов Ю.Н., Павлов В.Г., Пучков В.Н. Трение и износ в экстремальных условиях: Справочник Машиностроение, 1986. 224 с.

30. Епифанов Г.И., Плетнева Н.А., Ребиндер П.А. О механизме действия активных сред при резании металлов // ДАН СССР. Т. 97. № 2. С. 177279.

31. Заде Л. Нечеткая логика / Копия перевода ГПНТБ. N 190786. М., 12.9.89. Юс. Пер. ст. Zadeh L. из журнала: Computer. 1988. Vol.21, № 4. Р.83-93.

32. Заславский Ю.С. Трибология смазочных материалов. М.: Химия, 1991.240 с.

33. Заславский Ю.С., Заславский Р.Н. Механизм действия противо-износных присадок к маслам. М.: Химия, 1978. 224 с.

34. Ивкович Б. Трибология резания. Смазочно-охлаждающие жидкости / Пер. с сербскохорв. Ю.К. Наследышева. Под ред. П.И.Ящерицына. инск: Наука и техника, 1982. 142 с.

35. Кибряков П.П., Белозеров О.И. Объектно-ориентированная система принятия решений «Минтай» // Тезисы докладов научно-технической конференции. Хабаровск: ХГТУ, 1993. С. 214.

36. Клушин М.И. и др. Технологические свойства новых СОТС для обработки резанием. М., Машиностроение, 1979.

37. Коротков В.Б. Выбор смазочно-охлаждающей жидкости // Машино-троитель, 1980. N 12. С. 17-18.

38. Костецкий Б. И., Натансон Н.Э., Бершадский Л.И. Механохимические процессы при граничном трении. М.: Наука, 1972. 170 с.

39. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. 432 с.

40. Крагельский И.В. Трение и износ. М.: Машиностроение, 1968. С. 328360.

41. Красиков Н.Н. К формированию граничного смазочного слоя // Трение и износ, 1980. Т. 1. N 3. С. 472-475.

42. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечёткая логика и искусст-енные нейронные сети: Учеб. пособие. М: Изд-во Физико-математи-еской литературы, 2001. С. 45-80.

43. Куссуль Э.М. Байдык Т.Н. Структура нейронных ансамблей // Нейрокомпьютер. М.: 1992. С. 16-23.

44. Латышев В.Н. Исследование механохимических процессов и эффективности применения смазочных средств при трении и обработке металлов. Дисс. . докт. техн. наук. М.: 1973. 412 с.

45. Латышев В.Н. Исследование физических сторон действия смазочно-охлаждающих жидкостей в процессе резания различных металлов // Вопросы применения смазочно-охлаждающих жидкостей при резании металлов. Иваново, 1965. С. 22-53.

46. Латышев В.Н., Карабанов Р.И. Влияние растворенного в СОТС кислорода на износ и стойкость резцов при точении стали // Вопросы техники и технологии. Иваново, 1973. С. 10-17.

47. Латышев В.Н., Карабанов Р.И. Применение метода электронного парамагнитного резонанса (ЭПР) для изучения химической активности смазочно-охлаждающих жидкостей // Физико-химическая механика процесса резания. Иваново, 1976. С. 3-16.

48. Латышев В.Н., Мельников Б.Н., Подгорков В.В., Можин Н.А., Волков В.В. Образование и действие радикалов компонентов смазочно-охлаждающих жидкостей при резании металлов // Вопросы обработки металлов резанием. Иваново, 1975. С. 11-17.

49. Латышев В. Н. Повышение эффективности СОТС. М., Машиностро-ние, 1985. 85 с.

50. Мерчант М.Е. Влияние смазочно-охлаждающих жидкостей на износ инструмента // Междунар. конф. по трени. и износу. Сб. трудов. Пер. с англ. М.: Машгиз, 1956. С. 37-42.

51. Михрютина А.В. Обоснование выбора химического состава износостойких покрытий режущего инструмента на основе учета энергетических параметров контактных взаимодействий // Дисс. . канд. техн. наук. Рыбинск, 2002. 144 с.

52. Моррисон С. Химическая физика поверхности твердого тела. М.: Мир, 1980.-488 с.

53. Орлов А.И. Задачи оптимизации и нечеткие переменные // М.: Знание, 1980, 63 с.

54. Перцов Н.В., Сердюк В.Н. Миграция поверхностно-активных веществ по свежеобразованной поверхности // Коллоидный журнал, 1988, Т.42, №5, 991-994.

55. Поверхностная прочность материалов при трении / Под общей ред. Б.Н. Костецкого. Киев, Техника, 1976. 296 с.

56. Поверхностно-активные вещества: Справочник / Под ред. А.А. Аб-рамзона и Г.М. Гаевого. JL: Химия, 1979. 376 с.

57. Полак Э. Численные методы оптимизации: Единый подход. М.: Наука, 1964.

58. Полянсков Ю.В. Физико-химическая механика контактного взаимодействия. Чебоксары: Изд-во ЧТУ, 1984. С. 24-30.

59. Седов Л.И. Методы подобия и размерности в механике. М.: ГИТТЛ, 1957. 320 с.

60. Скурихин О.В. Математическое моделирование смазочного действия внешней среды при лезвийном резании. Дис. . канд. техн. наук. Иваново, 2000. 195 с.

61. Смазочно-охлаждающие технологические средства для обработки металлов резанием: Справочник / Под общей ред. С.Г. Энтелиса, Э.М. Берлинера. 2-е изд., перераб. и доп. М.: Машиностроение, 1995. 496 с.

62. Стадник А.В. Использование искусственных нейронных сетей и вейвлет-анализа для повышения эффективности в задачах распознавания и классификации // Автореф. дисс. . канд. ф.-м. наук. Иваново. 2004. 16 с.

63. Стулий Б А. А. Принципы разработки синтетических СОЖ для обработки металлов резанием // Смазочно охлаждающие технологические среды. Сб. научн. тр. М.: НИИТЭнефтехим, 1982. С. 39-43.

64. Талантов Н.В. Физические основы процесса резания // Физические процессы при резании металлов. Волгоград, Волгогр. политех, ин-т, 1984. С. 3-37.

65. Талантов Н.В., Черемушников Н.П., Дудкин М.Е. Исследование проникающей способности СОТС. // Обработка конструкционных материалов резанием с применением СОТС. М.: МДНТП, 1978. С. 108-111.

66. Фаулер Р., Гуггенгейм Э. Статистическая термодинамика. М., 1949. 612 с.

67. Федоров В.М., Приймак А.Н. К вопросу о проникающей способности СОТС // Теория трения, смазки и обрабатываемости металлов. Чебоксары: Изд-во Чувашского Гос. ун-та, 1981. С. 23-29.

68. Фридрихсберг Д.А. Курс коллоидной химии. M.,JI: Химия, 1984. 368 с.

69. Фролов Ю.Г. Курс коллоидной химии. Поверхностные явления и дисперсные системы. М.,Л: Химия, 1989. 464 с.

70. Фукс Г.И. Исследование влияния состава граничных слоев на коагу— ляционные и фрикционные взаимодействия и улучшение смазочных материалов. Институт физ. Химии АН СССР, 1965.

71. Хартли Дж. ГПС в действии. М.: Машиностроение, 1987. 382 с.

72. Чулок А.И. Математические модели автоматизированного проектирования систем применения СОТС // Автоматизированные системы проектирования и управления. Сер.9. Вып. 5. М.: ВНИИТЭМР, 1987, 84 с.

73. Чулок А.И. Системный анализ функционирования СОТС в условиях ГПС // Гидравлическое и пневматическое оборудование. Сер.5. Вып.1. М.: ВНИИТЭМР, 1986, 48 с.

74. Шамис В.A. Borland С++ Builder 5. Техника визуального программирования. М.: "Нолидж", 2001. 688 с.

75. Щедров B.C. О прочности граничных пленок на соприкасающихся твердых поверхностях. // Трение и износ в машинах, Сб. IV, М.-Л.: Изд-во АН СССР, 1950. С. 97-105.

76. Шустер Л.Ш. Адгезионное взаимодействие режущего инструмента с материалом. М.: Машиностроение, 1988.

77. Якунин Г.И. Теория смазочного действия и смазочные материалы М.: Наука, 1968.-215 с.

78. Berenyi L. Prufung der Polanyischen Theorie der Adsorption // Z. phys. Chem, 1920, Bd 94, S. 628-662.

79. Bowden F.P., Tabor D. The friction and lubrication of solids Part II, Oxford, 1964. P. 370.

80. Boyd I., Robertson B.P. Friction properties of Various Lubricants at High Pressures // Trans. Am. Soc. Mech. Engrs., 1945, No.l, V. 67. P. 51-58.

81. Finch G.I., Fordham S. Structure and Formation of Thin Films // Soc. Chem. Industry, 1937, №.28. V.56. P. 632-639.

82. Godlevski V.A., Volkov A.V., Maurin L.N.,Latysftev V.N A description of lubrication action of the tribo-active components of cutting fluids // Lubrication Science 11-1. Nov. 1998. P. 51-62.

83. Graham D. The characterization of physical adsorption systems // J. Phys. Chem., 1953, V. 57, № 7. P. 665-669.

84. Guggenheim E.A., Adam N.K. The thermodynamics of adsorption at the surface of solutions // Proc. Roy. Soc. (London), 1933, V. A139, P. 218236.

85. Hardy W.B. Collected Scientific Papers. «University press», Cambridge, 1936.

86. Kirimoto Т., Barrow G. The influence of aqueus fluids on the wear characteristics. CIPR-Annales, 1982. V. 31. № 1. P. 19-23.

87. Langmuir I. The adsorption of gases on plane surfaces of glass, mica and platinum // J. Amer. Chem. Soc., 1918. V. 40. P. 1361-1403.

88. Merchant M.E. Cutting fluid action and the wear of cutting tools // Conf. Inst. Mech. Eng., Lubrication and wear. London. 1957. P. 127-136.

89. Polanyi M. Uber die Adsorption vom Standpunkt des dritten Warmesatzes //Verch. Dt. Phys. Ges., 1914, Bd 16, № 23, S. 1012-1016.

90. Polanyi M. Adsorption von Gasen durch ein festes nichtfluchtiges Adsorbents // Verch. Dt. Phys. Ges., 1916, Bd 18, № 2/3, S. 55-80.

91. Polanyi M. Neueres uber Adsorption und Ursache der Adsorptionskafte // Z. Electrochem., 1920, Bd. 26. № 17/18, S. 370-374.

92. Ross S., Oliver J. P. On physical adsorption. New York, 1976. 401 p.

93. Rounds F.G. Some Enviromental Factors Affecting Surface Coating Formation with Lubricating Oil Additives // ASLE-Trans. 1966. № 1. V. 9, P. 88-101.

94. Tabor D., Winer W.O. Silicone Fluids. Their Action as Boundary Lubricants // ASLE Transactions, 1965, №. 8. P. 69-77.

95. Williams J.A., Tabor D. The role of lubricants in machining // Wear. 1977. V. 43. № 3. P. 275-292.

96. Williams J.A. The action of lubricants in metal cutting // The Journal of Mechanical Engineering Science. 1977, V. 19, № 5, P. 202-212.

97. Williams J.A. The role of the chip-tool interface in machining // Bulleten du cercle d'etude des metaux. 1980. V. 14. № 11. P. 235-241.