多维复合增强汽车摩擦材料

以玻璃纤维、 铜纤维、 矿物纤维、 芳纶纤维、 纳米钛酸钾晶须和片状蛭石等制备多维复合增强非石棉有机汽车摩擦材料, 构成具有“微米和纳米”尺度、 “一维（纤维）和二维（片状）”形态、 “无机和有机”材质的多维复合增强体系。基于材料的力学和摩擦磨损性能测试结果, 通过回归模型分析对复合体系配方进行了优化。通过材料的内部结构和摩擦面的形貌观察, 分析了多维复合增强体系提高材料力学和摩擦磨损性能的内在机制。结果表明, 通过优化配方, 各增强相之间表现出良好的混合和协同效应, 优化多维复合增强汽车摩擦材料的冲击强度为0.54J/cm2、 总磨损率为1.35×10-7cm3/(N·m)、 摩擦系数的变异系数为5.86%。      

垂直取向金属纤维增强材料的摩擦性能研究

研究在3种具有不同力学性能的基体中,垂直于摩擦面取向的钢纤维和铜纤维增强的汽车摩擦材料在不同的试验压力、速度和温度下摩擦性能的变化,并与平行无规分布纤维增强试样进行对比。结果表明,金属纤维垂直取向试样的摩擦性能受纤维自身和基体力学性能的共同影响,钢纤维试样的摩擦性能受基体性能影响小于铜纤维试样;在具有不同力学性能的基体中,钢纤维垂向增强摩擦材料均具有更好的摩擦因数稳定性和耐磨损性能,此源于纤维与基体之间良好的相互作用。     

基于BP神经网络的汽车摩擦材料性能预测与配方优化

采用钢纤维、玻璃纤维、铜纤维、矿物纤维等增强纤维,石油焦碳、人造石墨、天然石墨等摩擦调节组元,以及树脂、丁腈橡胶、丁苯橡胶等粘接剂制备汽车摩擦材料.选用BP神经网络建模,以原材料配方为输入变量、摩擦磨损试验数据为输出变量,采用L-M算法对网络进行训练,并进行摩擦磨损性能预测和配方优化.结果表明,隐层神经元为4的单隐层神经网络结构模拟效果较好,性能曲面预测图能表现出原材料的组合性能,采用该网络优化试样的性能测试结果与预测值的相对误差小于20%.