铜铅轴瓦内表面镀层产生霉状黑斑原因初析

我厂生产的小型柴油机铜铅合金轴瓦,原材料采用烧结铜铅合金双金属板,经冲压成形,机械加工后内表面电镀铅锡合金,最后内外表面镀锡。成品轴瓦采用热收缩塑料包装,后来用户数次发现有部份轴瓦内表面出现霉状的黑斑或灰黑斑,经查工厂仓库内放置时间较长（一个月以上）的轴瓦亦有类似情况,见图1。     

铝铅轴瓦的改进

0前言 铝铅合金双金属烧结材料,在1977年由日本首次生产出,并广泛应用于汽车主轴瓦和连杆轴瓦的生产中。然而当今汽车正朝着大输出功率、轻型及微型结构,轴瓦负荷提高的方向发展,从而使现用的铝铅合金材料疲劳强度的安全系数降低。本文介绍一种最新的轴瓦材料生产方法“热挤压法”,该技术可使铅粒的分布状况令人满意,粉末颗粒间的粘着力增强。此铝铅轴瓦材料的疲劳强度,比现用铝铅烧结轴瓦材料的疲劳强度提高30％,甚至更高。 铅具有较好的抗咬合性和顺应性,这是众所周知的,所以铅以铜铅合金或铅青铜合金的形式被广泛使用。它也作为镀层的主要成份,镀在铜铅及铅青铜合金的表面,镀层厚约20μm 铝铅组合作为轴瓦材料大约才20年历史。铝铅合金在实际生产中需用专门的工艺,但由于铅的特性,也存在不少问题     

按最高油膜压力评定轴承材料的疲劳强度

在任何给定工况下,有一系列因素影响最终选择轴承合金的种类和牌号,但首先考虑的必须是承载能力。如果轴承材料在所需的使用时间内不能承受所施加的负荷,那么轴承材料的其它特性再满意也是毫无意义的。因此习惯于把轴承材料抗疲劳性能进行分级,这对于轴承使用者和供应商都是极为重要的。 把轴承材料抗疲劳性能分级的传统方法是用最大单位负荷,即轴承经受的最大负荷被轴承投影面积（长度×直径）所除。直到不久前这仍是人们希望为某一应用场合选择合适轴承材料的唯一使用的依据。但这种方法具有很大缺陷,因为疲劳不仅与负荷,而且与所加负荷频率有关。如讲某一轴承在承受一定的单位负荷下不会破坏,这是一种不恰当的评估方法,因为没有讲到该轴承在一定的单位负荷下能承受多长时间。 美国JPl公司现已采用最高油膜压力（POFP）来评估常用轴承材料。它利用传统的安德伍试验机的试验数据,建立了最高油膜压力值和疲劳前循环次数的数学方程,找出了有关额定值,并提出了如何使用该额定值的方法。 下面介绍该公司是如何按照最高油膜压力来评定材料疲劳寿命的。     

格雷西亚发动机轴瓦设计技术的发展

主轴瓦和连杆瓦是发动机的心脏零位,必须提供数万小时或数十万公里安全可靠的运行,实际上这一般都能达到。每年,轴瓦被列为引起电力站停机的主要原因之一,一九八四年,在造成发动机停机的因素中占第八位。在发动机得以适当的维护,并且所提供的润滑油清洁、等级正确,温度、压力正确的前提下,用户要求各种型号的往复式发动机轴瓦系统安全可靠.为能达到这一目的,且仅需极少的验证试验,较可靠地予测轴瓦性能是必不可少的。在设计阶段这就更为需要,因为当进行发动机总体设计时必须对各种方案进行研究。因此,任     

随机行逆扫数字加解扰技术在付费电视通信系统中的应用研究

介绍了有线电视数字加解扰技术的概念和原理，提出了一种随机行逆扫叠加等效翻转轴抖动的数字化加解扰技术的方案。     

现代轴承型式的应用选择

随着发动机输出功率的提高,发动机零部件所承受的工况不断变化,承载的负荷不断加大,选用的零部件必须满足发动机所需寿命和性能要求,滑动轴承也不例外。针对各种具体的应用工况,可从众多的轴承型式中选出合适的轴承。选择轴承时,从设计、制造角度须考虑: 1.计算出均轴承特 2.所具有的轴承材料和生产技术工艺 3.生产成本4.各种试验结果　5.现场使用的经验数据     

半导体材料生产概况及在我省的开发

1.前言: 自从1948年发明锗晶体管以来,半导体材料及其相应半导体器件,以其奇妙的功能迅速推动着科学技术的发展,它不仅使固体物理学成为近三十多年来最为活跃的科学领域,也使电子工业成为发展最迅速、影响最深远和作用最大的工业部门,导致了以电子计算机为中心的新的产业革命。仅就集成电路而言,1978年,世界总产值为50亿美元,1982年为100亿美元。1984年已经超过200亿美元。以半导体硅为基础的设备的生产总值已达3000亿美元以上,约     

基于径向基神经网络的压电作动器建模与控制

针对压电作动器(piezoelectric actuator,PEA)的率相关迟滞非线性特性,构建了Hammerstein模型对压电作动器建模.采用径向基(radial basis function,RBF)神经网络模型表征迟滞非线性,利用自回归历遍模型(auto-regressive exogenous,ARX)表征频率的影响,并对模型参数进行了辨识.此模型可以在信号频率在1～300 Hz范围内时,较好地描述压电作动器的迟滞特性,建模相对误差为1.99%～4.08%.采用RBF神经网络前馈逆补偿控制,结合PI反馈的复合控制策略实现跟踪控制,控制误差小于2.98%,证明了控制策略的有效性.