磨损自补偿的摩擦学原理

本文根据已完成的自补偿油润滑下钢－钢摩擦副的摩擦学试验和摩擦表面分析,对比分析了传统的边界润滑和磨损自补偿润滑的不同之处,提出了磨损自补偿的六条摩擦学原理。这些理论该能较好地解释试验结果,为磨损自补偿理论的建立提供了理论依据。     

BP神经网络理论对磨损自补偿过程的预测

本文通过钢－钢摩擦副的摩擦学性能的对比研究,发现在磨损自补偿添加剂ＳＷ４作用下,钢－钢摩擦副也象钢－钢摩擦副一样具有磨损的自补偿性能,其摩擦系数和磨损量相对下降了很多;同时,利用ＢＰ神经网络理论对钢－钢摩擦副的摩擦学过程,特别是其磨损自补偿过程进行了预测,该方法与传统的建模方法相比,具有运算时间短,使用数据少,不需要严格的数学模型等优点,其预测值与试验值非常接近。     

国外摩擦副磨合过程的研究

摩擦副的磨合过程已有大量研究 ,综述了国外摩擦副磨合过程的研究现状 ,指出了存在的问题及进一步研究的方向。附图 3幅 ,参考文献 3篇     

外加电压对边界润滑下钢/铜摩擦副摩擦磨损的影响

利用球盘式摩擦试验机，针对150SN油润滑下的GCr15/ZCu10Fe3摩擦副，研究了不同极性的外加直流电压对其摩擦系数和磨损状态的影响，并结合磨痕的能谱分析，探讨了外加电压对其摩擦磨损性能的作用机理。     

磨损自补偿理论设想

基于选择性转移研究成果和仿生摩擦学的概念,提出磨损自补偿理论设想,说明磨损自补偿的三种功能状态,并对各种功能状态进行讨论。     

ZTM自摩擦副销的磨损特性

研究了ＺＴＭ自摩擦副中销的磨损特性,结果表明,由于摩擦面的高温和ＺＴＭ中含有较多的玻璃相,使摩擦表面形成塑性变形层,经过摩擦应和的持续作用,塑性变形层成片地脆性剥落,造成ＺＴＭ陶瓷的磨损,而氧化锆的强韧化作用ＺＴＭ的耐磨性高于莫来石的主要原因。     

ESMl22润滑添加剂的磨损自补偿效应研究

研制出了在不同载荷和不同行程内对45^#钢—45^#钢摩擦副及45^#钢—锡青铜摩擦副均形成负磨损，具有优异的磨损自补偿效应和摩擦学效应的磨损自补偿润滑添加剂ESMl22。红外光谱分析证实，润滑添加剂在钢和铜摩擦表面形成了由聚合酯组成的自补偿膜。     

热电流对摩擦副磨损影响的试验

当摩擦副的组件材料不同且摩擦表面温度较高时,相互作用区就形成热电偶的热接点而产生热电势ε_t.如图1所示。如果此时外部回路闭合,在摩擦副的接触界面上就会有电流流过,我们称之为热电流。人们一般用热电势来估算接触区的平均温度而不太注意     

滚动直线导轨副摩擦磨损机理及特性研究

滚动直线导轨副以其独有的特性,在机械制造中得到了广泛应用.滚动直线导轨副具有结构简单、动静摩擦系数小、定位精度高、精度保持性好等优点.直线导轨副的性能直接影响到机床的整体性能,摩擦磨损特性与动力学特性息息相关,通过剖析其机理,减缓甚至避免设备的磨损,探求提高耐磨性的途径,对节约能源、延长工件寿命十分重要.     

羟基硅酸镁/Ag纳米复合材料的金属磨损自补偿特性与机制

在MMU-10G型摩擦磨损试验机上考察共混羟基硅酸镁(简称P)/Ag复合纳米材料对45~#钢摩擦副的磨损自补偿性能,用EPMA-1600电子探针和X射线光电子能谱仪表征摩擦运行后的试样表面形貌、元素组成及其价态。结果表明,含质量分数30%Ag的共混羟基硅酸镁/Ag复合纳米粉体作为自补偿添加剂能够在45#钢表面形成自补偿膜层,可有效减小其在磨合阶段和稳定磨损阶段的磨损失重;其自补偿机制为,在摩擦热化学、力化学与物理作用下,P/Ag复合纳米润滑添加剂在45~#钢表面形成了主要由Fe_2O_3、Fe_3O_4、FeOOH、SiO_2、MgO、C、Ag组成的表面膜,该膜层的补偿与隔离作用,可降低金属的磨损;其减摩作用是自补偿膜层中的铁氧化物、石墨形态C、软金属纳米Ag的低剪切应力和纳米P的微滚珠效应协同作用的结果。     

基于灰关联神经网络的铣削表面粗糙度预测

不同的铣削加工工艺参数会影响加工表面形貌和表面粗糙度.考虑灰关联分析与神经网络法的各自优点,提出了一种新的基于灰关联神经网络模型进行表面粗糙度预测的模型.首先利用灰关联分析,将各因子与预测目标作关联性的排序,且把不必要的因子剔除,接着进行神经网络的训练及预测.将所提的预测模型运用到铣削加工的表面粗糙度预测中,构建出表面...     

基于人工神经网络的磨合磨损最佳分形维数预测

基于BP人工神经网络的L-M算法，建立了磨合磨损的分形参数预测模型。将该模型用于销-盘磨合磨损试验，对最佳分形维数进行了准确预测。该模型收敛速度快，误差小，输出结果与实验结果有极好的吻合性。     

高速铣削工件表面粗糙度的预测

表面粗糙度是衡量工件表面质量的重要指标。采用正交试验方法,利用圆环面铣刀对模具钢NAK80进行了高速铣削试验,测量了不同工艺参数下的工件表面粗糙度。将试验结果与人工智能中的BP神经网络结合,建立了表面粗糙度预测模型,用于预测不同主轴转速、进给速度、切削深度、切削行距、刀具倾角时被加工工件的表面粗糙度,并通过MATLAB图形用户界面设计了表面粗糙度预测软件。结果表明,该预测模型及其封装后的软件可用于加工前工件表面粗糙度的预测。     

摩擦系统数--运动粘度的多层神经网络计算模型研究

建立了预测磨损自补偿状态下润滑剂运动粘度对 45钢 /锡青铜副摩擦特性的影响规律的BP神经网络模型 ,该网络可较准确地预测润滑剂粘度对摩擦副摩擦系数的影响规律 ,为摩擦学设计的程序化计算和分析提供方便且有效的工具。     

磁流体润滑的BP神经网络模型

本文利用Matlab建立了磁流体边界润滑时，摩擦系数与外加载荷，磁场，纳米粒子浓度以及摩擦副材料硬度之间关系的BP神经网络模型，并利用L－M算法对网络进行了优化训练，所得到的网络收敛速度快，误差小。网络输出结果与实验结果相比较，具有较好的吻合性。     

基于L-M算法优化BP神经网络的储粮害虫分类识别研究

以储粮害虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现离线检测与分类识别。首先对4类常见储粮害虫进行图像采集、预处理以及9个常用形态学特征的提取,再通过特征分析把有效特征压缩至6维,将其作为BP神经网络的输入参数,对应的储粮害虫的类别代号作为输出参数,构造BP神经网络,并在网络训练过程中利用L-M算法进行优化。最后通过实验证明该方法在害虫识别算法中稳定性好,收敛速度快,预测精度高。     

EPS助力特性的改进RBF神经网络方法

针对电动助力转向(EPS)助力特性的非线性问题,提出应用径向基(RBF)神经网络强非线性能力进行电动助力转向(EPS)助力特性曲面拟合方法,并做出改进。应用改进均值聚类方法(k-means)对数据进行聚类,获取基函数参数,再用梯度下降法训练网络权值,并利用最优停止法对网络进行了优化。实验结果表明,该改进方法避免了过拟合现象,提高了网络的泛化能力,并且具有网络训练时间短,拟合的曲面精度高,预测能力强等优点。     

基于L-M算法优化BP神经网络的储粮害虫分类识别研究

以储粮害虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现离线检测与分类识别。首先对4类常见储粮害虫进行图像采集、预处理以及9个常用形态学特征的提取,再通过特征分析把有效特征压缩至6维,将其作为BP神经网络的输入参数,对应的储粮害虫的类别代号作为输出参数,构造BP神经网络,并在网络训练过程中利用L-M算法进行优化。最后通过实验证明该方法在害虫识别算法中稳定性好,收敛速度快,预测精度高。     

摩托车链条润滑系统的BP神经网络模型

利用BP神经网络 ,建立了摩托车链条润滑装置中环境温度、润滑滴油阀倾斜角和润滑油种类与滴油操作控制阀位置之间关系的神经网络模型 ,并利用L -M算法对网络进行优化训练 ,所得到的网络收敛速度快、误差小 ,网络输出结果与实验结果进行比较 ,有较好的吻合型。     

利用BP网络预测结合面基础特性参数

分析了影响结合面基础特性参数的众多因素，首次提出利用ＢＰ网络建立结合面基础特性参数与其诸多影响因素之间的非线性关系，并对其进行正确预测的有效方法，从理论上证明了结合面基础特性参数与其诸连续变化影响因素之间的映射关系可由一个三层神经网模型来精确实现。给出了实例分析，证明了该方法的有效性