中性盐雾环境中Q235钢板腐蚀率与表面特征参数的关系

为更全面地评价锈蚀钢材腐蚀发展程度,探讨钢材腐蚀后的损伤参量变化规律,通过对Q235钢板进行中性盐雾加速腐蚀,得到了钢板不同腐蚀程度下的质量损失率,并采用三维非接触式表面形貌仪测试腐蚀钢板表面,得到了钢板腐蚀后的孔洞率、平均腐蚀深度、最大腐蚀深度、表面三维粗糙度参数Sa及Sq等表面特征参数的相关数值,建立了腐蚀损伤参量的变化函数模型以及腐蚀率与表面特征参数关系式,可为材料耐蚀性研究提供基础数据。     

碳/碳复合材料切削表面粗糙度的评定方法及评定参数研究

通过对航空航天领域应用的碳,碳（C／C）复合材料和硬铝材料切削表面进行三维表面粗糙度测量实验,研究了C／C复合材料切削表面粗糙度的二维评定与三维评定方法、幅度表征参数及分形表征。结果表明：对于C／C一类的复合材料需选用三维评定参数才能准确表达其切削表面粗糙度的真实特征;表面均方根偏差比表面算术平均偏差更适合作为C／C复合材料切削表面粗糙度的幅度评定参数,表面粗糙度的三维标准应优先选用表面均方根偏差作为评定参数;表面分形维数可作为C／C复合材料切削表面粗糙度的表征参数之一。     

表面粗糙度三维测量和评定的研究

本文论述了应用相移干涉原理测量三维表面粗糙度,给出了测量系统的组成,实现相移的微位移器件压电陶瓷应用,三维表面粗糙度评定参数的确定。     

表面粗糙度预测及三维形貌仿真

鉴于表面粗糙度会直接影响工件的使用性能和使用寿命,将理论分析与试验相结合,根据车削时不同切削用量下的表面粗糙度数据,建立了表面粗糙度预测模型.对表面粗糙度进行理论预测并对加工表面的三维形貌进行了仿真,其仿真结果总体上与试验数据接近.使用粗糙度预测模型对试验获得的数据进行拟合,结果表明:粗糙度预测值与试验结果较吻合.     

有限长线接触混合润滑特性研究

选择规则表面粗糙度分布,建立了有限长线接触混合润滑模型,数值模拟粗糙度幅值、波长、方位角和工况变化对润滑特性的影响。结果表明:建立的数学模型在较宽工况范围内具有良好的适应性;随着粗糙度波长增大,接触线中部首先发生润滑状态改变,说明增大粗糙度波长有益于改善润滑;随着粗糙度幅值增大,压力波动剧烈,边缘效应更加显著;工况变化对润滑状态影响明显,其中在润滑状态转换区域的润滑特征参数变化显著;随着粗糙度方位角的变化,润滑特征参数呈现周期性波动,当方位角为0°时润滑状态最佳,方位角为45°时润滑状态最差。     

基于纹理分析的Si_3N_4陶瓷表面粗糙度研究

通过数字显微镜获取Si3N4磨削表面图像,运用灰度共生矩阵(GLCM)分析表面纹理特征与粗糙度的内在关系。根据实验确定GLCM采样点间距、总灰度级,按4个方向建立GLCM并计算纹理特征参数均值。利用变量相关分析,确定对比度等6个参数为Si3N4磨削表面主要纹理特征,并探讨各纹理参数与Ra,Ry,S,Tp的变化规律,从而定性评估Si3N4磨削表面粗糙度。采用多元非线性回归方法研究纹理特征参数与粗糙度评定指标的联系,构建4个回归预测模型。结果表明:模型计算值与实测值偏差小于0.25,具有较好的预测效果。     

表面粗糙度三维测量系统通过鉴定该系统为国内省创达到世界水平

哈尔滨工业大学精密仪器教研室,经过两年的奋战,完成了航天部下达的“表面粗糙度三维测量系统”的研制任务。该系统于1986年5月7日在哈尔滨通过部级鉴定,与会代表一致认为:该系统的研制成功,填补了国内空白,在某些性能方面达到了国际同类系统的先进水平。表面粗糙度三维测量系统,能够在三维空间测量表面粗糙度参数,画出表面形貌图和等高线图,真实可靠地评定表面轮廓,对磨擦、磨损,润滑等研究领域有重要价值。     

陶瓷膜表面粗糙度对含油废水过滤性能的影响

采用表面粗糙度仪、扫描电子显微镜(SEM)和三维非接触表面形貌仪(WLI)表征膜表面形貌,并考察了陶瓷膜表面粗糙度对过滤含油废水性能的影响.结果显示,具有不同表面粗糙度的相同孔径陶瓷膜,其纯水通量基本相同;粗糙度越大的膜,过滤含油废水的膜通量衰减越快,稳定通量也越低;陶瓷膜表面粗糙度对油截留率基本没有影响;废水中油滴粒...     

钢材锈蚀率与表面三维粗糙度参数的关系

通过Q235钢板在中性盐雾试验箱中178天的加速腐蚀,得到钢材不同时间下的锈蚀率与表面三维粗糙度参数,讨论了锈蚀率与三维粗糙度参数中算数平均高度(Sa)、均方根高度(Sq)、表面峰最大高度(Sp)、表面谷最大深度(Sv)、表面最大高度(Sz)、表面轮廓偏斜度(Ssk)及表面轮廓峭度(Sku)的变化规律,并对锈蚀率、时间及Sa(Sq)三者关系进行了回归分析,结果表明通过定量分析锈蚀率、时间及三维粗糙度参数之间关系能更准确地判断锈蚀钢材表面腐蚀发展程度,从而为锈蚀钢结构腐蚀过程的评价提供一种新的途径。     

基于模糊神经网络与主成分分析的磨削表面粗糙度在线预测

基于声发射和振动信号提出了一种模糊神经网络和主成分分析的表面粗糙度预测方法,以提高磨削过程中工件表面粗糙度识别的准确性。首先,采集磨削程中声发射与振动信号,提取相关时域特征、频域特征和小波包特征参数,利用主成分分析对特征量进行降维优化;然后,构建表面粗糙度模糊神经网络预测模型,将信号特征量与表面粗糙度作为模糊神经网络的输入和输出;最后,对模型进行训练,并对表面粗糙度预测精度进行验证。实验结果表明:通过主成分分析(PCA)方法对声发射和振动信号特征量进行降维得到5个主成分,以此建立的模糊神经网络表面粗糙度预测模型的效果精度可达到91%以上,与局部线性嵌入和多维标度法降维方法相比,PCA方法降维后的特征所含信息更优,预测准确度更高。