镍基合金喷熔层摩擦学行为与机制的研究

采用热喷熔工艺制备了两种镍基合金喷熔层,并选用高锰钢、不锈钢作为对比材料,研究了镍基合金喷熔层的摩擦磨损性能。研究结果表明：镍基合金喷熔层具有良好的耐磨损性能和较低的摩擦系数。镍含量对喷熔层的摩擦学性能有显著影响,高镍含量的镍基合金,其耐磨性能明显优于低镍含量的镍基合金。在低速轻载条件下,镍基合金喷熔层的磨损机理为微观犁削;高速重载时,表现为粘着磨损和磨料磨损,其中高镍含量的喷熔层表面形成了致密的转移膜,有效地降低了磨损率。     

颗粒增强镍基合金复合熔覆层及其摩擦学性能研究现状

颗粒增强镍基合金复合熔覆层能显著改善零件表面性能,在工程领域中的应用日益广泛。对镍基合金复合熔覆层的主要增强颗粒进行了总结,概述了硬质陶瓷颗粒、稀土和自润滑颗粒的特性及其增强镍基合金复合熔覆层的微观组织结构和摩擦学性能的研究进展,并指出了颗粒增强镍基合金复合熔覆层今后的发展方向和需解决的重点问题。     

AlSi7Mg铝合金表面激光熔覆WC增强镍基合金熔覆层的组织与性能

在AlSi7Mg铝合金表面制备单道和多道WC增强镍基合金激光熔覆层,研究了熔覆层的显微组织、物相组成、稀释率和显微硬度.结果表明:当激光扫描速度由3.3 mm·s-1增至6.0 mm·s-1时,单道激光熔覆层中的气孔和裂纹变少;在扫描速度4.6 mm·s-1、光斑直径1.0 mm、搭接率20％条件下,多道熔覆层中WC颗...     

重熔时间对WC/镍基合金复合熔覆层微观组织的影响

为提高机械零部件表面的耐磨性能,运用氧-乙炔火焰喷焊技术制备了WC/镍基合金复合熔覆层,分析了重熔时间对复合熔覆层微观组织的影响。结果表明,经过恰当时间重熔的复合熔覆层组织更加致密,并产生了Cr23C6新物相,进一步增强了熔覆层性能;但若重熔时间过长,熔覆层中的WC会发生沉积并分解产生硬脆相W2C,反而降低了熔覆层性能。     

WC颗粒增强镍基涂层改善制动盘组织与磨损性能

为提高汽车制动盘耐磨和高温氧化性能,延长其使用寿命,采用激光熔覆技术在中碳钢表面制备了以WC颗粒为增强相的Ni基复合涂层.借助SEM和XRD等表征手段对制动盘表面涂层进行了组织和物相分析,利用维氏硬度计测试了制动盘表面涂层截面显微硬度分布,通过摩擦磨损实验研究了制动盘表面涂层的磨损性能.研究表明,制动盘表面涂层主要由γ-（Ni,Fe）固溶体、均匀分布WC颗粒和碳化物抗磨损相组成.涂层平均显微硬度HV0.2670,显微硬度值波动较小较为平稳,证明涂层组织比较均匀.在多种强化效果共同作用下,制动盘表面涂层的磨损量与基材相比明显减小,仅为基材的20％,抗磨损性能显著提高.     

CeO2加入含量对激光熔覆WC增强镍基合金涂层组织与性能的影响

以镍包碳化钨粉和CeO2粉的混合粉为原料,采用激光熔覆技术在42CrMo钢表面制备WC增强镍基合金涂层,研究原料中CeO2质量分数(0～2.0％)对涂层物相组成、显微组织、硬度和耐磨性能的影响.结果表明:添加CeO2后涂层的物相由γ-(Ni,Fe)固溶体、Ni3 Fe、WC、Cr23 C6、M7 C3(M=Fe、Cr)...     

腐蚀介质条件下NiCrBSi/WC喷熔层的摩擦学性能研究

采用氧-乙炔火焰喷熔工艺,制备了碳化钨颗粒增强镍基合金喷熔层(NiCrBSi/WC),研究了它在腐蚀介质条件下的摩擦磨损行为与机理,并考察了载荷、滑动速度对其摩擦磨损性能的影响规律。研究结果表明:NiCrBSi/WC具有良好的耐腐蚀磨损性能,且当WC含量为20%时,腐蚀磨损率最低;WC含量超过20%后,由于喷熔层存在“腐蚀原电池”效应,其腐蚀磨损率增大。NiCrBSi/WC的腐蚀磨损率随载荷增加而变大,随速度增大而减小。载荷的增加使喷熔层的犁削磨损加剧,导致摩擦系数和磨损率增大;速度的增大造成摩擦界面温度上升,可生成摩擦转移膜,从而降低了喷熔层的磨损率。     

感应熔敷微-纳米碳化钨复合涂层的耐磨性研究

用感应加热熔敷方法在Q235钢表面制备了微-纳米碳化钨复合涂层，并分析了涂层的微观结构、显微硬度及耐磨性。结果表明：涂层的组织主要由镍基固溶体和碳化钨颗粒组成。涂层与基体冶金结合；微-纳米碳化钨涂层的耐磨性比微米碳化钨涂层平均提高0．5倍。     

基于BP神经网络的磨粒特征识别系统设计

提高铁谱磨粒识别能力是加强铁谱分析技术的重要手段,神经网络技术的不断普及为铁谱磨粒识别能力的提高带来了新的思路。对神经网络系统的基本原理和BP学习算法进行了叙述,并探讨了基于BP算法的磨粒特征识别系统的设计。     

基于BP神经网络的铁谱磨粒图像识别方法研究

在磨粒识别过程中,铁谱磨粒图像预处理和特征参数提取是关键。应用图像形态学的处理方法对磨粒图像进行预处理,结果表明,利用开运算、闭运算的图像形态学处理方法对铁谱磨粒图像进行预处理,可以消除图像二值化后留下的孤立小碎点、孔洞以及边界断点。通过磨粒图像的统计特征参数和傅里叶特征参数建立BP神经网络,并对磨粒进行识别,结果表明:采用该方法能正确识别磨粒图像,辨别磨损机制。     

镍基纳米复合电刷镀层的滑动磨损性能研究

用电刷镀技术制得了镍基 n-SiO_2复合镀层、镍基 n-SiC 复合镀层以及镍基镀层,并对镀层的滑动磨损性能进行了试验研究.纳米复合镀层的表面形貌比较细腻,镀层中纳米粒子分布均匀,与基质金属结合紧密.显微硬度高,可达到 HV692,比镍基镀层提高约50%.滑动磨损试验结果表明,纳米粒子的加入可以提高镀层的耐磨性.纳米复合镀层的磨损机制以疲劳磨损为主,而纯镍镀层以粘着磨损为主.     

基于D-S证据理论和集成神经网络的磨粒识别

针对磨粒的识别问题,利用数字磨粒图像分析方法,结合D-S证据理论和BP神经网络,建立了基于D-S证据理论的集成神经网络磨粒融合诊断方法。首先对磨粒图像进行处理,并利用统计分析方法和傅立叶分析方法对处理好的磨粒图片进行分析得到磨粒特征;然后基于统计分析方法和傅立叶分析方法建立对应的两个BP分类子神经网络,利用典型的磨粒样本对BP子神经网络进行训练,得到初步的诊断结果;最后用D-S法对子神经网络诊断结果进行融合,得到最终的诊断结果。算例分析结果表明,基于D-S证据法和集成神经网络的磨粒融合诊断方法比单个诊断方法具有更高的准确性。     

磨损磨粒的BP神经网络识别

介绍了铁谱分析技术对设备状态监测与故障诊断的方法;通过机械润滑油或液压油中微观磨损颗粒的分析来判断机器当前的工作状态。铁谱的计算机图像分析技术是近年来研究的热点。基于BP神经网络对磨损磨粒进行识别,提出了磨粒的分步识别策略,并以磨粒样本都对网络进行训练,取得了较好的识别效果。     

钛材上火焰喷焊Ni-WC耐磨涂层的组织和性能

研究了在钛合金Ti-6Al-4V表面上采用火焰喷焊技术制备镍基碳化钨型自熔性合金涂层的可行性,利用SEM、XRD等手段分析了它的组织和性能。结果表明：采用火焰喷焊技术在钛合金表面上获得了功能梯度涂层,Ni-WC涂层为韧基体＋硬质相的耐磨组织,涂层和过渡层之间形成了韧性镍基合金层,在涂层、过渡层和基体之间形成了牢固的冶金结合,涂层的组织和显微硬度沿层深方向呈连续性和渐变性,喷焊表层中WC起到了主要的抗磨作用,涂层磨损失重仅为未喷焊钛合金的1／10。     

Development of Airfoils Based on Their Aerodynamic Characteristics Using Artificial Neural Networks

One of the main concerns in Engineering nowadays is the development of aircrafts of low consumption and high performance. For this purpose, airfoils are studied and designed to have an elevated lift coefficient and a low drag coefficient, thus generating a highly efficient airfoil. The higher the efficiency value is, the lower the aircraft fuel consumption will be; thus improving its performance. In this sense, this work aims to develop a tool for airfoil creation from some desired characteristics, such as the lift and drag coefficients and maximum efficiency rate, using an algorithm based on an ANN （artificial neural network）. In order to do so, a database of aerodynamic characteristics with a total of 300 airfoils was initially collected from the XFoil software. Then, through a routine implemented in the MATLAB software, network architectures of one, two, three and four modules were trained, using the back propagation algorithm and momentum. The cross-validation technique was applied to analyze the results, evaluating which network possesses the lowest value in RMS （root-mean-square） error. In this case, the best result obtained was from the two-module architecture with two hidden neuron layers. The airfoils developed by this network, in the regions with the lowest RMS, were compared to the same airfoils imported to XFoil. The presented work offers as a contribution, in relation to other works involving ANN applied to fluid mechanics, the development of airfoils from their aerodynamic characteristics.