磨损预测模型的试验研究
设备磨损的数据分析和预测算法研究
设备磨损的数据分析和预测算法研究设备磨损是工业生产过程中常见的问题，它会导致设备性能下降、生产效率降低以及维修成本增加。
因此，开发一种能够准确分析和预测设备磨损的算法对于优化设备维护策略、降低生产成本具有重要意义。
本文将针对设备磨损的数据分析和预测算法进行研究，探讨如何通过数据分析和建模来实现设备磨损的准确预测。
首先，我们需要收集设备磨损相关的数据。
这些数据可以通过传感器、设备监控系统以及其他数据采集设备获取。
收集到的数据包括设备运行时间、温度、压力、振动等各种设备运行状态参数以及磨损程度指标。
通过分析这些数据，我们可以建立设备磨损与运行状态参数之间的关系模型，并用于预测设备磨损的程度。
数据分析是实现设备磨损预测算法的关键部分。
基于设备磨损率的数据分析可以帮助我们了解设备磨损的趋势和规律，进而实现对设备磨损的预测。
数据分析可以包括统计学分析、数据挖掘和机器学习等方法。
其中，机器学习是一种常用的数据分析方法，通过使用大量历史数据进行训练，可以建立出适合设备磨损预测的模型。
在机器学习中，我们可以采用监督学习方法，将设备运行状态参数作为输入特征，将设备磨损程度作为输出标签，通过训练得到一个能够准确预测设备磨损的模型。
在进行数据预处理时，我们需要对原始数据进行清洗和特征选择。
数据清洗包括去除重复数据、处理缺失数据和异常值等。
特征选择则是从众多设备运行状态参数中选取最具代表性的参数，用于建立预测模型。
常用的特征选择方法有相关性分析、统计检验和主成分分析等。
选择合适的特征可以提高模型的准确性和稳定性。
建立预测模型是设备磨损预测算法的核心任务。
常用的机器学习算法包括线性回归、决策树、支持向量机以及神经网络等。
根据设备运行状态参数的特点和数据分布情况，我们可以选择适合的机器学习算法来训练预测模型。
在模型训练过程中，我们可以采用交叉验证等方法来评估模型的性能，并通过调参来优化模型的准确性和泛化能力。
实施设备磨损预测算法需要考虑以下几个方面。
刀具磨损监测与预测技术研究
刀具磨损监测与预测技术研究刀具是现代工业生产中不可或缺的工具之一，其质量的好坏直接影响着加工效率和产品质量。
然而，刀具在长时间的使用过程中不可避免地会出现磨损现象，导致其性能下降甚至失效。
因此，刀具磨损监测与预测技术的研究显得尤为重要。
一、刀具磨损的类型与影响因素刀具的磨损主要表现为刀尖磨损和刀面磨损两种类型。
刀尖磨损主要是因为切削速度过高造成的高温烧伤，而刀面磨损主要是由于材料的磨削和冲击引起的。
刀具的磨损程度受到多种因素的影响，在实际加工中往往是多种因素综合作用的结果。
刀具材料的硬度、切削速度、切削力、切削液等都会对刀具磨损产生影响。
二、刀具磨损监测技术的研究现状目前，刀具磨损监测主要有离线和在线两种方式。
离线监测一般是通过拆卸刀具后对其进行人工观察和测量，再根据一定的标准来评估其磨损程度。
虽然这种方法可以在加工过程中搜集到大量的刀具磨损数据，但由于其需要停机检测，导致监测周期长，反应迟缓，部分磨损情况无法及时得到监测。
在线监测则是一种可以在切削过程中通过传感器实时监测刀具磨损情况的方法。
常见的在线监测技术有声发射、振动、电流和红外热像等。
声发射技术通过检测刀具的声波信号变化来判断刀具的磨损程度；振动监测则是通过检测刀具的振动信号来评估其磨损情况；电流监测是通过测量切削电流的变化来判断刀具磨损；红外热像技术则是通过热像仪测量刀具在加工过程中的温度分布来评估其磨损情况。
这些在线监测技术在不同的工况下具有一定的适用性，但仍然存在着监测结果受到外界环境干扰的问题。
三、刀具磨损预测技术的研究进展刀具磨损预测技术是指通过对刀具的历史使用数据进行分析和建模来预测其未来磨损情况的方法。
这种方法可以及时发现刀具的磨损趋势，提前进行刀具的更换或维修，从而保证加工过程的稳定性和效率。
刀具磨损预测技术主要包括基于规则的方法和基于模型的方法。
基于规则的方法主要是通过建立一系列的经验规则，将刀具的使用数据与磨损状态进行对应，利用这些规则来进行刀具磨损预测。
风力发电机组轴承的磨损机理与寿命预测模型研究
风力发电机组轴承的磨损机理与寿命预测模型研究1. 引言在可持续能源发展的背景下，风力发电作为一种环保和可再生的能源形式，逐渐受到世界各国的关注与重视。
风力发电机组作为风力发电系统的核心部件之一，其稳定运行对于实现高效发电至关重要。
而轴承作为风力发电机组的关键元件之一，其寿命与性能对整个风力发电系统运行的可靠性和稳定性具有重要影响。
因此，理解风力发电机组轴承磨损机理以及通过寿命预测模型对其进行管理和维护具有重大的现实意义。
2. 风力发电机组轴承磨损机理风力发电机组轴承磨损主要包括疲劳磨损和润滑脱层两种形式。
疲劳磨损是指轴承在长时间高速旋转下由于循环应力超过其疲劳极限而产生的磨损。
润滑脱层是指轴承润滑层由于摩擦、热量和化学因素的作用而逐渐脱落导致的轴承磨损。
而风力发电机组的运行环境恶劣、工作负荷大以及长时间的连续运行等因素，进一步加剧了轴承的磨损情况。
3. 轴承寿命预测模型研究轴承寿命预测模型的研究旨在通过数学模型和统计分析方法来估计轴承的寿命，从而提前预测轴承的失效时间，以便及时进行维护和更换。
目前，常用的轴承寿命预测模型包括基于经验模型、基于物理模型和基于统计模型等多种方法。
其中，基于统计模型的方法是当前研究的热点之一。
3.1 基于统计模型的轴承寿命预测方法基于统计模型的轴承寿命预测方法主要通过收集和分析大量历史数据，建立数学模型并应用统计方法来预测轴承的寿命。
常用的统计模型包括Weibull模型、Cox比例风险模型等。
这些模型通过拟合实验数据，得到轴承失效的概率分布函数，进而进行寿命预测。
3.2 参数估计方法参数估计方法是基于统计模型的轴承寿命预测中的关键一步。
常用的参数估计方法包括极大似然估计、最小二乘估计以及贝叶斯估计等。
这些方法可以通过优化算法来估计模型中的参数，以获得更准确的轴承寿命预测结果。
4. 轴承寿命预测模型的优化为了提高轴承寿命预测模型的准确性和可靠性，研究者们提出了一系列的优化方法。
火炮身管烧蚀磨损预测模型的研究
） ｃ１一 ”１ ） ｔ （） （
Ｃ 计 算绝 对 误 差 和 相对 误 差 ． ｆ 对 误 差 ： （） 绝 一ｘ （） 一ｘ （）
（ ７）
ｌ 相对误差 ： ” （ 一［ （）Ｘ （） ｘ１ ０ 仃 Ｉ ｊ ｅ ／ ］ Ｏ
２ ２ ２ 关联 度 检 验 ．． 关 联 度 检 验 方 法如 下 ：
＝
（） ９
武中， “） 第 ｚ 数据 关 联 度 系数 ； 取 定 的 最 大 百 分 比 ， 般 取 ５ ， 户 ． 。 为 个 Ｐ为 一 Ｏ 即 一０ ５ ｅ 算 关 联 度 ．计
｛ ∑｛ ） 一 （
式 中 ， 为 数 硝 Ｘ 对 ｘ 的 关 联 度 ｛ 为 样丰 个 数 。
维普资讯
火炮 发 射 与控 制学 报 第 １ 期
ＧＵＮ ｈＡＵＮＣＨ ＆ ＣＯＮＴＲＯ１ ＯＵＲＮＡＬ Ｊ
火 炮 身 管烧 蚀 磨 损 预 测 模 型 的研 究
扬 清 文 刘 琼
摘 要：对火炮身管烧蚀 磨损量的 预铡 ， 通常通过靶 场试验获得 ， 而应用 数学理论 建立 合理模型 的较少： 本文采用灰 色系统理论 ． 建立 了 Ｇ （ １预 测模 型 ， Ｍ ， ） 并用残 差检验、 关联度检 验、 后验差检验 等方法验证 丁谚 模型的正确性 运用该模型预谢 的结 果与试 验数据 吻合 较好 关键词 ： 色系统理 论； Ｍ （ ， １ 灰 Ｇ １ １模型 ；火炮烧蚀 ； 磨损 量预 测；检验
…
（ １）
对 数 Ｘ“ ， 建 立 预 测 模 型 构 白化 形 式方 程 Ｘ。 为 可
ｄ ：
ｔ
＋
。
（ ２）
பைடு நூலகம்
式中
．
磨损模型和预测方程：他们的形式和内容
磨损模型和预测方程：他们的形式和内容H.C. Meng 1，K.C. Ludema*密歇根大学机械工程系，安阿伯，MI48109-2125，USA摘要文献中的磨损模型和方程一般是根据其来源、内容和实用性来分析的。
然而，因为长期对磨损机理有误的主观表达、磨损过程中从显微观测到宏观模型转换的缓慢进展以及缺乏良好的实验来验证提已有模型，所以至今没有单一预测方程或者有限方程组可适用于所有的一般和实际应用。
关键词：磨损模型；预测方程1.引言工程上一个重要而久远的目标是以数学的形式研究一个系统中所有变量与参数间的性能关系。
在摩擦学中也是如此，工程师们依靠方程来预测磨损率。
不幸的是，可用的方程是如此令人失望以至于没有人能自信地利用任意方程来预测产品的寿命。
自动化设计对方程的需求尤其迫切，因为在这一领域的问题都比磨损问题量化得彻底，例如压力分析、振动分析以及失效机理等。
由于基于计算机设计方法的可信度的提高，在有效算法方面有缺陷的话题被最小化了（如果不忽略的话）。
磨损方程和模型问题是根据常规而独特的基础上讨论的。
关于该话题已经发表了很多文献，但极少涉及发展良好磨损模型这一具体方向。
最相关的文献是来自Bahadur总结的1977年摩擦材料会议的专题讨论以及一些关于磨损模型座谈会议记录和最近Bayer写的书中模型章节。
在接下来的文章中将会频繁地使用“模型”和“方程”这些术语，所以需要明确地定义。
磨损模型是对影响磨损的变量的列表、描述或者讨论。
在一些例子中，模型以文字的形式呈现，人们称之为文字模型。
当变量组合成数学的形式，就叫做磨损方程。
Barber很好地阐述了建模的一般原理：“工程建模的前提是最复杂的工程系统都可以设想为相关简单部件的组合，该部件的瞬时状态可用有限的参数来描述并且它以后的行为取决于通过数学量化的物理规律与相邻部件的作用”。
Barber对建模的阐述明显是基于能被模型化成一系列离散的机械单元的系统。
相对而言，磨损涉及与机械单元的物理和化学反应，则需要新的建模方法。
水力机械泥沙磨损特性及渐进磨损预测方法研究
水力机械泥沙磨损特性及渐进磨损预测方法研究水力机械泥沙磨损特性及渐进磨损预测方法研究随着工业化进程的加快和水资源的紧缺，水电站作为清洁能源的重要方式得到了广泛的发展。
然而，水力机械在长时间运行过程中不可避免地会受到泥沙磨损的影响，严重影响机械设备的寿命和运行效率。
因此，对水力机械泥沙磨损特性及其预测方法的研究显得尤为重要。
泥沙磨损是指水流中的泥沙颗粒与机械零部件表面发生相对滑动时所造成的材料损失。
泥沙颗粒与机械零部件表面产生的接触压力和界面摩擦力是引起表面磨损的主要因素。
泥沙磨损主要表现为表面磨粒磨损和微细颗粒侵蚀磨损两种形式。
表面磨粒磨损是由于泥沙颗粒与机械表面的直接接触而引起的颗粒对机械表面的磨损。
微细颗粒侵蚀磨损则是由于泥沙颗粒与水流的冲击产生的水流颗粒对机械表面的冲刷作用引起的机械材料表面的磨损。
在水力机械泥沙磨损特性研究中，研究者们首先对泥沙颗粒的物理性质进行了详细的分析和测试。
泥沙颗粒的颗粒尺寸、颗粒形状、颗粒硬度等参数对泥沙磨损特性具有重要影响。
通过对不同泥沙样品的颗粒尺寸分布、颗粒形状分析、颗粒硬度测试等实验得到的数据，可以为后续预测方法的研究提供可靠的基础数据。
然后，研究者们通过对水力机械泥沙磨损机理的深入研究，提出了几种常用的泥沙磨损预测方法。
一种常见的方法是基于颗粒与机械材料表面接触压力和界面摩擦力的分析，通过建立颗粒对机械表面的磨损模型，预测泥沙磨损量。
另一种方法是基于颗粒的颗粒流动性质，通过建立数学模型模拟泥沙颗粒在机械表面的沉积和侵蚀过程，进而预测磨损量。
除此之外，还有一些基于声发射技术、红外热像技术等的磨损监测方法，可以实时监测水力机械的磨损情况，提前采取相应的维护措施。
尽管目前已经有不少关于水力机械泥沙磨损特性及预测方法的研究成果，但仍然面临一些挑战。
首先，泥沙颗粒的物理性质和磨损机理受到许多因素的影响，研究人员需要进一步探索和发展更精准的测试方法和模型。
其次，磨损量预测的准确性还有待提高，特别是当存在复杂的流动环境和多尺度磨损过程时，预测结果往往存在一定的误差。
高铁火车轴承的磨损与寿命预测研究
高铁火车轴承的磨损与寿命预测研究近年来，高铁的飞速发展已经改变了人们的出行方式，高速高质高效的服务质量也大大加快了人们的生活节奏。
但这之所以能够实现，离不开高铁的核心部件——轴承。
轴承是高铁的重要组成部分，直接关系到高铁的运行效率和安全性。
由于高铁的高速运行，轴承所受力和磨损都会大大加剧，因此轴承的寿命需要得到严格的控制和预测。
本文将对高铁火车轴承的磨损与寿命预测进行研究探讨。
一、高铁火车轴承的工作原理及磨损方式轴承是一种能够承受轴向力、径向力和转动力矩的运动基础件，在高铁的运行中承载着列车的重量和运动负荷。
高铁火车轴承工作时主要存在以下磨损方式：1、疲劳磨损：由于高铁的高速运行和频繁起止，轴承受到的压力和应力都比较大，长时间工作后会发生疲劳现象，导致轴承的表面逐渐产生细微疲劳裂纹，最终形成疲劳磨损。
2、磨粒磨损：高铁经常行驶在高速公路等路面，因此路面灰尘、细沙等杂质会进入轴承内部，随着高铁的运行，这些杂质会在轴承内部不断摩擦，导致轴承表面产生磨损。
3、润滑剂失效磨损：轴承内部需要润滑剂来降低表面的摩擦力和磨损程度。
但是润滑剂存在使用寿命的问题，长时间使用后会失效，导致轴承表面摩擦系数增大，损坏轴承表面。
二、高铁火车轴承的寿命预测参数高铁轴承的寿命是指轴承在正常使用过程中，到达其承载能力下限并停止使用的时间。
为了预测高铁轴承的寿命，需要准确测量和掌握以下参数。
1、载荷参数：包括轴向力、径向力以及转矩力矩，这些载荷参数会影响轴承的承载能力和寿命。
2、磨损参数：包括磨损量、形状和尺寸等，这些参数会反映轴承工作状态和磨损情况。
3、温度参数：包括轴承内部温度和轴承表面温度等，这些参数反映了轴承润滑与散热的状态。
4、振动参数：包括轴承的振动幅度、频率以及谐波等，这些参数对轴承表面磨损产生重要影响。
三、高铁火车轴承寿命预测方法为了准确预测高铁轴承寿命，研究人员会根据轴承的工作原理和寿命预测参数，运用数学模型和仿真软件，进行轴承寿命预测。
磨损试验实验报告
磨损试验实验报告1. 引言本实验旨在通过磨损试验来评估材料在摩擦和磨损条件下的性能表现。
磨损试验是一种常见的评估材料耐磨性能的方法，能够帮助工程师选择适合的材料用于不同的应用场景。
本文将详细介绍实验设计、测试步骤和结果分析。
2. 实验设计2.1 实验目的本实验的目的是评估不同材料的耐磨性能，以帮助决策者选择合适的材料用于特定的摩擦应用。
2.2 实验材料本实验选取了三种材料进行磨损试验。
分别是A材料、B材料和C材料，它们在实际应用中具有广泛的应用。
2.3 实验装置实验采用了标准的磨损试验装置，包括磨头、试样夹具和测试机。
测试机能够产生一定的载荷以模拟实际的工作条件。
2.4 实验参数在本实验中，我们选取了以下几个重要的参数进行测试：•载荷：10N、20N、30N•摩擦速度：500rpm•摩擦时间：30分钟3. 实验步骤3.1 准备工作在进行实验之前，需要准备好实验所需的材料和装置。
确保实验装置处于良好的工作状态，并校准测试机的载荷和速度。
3.2 制备试样根据实验设计，制备所需的试样。
将每种材料切割成相同的尺寸和形状，并确保表面光滑。
试样的数量应足够进行统计分析。
3.3 安装试样将试样夹具安装在测试机上，并确保试样夹具与磨头紧密贴合。
调整载荷和速度到指定的数值。
3.4 进行实验启动测试机，让试样与磨头接触，并进行摩擦磨损。
根据设定的时间和载荷，进行实验。
3.5 结束实验实验结束后，停止测试机的运行，并取下试样。
清洁试样并记录观察到的磨损情况。
4. 结果分析4.1 磨损量测量使用光学显微镜或扫描电子显微镜对试样的磨损情况进行观察和测量。
记录每个试样的磨损量，并进行统计分析。
4.2 磨损性能评估根据实验结果，评估每种材料的磨损性能。
比较不同材料之间的磨损量差异，并分析可能的原因。
4.3 结果讨论根据实验结果和分析，讨论不同材料在不同载荷和速度条件下的磨损性能。
探讨材料的优缺点，并给出适用于特定应用的建议。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
制造技术/工艺装备现代制造工程(M odernM anu f ac t ur i ng Eng i neer i ng)2011年第5期磨损预测模型的试验研究*李娟1,夏建中1,孙志礼2,张云凤2,刘勤1(1中国兵器工业系统总体部,北京100089;2东北大学,沈阳110004)摘要:分析了影响材料摩擦磨损性能的主要因素,将环境因素中的润滑介质、工作参数中的载荷和滑动速度以及材料的表面硬度作为建立磨损预测模型的影响因素。
根据均匀设计试验原理进行试验方案的制定,应用逐步回归方法建立磨损预测模型,经检验,模型具有较高的显著性,并有较好的预测效果。
关键词:磨损;均匀设计;逐步回归;预测中图分类号:TH16 文献标志码:A 文章编号:1671 3133(2011)05 0117 03Experim ental study of w ear rate prediction modelL I Juan1,X I A Jian zhong1,SUN Zh i li2,Z HANG Yun feng2,LIU Q i n1(1China North Syste m Eng ineeri n g I nstitute,Be iji n g100089,China;2School of m echan ica lEng ineeri n g&Au to m ation,Nort h easter n Un i v ersity,Shenyang110004,Ch i n a) Abstrac t:T he m ain f ac t o rs tha t i n fluence t he w ear perfor m ance o f the ma teria l s are ana l yzed.A nd the l ubricant,l oad,ve l oc ity and the surface hardness have been chosen to bu il d the pred i ction m ode.l T he exper i m enta l p l an ism ade accord i ng to the un if o r m de s i gn,and the m oda l i s bu ilt usi ng the step w ise reg ressi ng.T he m oda l is proved to be si gnificant and can be used to pred ict t he w ear trendency.K ey word s:w ear;un if o r m design;stepw ise regressi ng;predicti on零件或机构的磨损性能通常用磨损率、摩擦因数等参数进行衡量。
要对磨损进行可靠地预测,准确掌握摩擦磨损系统的磨损趋势是十分必要的,而磨损趋势可以通过磨损率进行判断。
磨损率是衡量磨损量大小的重要参数,其定义为单位时间内(或单位行程,每一转,每摆动一次等)材料体积损失或质量损失。
本文采用的磨损率量纲为单位面积上的材料体积损失(m3/mm2)。
磨损是影响机器使用寿命的重要因素,设计者通过对零/部件进行磨损率的计算和预测,可估算摩擦系统的寿命并进行摩擦系统的耐磨损设计,从而在设计中选取最佳参数或采取相应对策,以减轻或控制磨损的不利影响;还可以确定摩擦系统的磨损方式,正确地判断出材料的磨损类型,对有的放矢地采取措施提高材料耐磨性能有重要的意义[1]。
M eng和Lude m a[5]指出,在过去的40多年中,发表于各种资料中的关于摩擦磨损预测模型的方程共有300多种,但即使是最好的预测模型在应用上也有其局限性。
这种局限性并不是由于缺少对本学科充分的思考以及深入的研究。
事实上,关于材料的摩擦磨损机理以及理论的研究文献相当多,但是高质量的摩擦磨损预测模型却很少,其主要原因在于本门学科的复杂性和特殊性。
试验研究的方法是进行摩擦磨损研究的有效方法,本文即通过试验研究和数理统计的方法建立磨损的预测模型,使之对于具有相同工作环境以及相似材料性质的磨损预测具有一定的借鉴意义,达到节约资源节省成本的目的。
1 试验部分1.1 试验因素的确定众所周知,影响材料摩擦磨损性能的因素有很多,包括环境因素、工作参数以及材料的性质等。
在以往的预测模型中,考虑较多的是工作参数中的载荷和滑动速度两个因素,大量的研究也证明了这两个因素和磨损率之间存在相关关系,而且具有交互作用。
对于材料的性质,摩擦副的刚度和弹性以及摩擦表面接触几何特性和表面层物理性质等都会对其磨损性能产生影响。
在这些因素中,起主要作用的是材料的表面硬度。
众多的试验研究也表明,在磨粒磨损中,磨料硬度与时间材料硬度之间的相对值影响磨粒117*武器装备预研基金项目(9140A19020708BQ0601)2011年第5期现代制造工程(M odernM anu f ac t ur i ng Eng i neer i ng)磨损的特性。
所以在材料的性质对于其磨损性能的影响方面,人们主要研究其表面硬度这一因素。
在研究摩擦磨损时,不能不考虑润滑介质的影响,润滑的目的是在摩擦表面之间形成法向具有承载能力而切向剪切强度低的润滑膜,用它来减少摩擦阻力和降低材料磨损。
在润滑理论的分析中,润滑剂最重要的物理性质是它的黏度和密度。
在一定的工况条件下,润滑剂的黏度是决定润滑膜厚度的主要因素。
同时黏度也是影响摩擦力的重要因素。
高黏度的润滑剂不仅引起很大的摩擦损失和发热,而且难以对流散热。
这样,由于摩擦稳定地升高,可能导致润滑膜破坏和表面磨损,所以对于任何实际的工况条件都存在着合理的黏度范围值。
研究表明,润滑剂的密度和温度会随着环境温度、压力等工况的变化而变化。
而黏度随温度而变化是润滑剂的一个十分重要的特性。
通常,润滑剂的黏度越高,其对温度的变化就越敏感。
尽管润滑油的黏度是其重要的物理性质,但润滑油性能好坏的关键是润滑油中的添加剂。
基础油的性质是根本,而添加剂则是润滑油的精髓[3]。
提高润滑油性能的关键是提高添加剂的性能和质量,性能优良的添加剂能够大大提高润滑油的极压、耐磨性能,而该性能主要体现在润滑油的最大卡咬负荷(P B值,kg)上。
文献[3]经过试验证明,在100SN基础油中加入纳米碳酸钙粒子,经四球磨损试验机最大无卡咬负荷、磨斑直径与摩擦因数测定表明,加入添加剂后,在润滑油的P B值比原值提高约1/10的情况下,摩擦因数比原来降低约1/10。
由此可见,润滑剂对于材料摩擦磨损性能的影响主要决定于润滑剂的最大无卡咬负荷指标,所以,在研究润滑介质的影响时,人们主要考虑润滑剂的最大无卡咬负荷这一指标。
1.2 试验材料及试验方案试件(盘)选用工程常用的45钢和C r12合金钢,经过不同的热处理方式得到不同的硬度值。
对磨件(销)的材料选用65M n钢,热处理后得到较高的硬度(85HRC)。
试验过程中采用8种不同热处理方式,回火温度分别为100、150、200、250、300、350、400、450 ,对应的销的硬度分布见图1,其中硬度范围为24~60HRC。
选用的润滑剂包括:500SN、320号工业齿轮油、320号蜗杆齿轮油和GL 5车辆齿轮油。
在四球机上测得上述润滑剂的P B值依次为40、57、63、95kg。
根据试验机的性能指标,载荷水平范围取为150~480N;转速的水平范围为80~300r/m in。
为保证回归模型单位统一,转速单位转化为m/s。
根据均匀试验设计原理[2],确定的试验方案见表1。
摩擦磨损试验在图1 销的硬度分布MMW-1型立式万能摩擦磨损试验机上进行,在每一组合下进行三次试验,计算其平均磨损量,作为该参数组合下的磨损量。
为提高模型的精确度,把数据进行如下的归一化处理:把硬度转化为维氏硬度,归一化硬度为HV/100;载荷转化为正应力;磨损率转化为归一化磨损率,为便于分析和计算,将其乘以系数108;归一化P B 值为P B/10。
四因素均匀设计试验方案见表2,最终归一化后试验方案及试验结果见表3。
2 模型的建立分析与检验2.1 模型的建立与分析根据均匀试验设计的特点,采用逐步回归的方表1 四因素均匀设计表序号PB值水平硬度水平载荷水平转速水平121392267833491443175426262312471451183645915231011106114511101232812表2 四因素均匀设计试验方案序号P B值/kg硬度/HRC载荷/M Pa转速/(r m i n-1) 19527210240295503302203573939080463341502005633030010069534480140740392702808575024016094045180120104027420180116345450260125730360300118李娟,等:磨损预测模型的试验研究2011年第5期表3 归一化后试验方案及试验结果序号P B值/kg硬度/H RC载荷/M Pa速度/(m s-1)磨损率/(m3 mm-2)14 2.807.740.4310.979724 3.82 4.970.683.626534 4.46 3.320.293.333245.7 3.827.180.191.841855.7 3.02 6.630.720.208965.7 5.13 4.420.380.116876.3 3.02 5.530.242.816586.3 3.35 2.760.482.712096.3 4.468.290.630.9391109.5 2.80 3.870.586.9150 119.5 3.358.840.344.4784 129.5 5.13 6.080.530.5462法[2]建立预测模型,见式(1)。
经检验,模型的拟合优度(R=0.86)以及各系数都显著。
=33.1-5.96r-3.45h+0.58r2+0.21hp2-23.79v2-0.11rh-0.335rp+4.87hv(1)…………………………………………式中: 为磨损率;v为滑动速度;h为硬度;p为载荷;r为P B值。
根据式(1),当其中的三个因素为常值时,可以给出磨损率随一个因素变化的曲线。
图2所示四条曲线分别为磨损率与四个影响因素的关系曲线。
从图2中图2 磨损率与四个影响因素的关系曲线可以得出,随着P B值的增大,磨损率先降低,当P B值进一步增大(78kg)后,磨损率又开始升高。
原因是虽然油膜强度(四球机测得的P B值)较高,因磨损试验是在低载低速下进行的,没有达到极压添加剂形成化学反应膜所需的摩擦条件,即极压添加剂没有发挥作用,因此,对降低磨损率起到的作用很小,有可能出现使磨损率增大的情况。