课程文献中心 更多>>

关键词： 激光熔覆   钴基涂层   高铁制动盘   界面结合强度   高温摩擦磨损  

摘要： 高速铁路的快速发展为促进我国区域协调发展、加快城镇化和工业化进程提供了重要支撑。制动盘作为高速列车基础制动装置中的核心组件,对列车行驶过程的安全可靠性起着至关重要的作用。然而,受运行工况持续影响,高速列车制动盘频繁发生异常磨损和划伤等过度磨损致使早期失效,给行车安全和运维效率带来严峻挑战。激光再制造涂层技术因与基体易形成良好冶金结合且热影响区小,涂层性能优异,可实现损伤制动盘的修复再利用。而钴基合金具有出色的高温强度和稳定性,更适用于激光再制造损伤制动盘的熔覆材料。因此,采用激光熔覆钴基涂层修复高速列车磨损制动盘,可有效提升制动盘性能,延长制动盘使用寿命,化废为宝,这对缓解高速列车严峻运维形势具有重要意义。本文以钴基合金粉末为熔覆材料,采用激光熔覆技术在高速列车磨损制动盘表面制备钴基涂层,对损伤制动盘进行修复。借助光学显微镜、扫描电镜、拉伸和剪切性能试验机、纳米压痕仪、高温摩擦磨损试验机等分析测试设备,系统研究激光熔覆工艺参数对钴基熔覆层及界面熔合区组织结构特征和性能的影响,探索高温下钴基熔覆层摩擦学性能及其磨损机制。结果表明:（1）随激光能量密度从60 J·mm-3增大到120 J·mm-3,钴基熔覆层中孔隙的数量有着先减小后增大的趋势,在80 J·mm-3和90 J·mm-3的激光能量密度下,钴基熔覆层均未发现明显孔隙;钴基熔覆层的硬度、抗拉强度在激光能量密度为90 J·mm-3、扫描速度为900 mm/s、功率为195 W时达到最大值。这是由于在该工艺参数下,钴基熔覆层中等轴晶数量最多,晶粒更细小,使力学性能更优。（2）在激光能量密度为80和90 J·mm-3时界面熔合区宽度随扫描速度的变化而变化,且都发生明显的元素扩散,表明熔覆层与制动盘损伤表面形成良好的冶金结合;当激光能量密度为90 J·mm-3、扫描速度为900 mm/s、功率为195 W时,界面熔合区的纳米硬度、抗拉强度和剪切强度最优,结合性能最好。（3）在不同温度条件下的钴基熔覆层摩擦系数特性曲线比制动盘基体摩擦系数特性曲线稳定;高温下钴基熔覆层平均摩擦系数和磨损率均小于制动盘基体,钴基熔覆层在高温下的磨损机制以粘着磨损为主,而制动盘在高温下的磨损机制以疲劳磨损和氧化磨损为主;钴基熔覆层在高温下比制动盘基体表现出了更好的抗氧化性和耐磨性,能够有效延长制动盘使用寿命。

关键词： 刀具磨损   电流信号   特征集演化   BP神经网络   遗传算法   LabVIEW  

摘要： 作为离心泵的核心部件,叶轮流道的铣削质量直接决定了离心泵的运转性能。刀具是叶轮铣削加工过程中的主要执行部件,如果刀具磨损严重,不仅会降低叶轮的加工质量,还会影响生产效率、提高生产成本。目前,刀具磨损状态监测主要依靠人工识别,这种方法不仅会打乱加工节拍、造成刀具的浪费,而且还存在着一定的误差和不稳定性。因此,如何实现叶轮铣削进程的刀具磨损状态在线监测需要进一步研究。鉴于此,本文的主要研究内容如下:首先,通过对国内外刀具磨损状态在线监测方法的研究现状进行分析,选择了机床主轴电流信号作为刀具磨损状态的监测信号;根据刀具磨损的基本原理,将刀具磨损状态分为三个阶段:初期磨损、正常磨损和急剧磨损;按照刀具磨损状态三阶段提前制备刀具、搭建数据采集实验平台、编写数据采集程序并且设计实验步骤。其次,对采集到的有效电流信号和机床主轴热变形值进行数据预处理,形成了156个信号样本;在对信号样本分别提取时域、频域和时频域特征后,得到了32个能够反映刀具磨损状态变化的特征,形成了特征空间为32*156的原始特征集;为了提高对刀具磨损状态的表征能力,使用样本敏感度检验和深度自编码器对原始特征集进行降维,形成了特征空间为12*116的低维特征集,实现了特征集从高维到低维的演化。再次,利用BP神经网络搭建了刀具磨损状态识别模型,将低维特征集映射到三种刀具磨损状态,达到了刀具磨损状态识别的目的,识别误差为11.13%;针对BP神经网络模型的局限性,为了提升网络识别性能、降低识别误差,提出了一种基于遗传算法优化BP神经网络的初始权重和偏置的方法。结果表明,相较于传统BP神经网络,基于遗传算法优化后的BP神经网络对刀具磨损状态的识别准确率提高了5.42%;在此基础上,基于GA-BP神经网络识别模型对不同的特征集建立方法进行了比较分析。对比结果表明,相较于传统特征提取,本文所提的特征集演化方法可得到对刀具磨损状态变化具有强表征能力的低维特征集,并且识别的准确率可达94.59%。最后,基于Lab VIEW平台编写了刀具磨损状态在线监测系统,该系统结合训练好的GA-BP神经网络可实现加工过程中的电流信号和刀具磨损状态实时可视化显示,实现了叶轮铣削进程的刀具磨损状态在线监测。该系统的应用体现了本文研究方法在工程应用方面的价值,实现了科学研究成果向实际工程应用的转化。

关键词： 武器装备  

ISBN: (纸本)9787118125917

摘要： 本书针对武器装备中典型机械产品，以可靠性定量化设计分析为核心目标，给出基于失效模式物理表征模型的可靠性实施途径，并提供了机械系统功能失效可靠性工程应用实例。

关键词： 货车车轮材料   磨损   剥离   竞争关系   棘轮效应  

摘要： 踏面磨损和剥离是铁路车轮最常见的失效形式,本文采用试验和理论模型的方法,开展了硬度对车轮材料磨损和剥离影响试验研究、干燥条件下滚动接触试验摩擦和润滑条件下滚动接触试验、磨损和剥离竞争关系理论建模研究,阐明材料硬度对车轮踏面磨损和剥离竞争关系的影响规律。 首先开展硬度对车轮材料剥离和磨损影响试验研究,从实际货车车轮中截取三种不同硬度的车轮材料A#（329HB）、B#（341HB）、C#（351HB）。采用材料试验机进行棘轮效应试验。A#、B#、C#材料的安定极限分别为100±500 MPa、100±400 MPa和100±400 MPa,硬度越低其抗棘轮效应性能与抗剥离表现最佳。硬度提高其抗磨损性能越强。 其次开展车轮材料干燥条件下滚动接触试验,采用滚动接触疲劳试验机进行三种不同硬度的车轮材料A#（329HB）、B#（341HB）、C#（351HB）摩擦磨损试验,发现硬度高的材料C#磨损性能最好。同时观察到其剖面的塑性变化层,硬度越大,其塑性变化层的深度越小;随着周次的提高,塑性变化层的深度基本保持不变,在磨损过程中裂纹会处在萌生和去除的动态平衡。 然后开展车轮材料润滑条件下滚动接触试验,采用滚动接触疲劳试验机进行三种不同硬度的车轮材料A#（329HB）、B#（341HB）、C#（351HB）试验,硬度高的材料C#的疲劳寿命最长,但其剥离掉块最大。同时观察到其剖面的裂纹情况,硬度越大,其裂纹扩展的深度越大,在剥离过程中磨损的影响很小,裂纹会处在不断扩展的状态。 最后进行踏面剥离和磨损竞争关系建模分析,结合Archard磨损模型和剥离模型,发展了剥离和磨损竞争模型Tc=（M·Tγ+N）/K·P。模型预测结果与试验结果符合较好,当材料的硬度增加时,TC值越大,说明剥离越容易发生,竞争中就会占主导,反之,则磨损占主导。

关键词： 轴承磨损故障预测   LSTM神经网络   基于LSTM神经网络的旋转机电轴承磨损故障预测方法  

摘要： 轴承作为旋转机电设备的重要组成部分之一,在电机设备中起着支撑主轴,传递力矩的作用,而电机轴承的工作条件和其在旋转设备中起到的作用使其极易受到损害。因此,针对轴承的故障预测研究受到了多数学者的关注。因此本文提出了基于长短期记忆(Long Short Term Memory,LSTM)神经网络的旋转机电轴承磨损故障预测方法,主要研究内容如下: (1)轴承故障特性分析。通过对正在运行的旋转机电中的轴承的结构进行分析,得到轴承会产生磨损、疲劳、机械腐蚀、电腐蚀、塑性变形、破裂和开裂等故障。同时采用美国西储大学滚动轴承数据集对轴承的振动信号特征进行分析,得出轴承正常状态下的能量熵Hen值为0.3160,轴承内圈磨损故障状态下的能量熵Hen值为0.2775,轴承外圈磨损故障状态下的能量熵Hen值为0.3318,轴承滚动体磨损故障状态下的能量熵Hen值为0.3657,得到轴承正常信号、内圈磨损故障信号、外圈磨损故障信号、滚动体磨损故障信号频谱图以及时域图。 (2)提出基于LSTM神经网络的旋转机电轴承磨损故障预测方法。考虑到基于循环神经网络(Recurrent Neural Network,RNN)的磨损故障预测方法模型训练后的收敛效果不佳,会存在一定的误差,因此提出基于LSTM神经网络的旋转机电轴承磨损故障预测方法,该方法将历史的机电轴承磨损故障数据作为一个时间序列数据,用来训练LSTM神经网络,LSTM神经网络的输入为当前的电机轴承运行数据以及历史故障数据,来预测未来一个单位时间内的故障情况。采集的南网某500k V变电站高压并联电机轴承集中前10%的数据作为实验数据,进行小样本情况下的预测效果评估,实验结果表明基于LSTM神经网络的电机轴承磨损故障预测方法相比基于RNN神经网络的轴承磨损故障预测方法误差范围更小。 (3)提出基于LSTM神经网络的旋转机电轴承磨损故障预测方法。考虑到常见轴承磨损故障预测,存在模型适用性有限、适应性较差、存在不均衡数据集、小样本轴承故障预测稳定性差、预测精度较低,因此提出了一个基于LSTM神经网络的旋转机电轴承磨损缺陷预测系统。该故障预测方法由LSTM神经网络模块、样本吃模块、决策模块组成。进行10次实验,该方法每次的轴承磨损故障预测准确率都在95%以上,体现了较好的预测准确性。同时选取12K采样频率下的驱动端轴承磨损故障数据中的3种故障数据,使用建立的预测模型通过对3种磨损故障分类来对模型准确度进行验证,试验结果表明该方法的模型可靠性、模型效率、模型可用性相较于基于距离的异常检测方法(DAD)、基于浅层的机器学习预测方法(SML)、基于深度神经网络的预测方法(DNN)、基于单分类器的预测方法(OCC)的实验对比分析可知,基于LSTM神经网络的旋转机电轴承磨损故障预测方法在模型可靠性、模型效率、模型可用性方面都有良好的表现。 (4)基于LSTM神经网络的旋转机电轴承磨损故障预测系统设计与实现。为了验证基于LSTM神经网络的旋转机电轴承磨损故障预测方法的是实用性,对该方法进行设计与实现,通过建立一个具有各种测试技术的测试环境,对开发的系统进行了真阳性率(TPR)和假阳性率(FPR)的测试。该系统包括用户管理、轴承故障诊断、日志管理和统计模块,结果表明,在经过该系统的处理后,TPR值上升,FPR值下降,证明了该系统的实用性。

关键词： 灯泡贯流式水轮机   两相流   磨损   数值计算  

摘要： 我国具有丰富的水能资源,水电建设在国民经济和社会可持续发展中发挥着举足轻重的作用,灯泡贯流式水轮机是开发低水头水能资源常用设备。水轮机实际运行环境为江河流域内部含有泥沙等固体颗粒,不可避免的会对水轮机内流状态造成影响,对各过流部件造成磨损,进而对机组的安全稳定运行和效率产生影响。研究灯泡贯流式机组内流状态和磨损规律,对提高其性能和确保机组安全、稳定运行起着重要作用。本文研究的主要内容和结论如下:(1)对不同导叶开度的贯流式水轮机进行清水工况下全流道数值计算,计算结果为后续两相流工况对比分析提供基础,并且引入熵产概念对水轮机过流部件能量损失进行分析。(2)基于Particle非均匀相模型,对不同固相直径、浓度、导叶开度下水轮机固液两相流工况进行计算。结果表明,固相高浓度区集中在转轮域和尾水管进口处,且随着固相直径和浓度的增加而增加。随着固相直径和浓度的增加,导叶域表面压力、固相速度、固相浓度分布均增加,导叶背面更易发生磨损。在转轮域,固相高浓度区分布在叶片正面轮毂处和进水边,叶片背面整体固相浓度分布较高,且表面固相速度,浓度分布与固相直径和入口浓度呈正相关。在同一固相物性参数下,叶片工作面固相浓度分布与导叶开度呈正相关,叶片背面固相浓度与导叶开度呈负相关,叶片表面固相速度与导叶开度呈正相关,机组效率和出力均随着固相直径和浓度的增加而减小。(3)固相的加入改变和破坏了转轮进口和尾水管进口处压力脉动在时域上的周期性,使压力脉动在时域上的波动变大。当固相浓度增大时,主频所对应的转轮进口与尾水管进口处的压力脉动幅值随之增大,尾水管中间截面主频所对应的压力脉动幅值逐渐减小。随着固相直径的增加在转轮进口和尾水管进口处主频所对应的压力脉动幅值逐渐增大。(4)采用欧拉—拉格朗日法和Finne磨损模型对水轮机过流部件磨损特性进行分析。结果表明,水轮机各过流部件中磨损程度由大到小分别为叶片、转轮室、导叶、尾水管。固相直径与转轮室、叶片、导叶的磨损面积和最大磨损率呈正相关,和尾水管呈负相关。固相浓度与转轮室、叶片、导叶、尾水管的磨损面积和最大磨损率呈正相关。导叶开度与导叶、转轮室、磨损面积及最大磨损率呈负相关,与尾水管呈负相关,叶片最大磨损率在小开度工况下最大,随着导叶开度的增加最大磨损率先减小后增加。

关键词： CFD-DEM   参数标定   离心泵   固液两相流   磨损行为  

摘要： 离心泵作为通用的固液介质输送设备,常被用于能源、矿冶及水力等部门。在实际生产中混杂固体颗粒的两相介质会对部件壁面造成碰撞损失,导致泵性能和可靠性降低,因此深入研究离心泵固液两相流动及磨损行为,提高其水力性能及抗磨损能力是目前亟待解决的关键科学问题。本文基于欧拉-拉格朗日的CFDDEM双向耦合方法,考虑颗粒作用特征、流场分布特性及过流部件磨损因素的影响,对离心泵固液流动特性及磨损规律进行了研究。本文主要工作及结论如下:(1)工况颗粒参数的标定与验证。基于原始砾石模型构建了不规则形状颗粒的多球模型,利用休止角独立实验与图像分析方法对砾石进行了休止角角度测量。通过结合RBF代理模型和NSGA-II优化算法建立的多目标优化模型获得了砾石颗粒接触参数的最佳组合,并通过了最佳参数组合下砾石堆积角的验证试验。(2)离心泵CFD-DEM两相流数值模拟。建立了双向耦合计算的数值模型,进行了网格无关性检验与外特性性能验证,分析了离心泵内部颗粒的运动规律及流动特性,发现颗粒运动的速度和方向决定其聚集分布情况,流体速度和压力的分布与颗粒的聚集分布状态具有一定的关联。(3)离心泵过流部件受力及磨损分布分析。叶轮后盖头部区域受到的累积法向力较大,蜗壳螺旋形内壁面及叶片压力面受到的累积切向力显著。叶片磨损主要发生在叶片头部、压力面以及靠近后盖板的叶片尾端,蜗壳磨损主要出现在螺旋形蜗壳内壁面、基圆最大半径附近壁面以及隔舌附近。(4)离心泵过流部件磨损规律因素分析。通过对不同固相组分参数和运行工况参数对离心泵过流部件磨损的影响研究,发现不同球形度的颗粒对部件磨损区域基本一致,低球形度下,部件磨损相对严重,球形度接近1时磨损量最小。随着颗粒浓度的增大,叶片以及蜗壳的磨损量增加磨损范围扩大。工况流量变化对颗粒平均速度影响显著,磨损区域范围扩大。颗粒速度随工况转速变化下变化明显,蜗壳磨损部位基本保持一致,二者磨损程度均随转速增加而磨损加剧。

关键词： 12%Mg2Si/Al复合材料   变质处理   热处理   掺杂   分子动力学  

摘要： Mg2Si/Al复合材料属于颗粒增强铝基复合材料,具有密度低、比模量高、热膨胀系数高、良好的耐磨性以及制备工艺简单等优点。但传统制备的Mg2Si/Al复合材料中Mg2Si颗粒较为粗大且形状不规则,严重影响了复合材料的整体性能。因此,在复合材料中添加稀土元素和合金元素对复合材料进行变质处理,改善微观组织形貌以及提升宏观力学性能具有重要的意义。 本文采用原位内生工艺制备12%Mg2Si/Al复合材料,通过添加合金元素Cu和稀土元素La作为变质剂对12%Mg2Si/Al复合材料进行变质处理,主要研究了合金元素Cu和稀土元素La变质剂对12%Mg2Si/Al复合材料微观组织形貌、组织形态和耐磨性能的影响规律。通过研究发现,添加Cu元素和La元素后不仅细化了Mg2Si/Al共晶组织,也改善了Mg2Si相的形貌与分布状态。当添加4wt%Cu元素时,共晶Mg2Si组织的细化与形貌调控效果达到最佳,复合材料的耐磨性能提高明显。 本文针对变质后的12%Mg2Si/Al-1%La-4%Cu复合材料进行固溶处理和时效处理,改善共晶组织的形貌以及分布,通过微观组织观察和耐磨性能测试确定复合材料的最佳热处理工艺。结果表明,12%Mg2Si/Al-1%La-4%Cu复合材料经510℃固溶处理4 h后材料硬度为157.8 HV,摩擦系数约为0.330,磨损率为0.371%。经180℃时效处理2 h后材料硬度为176.6 HV,摩擦系数约为0.284,磨损率为0.301%。最佳的热处理工艺为510℃固溶处理4 h,180℃时效处理2 h,此时复合材料的的组织和耐磨性能均为最优标准。 本文基于分子动力学理论,研究了Cu元素固溶掺杂行为对Mg2Si耐磨性能的影响。分析Cu元素掺杂含量对Mg2Si摩损表面形貌以及虚拟压头摩擦过程中的受力情况反馈,确定Cu元素掺杂Mg2Si后的磨损机理。此外,基于分子动力学理论,研究Al、Al2Cu、Mg2Si、Al11La3、Al5Cu2Mg8Si6在不同摩擦条件下的耐磨性能,通过分析不同摩擦条件下摩擦系数大小进一步预测12%Mg2Si/Al-1%La-4%Cu复合材料中合金相的耐磨性能顺序。

关键词： 参数拟合   盘式制动器   磨损   监测   疲劳  

摘要： 常规的制动器疲劳磨损监测方法多数采用卡尔曼算法定位其疲劳磨损目标位置，定位精度较低，无法为监测工作提供有力的数据支持，严重影响了疲劳磨损深度监测结果的精度，监测结果与实际测定结果偏差较大。本文针对这一问题，引入参数拟合算法，以盘式制动器为例，提出了一种全新的疲劳磨损监测方法。首先，基于连续小波变换方法原理，对盘式制动器运行状态信号进行预处理。其次，引入参数拟合算法，将其与一维定位算法融合，定位制动器疲劳磨损目标位置。在此基础上，在制动器相关联位置上，布设测温点与温度传感器，根据摩擦界面处温度变化，反映制动器疲劳磨损状况的动态变化，实现疲劳磨损监测目标。实验结果分析可知，新的方法应用后，疲劳磨损监测结果与实际测定结果更加接近，拟合度更高，监测结果误差较小。将本文设计方法应用于工业生产中，能促进工业安全生产和汽车行业领域的可持续发展。