课程文献中心 更多>>

关键词： 液氮辅助   激光熔覆   冷却速度   高熵合金   摩擦磨损性能  

摘要： 针对液氮辅助激光熔覆制备高熵合金涂层过程,综合使用有限元分析与试验验证等方法,分析不同液氮施加方式下的熔覆层温度梯度与冷却速率,揭示施加液氮对熔覆层温度梯度和冷却速率影响的理论依据。有限元仿真结果表明,在激光功率相同时,液氮辅助技术的添加会使熔覆层冷却速率加快,温度梯度增大,残余应力减小,最高冷却速率为8900℃/s,是空冷状态下的1.505倍;在液氮施加方式相同时,激光功率的增加会使熔覆层温度梯度增大,冷却速率加快。试验结果表明,液氮辅助激光熔覆过程中液氮的加入会提高熔覆层的硬度,在激光功率为1500 W时硬度提升最明显,是空冷状态下的1.3倍;降低熔覆层的摩擦因数,在1100~1900 W时熔覆层平均摩擦因数为0.146、0.256、0.375、0.351、0.382,均低于空冷状态下的平均摩擦因数;减少熔覆层的磨损体积,在1700 W时磨损体积较空冷状态下的磨损体积减少量最多,可达55.4%,提高了熔覆层的摩擦磨损性能。

关键词： 表面缺陷检测   深度度量学习   深度注意中心损失   O2U-Net模型   机械零件  

摘要： 针对深度度量学习模型应用于机械零件表面缺陷检测存在易受噪声标签干扰、训练时间长、分类精度不高等问题,提出了一种基于改进深度注意中心损失(IDACL)的深度度量学习方法.首先,用O2U-Net模型对样本数据进行清洗,减少噪声样本对模型训练的影响;然后,将O2U-Net模型参数迁移至深度度量学习模型,并提取各类样本中心作为深度注意中心损失的初始类中心;最后,根据样本点与类中心的距离设置权重以优化损失函数,提高模型的分类精度.中间壳体零件表面缺陷的实验结果表明,提出的方法相较其他方法具有更快的训练速度和更高的检测精度.

关键词： 轮轨滑动接触   磨损   摩擦热   接触应力   移动热源   温度  

摘要： 列车在启动、制动或通过曲线轨道、长大下坡道时,轮轨之间将出现滑动接触,这种现象在地铁中较为常见。滑动接触引起的磨损对接触区域应力和温度有着显著影响。根据数值计算方法和摩擦传热理论,建立轮轨接触磨损模型和摩擦传热模型,引入与磨损相关的接触应力,采用移动热源模拟轮轨之间的摩擦热,考虑温度对材料参数的影响,研究滑动磨损对应力和温度的影响。结果显示,随着滑动距离的增加,轮轨接触斑面积逐渐变大,接触应力从尖凸状变为扁平状,最大接触应力逐渐减小,接触应力分布趋于均匀。当磨损深度超过0.2 mm时,采用初始接触应力计算得到的轮轨节点温度值要显著高于采用与磨损相关的接触应力计算得到的温度值,并且随着滑动距离的增加,温度之间的差异逐渐变大。滑动接触时刻末,用初始接触应力计算的轮轨接触区域温度场中的最高温度比磨损相关的接触应力计算得到的最高温度分别高113.9℃和61.0℃。研究结果显示,磨损对应力和温度的影响较为显著,在计算应力和摩擦热时应充分考虑磨损对其的影响。

关键词： 成形网   组织结构   耐磨性能   质量损失率  

摘要： 为研究高速造纸用自支撑绑定成形网(self-supporting binding, SSB)结构对其耐磨性能的影响,分析不同参数(编织网纹、底面纬线直径、经纬纱线密度和插接方式等)下的SSB成形网在500、750、1 000、2 500和5 000转的磨损试验条件下的质量损失率。结果表明:SSB成形网的磨损程度随摩擦转数增加而加重;编织网纹对SSB成形网耐磨性能的影响随经纬密度变化存在差异,经纬密较小时,底层采用10枚变则经面缎纹成形网时质量损失率最大,经纬密较大时,底层采用10枚变则经面缎纹成形网时质量损失率最小;其他参数相同条件下,SSB成形网耐磨性能与底纬直径、经纬密度呈正相关;SSB成形网主体结构耐磨性能优于插接工序形成的插接结构部分。

关键词： 晶格畸变度   氮空位   力学性质   高熵过渡金属氮化物   耐磨损性  

摘要： 高熵过渡金属氮化物(HENs)具有热稳定性,抗腐蚀、抗氧化性以及优异的力学性质,可用作结构部件及运动部件的表面防护薄膜。然而,受HENs组元多样性的影响,宽泛可调的金属组分与HENs力学性质之间的映射关系相当复杂。本工作以(NbMoTaW)N_(x)薄膜为研究对象,基于磁控溅射方法调节薄膜生长过程中氮气流量,制备了不同氮含量的(NbMoTaW)N_(x)(x=0,0.59,0.80,0.95)薄膜,研究了(NbMoTaW)N_(x)薄膜的成分、结构、形貌与性能,并对薄膜力学性质的主要影响机制进行了系统探究。结果表明,通过调节氮空位,实现了对氮原子及金属原子亚晶格畸变度的协同调控,得益于氮原子和金属原子亚晶格的高畸变度,(NbMoTaW)N_(0.80)样品具有最高的硬度与最好的耐磨损性能。排除电子结构、残余应力、晶粒尺寸等力学性质影响因素后,进一步确认了HENs薄膜晶格畸变度与力学性质之间的直接关系。本研究寻找到一条简洁的晶格畸变度调控策略,为调节、优化氮化物薄膜性能,进而更好地解决复杂服役环境下防护薄膜的机械损伤问题提供了新的思路。

关键词： 微磨具   磨损预测   GA-BP神经网络   聚类分析  

摘要： 为提高硬脆材料微结构的加工效率和精度,需要预测微磨具的不确定性磨损。基于微磨具在位视觉磨损检测和聚类分析,提出基于遗传算法的反向神经网络(genetic algorithm back propagation,GA-BP)模型。选取微磨具磨头截面面积损失量为指标,以表征微磨具不确定性磨损特征。利用K-均值聚类算法划分微磨具磨损状态阶段。最后构建以主轴转速、进给率、微槽深度、磨削长度和微磨具初始截面面积为输入层神经元,以磨头截面面积损失量预测值为输出层的GA-BP神经网络模型。设计不同工艺参数条件下的单晶硅微槽微细磨削实验,基于自搭建的机器视觉系统在位测量微磨具的磨头截面面积磨损量。将实验测得的微磨具磨损量作为训练数据,与传统高斯过程回归预测模型对比,验证GA-BP神经网络模型的有效性和准确性。结果表明,GA-BP神经网络模型能够实现不同工艺参数和不同磨削长度下的微磨具磨损预测,比传统高斯过程回归预测模型具有更高预测精度,平均误差精度达到5%,可以实现微磨具磨损阶段状态预测。

关键词： Cr涂层锆包壳   微动磨损   实验研究  

摘要： 为研究压水堆湍流激振条件下Cr涂层锆包壳微动磨损的机理和微观作用机制,本文主要以Cr涂层锆包壳为研究对象,开展了多参数耦合下的微动磨损实验研究,阐明了频率、载荷、位移以及循环次数等参数对微动磨损的影响规律。研究获得了19组微动磨损实验后的最大磨损深度与磨损体积,其中最大磨损深度为12.052μm,最大磨损体积为3.301×10^(-3) mm^(3)。研究结果表明,微动磨损的主要影响参数包括微动幅度、法向载荷、循环次数和材料硬度,而微动频率对磨损体积和最大磨损深度影响较小。通过最小二乘法拟合实验数据得到了磨损体积计算关系式,其中有68%的实验值和关系式计算值的偏差在±50%以内。本研究对Cr涂层锆包壳耐磨性能评价提供了数据支撑。

关键词： 润滑油添加剂   抗磨性能   氢谱修饰指数   电性距离矢量   定量结构摩擦性能关系  

摘要： 润滑油添加剂对保障机械运行的稳定性和安全性、延长设备的使用寿命、节约能耗具有重要作用,由于通过实验获得数据费时费力,故用定量结构摩擦性能关系研究方法,来获取抗磨损性能数据成为一种简便而高效的方法.为研究酰肼类及磷酸类润滑油添加剂抗磨损性能与结构的关系,定义并建构了新的氢谱修饰指数^(0)H,并计算36个酰肼类及磷酸类分子的电性距离矢量,筛选了M_(2)、M_(3)、M_(21)和M_(59),将这5个结构描述符作为BP神经网络的输入变量,磨损体积量度V s作为神经网络输出变量,用5-3-1的神经网络结构,构建了神经网络法预测模型,模型相关系数0.944,磨损体积量度V s的预测值与文献实验值的平均相对误差为2.61%,优于文献方法结果.结果表明:酰肼类及磷酸类润滑油添加剂抗磨损性能与氢谱修饰指数有良好的非线性关系,影响抗磨损性能的主要因素是分子中原子特性、基团片段的—CH_(3)、—CH_(2)—、>CH—、—O、—N—和—P—等.该研究对指导合成新型抗磨损性能好的化合物分子有理论意义.

关键词： 污泥焚烧   循环流化床   爆管   磨损   过热  

摘要： 污泥多采用循环流化床锅炉进行焚烧处理,其含水量高、飞灰量大和腐蚀性强等特点易造成锅炉内部“四管”泄漏。在220t/h污泥焚烧循环流化床锅炉的一次爆管事故中,发现沿过热蒸汽流向,爆管涉及屏式过热器、水冷屏和水冷壁等多个位置,存在磨损、短时过热、吹扫腐蚀等多种连锁式爆口泄漏方式,磨损爆口的金相组织和硬度发生变化,吹扫腐蚀致使管壁减薄。在对有机废弃物焚烧锅炉爆管事故的确认与检修时,应沿蒸汽流向对管路逐一进行检查分析,确保检修彻底。

关键词： 切削过程功率   刀具磨损   麻雀搜索算法   长短时记忆神经网络   变分模态分解   计算机视觉技术  

摘要： 传统的切削过程功率获取需要基于复杂的切削功率模型且很少考虑刀具磨损的影响,针对此设计了一种基于变分模态分解(VMD)、麻雀搜索算法(SSA)、长短时记忆(LSTM)神经网络的考虑刀具磨损的数控铣床切削功率预测模型,该模型无需解构数控铣床运行过程的能耗机理,基于一次性的历史实验数据即可实现数控铣床切削过程功率的高精度预测。首先,采用人工智能机器视觉技术对刀具磨损图片进行分析处理,获取刀具磨损图像的数字化特征,从而得到刀具最大磨损量;然后,建立基于VMD-SSA-LSTM考虑刀具磨损的数控铣床切削功率预测模型,利用VMD对数控铣床运行数据进行分解,采用SSA算法对LSTM神经网络超参数进行寻优,并将分解出的铣床运行数据分量输入到LSTM神经网络中,接着将每个分量的预测值相加,得到切削功率预测值;最后以面铣加工为例,将所提出的预测模型与BP神经网络、LSTM神经网络和传统模型进行对比分析,验证了所提模型的有效性和优越性。