排序方式: 共有72条查询结果,搜索用时 15 毫秒
71.
为探究干摩擦下聚四氟乙烯(PTFE)对氮化硅(Si3N4)陶瓷材料的减摩润滑效果,用销块式高温摩擦磨损试验机进行不同温度和载荷下的滑动摩擦磨损试验,通过扫描电镜观察对偶件表面形貌,分析其磨损机制和润滑机理。结果表明:随温度的增加,摩擦因数和磨损率均先降后升;随载荷的增加,摩擦因数先降后升,磨损率逐渐升高。PTFE的磨损类型为黏着磨损,在摩擦过程中在对偶件表面生成不同形态的PTFE转移膜,在室温(25℃)下,转移膜以片状形式存在,随温度和载荷的增加,转移膜以细丝状形式存在,适当提高温度和载荷有利于生成表面完整和润滑性较好的转移膜,但温度和载荷过高会引起转移膜断裂和灼烧。因此,合理控制温度和载荷参数,可使PTFE减摩润滑效果最佳,为其在全陶瓷轴承中润滑提供指导依据。 相似文献
72.
轴承摩擦状态很复杂,且以滚动摩擦为主,滚动摩擦因数的精确计算或者测量都很困难。针对轴承滚动摩擦因数难以测量的问题,对与滚动摩擦因数密切关联的滑动摩擦因数进行了试验和预测研究,提出了一种最佳滑动摩擦因数的预测网络模型。首先,在石墨烯润滑油润滑工况下,进行了Si3N4-GCr15摩擦副的摩擦磨损试验,获得了不同工况下石墨烯质量分数下的滑动摩擦因数;然后,提出了广义回归神经网络(GRNN),并运用遗传算法(GA)优化得到了光滑因子(σ),获得了最佳滑动摩擦因数的预测网络模型GA-GRNN;最后,对测试集预测结果与其他预测模型预测结果进行了预测效果验证,并结合验证集预测结果进行了预测模型的应用验证。研究结果表明:与常规GRNN模型以及误差反馈(BP)神经网络模型相比,GA-GRNN模型的摩擦因数预测准确度更高,且其预测误差更小;GA-GRNN模型的验证集预测值很接近真实值,预测值平均准确率达到了92.30%,预测相对误差在[0.000 990 17,0.008 324 9]区间内,对滑动摩擦因数预测效果良好。该结果可为轴承滚动摩擦因数的预测提供基础。 相似文献