[发明专利]一种预测摩擦副表面在织构化后的润滑性能的方法在审
申请号: | 201811381983.2 | 申请日: | 2018-11-20 |
公开(公告)号: | CN109855848A | 公开(公告)日: | 2019-06-07 |
发明(设计)人: | 尹必峰;周惠琴;徐波;贾和坤;张新;徐毅;程用科;解玄 | 申请(专利权)人: | 江苏大学;常柴股份有限公司 |
主分类号: | G01M13/00 | 分类号: | G01M13/00;G01B21/30 |
代理公司: | 北京汉德知识产权代理事务所(普通合伙) 11328 | 代理人: | 刘子文;钱莺勤 |
地址: | 212013 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 粗糙度 上表面 下表面 概率密度函数 润滑性能 织构化 摩擦副表面 二维表面 轮廓曲线 矩阵组 油膜 预测 摩擦 分布特征参数 参数匹配 实际轮廓 织构 数据库 测量 | ||
一种预测摩擦副表面在织构化后的润滑性能的方法,包括:(Ⅰ)对织构化前的摩擦副的上表面和下表面的实际轮廓进行测量,获得上表面二维表面轮廓曲线组和下表面二维表面轮廓曲线组,并生成上表面粗糙度高度矩阵组和下表面粗糙度高度矩阵组;(Ⅱ)生成上表面粗糙度概率密度函数F(H)和下表面粗糙度概率密度函数f(h);(Ⅲ)根据上表面粗糙度概率密度函数F(H)和下表面粗糙度概率密度函数f(h)计算实际油膜厚度ht;(Ⅳ)根据实际油膜厚度ht计算润滑性能参数。该方法的预测准确性较高。此外,还提供了包括该方法的摩擦副粗糙度分布特征参数与织构参数匹配的数据库的建立方法。
技术领域
本发明涉及一种预测摩擦副表面在织构化后的润滑性能的方法,尤其是一种准确性较高的预测摩擦副表面在织构化后的润滑性能的方法,及使用了该方法的摩擦副粗糙度分布特征参数与织构参数匹配的数据库的建立方法。
背景技术
机械系统中存在大量的摩擦副,在发动机、液压泵中的关键摩擦副,摩擦功耗造成了大量能源的损失,在齿轮、轴承以及端面密封等精密摩擦副中,磨损成为机械失效的首要原因。表面微观织构技术的应用为摩擦副的减摩研究提供了新思路。为了选择适合某一摩擦副的表面微观织构类型,可以对织构化摩擦副的润滑性能进行模拟计算。目前模拟计算所使用的模型主要基于粗糙度高度呈现高斯随机分布的假设,忽略了粗糙度偏斜度Sk、峰度Ku、简约峰高Rpk等粗糙度分布参数的影响,因此难以模拟出不同粗糙度分布特征的真实摩擦副表面,不利于最终模拟计算出的织构化摩擦副的润滑性能的准确性。
发明内容
本发明的目的是提供一种预测摩擦副表面在织构化后的润滑性能的方法,其预测准确性较高。
本发明的另一个目的是提供一种摩擦副粗糙度分布特征参数与织构参数匹配的数据库的建立方法,使用其可以较为准确地匹配到使摩擦副达到所需的润滑性能的织构化类型。
本发明提供了一种预测摩擦副表面在织构化后的润滑性能的方法,其包括:(Ⅰ)、使用粗糙度轮廓扫描仪对织构化前的摩擦副的上表面和下表面的实际轮廓进行测量,分别获得上表面二维表面轮廓曲线组和下表面二维表面轮廓曲线组,并根据上表面二维表面轮廓曲线组生成上表面粗糙度高度矩阵组,且根据下表面二维表面轮廓曲线组生成下表面粗糙度高度矩阵组;(Ⅱ)、利用上表面粗糙度高度矩阵组生成上表面粗糙度概率密度函数F(H),利用下表面粗糙度高度矩阵组生成下表面粗糙度概率密度函数f(h);(Ⅲ)、根据上表面粗糙度概率密度函数F(H)和下表面粗糙度概率密度函数f(h)计算实际油膜厚度ht;以及(Ⅳ)、根据实际油膜厚度ht计算润滑性能参数。
该预测摩擦副表面在织构化后的润滑性能的方法,利用简便的二维形貌轮廓测量,通过表面轮廓的高度矩阵直接获得真实表面的粗糙度概率密度函数,以概率密度函数为基础计算实际油膜厚度及润滑性能参数,使得该方法的预测准确性较高。
在预测摩擦副表面在织构化后的润滑性能的方法的另一种示意性实施方式中,步骤(Ⅲ)包括:
(Ⅲ-1)、定义实际油膜厚度ht的计算公式为:
其中:H为摩擦副上表面粗糙度高度,h为摩擦副下表面粗糙度高度;ho为织构化后的摩擦副表面的名义油膜厚度,其计算公式为:
其中:c为摩擦副之间的最小油膜厚度,hp为织构深度,Ω为织构凹坑区域;
(Ⅲ-2)、定义无量纲接触因子φc的计算公式为:
和
(Ⅲ-3)、将实际油膜厚度ht的计算公式和无量纲接触因子φc的计算公式导入Reynold方程中进行求解,解得最小油膜厚度c与实际油膜厚度ht的值。
在预测摩擦副表面在织构化后的润滑性能的方法的再一种示意性实施方式中,步骤(Ⅳ)包括:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学;常柴股份有限公司,未经江苏大学;常柴股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811381983.2/2.html,转载请声明来源钻瓜专利网。