排序方式: 共有33条查询结果,搜索用时 15 毫秒
1.
为了快速识别润滑油中添加剂种类和含量,将添加剂硫化异丁烯(T321)、烷基二苯胺(T534)、硫代磷酸胺盐(T307)以不同配比混合在基础油中,使用极限学习机(ELM)对油样的红外光谱数据构建模型进行训练测试,并采用贪心算法、遗传算法(GA)对输入波段优化,筛选出最优波段区间组合以剔除相关性过高的波段从而提高运算效率. 测试结果表明:ELM模型可对润滑油添加剂进行有效的种类识别和含量预测,相比于传统理化检测方法是一种经济快速的新型润滑油添加剂检测手段;且经GA波段筛选优化后模型输出结果更具优势,对三种添加剂的种类识别准确率均达到100%、含量预测决定系数(R2)分别提升了43.8%、39.0%和24.4%. 相似文献
2.
几种酰胺类化合物作为添加剂对钢—钢和钢—铝摩擦副摩擦学性能的影响 总被引:4,自引:4,他引:4
采用四球摩擦磨损试验机和SRV摩擦磨损试验机考察了 4种酰胺化合物对钢 -钢和钢 -铝摩擦副摩擦磨损性能的影响 ,用X射线光电子能谱 (XPS)分析了丙烯酰胺润滑下铝合金磨斑表面元素的化学状态 .结果表明 :对钢 -钢摩擦副 ,酰胺类化合物表现出一定的抗磨减摩作用 ,对钢 -铝摩擦副 ,丙烯酰胺和乙酰胺表现出良好的抗磨减摩性能 .XPS分析结果显示 ,铝合金磨斑表面存在 3种价态的氮的化合物及 2种价态的铝 ,表明其磨损表面生成了复杂的反应膜 相似文献
3.
在铜基底上制备了磁控溅射银膜,采用激光共聚焦显微镜(LSCM)、透射电镜(TEM)、扫描电子显微镜(SEM)及电子背散射衍射(EBSD)等分析技术对载流摩擦试验后的磨斑微结构进行了分析. 结果表明:磨斑表面较平滑,可见犁沟、微坑及塑性流动等形貌,磨斑边缘存在堆积和剥落. 磨斑表面颗粒形态为短棒状和球状,颗粒尺寸为20~150 nm. 磨斑微结构中存在(012)和有利的(111)择优取向,晶粒平均粒度为582 nm,多数晶粒极细小,起到细晶强化作用. 在磨斑微结构中发现大量孪晶,(111)取向孪晶占比达到93.5%,这种高密度孪晶夹杂非孪晶的微结构,有利于材料内部的滑移和提高耐磨性. 在孪晶界发现存在大量{111}晶面族层错结构,有利于材料晶粒间滑移并提升宏观摩擦性能. 相似文献
4.
几种内燃机磨合油的摩擦学性能评价及在缸套和活塞环摩擦副上的应用 总被引:4,自引:0,他引:4
在分析内燃机缸套和活塞环摩擦副的运行环境和运行机制的基础上,针对内燃机频繁出现的缸套和活塞环摩擦副擦伤现象,研制出了2种内燃机磨合油,在四球摩擦磨损试验机上评价了其磨合效果,采用扫描电子显微镜对磨合表面进行了形貌观察,并通过热分析考察了其热稳定性和热氧化安定性,结果表明,在物理化学指标符合内燃机油的前提条件下,所研制的2种磨合油的承载和抗磨能力较高,经其磨合后的缸套-活塞环表面光滑,磨合效果良好,两种磨合油的热稳定性和热氧化安定性亦较坑,是潜在的优良的内燃机磨合油。 相似文献
5.
采用MFT-R4000型往复摩擦磨损试验机测试四氟硼酸锂(Li BF4),双三氟甲烷基磺酰亚胺锂(Li NTf2)和六氟磷酸锂(Li PF6)这3种锂盐作为润滑油添加剂时对基础油的摩擦学性能的影响,利用OLS4000型三维形貌测量仪测量钢块的磨损体积,并利用扫描电子显微镜(SEM)观察钢块磨痕的表面形貌.采用DDSJ-308A型电导率测定仪测量不同锂盐含量下,润滑油的盐度和电导率的变化情况,阐述锂盐含量和润滑油电导率之间存在的关系.研究结果表明:锂盐能够降低润滑油的摩擦系数,增强其抗磨性,具有良好的摩擦学性能;同时锂盐的加入使基础油的导电性得到很大提高. 相似文献
6.
7.
利用SRV摩擦磨损试验机考察了激光微精处理合金铸铁的摩擦磨损性能,利用扫描电子显微镜分析了激光淬火组织剖面微结构及磨斑表面形貌,同时采用X射线光电子能谱仪(XPS)分析了激光微精处理合金铸铁的表面成分及典型元素化学状态.结果表明,激光处理的合金铸铁具有理想的表面形貌和较高的表面硬度,在含添加剂的油润滑条件下,其抗磨性能大幅度提高.3种添加剂的承载能力顺序为二烷基二硫代磷酸锌>磷酸三甲酚酯>硫化异丁烯.二烷基二硫代磷酸锌与激光微精处理的合金铸铁磨痕表面发生摩擦化学作用,形成由微量硫酸盐、磷酸盐及相应的氧化产物组成的表面润滑与防护薄膜,从而使得激光微精处理合金铸铁的摩擦磨损性能明显改善. 相似文献
8.
9.
一种磷氮类添加剂作为新型极压抗磨剂的研究 总被引:5,自引:2,他引:3
合成了烷氧基磷酸盐,并与硫化异丁烯对比,考察了其作为500SN添加剂的极压抗磨性和热稳定性.结果表明,其极压抗磨性和热稳定性优于硫化异丁烯;以烷氧基磷酸盐为主剂配制的齿轮油极压抗磨性超过了国内外同类油品 相似文献
10.
针对润滑脂分类,提出了基于布谷鸟搜索的红外光谱波段筛选方法,有效剔除了易受噪声等环境影响的红外光谱区域、实现了对庞大光谱数据进行特征选择和降维处理、通过筛选光谱最优波段建立了更加准确高效的润滑脂分类模型。以三类不同稠化剂润滑脂的红外光谱数据为研究对象,采用主成分分析法(PCA),对不同波段的红外光谱数据进行压缩,以提取的红外光谱主要成分作为输入,润滑脂稠化剂类别作为输出,通过布谷鸟搜索法(CS),对主要成分权重和分类核参数进行准确度寻优训练,建立分类识别预测模型。对所建立的模型再进行分类准确性测试,得到模型测试结果准确度,建立红外光谱波段和测试准确度之间的联系,得到润滑脂最优类别识别模型和最优分类波段。对所建立的模型再进行分类准确性测试,结果显示:经过布谷鸟搜索法训练加权后的主要特征呈现明显聚类现象,可以得到分类核,实现对润滑脂种类的准确识别;在搜索过程中提供了区分不同润滑脂的推荐波段和特征峰,使对润滑脂的正确鉴别概率由全波段建立分类模型的94.44%提高到筛选后特征波段建立分类模型的100%,并减少了运算时间、提高了搜索运行效率。 相似文献