牵引力究竟是摩擦力还是弹力

摩托车、汽车、火车,这些都是自身能产生加速动力的物体(其实还应包括人和各种动物),在物理中,它们的加速动力又被称为牵引力.下面以汽车为例分析,牵引力究竟是摩擦力还是弹力.在文献[1]中,将汽车驱动轮所受地面的静摩擦力作为汽车加速时的牵引力,为了解决静摩擦力     

Wall of Sound底座

如果你正准备将家中的废旧自行车处理掉·不妨学习—下这位手工达人Pixelthis·他利用回收的废旧车轮·搭备德国产石英机芯·手工改装制作成时钟。不过由于车轮共有36根轴·习惯了12等分表盘的人·要一眼就反应出正确时间·还是有一定难度的。     

铁路机车车轮及轮心智能转运机械手设计

一种铁路机车车轮及轮心智能转运机械手主要由C轴水平旋转装置、卡紧装置、翻转装置组成;C轴水平旋转装置主要用于车轮及轮心的空间位置360°无死角水平旋转,卡紧装置用于车轮及轮心的取放,翻转装置用于工件的翻转。文章设计了一款机车车轮及轮心检修转运智能机械手（旋转、卡紧、翻转系统）,可提高整个机车车轮及轮心检修作业的规范性。     

重载列车车轮表面对流传热特性数值研究

我国重载列车广泛采用踏面制动,制动过程中,当车轮温度达到受热极限时,就会造成车轮的疲劳失效。本文通过数值模拟方法,主要研究重载列车在初速度120 km/h时进行紧急制动,车轮各表面温度场和对流换热系数的分布规律。结果表明：在紧急制动中,车轮闸瓦与踏面直接接触的区域温度最高,且在列车制动14 s时该处温度达到最大值478.45 K;在整个制动过程中,车轮踏面的平均温度和对流换热系数都随制动时间呈先增大后减小的趋势;在迎风踏面的上部分和车轮外侧对流换热系数较大,而在迎风踏面下部分和车轮内侧对流换热系数相对较小;到制动结束时,车轮各表面的对流换热系数已基本趋于相同。     

动车组车轮轮缘塑性变形白层组织分析

本文作者对动车组ER8C车轮轮缘白层的微观组织进行了观察,重点对由于剧烈塑性变形而形成的白层进行了分析和探讨.在光镜下可以观察到白层厚为3~18μm,分布不连续.在扫描电镜下,塑性变形白层主要有两种类型:一种为经塑性变形作用而细化的组织和经动态再结晶作用得到的铁素体纳米晶,后者具有纳米量级的铁素体晶粒.白层内的碳化物数量与塑性变形程度及运行过程中的温升有关,越接近表层未溶碳化物越少、晶粒越小.白层形成机制主要分为两种:一种为反复塑性变形作用的机制,导致铁素体破碎细化同时伴随碳化物碎化溶解;另一种为变形与一定温升综合作用的机制,表层发生动态再结晶而形成超细晶粒组织并伴随碳化物溶解,后者在超细晶粒形成中起主导作用.     

ER9车轮材料激光熔覆层微观组织及性能研究

为提高ER9车轮材料的表面强度和耐蚀耐磨性，延长车轮的服役寿命，本团队选择在激光熔覆中应用最广泛的铁基、镍基和钴基三种自熔性合金粉末为熔覆材料，在ER9车轮钢表面进行激光熔覆试验。通过相关试验评价熔覆层的微观组织、力学性能、摩擦磨损性能和耐蚀性。结果表明：车轮钢表面激光熔覆层的显微组织均为枝晶组织和共晶组织，且组织致密均匀，与基体实现了良好的冶金结合。熔覆层的硬度显著提升，镍基合金熔覆层具有良好的拉伸强度和冲击韧性，断口呈韧性断裂特征；钴基和铁基合金熔覆层的断裂方式为脆性断裂，力学性能差异不明显。相较于基体，熔覆层具有较低的摩擦因数、磨损率与更优的耐蚀性，其中钴基合金熔覆层的硬度较高（显微硬度相比基体提高了72.8%），耐磨性最优（摩擦因数为0.31，磨损量为4 mg和磨痕深度为10.70μm），耐蚀性最好（阻抗值比基体高2个数量级）。镍基熔覆层磨损面较为粗糙且磨损率较大，减磨效果不佳，硬度和强度较弱；尽管相比铁基涂层，钴基涂层的耐磨性和耐蚀性显示出了一定优势，但前者的工程成本较低，综合效果更好。     

基于注意力反向知识蒸馏的车轮踏面异常检测

车轮是铁路列车走行部的重要部件，车轮踏面上产生的缺陷严重危害着铁路列车的安全运行。由于实际中车轮踏面缺陷样本有限，有监督检测模型对缺陷的检测不具有鲁棒性。针对此问题，提出使用无监督的知识蒸馏异常检测模型实现对车轮踏面的异常检测任务。首先，使用UNet对踏面区域进行分割，减少非踏面区域对异常检测模型的影响；然后，在多尺度特征聚合之后添加一个注意力机制，提升反向知识蒸馏结构中学生网络对正常特征的重建能力，增强学生网络对正常特征重建的效果。实验结果表明：在铁路车轮踏面数据集上，改进后的模型能够达到93.8%的受试者工作特性曲线下的面积、82.3%的精准率、95.4%的召回率、87.0%的准确率。与原模型相比，改进后的模型检测性能得到提升。     

列车车轮钢表面硬度的微磁定量检测方法

多功能微磁检测技术在铁磁性材料力学性能的无损表征中具有良好的应用前景。本文研究该技术对CL65、ER7车轮钢表面硬度的无损检测能力。首先，利用变异系数分析方法评价了多功能微磁仪器对车轮钢微磁参量的重复检测性能；其次，开展了标定实验，基于斯皮尔曼秩相关系数分析了微磁参量对车轮钢表面硬度的单调表征能力；最后，通过融合多项磁参量，建立了基于BP神经网络的车轮钢表面硬度的微磁定量预测模型。外部校验结果显示，BP神经网络模型对CL65、ER7车轮钢表面硬度的预测平均误差分别约为0.59%和1.22%。