ISSN ONLINE(2319-8753)PRINT(2347-6710)
拉金德拉M加拉加利一号和Dr.R.G.Tikotkar2
|
相关文章at普梅德,学者谷歌 |
访问更多相关文章科技创新研究国际杂志
测试应用加载、滑动速度和滑动距离等参数对Ductile铁率/AustemedDuctile铁率的影响实验设计方法使用Taguchi法分析Ductile铁/AustempedDuctile铁的穿戴行为干滑动磨损测试使用针对盘磨损机信号对噪比分析用于调查参数对损耗率的影响确定滑动距离是影响ADI损耗率的最重要参数,随后是应用负载速度和滑动速度数学模型获取确定DI/ADI损耗率验证测试是为了验证从所述关联中预测的实验结果
关键字 |
干滑动式穿戴,AustemperedDuctile法,Taguchi方法,信号噪比比,差异分析,多线性回归模型 |
导 言 |
AustemperedDuctile铁首字母缩写高强度材料强强强强强硬性能强强性能强强强性能强强性能强强性强性强性能强性能强、疲劳和穿戴性能强性能强强比钢薄10% 并可用比钢成本低20%制造多块钢零件(仿制件、铸件、装配件)成功代之以ADI铸件ADI应用大都投向汽车行业,铁路、农业、采矿和建设中的其他市场分布相当可观。ADI极佳属性组合为铸铁换代钢铸件和假造开新界并带来相当大的成本效益新的处理技术为这种极有前景的材料提供了更多机会,以获取更好的强度组合、软性组合、强性组合、耐用性组合、耐用性组合和机械化组合[1、2]生成自动机铁素以组成主要自推矩阵Ausferrite组合高碳稳定Austenite正是这种独特的微结构对ADI展示的强健性、软性性、强性和穿戴抗药性等非同寻常组合负责。ADI指全家热处理线性铁ASTMA897/897M-06(2011)显示ADI分六级ADI可用属性范围取决于热处理参数选择,而热处理参数反过来将判定auserrite的微结构尺度以及austernite和e[3]硬卷铁由常见铸铁铸热处理产生单片微结构组成时使用特殊方法对熔化金属进行冶金注入,确保以直径达数十微米的结核形式成形石墨,而后续热处理则构造矩阵并变换成合合合合合合合合合焦肥料和Austenite[4]软化二维铁色素高强度比和高动态特性悬浮过程性能高 异热处理过程 向有色素传递优性开发于1930年代,虽然广泛使用,但只有一小部分设计界熟知稀疏铁或假石墨铁 开发于1940年代稀疏铁及其独特性泛石墨形态生成铁,它具有容度和撞击性能,足以满足制动卡力器、泵插件机和方向盘等各种产品的需求悬浮进程生成名为AustempedDuctileIADI从1970年代开始商业化,在[5]后数十年中显著增长 |
U.Ritha Kumari etal.,[6]研究悬浮温度对astemtile铁磨损行为的影响高悬浮温度下大量Austenite通过变形诱导马腾斯A.S.M.A.Haseeb等人,[7]比较线性铁加热解压、调温和悬浮与矩阵硬度445BHN软带铁比软带铁表现出更好的耐穿性,尽管两者化学成分和矩阵硬性完全相同。Uma Batra et al.,[8]调查结构机械性能对软带铁行为的影响高悬浮温度开发ADI大片Austenite,通过压力诱导martictical变换和加固Austenite帮助提高穿戴抗药性mar Kumar Das等人,[9]对三种不同级搭铁并研究机械性能变异加急时间、硬性、容积强度和延时都在增加,但加急温度强度和容积强度正在下降并延时增加软卷式铁合金元素(Cu或Ni)显示一些改良机械性能,例如:强力、硬性和低伸延性比不值自带式铁高Y.S.Lerner et al., [10] 评审AustemperedDuctile铁替代钢铁、合金和白铁、青铜和其他竞技材料穿戴学习解构矩阵略优于ADIH..b.Bhaskar et al.,[11]研究滑动速度、应用负载和滑动距离等磨损参数对铝金属矩阵复合件干滑动穿戴的影响实验方法设计使用Taguchi方法控制获取数据矩形阵列、信号对噪比分析用以调查铝及其复合磨损行为数学模型获取以确定铝及其复合件磨率验证测试验证实验结果穿戴是最常遇到的工业问题穿法定义为表层因表层与表层相对运动而逐步损耗物穿戴通过维度变化、外观完整性或结构完整性变化帮助削弱项目实用性[12] |
材料和方法 |
素材类 |
软带铁在当前实验性调查中使用表1显示生成ADI的线性铁化学成分 |
准备材料 |
硬铁铸造机使用500kg中频感应炉猪铁 轻钢 SG.铁回推器被用作充电素熔炉熔化1420oC投影测试栏并显示在图1中实验性工作样本再整理成+++10m和30m长度,如图2所示 |
实验搭建程序 |
DUCOM针式穿戴测试机(图3)用来评价自动机铁干滑动穿戴特征干滑动磨损测试按ASTMG99-95a标准进行插针用丙酮清洗,初始质量用数字权重尺度测量,最小计0.0001g测试时针紧贴旋转EN-32钢盘,硬度为65HRC测试按Taguchi方法生成的运行顺序进行每一次测试结束时,针片再次用丙酮清洗并测量最后质量分针初始质量和最终质量差因滑动磨损因磨损体积计算时使用针相密度值ADI插件磨损率计算 |
在当前调查中选择L9正交数组,分9行和3列正交数组选择基于条件 正交数组自由度应大于或等值变量和值[13]矩形数组选择取决于数个因素及其交互作用、数级因素、理想实验分辨率或成本限制响应变量研究穿戴率实验基于Taguchi模型生成的运行顺序并获取结果实验数据分析使用MINITAB15软件进行,软件专为DOE应用设计 |
图奇方法 |
基本说来,传统实验设计程序过于复杂并不容易使用过程参数数增加时必须进行大量实验性工程研究者成功使用Taguchi技术设计实验方法研究三角材料磨损行为高品质系统设计工具Taguchi方法[13、14]台口法使用正交数组特殊设计研究全部参数空间,只进行少量实验东口实验法提供有序方式收集数据并分析参数对特定响应的影响方法综合实验分析概念来确定参数并最强地影响结果响应以显著提高总体性能实验计划使用标准正交数组生成实验结果再用平均分析法分析效果因子差分析法分析法 |
实验研究中用于Taguchi优化的步骤如下[17] |
选择噪声控制因子 |
选择Taguchi正交数组 |
• 行为实验 |
· 带速率测量 |
分析结果(信号对噪比) |
预测最佳性能 |
验证实验 |
成果和讨论 |
表3显示磨损率实验结果损耗率表示单位滑距离3m |
判定系数(R2)定义为解释变异对总变异之比度量适配度R2接近一致性时,反应模型效果更好并适应实际数据R2值为0.975,合理接近一致性并因此可接受显示97.5%的数据变异性可用此模型解释由此确认,该模型为独立因素与响应之间的关系提供了相当良好的解释。 |
多线回归模型 |
多线性回归分析尝试模拟两个或两个以上预测变量和响应变量之间的关系,将线性方程与观察数据相匹配[18,19]实验结果基础使用MINITAB15开发多线性回归模型回归方程由此建立从ANOVA获取的重要条件之间的相互关系,即负载、滑动速度和滑动距离回归方程为DI和ADI开发如下 |
值率(DI) = 0.0706+0.0082L-0.09184S+0.0001339D------------------------------------ |
服率=0.11837+0.002443-0.01664S-0.00026D---------------------------------------------------------------------------------- |
上方程可用于预测Ductile铁和AustempedDuctile常量方程剩余模型所得回归系数为0.975,表示穿戴数据不散从以上回归方程穿戴率中,我们发现穿戴率直接与负载(L)和滑动距离(D)成比例,反向与滑动速度(S)成比例,穿戴ADI率直接成比例负载(L)和反向与滑动速度(D)成比例回归方程2和3中与负载(L)相联的损耗率为正值,表示负载增加后,DI和ADI损耗率也上升Al-2219/SiC行为研究也观察到类似结果[20] |
确认测试 |
为了验证回归模型,确认式穿戴测试使用参数值不同于用于分析的参数值表9显示为确认测试选择的不同参数级 |
获取确认测试结果并比较实验损耗率值和从回归模型获取的计算值(表10)。实验值与回归模型计算值之间的误差小于6%开发回归模型证明一种可行有效方法预测ADI穿戴率类似结果取自HMCCs干滑磨法研究 |
结论 |
高口法用于寻找最优条件 干滑穿AustemperedDuctile以下是从本研究中得出的结论 |
开工最优穿戴率取自Taguchi方法实验结果 |
二叉AustempedDuctile由不同参数支配,按滑动距离、负载速度和滑动速度顺序排列从ANOVA测试中得出的结论是,滑动距离加长时,穿戴率也大幅增加。 |
3级应用负载,L=19.62N,滑动速度,S=3142ms和滑动距离,D=377m |
4级参数滑动距离(51.92%)对干滑损ADI率比其他参数应用负载(29.88%)和滑动速度(15.70%)影响最大 |
5级从回归方程磨损ADI率中发现,磨损率直接与应用负载成比例并逆向与滑动速度和滑动距离成比例 |
6级从确认测试中发现磨率计算错误介于2.64%至5.63%之间故此可以推论Taguchi方法实验设计从回归方程计算损耗率的强法 |
7易燃热处理增加戴铁阻 |
引用 |
|