详情

原文传递铁道货车斜楔减振材料动态摩擦特性实验测试及机理研究

论文题名：	铁道货车斜楔减振材料动态摩擦特性实验测试及机理研究
关键词：	铁道列车转向架;斜楔减振器;摩擦系数;分形理论;神经网络
摘要：	随着我国铁道运输事业的大发展，货运列车运行速度不断提升，这对货运列车的动力学性能提出了更高要求。转向架是铁道列车最基本的部件，斜楔式摩擦减振器是当前货运列车转向架最常用的减振元件，其斜楔摩擦板与侧架立柱摩擦板配对的主摩擦面产生的摩擦力为列车减振力的主要来源，主摩擦面摩擦系数的变化会影响车辆的动力学性能，明确摩擦系数的变化规律及其变化原因能为斜楔减振器的设计改进提供重要的技术支撑，这对于重载快捷铁路货车技术的发展是必不可少的。　　首先，为进行转K6型转向架斜楔减振器主摩擦面摩擦特性的实验研究，明确摩擦系数随外界工况条件的变化规律，设计了摩擦板在高频往复振动工况下的动态摩擦系数的测量装置，测得其不同工况下的摩擦系数并研究了压力、频率、振幅对摩擦系数的影响；在确定其中一个变量大小的情况下拟合得到摩擦系数和另两个变量的函数关系，并比较在所确定变量不同大小时其函数关系的区别，进而分析三个变量对摩擦系数的综合影响规律。结果表明：除在低压力时摩擦系数会随振幅、频率增大持续增大外，摩擦系数随振幅、频率增大呈先增大后减小趋势，且频率增大引起的摩擦系数减小现象相比振幅增大更明显；除在高频率、大振幅时摩擦系数会随着压力的增大呈持续增大或先增大后减小的趋势外，摩擦系数随着压力的增大呈现先减小后增大的趋势。　　其次，为从微观角度揭示转K6型转向架斜楔减振器主摩擦面的摩擦机理，探究其摩擦系数发生变化的原因，基于W-M分形函数使用MATLAB编程建立了斜楔摩擦板与侧架摩擦板微观局部粗糙表面的数学模型；将坐标点保存为点云格式并导入逆向工程软件Geomagic Studio，建立了相应的几何模型；将其导入ABAQUS有限元软件，综合考虑犁沟效应与黏着效应对摩擦力的影响，对双粗糙表面摩擦过程进行微观尺度热力耦合仿真，得到了摩擦过程中无量纲接触面积、摩擦力、摩擦系数的时间历程曲线以及不同滑动时刻粗糙表面温度场、应力场分布；改变边界条件进行不同工况下的摩擦过程仿真，所得摩擦系数随载荷和相对速度变化趋势与实验结果一致，验证了仿真模型用于定性分析摩擦系数变化的可靠性，基于此分析了载荷和相对速度对摩擦特性的影响及原因。结果表明：两摩擦板粗糙表面实际接触面积仅占名义接触面积的1%-3%左右，且随载荷增大呈明显增大趋势。载荷较低时，粗糙表面处于弹塑性状态使实际接触面积与载荷间为非线性关系，摩擦系数随载荷增大呈减小趋势；载荷较高时，温度处于较高水平，微凸体吸热膨胀后实际接触面积增大以及树脂微凸体受热软化后粘度增大使黏着效应增强，摩擦系数随载荷增大呈增大趋势。速度较低时，同样由于黏着效应增强，摩擦系数随速度增大呈增大趋势；速度较高时，部分树脂微凸体接触处温度达到200℃以上而发生熔融，接触处摩擦状态由干摩擦状态变为混合摩擦状态，且由于速度越快达到200℃以上的微凸体数量越多，摩擦系数随速度增大呈减小趋势。　　最后，为建立不同频率、振幅和压力条件下主摩擦面动态摩擦系数的预测模型，在尽量避免重复实验的情况下确定各不同工况斜楔减振器主摩擦面的摩擦系数，本文基于64组经标准化处理的实验数据，首先以随机划分出的57组数据作为训练集，通过贝叶斯优化确定其最佳隐藏层结构，以Adam算法训练得到摩擦系数单一神经网络预测模型；再以通过正交试验设计所得的具有代表性的16组数据作为训练集，通过Bagging集成策略建立以9个神经网络模型为基学习器的集成神经网络模型，对比分析了单一神经网络预测模型和集成神经网络预测模型的泛化性能。结果表明：集成模型在以正交试验设计确定的16组实验数据作为训练集的情况下其预测精度可满足需求，预测误差在可接受范围内，在大大减少建模所需数据量，降低实验成本的情况下建立了斜楔减振器主摩擦面摩擦系数预测模型，实现了摩擦系数在确定工况下的定量预测。　　综上，本文通过对转K6型转向架斜楔减振器主摩擦面摩擦特性的实验研究分析了各工况条件对摩擦系数的综合影响规律；并通过基于分形理论的粗糙表面微观接触有限元模型模拟了斜楔减振器主摩擦面的摩擦过程，从微观角度深入探究了其摩擦系数发生变化的原因；再通过神经网络结合试验设计，在减少实验次数的情况下实现了摩擦系数的定量预测，为顺利进行斜楔减振器的设计和改进工作提供了重要的技术支撑。
作者：	李玉龙
专业：	机械工程
导师：	张琪昌;刘焕领
授予学位：	硕士
授予学位单位：	天津大学
学位年度：	2022