热锻模具高温磨损行为研究及基于磨屑数字化识别方法的磨损模型修正
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-19页 |
| 1.1 引言 | 第9-10页 |
| 1.2 研究目的及意义 | 第10-11页 |
| 1.2.1 研究目的 | 第10页 |
| 1.2.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 金属的磨损 | 第11-12页 |
| 1.3.2 钢的高温磨损 | 第12-16页 |
| 1.4 本文研究的主要内容 | 第16-19页 |
| 2 实验材料及方法 | 第19-23页 |
| 2.1 实验材料及制备 | 第19-20页 |
| 2.1.1 实验材料 | 第19页 |
| 2.1.2 实验材料热处理 | 第19页 |
| 2.1.3 摩擦副制备 | 第19-20页 |
| 2.2 性能测试 | 第20页 |
| 2.3 磨损实验 | 第20-22页 |
| 2.4 微观分析 | 第22-23页 |
| 3 热锻模具钢摩擦磨损行为分析 | 第23-35页 |
| 3.1 引言 | 第23页 |
| 3.2 试验环境对磨损性能的影响 | 第23-26页 |
| 3.2.1 环境温度对磨损量的影响 | 第23-24页 |
| 3.2.2 载荷对磨损量的影响 | 第24页 |
| 3.2.3 滑动速度对磨损量的影响 | 第24-26页 |
| 3.3 磨损表面和磨屑的形貌、成分分析 | 第26-33页 |
| 3.3.1 磨损表面的形貌及成分分析 | 第26-30页 |
| 3.3.2 磨屑的形貌及成分分析 | 第30-33页 |
| 3.4 本章小结 | 第33-35页 |
| 4 热锻模具钢的磨损机理分析 | 第35-45页 |
| 4.1 引言 | 第35页 |
| 4.2 粘着磨损和磨粒磨损 | 第35-37页 |
| 4.3 高温氧化磨损机理 | 第37-42页 |
| 4.3.1 高温氧化磨损 | 第37-38页 |
| 4.3.2 高温磨损过程中磨损表面的氧化 | 第38-40页 |
| 4.3.3 高温磨损表面结构分析 | 第40页 |
| 4.3.4 高温磨损过程中氧化物膜的形态及剥落 | 第40-42页 |
| 4.4 本章小结 | 第42-45页 |
| 5 磨屑图像数字化处理技术 | 第45-57页 |
| 5.1 引言 | 第45页 |
| 5.2 磨屑图像数字化识别技术简介 | 第45-47页 |
| 5.3 磨屑图像处理的一般步骤 | 第47-48页 |
| 5.3.1 磨屑图像的获取 | 第47页 |
| 5.3.2 磨屑图像预处理 | 第47-48页 |
| 5.4 磨屑图像分割 | 第48-50页 |
| 5.4.1 阈值法分割 | 第48-49页 |
| 5.4.2 磨屑标号 | 第49-50页 |
| 5.5 磨屑形态特征参数提取 | 第50-54页 |
| 5.5.1 磨屑种类 | 第50页 |
| 5.5.2 磨屑形态特征 | 第50-53页 |
| 5.5.3 确定磨屑形态特征 | 第53-54页 |
| 5.6 磨屑形态参数聚类分析 | 第54-55页 |
| 5.7 本章小结 | 第55-57页 |
| 6 基于磨屑数字化处理的磨损模型修正 | 第57-73页 |
| 6.1 引言 | 第57页 |
| 6.2 基于BP神经网络的磨屑分类器设计 | 第57-64页 |
| 6.2.1 BP神经网络 | 第57-59页 |
| 6.2.2 基于BP神经网络的磨屑分类器结构 | 第59-60页 |
| 6.2.3 磨屑分类器训练样本建立 | 第60-62页 |
| 6.2.4 磨屑分类器测试 | 第62-64页 |
| 6.3 基于BP神经网络的磨屑识别实现 | 第64-67页 |
| 6.4 单一磨损模型参数求解 | 第67-69页 |
| 6.5 磨损模型的修正及验证 | 第69-71页 |
| 6.6 本章小结 | 第71-73页 |
| 7 结论与展望 | 第73-75页 |
| 7.1 主要结论 | 第73-74页 |
| 7.2 研究展望 | 第74-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 附录 | 第81-84页 |
| A．作者在读学位期间发表的论文 | 第81-82页 |
| B．不同工况条件下单一磨损模型未知参数的取值 | 第82-84页 |
