PDF
研究文章|开放获取
Rajesh Shanmugavel, Thirumalai Kumaran Sundaresan, Uthayakumar Marimuthu, Pethuraj Manickaraj， ＂红色泥浆增强铝复合材料的过程优化与磨损行为"，摩擦学的发展， 卷。2016， 文章的ID9082593， 7 页面， 2016． https://doi.org/10.1155/2016/9082593
红色泥浆增强铝复合材料的过程优化与磨损行为
抽象的
本研究将混合方法应用于赤泥基铝基复合材料(MMCs)的干滑动磨损优化。主要输入参数为外加载荷、滑动速度、增强剂的wt.%和对应材料的硬度，输出响应为比磨损率和摩擦系数(COF)。采用灰色关联分析(GRA)方法同时优化多个性能特征。采用主成分分析(PCA)和熵值法对各输出响应对应的权重值进行评估。实验结果表明，增强材料的wt.% (％）然后滑动速度（%)对干滑动磨损性能的影响较大。通过验证试验验证了优化后的条件，比磨损率和COF的灰色关联度分别提高了0.3和0.034。
1.介绍
与未原始的铝合金相比，铝业MMCS为几个行业创造了兴趣，因为它们的高刚度，比强度和良好的耐磨性。卓越的机械和物理性能导致在磨损，撕裂和耐癫痫发作的汽车和工程部件中使用这些复合材料是必不可少的。由于其原料的成本低及其易于制造，微粒MMC具有特殊兴趣，使其适用于需要相对较高的产量的应用。在不同的钢筋材料中，由于其成本低，可用性巨大，红泥是一种新兴的加固。红泥被拜耳工艺生产氧化铝生产过程中的主要废料。估计的红泥的生产率每年近3000万吨。这些废料的有效使用在今天的情景中是必不可少的。
对于任何工业或商业应用，磨损行为在决定产品寿命方面起着重要作用。然而，赤泥增强铝基复合材料的磨损行为还没有被研究人员检测，这使得这项工作新颖。Gopalakrishnan和Murugan [1]在氩气气氛下，采用增强搅拌铸造方法制备了TiC体积分数不同的Al-TiCp复合材料。他们报告说，随着TiC含量的增加，复合材料的比强度和耐磨性都有所提高。乔等人[2]探讨了SiC颗粒尺寸对镁基杂化金属基复合材料磨损性能的影响，指出大尺寸SiC颗粒比小尺寸SiC颗粒能提高复合材料的耐磨性。Alidokht等[3.合成SiC和MoS2颗粒进入A356 Al合金的基质以形成杂化复合材料。他们展示了mos2在磨损表面的顶部有富层，有助于减少亚表面区域的塑性变形，缓解严重磨损。Rao等人[4]制备了铝基复合材料的磨损机理图，观察了铝基复合材料的四种磨损机制;它们分别是超轻度磨损、轻度磨损或氧化磨损、分层磨损和严重磨损。
该算法为不确定性、多输入和离散数据问题提供了一种有效的解决方案。近年来，它已成为研发中提高生产力的有力工具，从而可以快速、低成本地生产出高质量的产品。萨胡和帕尔[5]以GRA为性能指标，研究了化学镀Ni-P镀层的摩擦磨损特性。他们报告说，载荷和时间的相互作用对摩擦学性能有显著影响。Siriyala等人[6研究了采用熔融金属混合法制备的SiC增强铝基复合材料的干滑动磨损行为。结果表明，滑移速度是影响干滑磨损的最有效控制参数，其次是加固率、滑移距离和接触应力。大豆等[7研究了SiC和B增强A360基体的磨损行为4C陶瓷颗粒采用田口法。结果表明，材料类型、外加载荷和滑动速度对比磨损率的影响较大，分别为48.13%、31.83%和8.77%。
在灰色关联度分析中，通过对各质量特征对应的灰色关联度系数进行平均计算得到灰色关联度。然而，每个品质特征的重要性可能是不同的。为了克服这一问题，一般采用熵测量法来计算不同质量特性的权重因子。此外，利用主成分分析确定权重值，计算灰色关联度。采用GRA优化赤泥增强铝基复合材料的干滑动磨损性能。该工作考虑了输入参数和输出质量特征之间的相关性。采用主成分分析和熵值法确定各参数的相应权重值。以磨损率和COF作为实验输出质量参数。最后，利用扫描电镜(SEM)观察磨损表面形貌。
2.材料和方法
2．1．复合材料制备
采用粉末冶金技术制备了铝基复合材料。本研究采用的基体材料为铝粉，纯度为99%，平均粒径为150 ~ 300μ.m。角形形状的红色泥用作加强材料（Al2O3.-16.8%, SiO2-15.2％，na2O3.-11.87%, mn - 1.2%, P2O5-0.67％，Ca-2.45％，TiO2-3.7%,铁2O3.-33.8%， Zn-0.018%)，平均粒径为1.8 ~ 4μ.m。铝和红色泥浆的密度为2.7和3.2g / cm3.,分别。
预处理是用球磨机完成的，并且可以筛分以获得均匀的加强材料尺寸。通过Malvern激光粒度分析仪测量筛分的红色泥浆粒度。具有各种Wt。的铝，在行星球磨机中以150rpm的恒定速度在行星球磨机中测量并混合红色泥浆颗粒（3,4和5wt％）。将粉末比保持为10：1，液体乙醇用作过程控制剂。通过将300kn的负载施加300kn，烧结温度和烧结时间分别为600℃和60分钟，制造所需的样品数量。使用SEM检查复合材料中增强物的分布，并在图中显示1(一)- - - - - -1 (c)．
(一)
(b)
(c)
2．2.磨损试验
采用销盘法测定试样的磨损率和COF。比磨损率是磨损体积除以正常载荷和滑动距离的乘积。COF为摩擦力与法向力之比[8］．实验设备如图所示2．
根据ASTM G99-95(2010)，试验在干滑动条件下进行，室温为27°C，相对湿度为55%。步长为20 N时，施加载荷范围为10 ~ 50 N，步长为1 m/s时，滑动速度为2 ~ 4 m/s，滑动距离为3000 m。针(直径= 10毫米，长度= 30毫米)首先用丙酮清洗，然后用一个数字电子天平称重量，至少0.1毫克。采用HRC分别为58和60的EN32钢和HRC分别为62的氧化铝(直径为200 mm)作为对应材料。测量了销的重量损失和界面间的摩擦力。
2．3.灰色关联分析
通过GRA对多性能特性进行优化的步骤如下。
步骤1(信噪比()比率)。在田口法中用Ratio表示性能特征和的最大值比率是必需的。三种类型的比率较低，更高，更好，更好，更好地[9］．所选择的输出响应如比磨损率和COF是较低较好的特性，可以表示为 在哪里是th比例th实验,是第一个实验th测试和是测试的总数。
步骤2(数据预处理)。数据预处理是将原始序列转换为可比序列的过程。为此目的，实验结果在0到1之间归一化。较低较好特征的标准化可以表示为 在哪里为灰色关联生成(数据预处理)后的值，最大的值是，是最小的价值,为期望值。
第三步(灰色关联系数)。计算灰色关联系数来表示理想与实际归一化实验结果之间的关系。灰色关联系数表示为 在哪里是灰色关系系数，偏差序列是参考序列吗以及相似性序列，即 和为区分或识别系数:通常是使用。
步骤4(灰色关联度)。计算灰色关联系数的平均值，得到灰色关联等级。灰色关联度定义为 在哪里表示因子的归一化权重值．在GRA中，用灰色关联度来表示序列之间的关系。如果两个序列相同，则灰色关联度值为1 [10］．灰色关联度也表明了相似性序列对参考序列的影响程度。因此，如果某一相似性序列比其他相似性序列对参考序列更重要，那么该相似性序列与参考序列的灰色关联度将高于其他灰色关联度。在本研究中，权重值()由主成分分析和熵值法得到。
2.4。主成分分析和熵方法
PCA方法通过每个性能特征的线性组合解释方差协方差结构。它是一种统计方法，它使用正交变换来将相关变量转换为称为主成分的线性不相关变量[11］．主成分的总数将小于或等于原始变量的数目。第一个主成分有最大的可能的方差，每个后续成分有最大的方差的约束，它是正交于前一个成分。不相关的主成分表示为 在哪里第一个主成分是和吗是第二个主成分，以此类推。主成分相对于方差按降序排列，因此是第一个主成分占数据中大多数方差。
熵是对不平衡和不确定性等状态的不规则性的度量。将这个概念应用到权重度量中，一个大熵的属性意味着它有很大的响应多样性。因此属性对响应的影响更为显著。熵是一个映射函数用来满足所有这些条件的:和和单调在范围内是递增的吗．因此,可以作为熵测度的映射函数，在哪里．函数的最大值发生在和价值．
初始时，各质量特征的归一化系数、熵(），以及熵的总和（)计算。然后计算各质量特征的权重为
3.结果和讨论
3．1.实验计划和结果分析
实验的数量是根据因素的数量及其水平来选择的。考虑了赤泥的施加载荷、滑速、重量百分比和硬度等主要影响因素。在本研究中，选择了比磨损率和COF作为性能特征。由于有四个因素，每个因素在三个水平上，所以选择L27正交阵列进行实验。按照L27阵列的布局及实验结果如表所示1．
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
的计算各偏差序列质量特征的比值、数据预处理和灰关联系数。利用灰色关联系数来评价关联系数矩阵和对应的特征值。特征值矩阵的平方表示各自性能特征对主分量的贡献。采用熵值法计算的比磨损率权值为0.882，比磨损率权值为0.110。计算得到的权重值用于进一步分析，因为PCA方法对质量特征具有同等的重要性，而熵方法则反映了质量特征的相对重要性。得到的各质量特征的权重进一步用于计算灰色关联度。表格2对所制备的复合材料的干滑动磨损行为进行了GRA分析。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
每个输入过程参数在灰色关系等级上的主要效果如表所示3.．基于最大平均灰色关联度的最优输入参数级为A1 B2 C3 D3，即施加负载10 N，滑动速度3 m/s, 5 wt。%的赤泥，对应材料硬度为62 HRC。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
在干滑动磨损过程中，灰色关联度的最大值与最小值的差值为:施加载荷为0.0190，滑动速度为0.0168，赤泥wt.%为0.0373，对应材料硬度为0.0297。通过寻找参数中最大的值来确定影响多个性能特性的最有效参数。结果表明，在干滑磨损试验中，赤泥的wt.%对输出响应的影响最大。
3.2。方差分析（ANOVA）
灰色关联度的方差分析结果如表所示4．影响多元形态特性的每个参数的贡献是wt。红色泥浆的％（％），滑动速度（%)，对应材料硬度(%)和应用负载(%)。结果表明，赤泥掺量和滑速对干滑磨损性能有较大影响。的-test也被执行，以找出每个输入参数对输出响应的物理意义[12］．我们发现，在95%的置信区间内，．因此，所有输入过程参数显示出影响干滑动磨损行为的重要性。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
3.3。确认实验
一旦选择了输入参数的最优水平，最后一步就是验证输出响应的改善。灰色关联度估计使用最优水平的输入参数可以计算为 在哪里为灰色关联度的总均值，是最佳水平的灰色关系等级的平均值，是显著影响多个性能特征的输入参数的数量。验证实验结果如表所示5并且发现从3.365到3.065降低特定的磨损率，COF从0.365降至0.331。
|
||||||||||||||||||||||||||||||
3．4．表面形态
复合材料的磨损表面，3重量％。百分比的红色泥浆如图所示3(一个)．磨损严重，磨屑颗粒分散在配合表面。磨损痕迹仍然可见，有些细微的瑕疵。最小的施加载荷和滑动速度避免了表面的粘连和塑性变形。数字3 (b)显示了4wt复合材料上微切口和沟槽的形成。%的赤泥。铺层的形成也可以在整个表面看到。然而，当赤泥wt.%进一步增加时，轻微的磨损是明显的(图3 (c)）。红泥颗粒通过增加与基质的界面键来抵抗磨损。因此，在复合材料的表面上用5重量％的缺陷在复合材料表面上被注意到即使在较高的负载和滑动速度条件下也是红色的。
(一)
(b)
(c)
4.结论
采用基于灰色熵的方法优化赤泥增强铝基复合材料干滑磨损行为的多响应特性，得到以下观察结果:(我)通过粉末冶金技术成功地制备了复合材料，并通过SEM图像保证了赤泥颗粒在基体中的分散。(2)采用GRA算法求得了加载载荷为10 N、滑动速度为3 m/s、5 wt时的最优输入参数水平。%的赤泥，对应材料硬度为62 HRC。(3)方差分析结果表明，复合材料中赤泥颗粒的wt.%和滑动速度对磨损性能的影响较大。（iv）更高的重量％。百分比的红泥增加了复合材料的耐磨性。(v)通过扫描电镜观察试样磨损表面的形貌变化。在所有的试验中，观察到轻微到严重的磨损存在，但没有注意到癫痫状态。
利益冲突
作者声明本文的发表不存在利益冲突。
参考文献
- S. Gopalakrishnan和N. Murugan，“用增强搅拌铸造方法制备AA 6061基碳化钛颗粒增强复合材料及其磨损特性”，复合材料B部分:工程号，第43卷。2, pp. 302-308, 2012。视图:出版商的网站|谷歌学者
- “碳化硅颗粒尺寸对Al材料磨损性能的影响2O3.·SiO2/SiC/Mg混杂金属基复合材料摩擦学的信第45卷第5期1, pp. 101-107, 2012。视图:出版商的网站|谷歌学者
- S. A. Alidokht, A. Abdollah-Zadeh, H. Assadi，“外加载荷对混合金属基复合材料干滑动磨损行为和亚表面变形的影响”，穿号，第305卷。1-2，页291-298,2013。视图:出版商的网站|谷歌学者
- R. N.Rao，S. DAS，D.P.Mondal，G. Dixit和S. L.T. Devi，“AA7010（Al-Zn-Mg-Cu）铝基矩阵复合材料的干式滑动磨损图”摩擦学国际， vol. 60, pp. 77-82, 2013。视图:出版商的网站|谷歌学者
- P. Sahoo和S. K. Pal，“基于Taguchi方法和灰色关联分析的化学Ni-P涂层摩擦学性能优化”，摩擦学的信第28卷第2期2，页191-201,2007。视图:出版商的网站|谷歌学者
- R. Siriyala, G. K. Alluru, R. M. R. Penmetsa, M. Duraiselvam，“灰色taguchi方法在铝基复合材料干滑动磨损性能优化中的应用”，机械工程前沿，第7卷，第5期3，第279-287页，2012。视图:出版商的网站|谷歌学者
- U. Soy, F. Ficici，和A. Demir，“Taguchi方法对Al/SiC/B磨损行为的评价4C复合材料”,复合材料学报第46卷，第46期7，第851-859页，2012。视图:出版商的网站|谷歌学者
- S. T. Kumaran和M. Uthayakumar，“对AA6351-SiC-B干滑动摩擦磨损行为的研究4C杂化金属基复合材料机械工程学报第J辑:工程摩擦学学报第228卷，第228号3, pp. 332-338, 2014。视图:出版商的网站|谷歌学者
- S. Thirumalai Kumaran, M. Uthayakumar，和S. Aravindan，“AA6351-SiC-B干滑动摩擦磨损行为分析4C复合材料的灰色关联分析，摩擦学-材料，表面和界面，第8卷，第2期4, pp. 187-193, 2014。视图:出版商的网站|谷歌学者
- S. Thirumalai Kumaran, M. Uthayakumar, A. Slota, J. Zajac，“灰色关联分析在AA(6351)-SiC-B高速加工中的应用”4C混合复合。”国际材料与产品技术杂志第51卷第1期1, pp. 17-31, 2015。视图:出版商的网站|谷歌学者
- Y.-M.清和H.-h.HSIEH，“使用Taguchi方法具有灰色关系分析，以优化滤色器制造中多种质量特性的薄膜溅射过程，”计算机与工业工程第56期2，第648-661页，2009。视图:出版商的网站|谷歌学者
- S. Thirumalai Kumaran，M. Uthayakumar，S.Aravindan和S. Rajesh，“SiC和B的干式滑动磨损行为4搅拌铸造c -增强AA6351金属基复合材料机械工程师学会学报L:材料学报:设计与应用，2015年。视图:出版商的网站|谷歌学者
版权
版权所有©2016 Rajesh Shanmugavel et al。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。
