CoCrMo/UHMWPE磨损颗粒的分形表征及形态分类研究

摘要

人工关节假体植入人体后会受到复杂应力、多运动轨迹磨损、腐蚀等耦合作用，将产生大量的磨屑。由于磨屑承载着摩擦副微观磨损状态的重要信息，因此进行人工关节材料接触界面的摩擦腐蚀研究，获取磨屑中携带的摩擦学信息对于人工关节材料磨损机理的研究具有重要意义。本文以CoCrMo/UHMWPE组合人工关节摩擦副为研究对象，研究生物环境条件下金属/聚合物配副的摩擦腐蚀性能及其损伤机制，分析摩擦和腐蚀协同作用机制；同时对摩擦腐蚀磨屑进行了分形表征和形态分类识别，建立了相关数学模型，描述了磨屑形貌特征与磨损过程的相关性。
　　基于改进雷达图分形方法，研发了《磨屑轮廓自动提取与分形识别系统》。该软件可自动对导入磨屑图像进行识别、标记及分形维数和尺寸的计算存储。该系统分形表征的取值区间为[0,+∞)，有足够的数值梯度避免误差的影响；磨屑的轮廓曲线具有尺寸独立性，作为磨屑外形轮廓的描述参数，可精确地表征磨屑的轮廓特征，为人工关节磨屑的识别和诊断提供了新的数字化分析工具。
　　三种腐蚀电位下（OCP，0.5V和-0.5V），摩擦系数呈先上升后期趋于稳定的趋势，二次加载后摩擦系数有所下降。阴极保护电位（-0.5V）下的摩擦系数较小，材料磨损失重最低，降低了材料的腐蚀损失。CoCrMo合金的静态腐蚀电位稳定，摩擦腐蚀开始后，钝化膜破坏，腐蚀电位迅速下降，腐蚀电流增加，腐蚀速率加快。比较而言，阴极保护腐蚀电压及腐蚀电流均低于OCP电压及0.5V电压值，一定程度上降低了 CoCrMo合金的腐蚀倾向。
　　典型磨屑的分形表征结果表明，UHMWPE单体磨屑的分形特征明显，当磨屑形状从条形过渡到的类球形、球形时，雷达分形维数不断减小，球状磨屑的分形维数 D接近0。UHMWPE磨屑群体的分形特征反映了磨损的演变过程，磨损周期较低时，分形维数较大的条状和片状磨屑占较大比重，磨损以犁沟和剥落磨损为主，对应于摩擦副的跑和阶段；随磨损周期的延长，条状磨屑比例下降，片状、块状等磨屑的比重上升，磨损向疲劳磨损和粘着磨损转变，摩擦副过渡到复合磨损期；当摩擦副进入稳定磨损期后，各类形态磨屑的比例变化不大。
　　基于网格化划分、聚类分析、遗传模拟退火算法及SOM神经网络从多种角度建立不同的磨屑分类模型，对磨屑进行自动分类。通过对分类结果进行对比，得出运用遗传模拟退火算法模型（SAGA）内加权误差平方和最小，聚类特征更加明显，其磨屑群体分类划分的分形维数划分的阙值为0.28和0.53。磨损周期较低时，分形维数较大的第 II、III类磨粒占比最大，磨损以犁沟和剥落磨损为主，对应于摩擦副的跑和阶段。随磨损周期的延长，第III类磨粒占比下降，低分形维数的第I、II类磨粒占比重上升，磨损损伤向疲劳磨损和粘着磨损转变，磨损状态过渡到复合磨损期。当进入稳定磨损期后，各类形态磨粒的占比例变化不大。由于小尺寸磨粒的数量增加，群体分形维数有所减小。

目录

声明

致谢

变量注释表

绪论

1.1研究背景 (Background)

1.2研究现状(Research Status)

1.3 研究内容 (Research Contents)

1.4 课题来源 (Topic Origin)

2 试验材料和试验方法

2.1材料及试样处理(Materials and Sample Process)

2.2摩擦腐蚀试验 (Friction and Corrosion Experiments)

2.3磨屑的提取及观察 (Wear Debris Extraction and Observation)

2.4表征测试方法 (Characterization and Test Method)

3磨屑提取与分形识别系统开发

3.2 计算机软件系统开发 (Development of Computer Software System)

3.3 软件运行界面实例 (Software Operation Interface Instance)

3.4 本章小结 (Summary)

4摩擦腐蚀性能分析

4.1摩擦腐蚀摩擦系数(Friction Coefficient of Friction Coefficient)

4.2摩擦腐蚀磨损量(Wear Extent of Friction Corrosion)

4.3极化曲线分析 (Polarization Curve Analysis)

4.4表面磨损形貌分析(Surface Wear Morphology)

4.5摩擦腐蚀交互作用机理 (Interaction Mechanism of Friction and Corrosion)

4.6 本章小结（Summary）

5摩擦腐蚀磨屑分形表征

5.1典型磨屑轮廓特征 (Characteristic of Typical Wear Debris)

5.2 磨屑形成过程 (Formation Process of Wear Debris)

5.3典型磨屑雷达图分形维数 (Fractal Dimension of Radar Graph of Typical Wear Debris)

5.4 磨屑群体的分形维数 (Fractal Dimension of Wear Debris Group)

5.5磨屑群体的长轴粒度 (Long Axis Size Distribution of Debris Group)

5.6摩擦腐蚀磨屑产生机理 (The Mechanism of Friction Corrosion Wear Debris)

5.7本章小结（Summary）

6磨屑的形态分类特征

6.1网格化分类 (Meshing Classification)

6.2聚类分析算法 (Clustering Analysis Algorithm)

6.3遗传模拟退火算法的聚类算法 (Clustering Algorithm Based on Genetic Simulated Annealing Algorithm)

6.4 自组织映射神经网络聚类算法 (Self Organizing Map Neural Network Custering Algorithm)

6.5模型计算结果对比 (Comparison of Model Results)

6.6 不同运转时间下磨屑聚类分析 (Cluster Analysis of Wear Debris under Different Running Time)

6.7本章小结（Summary）

7 结论

展望

参考文献

作者简历

学位论文数据集