石墨烯润滑油润滑下摩擦副摩擦因数预测模型

摘要

轴承摩擦状态很复杂,且以滚动摩擦为主,滚动摩擦因数的精确计算或者测量都很困难。针对轴承滚动摩擦因数难以测量的问题,对与滚动摩擦因数密切关联的滑动摩擦因数进行了试验和预测研究,提出了一种最佳滑动摩擦因数的预测网络模型。首先,在石墨烯润滑油润滑工况下,进行了Si_(3)N_(4)-GCr15摩擦副的摩擦磨损试验,获得了不同工况下石墨烯质量分数下的滑动摩擦因数;然后,提出了广义回归神经网络(GRNN),并运用遗传算法(GA)优化得到了光滑因子(σ),获得了最佳滑动摩擦因数的预测网络模型GA-GRNN;最后,对测试集预测结果与其他预测模型预测结果进行了预测效果验证,并结合验证集预测结果进行了预测模型的应用验证。研究结果表明:与常规GRNN模型以及误差反馈(BP)神经网络模型相比,GA-GRNN模型的摩擦因数预测准确度更高,且其预测误差更小;GA-GRNN模型的验证集预测值很接近真实值,预测值平均准确率达到了92.30%,预测相对误差在[0.00099017,0.0083249]区间内,对滑动摩擦因数预测效果良好。该结果可为轴承滚动摩擦因数的预测提供基础。