Комплексная методика для исследования смазочной способности масел с твердыми микро/нанодобавками

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В настоящей статье разработана комплексная методика исследования смазочной способности масел с твердыми микро/нанодобавками, включающая математические модели, позволяющие оценить температуру при сдвиге и переменной скорости в слое, рассчитан динамический градиент температуры по толщине, переменная толщина, момент трения и температура.

Полный текст

Доступ закрыт

Об авторах

А. Б. Тохметова

Институт машиноведения им. А.А. Благонравова РАН

Автор, ответственный за переписку.
Email: aygerim.tokhmetova@mail.ru
Россия, Москва

Список литературы

  1. Zheng Z., Guo Z., Liu W. et al. Low friction of superslippery and superlubricity: A review // Friction. 2023. V. 11. P. 1121.
  2. Albagachiev A. Y., Buyanovskii I. A., Tokhmetova A. Durability Criterion for Lubricant Oils Alloyed with Micro/Nanoparticles of Insoluble Friction Modifiers // J. Mach. Manuf. Reliab. 2023. V. 52. P. 386.
  3. Sharma A. K., Katiyar J. K., Bhaumik S. et al. Influence of alumina/MWCNT hybrid nanoparticle additives on tribological properties of lubricants in turning operations // Friction. 2019. V. 7. P. 153.
  4. Wang J., Zhuang W., Liang W. et al. Inorganic nanomaterial lubricant additives for base fluids, to improve tribological performance: Recent developments // Friction. 2022. V. 10. P. 645.
  5. Meng Y., Xu J., Ma L. et al. A review of advances in tribology in 2020–2021 // Friction. 2022. V. 10. P. 1443.
  6. Parfenov A. S., Shilov M. A., Smirnova A. I. et al. Influence of Various Carbon Allotropes on Tribological and Rheological Characteristics of Model Lubricating Systems // J. Frict. Wear. 2021. V. 42. Р. 217.
  7. Parfenov A. S., Berezina E. V., Smirnova A. I., Gvozdev A. A., Shilov M. A., Dyachkova T. P., Rozhkova N. N., Savilov S. V., Usoltseva N. V. Tribological properties of plastic lubricants in composites with various carbon nanostructures // J. Frict. Wear. 2019. V. 40. № 5. P. 453.
  8. Kim B. K., Hyun J. S., Kim Y. H. et al. Effect of Boundary Layer Modification and Enhanced Thermal Characteristics on Tribological Performance of Alumina Nanofluids Dispersed in Lubricant Oil // Exp Tech, 2022.
  9. Duan L., Li J., Duan H. Nanomaterials for lubricating oil application: A review // Friction. 2023. V. 11. P. 647.
  10. Тохметова А. Б., Михеев А. В., Тананов М. А. Исследования трибологических свойств моторного масла с содержанием фуллеренов // Проблемы машиностроения и надежности машин. 2022. № 4. С. 108.
  11. Tuktarov A. R., Khuzin A. A., Dzhemilev U. M. Fullerene-Containing Lubricants: Achievements and Prospects // Pet. Chem. 2020. V. 60. P. 113.
  12. Strohmaier A., Waters A. Analytic properties of heat equation solutions and reachable sets // Math. Z. 2022. V. 302. P. 259.
  13. Stahl L., Müller M., Ostermeyer G. P. On the experimental characterization of the fluid volume influence on the friction between rough surfaces // Friction. 2023. V. 11. P. 1334.
  14. Усов П. П. Численный анализ переходных процессов в вязкоупругогидродинамическом контакте при реверсивном движении // Проблемы машиностроения и автоматизации. 2021. № 2. С. 81.
  15. Meng Y.G, Xu J., Jin Z.M, Prakash B., Hu Y. Z. A review of recent advances in tribology // Friction. 2020. V. 8. P. 221.
  16. Албагачиев А. Ю., Тохметова А. Б., Усов П. П. Свидетельство о государственной регистрации программы для ЭВМ № 2022662966, Российская Федерация. Программный комплекс для расчета нестационарной задачи смазки двух сближающихся поверхностей: № 2022662429, 2022.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Распределение температуры смазочного слоя при напряжениях сдвига с использованием неявной разностной схемы: 1 – 1 – τ = 51.72 · 104 Па; 2 – 1 – τ = 103.44 · 104 Па; 3 – 1 – τ = 155.17 · 104 Па

Скачать (82KB)
Метаданные
3. Рис. 2. Зависимость толщины смазочного слоя от времени

Скачать (72KB)
Метаданные
4. Рис. 3. Зависимость момента трения от концентрации фуллеренов: 1 – теоретические данные при нагрузке 80 Н; 2 – экспериментальные данные при нагрузке 80 Н; 3 – экспериментальные данные при нагрузке 200 Н; 4 – теоретические данные при нагрузке 200 Н

Скачать (80KB)
Метаданные
5. Рис. 4. Зависимость температуры смазочного слоя от концентрации фуллеренов: (а) – нагрузка 80 Н; (б) – нагрузка 200 Н; 1 – экспериментальные данные; 2 – температуры, рассчитанные математической моделью, построенной на основе модифицированного уравнения Рейнольдса с переменной вязкостью; 3 – температуры, рассчитанные моделью, построенной на основе уравнения Фурье; 4 – теоретические данные, рассчитанные моделью, построенной на основе энергетического баланса трения

Скачать (112KB)
Метаданные

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».