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

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

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.

全文:

受限制的访问

作者简介

А. Тохметова

Институт машиноведения им. А.А. Благонравова РАН

编辑信件的主要联系方式.
Email: aygerim.tokhmetova@mail.ru
俄罗斯联邦, Москва

参考

  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.

补充文件

附件文件
动作
1. JATS XML
2. Fig. 1. Lubricant layer temperature distribution at shear stresses using implicit difference scheme: 1 - 1 - τ = 51.72 - 104 Pa; 2 - 1 - τ = 103.44 - 104 Pa; 3 - 1 - τ = 155.17 - 104 Pa

下载 (82KB)
3. Fig. 2. Dependence of lubricant layer thickness on time

下载 (72KB)
4. Fig. 3. Dependence of friction torque on fullerenes concentration: 1 - theoretical data at 80 N load; 2 - experimental data at 80 N load; 3 - experimental data at 200 N load; 4 - theoretical data at 200 N load

下载 (80KB)
5. Fig. 4. Dependence of lubricating layer temperature on fullerenes concentration: (a) - 80 N load; (b) - 200 N load; 1 - experimental data; 2 - temperatures calculated by mathematical model based on modified Reynolds equation with variable viscosity; 3 - temperatures calculated by model based on Fourier equation; 4 - theoretical data calculated by model based on friction energy balance

下载 (112KB)

版权所有 © Russian Academy of Sciences, 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».