About: Modelling of fretting damage using artificial intelligence   Goto Sponge  NotDistinct  Permalink

An Entity of Type : rdac:C10001, within Data Space : data.idref.fr associated with source document(s)

AttributesValues
type
Thesis advisor
Author
alternative label
  • Modelling of fretting damage using artificial intelligence
dc:subject
  • Frottement
  • Intelligence artificielle
  • Thèses et écrits académiques
preferred label
  • Modelling of fretting damage using artificial intelligence
Language
Subject
dc:title
  • Modelling of fretting damage using artificial intelligence
Degree granting institution
note
  • L’usure est un phénomène complexe difficile à formaliser. Il est piloté par de nombreux paramètres et mécanismes de dégradation. De nombreuses techniques ont été utilisées afin de corréler les conditions de glissement avec l’état des deux corps en contact et de caractériser les mécanismes de dégradation dus au fretting wear dans les roulements. Les besoins industriels d’améliorations de la fiabilité des systèmes motive le développement de nouvelles approches pour mieux prédire la cinétique d’usure .Des conditions variables de chargement de fretting ont été étudiées (amplitude de glissement et pression) afin de couvrir le panel complet des conditions de sollicitation des systèmes bague extérieure et bille et/ou la cage ou la bague intérieure et l’axe. Différentes approches ont été étudiées afin de quantifier l’usure et l’endommagement au niveau du contact : approche énergétique, modèle d’Archard et la loi d’usure composite. Ces approches ont été utilisées comme base physique à un modèle de modélisation basée sur l’intelligence artificielle. Un scénario d’usure a été développé incluant l’influence des paramètres mécaniques et de la rugosité des surfaces. Une nouvelle approche énergétique a été présentée séparant la période de mise en place du contact et le régime stabilisé. Ce modèle a été utilisé pour quantifier la formation du tribofilm et le processus de stabilisation sous lubrification dans un bain d’huile. Au final, les techniques d’intelligence artificielle ont été utilisées afin de modéliser le mécanisme de fretting sous conditions variables ou non. Une approche en logique floue a montré son utilité et sa robustesse si utilisée avec des bases de connaissance expérimentales solides. La résolution optimale de problèmes à multi-objectifs par la programmation génétique ne peut pas être surestimée. Les réseaux neuronaux statiques et dynamiques ont montrés de très bons résultats concernant la modélisation du frottement et de l’usure des interfaces.
  • Wear is a very complex and partially-formalized phenomenon involving numerous parameters and damage mechanisms. To correlate the working conditions with the state of contacting bodies and to define damage mechanisms under fretting wear conditions in ball bearing application different techniques are used. The industrial demand for higher reliability is one of the main flywheels of the research and development in the field of modelling of complex phenomena. The variable mechanical conditions tests (variable sliding amplitude and variable pressure) were undertaken to reproduce the working conditions between the outer ring and housing and/or cage or inner ring and the shaft. Energy approach, Archard’s approach and composite wear law to quantify and model the damage of the contacting bodies were introduced and be further used as a physical model in comparison with Computational Intelligence modelling techniques.Wear scenario and the influence of mechanical parameters and the surface roughness were developed. Novel energetic approach to separate running-in period and steady-state regime is presented and further used for quantitative evaluation of tribofilm formation and stabilization processes under oil-bath lubricating conditions. Finally, the Computational Intelligence techniques were used to model the fretting phenomenon under invariable and variable fretting conditions. Fuzzy logic approach showed its usefulness and robustness when coped with expert knowledge base of rules. Genetic programming cannot be overestimated in finding an optimal solution to multi-objective problems. Static and dynamic neural networks showed exceptionally good results in modelling of frictional and wear behaviour of the interface.
dc:type
  • Text
http://iflastandar...bd/elements/P1001
rdaw:P10219
  • 2009
has content type
is primary topic of
is rdam:P30135 of
Faceted Search & Find service v1.13.91 as of Aug 16 2018


Alternative Linked Data Documents: ODE     Content Formats:       RDF       ODATA       Microdata      About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data]
OpenLink Virtuoso version 07.20.3229 as of May 14 2019, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (70 GB total memory)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software