前言
第1章 盘式制动器概述
1.1 盘式制动器发展历程
1.2 盘式制动器结构原理
1.2.1 汽车盘式制动器
1.2.2 提升机盘式制动器
1.2.3 盘式制动器优缺点
1.3 制动摩擦材料组分与性能
1.3.1 制动片类型
1.3.2 摩擦材料种类
1.3.3 摩擦材料成分组成
1.3.4 摩擦材料性能要求
1.4 盘式制动器制动性能检测技术研究现状
1.4.1 制动力矩检测
1.4.2 闸间隙检测
1.4.3 空动时间检测
1.4.4 制动减速度检测
1.4.5 制动温度检测
1.4.6 制动振动和噪声检测
1.5 盘式制动器摩擦学问题研究现状
1.5.1 摩擦材料制备及性能
1.5.2 制动摩擦学行为与机理
1.5.3 制动摩擦热
1.5.4 研究发展趋势
参考文献
第2章 盘式制动器摩擦学性能测试方法及装置
2.1 盘式制动器摩擦学性能测试方法
2.1.1 试验标准与方法概述
2.1.2 小样试验法
2.1.3 台架试验法
2.1.4 道路试验法
2.1.5 小样与台架试验法对比分析
2.2 小样摩擦试验机
2.2.1 定速摩擦试验机
2.2.2 恒摩擦力试验机
2.3 台架式摩擦试验机
2.3.1 Krauss试验机
2.3.2 惯性台架试验机
2.4 汽车盘式制动器模拟制动试验台研制
2.4.1 总体方案
2.4.2 机械传动系统
2.4.3 盘式制动系统
2.4.4 测控系统
2.4.5 系统集成
参考文献
第3章 盘式制动器摩擦学性能试验研究
3.1 盘式制动器摩擦学试验设计
3.1.1 模拟制动试验装置
3.1.2 摩擦副材料
3.1.3 摩擦学性能参数及其测试原理
3.1.4 制动工况参数及其取值范围
3.2 盘式制动器干摩擦机理
3.2.1 制动摩擦力构成
3.2.2 制动摩擦力变化规律
3.2.3 制动摩擦机理
3.3 制动工况对盘式制动器摩擦学性能的影响
3.3.1 制动初速度的影响
3.3.2 制动压力的影响
3.3.3 温度的影响
3.3.4 影响规律小结
参考文献
第4章 盘式制动器摩擦学性能智能预测方法
4.1 人工智能及其应用
4.1.1 人工智能理论基础
4.1.2 人工智能应用
4.2 人工神经网络及其摩擦学应用
4.2.1 人工神经网络模型
4.2.2 人工神经网络特点
4.2.3 BP神经网络
4.2.4 人工神经网络在摩擦学领域应用现状
4.3 基于人工神经网络的盘式制动器摩擦学性能智能预测方法
4.3.1 隐含层
4.3.2 输入和输出层
4.3.3 初始权值和阈值
4.3.4 学习方法
4.3.5 传递函数
4.3.6 学习率
4.3.7 网络训练次数
4.3.8 再学习机制
参考文献
第5章 盘式制动器摩擦学性能智能预测模型
5.1 盘式制动器摩擦学性能数据处理
5.1.1 数据矩阵化
5.1.2 样本归一化
5.1.3 样本划分
5.2 盘式制动器摩擦学性能智能预测模型建模与仿真
5.2.1 仿真程序设计
5.2.2 网络建模与参数仿真
5.2.3 训练函数仿真试验
5.2.4 网络结构参数
5.3 盘式制动器摩擦学性能智能预测试验
5.3.1 智能预测模型使用方法
5.3.2 摩擦学性能预测结果分析
5.3.3 预测误差分析
5.3.4 摩擦学性能变化趋势预测
参考文献
第6章 盘式制动器摩擦学性能智能预测系统
6.1 VB与MATLAB混合编程
6.1.1 混合编程方法
6.1.2 VB环境下的ActiveX调用
6.1.3 Ⅶ接口程序设计
6.2 盘式制动器摩擦学性能智能预测软件系统
6.2.1 预测主界面
6.2.2 学习模块
6.2.3 帮助模块
6.2.4 通用配置模块
6.3 盘式制动器摩擦学性能在线监测预警系统
6.3.1 系统方案
6.3.2 传感检测系统
6.3.3 数据采集系统
6.3.4 计算处理系统
6.3.5 系统工作流程
参考文献
展开
