Evolution of Lubrication Characteristics of Double-Nut Ball Screws Based on an Efficient Surface Roughness Modeling Method
Notice bibliographique
Résumé
Abstract Accurate prediction of lubrication characteristics, specifically film thickness and pressure distribution, is pivotal for ensuring optimal performance in ball screws. Despite its significance, there is a notable dearth of studies investigating the evolution of lubrication characteristics resulting from the changing surface roughness over prolonged operation of ball screws. Furthermore, obtaining the surface roughness of ball screws poses a challenge due to the limited loading capacity of measurement instruments. Traditional methods involving cutting the screw for surface roughness measurement are impractical for continuous monitoring during extended operation. To address this issue, the present study introduces an efficient approach to model the surface roughness of the raceway in double-nut ball screws. A profilometer is employed to measure profile roughness along two directions (parallel and perpendicular to the rolling direction) without the need to cut the screw raceway. The 2D power spectral densities and height probability densities of profile roughness are calculated to model the surface roughness, and the synthesized data are utilized to solve the Reynolds equation. The simulation method is validated through friction torque tests, demonstrating a calculation accuracy exceeding 92%. The study further explores the evolution of film thickness and pressure distribution in double-nut ball screws during running-in and steady wear stages, revealing severe asperity contact in the two nuts. Additionally, variations in load ratio, friction coefficient, and film thickness ratio (λ) are investigated. Considering the load ratio and λ of the slave nut, it can be inferred that boundary lubrication persists in the two nuts throughout the operation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».