一种水合硅酸镁陶瓷摩擦材料的制备方法与流程

1.本发明涉及摩擦材料制备技术领域，尤其涉及一种水合硅酸镁陶瓷摩擦材料的制备方法。


背景技术：

2.科学技术的提高使得汽车制造向轻量化、高寿命方向发展，未来汽车的发展必然随着汽车技术的进步而日新月异，同时对汽车的使用安全性、使用寿命，以及对汽车制动系统和车速提出越来越高的要求。摩擦材料是汽车制动摩擦传动制动装置的关键材料，其性能直接关系到汽车的安全性、稳定性，以及驾驶员的生命安全等重大问题。理想的摩擦材料应具有较好的稳定性、较高的摩擦系数、较小的磨损率、较高的摩擦系数、较好的耐磨性、噪音低、使用寿命长等优点。
3.目前，符合上述标准的主要材料是少金属和非金属陶瓷摩擦材料。其中，就较少的金属陶瓷摩擦材料而言，其制动性能毋庸置疑，但存在制备成本高、所得摩擦材料使用过程中制动噪声大等缺陷，综合性能有待改进。基于上述陈述，本发明提出了一种水合硅酸镁陶瓷摩擦材料的制备方法。


技术实现要素：

4.本发明的目的是为了解决现有技术中高性能摩擦材料存在制备成本高、所得摩擦材料使用过程中制动噪声大等问题，而提出的一种水合硅酸镁陶瓷摩擦材料的制备方法。
5.一种水合硅酸镁陶瓷摩擦材料的制备方法，包括以下步骤：
6.s1、制备微孔陶瓷颗粒：
7.将硅酸镁粉末与预混溶液混合制得陶瓷浆料，加入玉米淀粉和分散剂，球磨，加入催化剂和引发剂，浇注成坯体，脱模烧结形成硅酸镁多孔陶瓷，粉碎成微孔陶瓷颗粒；
8.s2、制备硅酸镁陶瓷纤维：
9.按质量百分比计，将10-30％的滑石粉、40-60％的石英砂粉、10-40％的工业纯碱混合并熔融甩丝得陶瓷纤维，将陶瓷纤维放入盐酸中，升温80-90℃并保温5-8h，水洗并热处理后粉碎得到硅酸镁陶瓷纤维；
10.s3、混料：
11.按质量百分比计，称取钛酸钾晶须5-8％、芳纶纤维6-9％、铜纤维2-3％、硅酸镁陶瓷纤维4-7％、氧化铝粉1-3％、硅酸锆2-3％、粘合剂8-12％、石墨5-10％、云母3-5％、粉煤灰2-3％、重晶石3-5％、金属硫化物5-8％，余量为微孔陶瓷颗粒，将上述原料共同加入到混合机中，充分混合均匀；
12.s4、压制成型：
13.将混合均匀的材料压制成型，然后进行热处理和表面处理，处理完成得摩擦材料初品；
14.s5、训练神经网络：
15.在步骤s1-s4中各项参数限定的范围内，随机初始化50个样本，重复步骤s1-s4制备得到50个摩擦材料初品样本，对50个摩擦材料初品样本进行性能测试，并将50个测试结果输入神经网络模型，按照神经网络模型训练方法进行训练，神经网络模型的输出为所有待定参数组成的向量；
16.s6、制备水合硅酸镁陶瓷摩擦材料：
17.按照神经网络模型的输出结果重复上述步骤s1-s4，制得一种低噪声、低成本、低重量的水合硅酸镁陶瓷摩擦材料。
18.优选的，所述步骤s1中预混溶液由质量比为10-18:1的丙烯酰胺和n，n，-亚甲基双丙烯酰胺复配而得。
19.优选的，所述步骤s1中陶瓷浆料含固量按质量百分比计大于50％，玉米淀粉加入量为硅酸镁粉末的10-15％，分散剂的加入量为硅酸镁粉末的5-7％。
20.优选的，所述步骤s1中的烧结条件控制为：先升温至600℃，然后控制升温速率为3-5℃/min，升温至1300-1320℃，保温1.5h。
21.优选的，所述步骤s4中压制压力为26-29mpa，压制温度155-165℃，压制时间8-12min。
22.优选的，所述步骤s4中热处理温度为230-260℃，热处理时间为1.2h。
23.优选的，所述步骤s5中神经网络模型训练方法，具体包括如下步骤：
24.a、构建模型网络层和随机初始化参数w,u,v；
25.b、前向传播计算：
26.对于第一层的神经元的隐藏状态由输入层x
t
以及上一个隐藏状态共同决定，计算可表达为：
[0027][0028]
其中u(i)，w(i)，v(i)为第i层需要训练的参数。
[0029]
当从一个隐藏状态进入下一个隐藏状态时，其计算为：
[0030][0031]
最后得到的输出结果c
t
为：
[0032][0033]
c、反向传播：
[0034]
定义整个序列上的损失值e
t
：
[0035][0036]
其中n为序列长度，为c
t
的均值；
[0037]
整个序列上的损失函数e为：
[0038][0039]
用梯度下降算法对参数的梯度进行计算：
[0040][0041][0042][0043]
参数更新：
[0044]
根据链式求导法则，以可以得到第t个输入时的偏导数为：
[0045][0046][0047][0048]
参数w的更新计算为：
[0049][0050]
参数u的更新计算为：
[0051][0052]
参数v的更新计算为：
[0053][0054]
其中η为自适应学习率
[0055]
d、通过注意力机制融合输出结果：
[0056]
输入经过三层神经网络后对最后得到的结果c1到c
t
通过加权均值后的输出结果为o
t
，其计算公式为：
[0057][0058]
其中ak为分类器的输入特征，由以下公式计算得到：
[0059]ak
＝softmax(v
t
tanh(wh
k-1
+uhk))
[0060]
e、将测得的数据划分为训练集和测试集，训练集输入模型进行训练，再用测试集测试训练效果。
[0061]
本发明提出的一种水合硅酸镁陶瓷摩擦材料的制备方法，具有以下有益效果：
[0062]
1、本发明提出了一种水合硅酸镁陶瓷摩擦材料的制备方法，通过制得微孔陶瓷颗粒和硅酸镁陶瓷纤维，再与其他原材料共混后压制成型获得摩擦材料初品，通过引入神经网络模型，训练摩擦材料初品神经网络获得输出结果，并根据输出结果最终生产加工得到水合硅酸镁陶瓷摩擦材料；本发明制备的水合硅酸镁陶瓷摩擦材料在保证自身优异性能的
同时，进一步降低了使用过程中的制动噪声，同时大大降低了生产成本和产品自身重量。
[0063]
2、本发明通过在制备过程中引入神经网络模型，大大的缩短了配方优选的过程，能够精准预算得到本发明所需性能成果下，摩擦材料所需材料份数的最佳配比，相比现有技术的制备方法，本发明在配方设计上更加准确、合理。
附图说明
[0064]
图1为本发明提出的一种水合硅酸镁陶瓷摩擦材料的制备方法中的神经网络模型。
具体实施方式
[0065]
下面结合具体实施例对本发明作进一步解说。
[0066]
实施例一
[0067]
本发明提出的一种水合硅酸镁陶瓷摩擦材料的制备方法，包括以下步骤：
[0068]
s1、制备微孔陶瓷颗粒：
[0069]
将硅酸镁粉末与预混溶液混合制得陶瓷浆料，加入玉米淀粉和分散剂，球磨，加入催化剂和引发剂，浇注成坯体，脱模烧结形成硅酸镁多孔陶瓷，烧结条件控制为：先升温至600℃，然后控制升温速率为3-5℃/min，升温至1300-1320℃，保温1.5h，粉碎成微孔陶瓷颗粒；
[0070]
预混溶液由质量比为10-18:1的丙烯酰胺和n，n，-亚甲基双丙烯酰胺复配而得；陶瓷浆料含固量按质量百分比计大于50％，玉米淀粉加入量为硅酸镁粉末的10-15％，分散剂的加入量为硅酸镁粉末的5-7％；
[0071]
s2、制备硅酸镁陶瓷纤维：
[0072]
按质量百分比计，将10-30％的滑石粉、40-60％的石英砂粉、10-40％的工业纯碱混合并熔融甩丝得陶瓷纤维，将陶瓷纤维放入盐酸中，升温80-90℃并保温5-8h，水洗并热处理后粉碎得到硅酸镁陶瓷纤维；
[0073]
s3、混料：
[0074]
按质量百分比计，称取钛酸钾晶须5-8％、芳纶纤维6-9％、铜纤维2-3％、硅酸镁陶瓷纤维4-7％、氧化铝粉1-3％、硅酸锆2-3％、粘合剂8-12％、石墨5-10％、云母3-5％、粉煤灰2-3％、重晶石3-5％、金属硫化物5-8％，余量为微孔陶瓷颗粒，将上述原料共同加入到混合机中，充分混合均匀；
[0075]
s4、压制成型：
[0076]
将混合均匀的材料压制成型，压制压力为26-29mpa，压制温度155-165℃，压制时间8-12min，然后进行热处理和表面处理，热处理温度为230-260℃，热处理时间为1.2h，处理完成得摩擦材料初品；
[0077]
s5、训练神经网络：
[0078]
在步骤s1-s4中各项参数限定的范围内，随机初始化50个样本，重复步骤s1-s4制备得到50个摩擦材料初品样本，对50个摩擦材料初品样本进行性能测试，并将50个测试结果输入神经网络模型，按照神经网络模型训练方法进行训练，神经网络模型的输出为所有待定参数组成的向量；
[0079]
神经网络模型训练方法，具体包括如下步骤：
[0080]
a、构建模型网络层和随机初始化参数w，u，v；
[0081]
b、前向传播计算：
[0082]
对于第一层的神经元的隐藏状态由输入层x
t
以及上一个隐藏状态共同决定，计算可表达为：
[0083][0084]
其中u(i)，w(i)，v(i)为第i层需要训练的参数。
[0085]
当从一个隐藏状态进入下一个隐藏状态时，其计算为：
[0086][0087]
最后得到的输出结果c
t
为：
[0088][0089]
c、反向传播：
[0090]
定义整个序列上的损失值e
t
：
[0091][0092]
其中n为序列长度，为c
t
的均值；
[0093]
整个序列上的损失函数e为：
[0094][0095]
用梯度下降算法对参数的梯度进行计算：
[0096][0097][0098][0099]
参数更新：
[0100]
根据链式求导法则，以可以得到第t个输入时的偏导数为：
[0101][0102][0103][0104]
参数w的更新计算为：
[0105][0106]
参数u的更新计算为：
[0107][0108]
参数v的更新计算为：
[0109][0110]
其中η为自适应学习率
[0111]
d、通过注意力机制融合输出结果：
[0112]
输入经过三层神经网络后对最后得到的结果c1到c
t
通过加权均值后的输出结果为o
t
，其计算公式为：
[0113][0114]
其中ak为分类器的输入特征，由以下公式计算得到：
[0115]ak
＝softmax(v
t
tanh(wh
k-1
+uhk))
[0116]
e、将测得的数据划分为训练集和测试集，训练集输入模型进行训练，再用测试集测试训练效果；
[0117]
s6、制备水合硅酸镁陶瓷摩擦材料：
[0118]
按照神经网络模型的输出结果重复上述步骤s1-s4，制得一种低噪声、低成本、低重量的水合硅酸镁陶瓷摩擦材料。
[0119]
本发明实施例一制得的摩擦材料与市面上常见的摩擦材料相比，各种性能基本持平，其中在560℃以上时的磨损，因粉煤灰的存在，本摩擦材料稍大一点，但在相同体积下，本摩擦材料的重量降低17％左右，成本降低13％左右，竞争优势巨大。
[0120]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。