Predicción del coeficiente de fricción lubricado empleando redes neuronales en contactos mecánicos microtexturizados
Barra lateral del artículo
Contenido principal del artículo
Resumen
Desde que se acuñó el término tribología en la década de los sesenta se han logrado numerosos avances que reducen la fricción en máquinas. Aun con estos avances el estudio de la fricción en máquinas es un área activa de investigación, ya que todavía se emplea el 20% de la energía mundial en vencer esta resistencia pasiva. El microtexturizado de superficies ha resultado ser una técnica efectiva para reducir la fricción en contactos mecánicos con condiciones de trabajo que pueden dificultar la formación de una lubricación en película gruesa.
En la literatura hay escasos estudios que modelen los fenómenos físicos de este tipo de contactos lubricados con superficies microtexturizadas debido a la dificultad que conlleva la influencia de numerosas variables, como las condiciones de trabajo, la geometría que define el patrón de texturas y su interrelación. Estudios recientes muestran la aplicabilidad de los algoritmos de Inteligencia Artificial (IA) para la predicción de la fricción. Por ello, en este estudio se emplean redes neuronales para determinar el coeficiente de fricción en contactos lubricados microtexturizados. A diferencia de estudios previos en los que se utilizan algoritmos de IA entrenados con datos que no tienen en consideración la incertidumbre de la microfabricación, el algoritmo propuesto se desarrolla empleando datos que se han obtenido midiendo los patrones de texturizado fabricados tanto por fotolitografía y ataque químico como mediante ablación láser. De esta forma, se comprueba que la influencia de la precisión de la fabricación es relevante en la correcta predicción del coeficiente de fricción.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
CC BY-NC-SA 4.0)
El lector puede compartir, copiar y redistribuir el material en cualquier medio o formato, siempre y cuando cumpla con las siguientes condiciones:
-
Atribución (BY): Debe dar crédito adecuado al autor original, proporcionando un enlace a la licencia y señalando si se han realizado cambios.
-
No Comercial (NC): No puede utilizar el material con fines comerciales. Esto significa que no puede venderlo ni obtener ganancias directas de su uso.
-
Compartir Igual (SA): Si adapta, transforma o construye sobre el material, debe distribuir sus contribuciones bajo la misma licencia que el original.
Recuerda que esta licencia no afecta los derechos legales del autor, como el derecho moral o las excepciones de uso justo.
Citas
P. Jost, “Lubrication (tribology), education and research. A report on the present position and industry’s needs”, UK government, United Kingdom, mar. (1966)
K. Holmberg y A. Erdemir, “The impact of tribology on energy use and CO2 emission globally and in combustion engine and electric cars”, Tribology International 135, pp. 389-396, (2019), doi: 10.1016/j.triboint.2019.03.024
R. Gohar y H. Rahnejat, Fundamentals Of Tribology (Third Edition). World Scientific, (2018)
M. Wakuda, Y. Yamauchi, S. Kanzaki, y Y. Yasuda, “Effect of surface texturing on friction reduction between ceramic and steel materials under lubricated sliding contact”, Wear, 254, n.o 3, pp. 356-363, (2003) doi: 10.1016/S0043-1648(03)00004-8
A. Predescu, M. D. Pascovici, T. Cicone, C. S. Popescu, C. Grigoriu, y D. Dragulinescu, “Friction evaluation of lubricated laser-textured surfaces”, Lubrication Science. 22, n.o 10, pp. 431-442, (2010), doi: 10.1002/ls.123
U. Pettersson y S. Jacobson, “Influence of surface texture on boundary lubricated sliding contacts”, Tribology International, 36, n.o 11, pp. 857-864, (2003), doi: 10.1016/S0301-679X(03)00104-X
F. Franco Martínez, “Artificial intelligence aided design of microstructured surfaces for tribology and biointerfaces engineering”, Tesis Doctoral, Universidad Politécnica de Madrid, (2023). doi: 10.20868/UPM.thesis.77158
H. Yu, X. Wang, y F. Zhou, “Geometric Shape Effects of Surface Texture on the Generation of Hydrodynamic Pressure Between Conformal Contacting Surfaces”, Tribology Letters, 37, n.o 2, pp. 123-130, (2010), doi: 10.1007/s11249-009-9497-4
A. Kovalchenko, O. Ajayi, A. Erdemir, y G. Fenske, “Friction and wear behavior of laser textured surface under lubricated initial point contact”, Wear, 271, n.o 9-10, pp. 1719-1725, (2011), doi: 10.1016/j.wear.2010.12.049
J. Echávarri Otero, E. de la G. Ochoa, I. B. Vallinot, y E. C. Tanarro, “Optimising the design of textured surfaces for reducing lubricated friction coefficient”, Lubrication Science, 29, n.o 3, pp. 183-199, (2017), doi: 10.1002/ls.1363
C. Gachot, A. Rosenkranz, S. M. Hsu, y H. L. Costa, “A critical assessment of surface texturing for friction and wear improvement”, Wear, 372-373, pp. 21-41, (2017), doi: 10.1016/j.wear.2016.11.020
Y. Xu et al., “Characterization of the Tribological Behavior of the Textured Steel Surfaces Fabricated by Photolithographic Etching”, Tribology. Letters, 66, n.o 2, p. 55, (2018), doi: 10.1007/s11249-018-1003-4
A. Rosenkranz, A. Szurdak, C. Gachot, G. Hirt, y F. Mücklich, “Friction reduction under mixed and full film EHL induced by hot micro-coined surface patterns”, Tribology International, 95, pp. 290-297, (2016), doi: 10.1016/j.triboint.2015.11.035
L. Burstein y D. Ingman, “Pore Ensemble Statistics in Application to Lubrication Under Reciprocating Motion”, Tribology Transactions, 43, n.o 2, pp. 205-212, (2000), doi: 10.1080/10402000008982330
A. Ronen, I. Etsion, y Y. Kligerman, “Friction-Reducing Surface-Texturing in Reciprocating Automotive Components”, Tribology Transactions, 44, n.o 3, pp. 359-366, (2001), doi: 10.1080/10402000108982468
M. Marian, P. Grützmacher, A. Rosenkranz, S. Tremmel, F. Mücklich, y S. Wartzack, “Designing surface textures for EHL point-contacts - Transient 3D simulations, meta-modeling and experimental validation”, Tribology International, 137, pp. 152-163, (2019), doi: 10.1016/j.triboint.2019.03.052
U. M. R. Paturi, S. T. Palakurthy, y N. S. Reddy, “The Role of Machine Learning in Tribology: A Systematic Review”, Archives of Computing Methods in Engineering, 30, n.o 2, pp. 1345-1397, (2023), doi: 10.1007/s11831-022-09841-5
A. Rosenkranz, M. Marian, F. J. Profito, N. Aragon, y R. Shah, “The Use of Artificial Intelligence in Tribology—A Perspective”, Lubricants, 9, n.o 1, p. 2, (2020), doi: 10.3390/lubricants9010002
F. Franco-Martínez, J. J. García Moltó, J. Echávarri Otero, E. Chacón Tanarro, y A. Díaz Lantada, “Aplicación de Inteligencia Artificial para la predicción de la fricción lubricada en contactos mecánicos microtexturizados”, Actas del XV Congreso Iberoamericano de Ingeniería Mecánica, Madrid (2022) doi: 10.5944/bicim2022.106
J. Echávarri Otero et al., “Artificial neural network approach to predict the lubricated friction coefficient”, Lubrication Science, 26, n.o 3, pp. 141-162, (2014), doi: 10.1002/ls.1238
J. Ye et al., “A Simple Analysis of Texture-Induced Friction Reduction Based on Surface Roughness Ratio”, Tribology Letters, 69, n.o 2, p. 67, (2021), doi: 10.1007/s11249-021-01440-y
I. Bellón Vallinot, “Optimización de la eficiencia en contactos lubricados a través del texturizado superficial”, Trabajo Fin de Grado, Universidad Politécnica de Madrid, Madrid (2015)
J. J. G. Moltó, “Inteligencia artificial aplicada al análisis tribológico de texturizados superficiales con Python”, Trabajo Fin de Grado, Universidad Politécnica de Madrid (2021)
I. G. Ayuso, “Aplicación de redes neuronales al análisis tribológico de texturizados superficiales en Python”, Trabajo Fin de Grado, Universidad Politécnica de Madrid (2023)
J. Echávarri otero et al., “Analytical model for predicting the friction coefficient in point contacts with thermal elastohydrodynamic lubrication”, Proceedings of the Institution of Mechanical Engineers, Part J: Journal of Engineering Tribology, 225, n.º 4, pp. 181-191, (2011), doi: 10.1177/1350650111398848