Katı yağlayıcıların sürtünme malzemelerinin tribolojik özelliklerine etkisi

Abstract

Araçların disk fren sistemlerinde frenleme işini yapan en önemli bileşen ve aşınan parça fren balatalarıdır. Frenleme esnasında disk fren balataları yüksek basınç ve sıcaklıklara maruz kalırlar. Balataların kimyasal yapısında ısı iletimi nispeten yüksek ve tribolojik açıdan sürtünme performansına olumlu katkı sağlayan bileşenler bulunmaktadır. Bu bileşenlerden önemli olanlardan biri de katı yağlayıcılardır. Zorlu çalışma koşulları altında balatalardan beklenen performansı sağlayabilecek tek çeşit bir yağlayıcı yerine farklı yağlayıcı kombinasyonlarının kullanılmasının daha verimli olacağı literatürdeki çalışmalarda gösterilmiştir. Fakat bu çalışmalar sınırlı sayıda numuneler ile belirli bir deney tasarımı kurgusu olmadan yapılmıştır. Bu çalışma da ise farklı sıcaklık aralıklarında çalışan 5 farklı katı yağlayıcı kombinasyonları ile elde edilen sürtünme malzemelerinin tribolojik davranışları incelenmiştir. Çalışma üç bölümden oluşmaktadır: deneysel çalışma, yapay sinir ağları ile modelleme ve genetik algoritma ile optimizasyon. Deneysel çalışma için literatür taramaları sonucunda toplam katı yağlayıcı miktarı ağırlıkça %15 olarak belirlenmiş, 5 farklı katı yağlayıcı kullanılarak 29 farklı balata kombinasyonları ile deney tasarımı kurgulanmıştır. Kullanılan 5 farklı katı yağlayıcı fiziksel, kimyasal ve mekanik testler ile karakterize edilmiştir. Tribolojik davranış için numuneler ECE R90 regülasyonunda yer alan test prosedürlerine göre Krauss test cihazında test edilmiştir. Tribolojik testler sonrası değerlendirilen parametreler; malzemelerin fren zayıflama davranışı, sürtünme katsayısı ve aşınma miktarıdır. Katı yağlayıcı oranlarının bu parametrelere karşı davranışlarını yorumlamak amacıyla Minitab programında ana etki grafikleri oluşturulmuştur. 5 katı yağlayıcı girdisi ile sürtünme katsayısı, fren zayıflığı ve aşınma miktarı çıktıları arasında karmaşık-lineer olmayan bağlantı için Matlab programının YSA modülü kullanılarak matematiksel modeller oluşturulmuş ve bu modeller kullanılarak çok amaçlı genetik algoritma ile sonuçlar optimize edilmiştir.

Brake pads are the most important components and wearing parts in the disc brake systems of vehicles. The brake pads are exposed to high pressures and temperatures during braking. In the chemical structure of the pads, there are components have a relatively high heat conductivity and contribute positively to the tribological friction performance. One of the most important of these components is solid lubricants. Studies in the literature have shown that it will be more efficient to use different combinations of lubricants instead of a single type of lubricant that can provide the expected performance from the linings under difficult operating conditions. However, these studies were carried out with limited samples and without a specific experimental design setup. In this study, the tribological behaviors of brake pads obtained with 5 different solid lubricant combinations operating at different temperature ranges were investigated. The study consists of three parts: experimental study, modeling with artificial neural networks and optimization with genetic algorithm. As a result of the literature review for the experimental study, the total amount of solid lubricant was determined as 15% by weight, and an experimental design was designed with 29 different brake pads combinations using 5 different solid lubricants. The 5 solid lubricants used were characterized by physical, chemical and mechanical tests. For tribological behavior, the samples were tested in a Krauss tester according to the test procedures in the ECE R90 regulation. Parameters evaluated after tribological tests; fade behavior, the coefficient of friction and the amount of wear of the materials. To interpret the behavior of solid lubricant ratios against these parameters, main effect graphs were created in the Minitab program. Mathematical models were created using the ANN module of the Matlab program for the complex-non-linear connection between the 5 solid lubricant inputs and the friction coefficient, fade and amount of wear outputs, and the results were optimized with a multi-purpose genetic algorithm using these models.