基于宏微观摩擦接触模型的湿式摩擦元件温度场失效概率分析

doi:10.3969/j.issn.1004-132X.2026.01.005

摘要/Abstract

摘要：

为精确量化湿式摩擦元件的温度场失效概率问题，先建立热-机械耦合仿真与单对粗糙峰接触模型实时交互的宏微观摩擦模型获取温度，再构建温度场失效概率统计模型。利用核密度估计建立失效参数的概率密度函数，采用蒙特卡罗模拟进行了概率计算。试验结果表明，仿真与试验的数据高度吻合，所建立的统计模型能有效且精确计算湿式摩擦元件的失效概率。

关键词: 湿式摩擦副, 失效概率分析, 宏微观交互, 核密度函数, 蒙特卡罗模拟

Abstract:

Aiming at accurately quantifying the failure probability of temperature fields for wet friction components， a macro-micro friction contact model， with the interaction of thermal-mechanical coupling simulation and single asperity contact model， was established to acquire temperature， and a statistical model for temperature field failure probability was constructed. The method utilized kernel density estimation to establish the probability density function of failure parameters and emploied Monte Carlo simulation for probability calculation. Experimental results show high agreement between simulation data and test data. The established statistical model may effectively and accurately calculate the failure probability of wet friction components.

Key words: wet friction pair, failure probability analysis, macro-micro interaction, kernel density function, Monte Carlo simulation

中图分类号:

TH117.1

吴健鹏, 丁奥, 马彪, 李和言, 王立勇, 杨成冰. 基于宏微观摩擦接触模型的湿式摩擦元件温度场失效概率分析[J]. 中国机械工程, 2026, 37(1): 40-50.

WU Jianpeng, DING Ao, MA Biao, LI Heyan, WANG Liyong, YANG Chengbing. Failure Probability Analysis of Temperature Field in Wet Friction Components Based on Macro-Micro Frictional Contact Model[J]. China Mechanical Engineering, 2026, 37(1): 40-50.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2026.01.005

https://www.cmemo.org.cn/CN/Y2026/V37/I1/40

图/表 16

表1 摩擦副几何形状和材料属性参数

Tab.1 Geometric shape and material properties parameters of friction pair

参数	钢片	摩擦片
外径R_out/mm	125	125
内径R_in/mm	85	85
厚度H_t/mm	3	2
密度ρ/（kg·m $- 3$ ）	7800	5600
比热容c/（J·kg $- 1$ ·K $- 1$ ）	487	536
热导率λ/（W·m $- 1$ ·K $- 1$ ）	见表2	30
热膨胀率β	1.27×10 $- 5$	1.30×10 $- 5$
弹性模量E/GPa	160	110
泊松比ν	0.29	0.30

表1 摩擦副几何形状和材料属性参数

Tab.1 Geometric shape and material properties parameters of friction pair

参数	钢片	摩擦片
外径R_out/mm	125	125
内径R_in/mm	85	85
厚度H_t/mm	3	2
密度ρ/（kg·m $- 3$ ）	7800	5600
比热容c/（J·kg $- 1$ ·K $- 1$ ）	487	536
热导率λ/（W·m $- 1$ ·K $- 1$ ）	见表2	30
热膨胀率β	1.27×10 $- 5$	1.30×10 $- 5$
弹性模量E/GPa	160	110
泊松比ν	0.29	0.30

表2 钢片导热系数

Tab.2 Thermal conductivity of steel disc

	温度/℃
	20	100	200	300	400
热导率λ/（W·m $- 1$ ·K $- 1$ ）	51	51	50	47	43

表2 钢片导热系数

Tab.2 Thermal conductivity of steel disc

	温度/℃
	20	100	200	300	400
热导率λ/（W·m $- 1$ ·K $- 1$ ）	51	51	50	47	43

图1 摩擦副仿真模型构建

Fig.1 Construction of friction pair simulation model

图2 宏微观摩擦接触模型交互示意图

Fig.2 Macro-Micro friction contact model flowchart

图3 钢片界面最高温度

Fig.3 Maximum temperature at the interface of steel disc

图4 湿式离合器摩擦磨损试验台

Fig.4 Wet clutch friction and wear test bench

图5 热电偶布置图

Fig.5 Thermocouple arrangement diagram

图6 仿真与试验结果对比图

Fig. 6 Comparison diagram of simulation and experimental results

图7 温度场失效概率统计模型结构图

Fig.7 Temperature field failure probability statistical model structure diagram

图8 四个时间节点下温度场失效概率

Fig.8 Failure probability of temperature field at four-time nodes

图9 四个时间节点下失效评价指标对比图

Fig.9 Comparison of failure evaluation indicators at four time points

图10 TFPM模型与不同神经网络模型结果对比

Fig.10 Comparison of TFPM model and different neural network models'results

图11 转速影响下 μ， σ 和 β0.5变化示意图

Fig.11 Schematic diagram of variations of μ， σ， and β0.5

图12 转速影响下失效概率示意图

Fig.12 Schematic diagram of failure probability

图13 压力影响下 μ， σ 和 β0.5变化示意图

Fig.13 Schematic diagram of variations of μ， σ， and β0.5

图14 压力影响下失效概率示意图

Fig.14 Schematic diagram of failure probability

参考文献 26

[1]	彭程，陈俐，傅圣来. 基于离合器滑摩扭矩估计的并联式气电混合动力船舶模式切换控制［J］. 中国机械工程， 2024， 35（8）： 1489-1497.
	PENG Cheng， CHEN Li， FU Shenglai. Mode Transition Control of Parallel Gas-electric Hybrid Ships Based on Clutch Slipping Torque Estimation［J］. China Mechanical Engineering， 2024， 35（8）： 1489-1497.
[2]	WANG Baolin， MAI Y W. Transient One-dimensional Heat Conduction Problems Solved by Finite Element［J］. International Journal of Mechanical Sciences， 2005， 47（2）： 303-317.
[3]	LIU Yuwei， SUN Yuanzhi， GAO Ziyin， et al. Investigation of Thermal Behavior of a Novel Multi-conical Friction Pair during Wet Clutch's Engagement Based on Finite Difference Method［J］. International Communications in Heat and Mass Transfer， 2024， 155： 107555.
[4]	ZHAO Qin， MA Biao， YU Liang， et al. Numerical and Experimental Studies on the Thermodynamic Characteristics of Post-buckling Separate Plate in the Clutch［J］. Tribology International， 2024， 195： 109607.
[5]	李和言，王宇森，熊涔博，等. 离合器配对摩擦副径向温度梯度对接触比压的影响［J］. 机械工程学报， 2018， 54（1）： 136-143.
	LI Heyan， WANG Yusen， XIONG Cenbo， et al. Effect of Radial Temperature Gradient on Interface Pressure of Clutch Friction Pair［J］. Journal of Mechanical Engineering， 2018， 54（1）： 136-143.
[6]	王立勇，吴瑾，李乐，等. 径向非均布压力分布对湿式摩擦副热-机耦合影响［J］. 北京理工大学学报， 2021， 41（6）： 588-596.
	WANG Liyong， WU Jin， LI Le， et al. Influence of Radial Non-uniform Pressure Distribution on Thermo Mechanical Coupling of Wet Friction Pairs［J］. Transactions of Beijing Institute of Technology， 2021， 41（6）： 588-596.
[7]	郑良杰，马彪，陈漫，等. 花键摩擦对湿式多片离合器分离过程影响［J］. 哈尔滨工业大学学报， 2022， 54（7）： 89-95.
	ZHENG Liangjie， MA Biao， CHEN Man， et al. Influence of Spline Friction Coefficient on a Wet Multi-disc Clutch in the Disengaging Process［J］. Journal of Harbin Institute of Technology， 2022， 54（7）： 89-95.
[8]	SHIN S， CHOI S B. Control-oriented Modeling of Wet Clutch Friction Considering Thermal Dynamics［J］. Mechatronics， 2024， 99： 103146.
[9]	ABDULLAH O I， SCHLATTMANN J， MAJEED M H， et al. The Temperatures Distributions of a Single-disc Clutches Using Heat Partitioning and Total Heat Generated Approaches［J］. Case Studies in Thermal Engineering， 2018， 11： 43-54.
[10]	FURMAŃSKI P， ŁAPKA P. Micro-macro Heat Conduction Model for the Prediction of Local， Transient Temperature in Composite Media［J］. International Journal of Thermal Sciences， 2020， 154： 106401.
[11]	MBEN DAVID， ZIMMELS Y， ZVIRIN Y. Determination of the Quench Velocity and Rewetting Temperature of Hot Surfaces. Part II： an Integrated Approach of Hydrodynamic-Thermodynamic Micro- and Macro-scale Models［J］. International Journal of Heat and Mass Transfer， 2001， 44（7）： 1343-1371.
[12]	吴健鹏，马彪，李和言，等. 加速寿命过程的湿式摩擦副滑摩温升特性［J］. 哈尔滨工业大学学报， 2019， 51（7）： 103-111.
	WU Jianpeng， MA Biao， LI Heyan， et al. Temperature Rise of Wet Friction Pair during Sliding in the Accelerated Life Test［J］. Journal of Harbin Institute of Technology， 2019， 51（7）： 103-111.
[13]	李乐，舒越超，吴健鹏，等. 基于PSO-BP神经网络湿式摩擦元件损伤预测模型［J］. 北京理工大学学报， 2022， 42（12）： 1246-1255.
	LI Le， SHU Yuechao， WU Jianpeng， et al. A Damage Prediction Model of Wet Friction Elements Based on PSO-BP Neural Network［J］. Transactions of Beijing Institute of Technology， 2022， 42（12）： 1246-1255.
[14]	蔡运迪，唐文献，黄秋芸，等. 水冷盘式制动器热疲劳失效有限元分析［J］. 中国机械工程， 2012， 23（22）： 2726-2731.
	CAI Yundi， TANG Wenxian， HUANG Qiuyun， et al. Finite Element Analysis（FEM） on Thermal Fatigue Failure of Water-cooling Disc Brake［J］. China Mechanical Engineering， 2012， 23（22）： 2726-2731.
[15]	GANESH K C， DHANASEKARAN K， SARAVANAN P， et al. Failure Analysis of Multi Plate Wet-clutch Used in Off-highway Transmission［J］. Engineering Failure Analysis， 2021， 127： 105534.
[16]	WANG Shaohua， HUANG Huanming， SHI Dehua， et al. Hybrid Propagation Modeling Based Clutch Fault Diagnosis of Multi-mode Electromechanical Transmission System Using Particle Filter［J］. Measurement， 2025， 243： 116385.
[17]	STOLARSKI T A. A System for Wear Prediction in Lubricated Sliding Contacts［J］. Lubrication Science， 1996， 8（4）： 315-351.
[18]	KOGUT L， ETSION I. A Finite Element Based Elastic-plastic Model for the Contact of Rough Surfaces［J］. Tribology Transactions， 2003， 46（3）： 383-390.
[19]	ZHANG Xin， ZHANG Lei， YANG Zhi， et al. Tracing the Evolution of Contact Area during the Running-in Process of AgCu-MoS₂ Composite［J］. Tribology International， 2022， 174： 107739.
[20]	CHEN Jiaqi， HE Yulin， CHENG Yingchao， et al. A Multiple Kernel-based Kernel Density Estimator for Multimodal Probability Density Functions［J］. Engineering Applications of Artificial Intelligence， 2024， 132： 107979.
[21]	GUO Jinwei， YANG Li， ZHOU Yichun， et al. Reliability Assessment on Interfacial Failure of Thermal Barrier Coatings［J］. Acta Mechanica Sinica， 2016， 32（5）： 915-924.
[22]	XIONG Cenbo， MA Biao， LI Heyan， et al. Experimental Study and Thermal Analysis on the Buckling of Friction Components in Multi-disc Clutch［J］. Journal of Thermal Stresses， 2015， 38（11）： 1323-1343.
[23]	YU Liang， MA Biao， LI Heyan， et al. Numerical and Experimental Studies of a Wet Multidisc Clutch on Temperature and Stress Fields Excited by the Concentrated Load［J］. Tribology Transactions， 2019， 62（1）： 8-21.
[24]	XIAO Y Q， LIU Z Y， ZHU W， et al. Reliability Assessment and Lifetime Prediction of TBCS on Gas Turbine Blades Considering Thermal Mismatch and Interfacial Oxidation［J］. Surface and Coatings Technology， 2021， 423： 127572.
[25]	WU Jianpeng， LI Pengpeng， GUO Liuyang， et al. Fuzzy Comprehensive Evaluation of Hydroviscous Drive Performance Degradation Based on Improved Game Theory Combination Weighting［J］. IEEE Sensors Journal， 2024， 24（15）： 23575-23584.
[26]	刘会永，张松，李剑峰，等. 采用改进CNN-BiLSTM模型的刀具磨损状态监测［J］. 中国机械工程， 2022， 33（16）： 1940-1947.
	LIU Huiyong， ZHANG Song， LI Jianfeng， et al. Tool Wear Detection Based on Improved CNN-BiLSTM Model［J］. China Mechanical Engineering， 2022， 33（16）： 1940-1947.