车用柴油机气缸套Ni-Co-P-MoS₂镀层寿命的智能预测

胡素云^{1, 2}，鄂加强¹，龚金科¹

(1. 湖南大学 机械与运载工程学院，湖南 长沙，410082；

2. 湖南广播电视大学 机电工程系，湖南 长沙，410004)

摘要：针对硼铸铁车用柴油机气缸套磨损严重现象，在考虑车用柴油机气缸套工况的基础上，在其基材上电镀Ni-Co-P-MoS₂镀层并进行耐磨对比试验，以Ni-Co-P-MoS₂镀层磨损量为基础，采用函数链神经网络建立车用柴油机气缸套Ni-Co-P-MoS₂镀层寿命智能预测模型。研究结果表明：在相同条件下，车用柴油机气缸套Ni-Co-P-MoS₂镀层能在很大程度上提高车用柴油机气缸套的使用寿命；车用柴油机气缸套Ni-Co-P-MoS₂镀层的预测剩余寿命比较接近车用柴油机气缸套Ni-Co-P-MoS₂镀层的实际寿命。

关键词：Ni-Co-P-MoS₂镀层；磨损；柴油机；气缸套；智能预测

中图分类号：TB33          文献标志码：A         文章编号：1672-7207(2011)12-3748-06

Intelligent prediction on service life of Ni-Co-P-MoS2 coatings abrasion of diesel engine cylinder liner in vehicle

HU Su-yun^{1, 2}, E Jia-qiang¹, GONG Jin-ke¹

 (1. College of Mechanical and Vehicle Engineering, Hunan University, Changsha 410082, China;

2. Department of Mechanical and Electrical Engineering, Hunan Radio and TV University, Changsha 410004, China)

Abstract: To solve the serious abrasion problem for diesel engine cylinder liner in the vehicle made of boron cast iron and the case of diesel engine cylinder liner in the vehicle, inside surface of diesel engine cylinder liner was electroplated with the material of Ni-Co-P-MoS₂, and a contrasting examination about the abrasion of two diesel engine cylinder liners in the vehicle was carried out and an intelligent forecasting model on Ni-Co-P-MoS₂ coatings abrasion of diesel engine cylinder liner in the vehicle was established by using functional link neural network based on the examination data. The results show that Ni-Co-P-MoS₂ coatings about inside surface of diesel engine cylinder liner in the vehicle can enhance its service life to a great degree, and its residual life matches well the real residual life of the Ni-Co-P-MoS₂ coatings of diesel engine cylinder liner in the vehicle.

Key words: Ni-Co-P-MoS₂ coatings; abrasion; diesel engine; cylinder liner; intelligent prediction

车用柴油机在工作过程中，磨损是最常见的故障现象^[1]。在一般情况下，车用柴油机气缸套磨损尤为显著。车用柴油机气缸套是柴油机机体零件，它与活塞环配合，形成柴油机上一对重要的摩擦副。随着柴油机工作时间的增加，机件会不断地磨损，从而使这对摩擦副的配合发生变化，良好的气体密封性逐步恶化^[2-3]，造成柴油机的动力性、经济性和可靠性下降，甚至影响柴油机的正常运行。为此，许多科研工作者通过改变车用柴油机气缸壁面材料性能以提高车用柴油机气缸壁的抗磨减磨能力，最常见的措施是采用电镀方法对车用柴油机气缸面进行强化处理^[4-5]。为了提高车用柴油机气缸套材料性能，减少柴油机气缸与活塞环之间的磨损十分重要。而改性后柴油机气缸壁的磨损程度是判断柴油机是否需要大修的主要标志。合理地预测柴油机寿命^[6-7]，可以方便用户定时检修和更换产品，从而避免不定期检修所造成的人力和物力的浪费。为得到更合理、准确的车用柴油机气缸套的磨损预测结果，其预测方法应该满足可行、实用和经济等各方面的要求。由于在实际工作中所得到的磨损量往往是非等间距的序列，因此，建立高预测精度的车用柴油机气缸套的磨损量非等间距序列预测模型显得十分重要。为此，本文作者结合函数链神经网络和自适应混沌

寻优算法的优点，构建自适应混沌

寻优的函数链神经网络预测方法对电镀后的柴油机气缸壁Ni-Co-P-MoS₂镀层寿命进行智能预测。

1  车用柴油机气缸套Ni-Co-P-Mo镀层性能分析

文献[8-9]表明：材料表面的硬度越高，则材料表面的耐磨性能越好。要提高材料表面抗磨强度，必须综合考虑：(1) 材料表面与磨粒之间的机械性质；    (2) 材料表面因磨粒摩擦而出现磨损时的环境条件。显然，材料表面硬度若高于磨粒硬度，则材料表面不会出现明显磨损。

1.1  车用柴油机气缸套耐磨电镀处理

车用柴油机气缸材料主要为硼铸铁、钒钛铸铁和高磷铸铁等，在以耐磨硼铸铁为基材的车用柴油机气缸套内表基材上电镀Ni-Co-P-MoS₂镀层。在如表1所示电镀电压下，先对表面光洁度较高的耐磨硼铸铁内表面进行电净及活化处理，然后在温度t=20 ℃下对车用柴油机气缸套进行镀层厚度为0.2 mm的Ni-Co-P-MoS₂电镀处理。在整个Ni-Co-P-MoS₂电镀处理过程中，阴、阳两极相对运动速度v保持在10~15 m/min，且车用柴油机气缸Ni-Co-P-MoS₂电镀处理的镀母液配方如下：NiSO₄·7H₂O 35~45 g/L；NiCl₂·6H₂O 10~15 g/L；CoCl₂·5H₂O 35~40 g/L；Na₃PO₃ 25~35 g/L；络合剂15~20 g/L；缓冲盐15~20 g/L；pH 1.5~3.0。

Ni-Co-P合金镀母液中的MoS₂加入量(质量浓度) ρ_i如表1所示。测定不同成分的镀层的表面硬度，结果表明：Ni-Co-P镀层显微硬度为550~655，普遍高于Ni-Co-P-MoS₂镀层的显微硬度445~620，并随着母液中MoS₂加入量ρ_i(i=0，1，…，5)的增加，镀层的显微硬度明显下降，如图1所示。从图1可见：当MoS₂加入量ρ₀=0 g/L时，由于刷镀时镀笔与镀样的相对运动速度使镀层合金形成超细结构；此外，在结晶过程中所形成的P过饱和固溶体因弹性畸变而使P过饱和固溶体晶粒得到细化，因而Ni-Co-P镀层的硬度相对较高，但与MoS₂加入量ρ₁=10 g/L时镀层的显微硬度基本相当。

表1  刷镀合金与工艺

Table 1  Alloys and voltages for brush plating

图1  不同MoS₂质量浓度下Ni-Co-P-MoS₂镀层硬度变化曲线

Fig.1  Curve of hardness of Ni-Co-P-MoS₂ coating in different mass concentrations of MoS₂

而加入的MoS₂往往吸附于Ni²⁺表面，并与Ni原子共同沉积，造成镀层组织粗大和疏松；同时，软质颗粒MoS₂作为第2相弥散分布于耐磨硼铸铁基体中。这2方面的综合作用致使Ni-Co-P-MoS₂镀层显微硬度比加入MoS₂的Ni-Co-P镀层显微硬度有所下降。

电压变化对Ni-Co-P-MoS₂镀层硬度的影响主要源于电压变化引起的电流变化。电压过高，导致电流密度加大，Ni-Co-P-MoS₂镀层沉积速度过高，从而造成Ni-Co-P-MoS₂镀层组织粗大、疏松，并随着母液中MoS₂加入量ρ_i(i=1，2，3)的增加，Ni-Co-P-MoS₂镀层的显微硬度下降；而电压过低，则沉积速度下降，Ni-Co-P-MoS₂镀层很薄，并随着母液中MoS₂加入量ρ_i(i=1，2，3)的增加，Ni-Co-P-MoS₂镀层越薄。由于显微硬度计测得的基本是被镀基体的显微硬度，因此，当改变刷镀电压时，Ni-Co-P-MoS₂镀层的硬度也在变化，其变化曲线存在1个峰值(如图2所示)，故刷镀电压只有在适当范围内变化才能保持Ni-Co-P-MoS₂镀层显微硬度较高。

将MoS₂加入量ρ₁=10 g/L时的Ni-Co-P-MoS₂镀后车用柴油机气缸套置于不同温度下保温处理1 h，其Ni-Co-P-MoS₂镀层硬度变化如图3所示。图3表明：在670 K左右保温处理后的Ni-Co-P-MoS₂镀层硬度最高，这主要是非晶态Ni-P合金晶化造成的。因为Ni-P合金晶化形成弥散分布的硬质相即Ni₃P为高硬度的金属间化合物，其弥散析出可增大Ni-Co-P-MoS₂镀层变形时滑移面的阻力，导致Ni-Co-P-MoS₂镀层硬度升高；另外，Ni₃P与β-Ni基体部分共格，造成晶体点阵畸变，也使Ni-Co-P-MoS₂镀层的硬度升高；当温度小于670 K时，Ni₃P的热激活能也随之降低，导致晶化后的Ni₃P数量减少，车用柴油机气缸套镀层表面强化效果不显著，故其表面硬度较低；而当温度大于670 K时，Ni₃P的热激活能也随温度升高而呈直线降低，从而不但导致Ni₃P的畸变应力场逐渐消失，而且打破了Ni₃P与β-Ni基体部分共格关系，促使Ni₃P和基体Ni的晶粒长大，致使车用柴油机气缸套镀层表面硬度下降。可见：对于车用柴油机气缸套Ni-Co-P-MoS₂镀层，由于670 K时车用柴油机气缸套镀层中Ni₃P的综合作用效果最显著，此时对应的车用柴油机气缸套Ni-Co-P-MoS₂镀层硬度也最高。

图2  不同刷镀电压下Ni-Co-P-MoS₂镀层硬度变化曲线

Fig.2  Curves of hardness of Ni-Co-P-MoS₂ coating in different plating voltages

图3  Ni-Co-P-MoS₂镀层硬度与热处理温度的关系

Fig.3  Relationship between hardness of Ni-Co-P-MoS₂ coating and heat treatment temperature

1.2  车用柴油机气缸套耐磨对比实验

车用柴油机气缸套刷镀合金前的硬度为200~250，车用柴油机气缸套刷镀Ni-Co-P或刷镀Ni-Co-P-MoS₂后的硬度分别为940~1 050和950~    1 050。现采用文献[10]中的实验方法，分别以3台同型号的新出厂柴油机做时间间隔为204 h的气缸套耐磨实验(相当于150 km/h，对其中1台气缸套进行镀Ni-Co-P处理，对另一台气缸套进行镀Ni-Co-P-MoS₂处理)，磨损实验比较结果如表2所示。

表2  车用柴油机气缸套平均磨损值比较

Table 2  Comparison with average abrasion values of diesel engine cylinder liner       μm

一般地，车用柴油机气缸套Ni-Co-P-MoS₂镀层的摩擦因数μ可表示为：

μ=T/(RP)                 (1)

式中：T为摩擦力矩；R为Ni-Co-P-MoS₂电镀后的车用柴油机气缸套半径；P为车用柴油机气缸套镀层所受垂直载荷。

可通过测定T计算同一载荷下车用柴油机气缸套2种镀层的摩擦因数μ，分别为0.136和0.102。与单一的车用柴油机气缸套Ni-Co-P镀层的摩擦因数相比，含MoS₂的车用柴油机气缸套镀层的摩擦因数小25%，这是Ni-Co-P-MoS₂镀层中MoS₂的独特分子特性所致。

Ni-Co-P-MoS₂镀层中的MoS₂为六方晶系层状结构，并呈现各向异性；此外，六方晶系层内的S—Mo—S键作用强烈，而六方晶系层间S—S键作用较弱，尽管与金属的结合力很强，但其抗剪切力较小。由于Ni-Co-P-MoS₂镀层的剪切强度比Ni-Co-P镀层的剪切强度小，故Ni-Co-P-MoS₂镀层的黏着摩擦因数μ下降。这就是含Ni-Co-P-MoS₂的镀层具有较小摩擦因数的主要原因。

此外，当含Ni-Co-P-MoS₂的车用柴油机气缸套镀层表面出现磨损时，镀层中MoS₂在磨损的车用柴油机气缸套镀层表面暴露，从而导致车用柴油机气缸套镀层表面摩擦因数变小；此外，从车用柴油机气缸套镀层表面上剥落的磨屑也会起到一定的润滑作用。这2方面因素的综合作用使得含MoS₂的车用柴油机气缸套镀层的磨损量减小较多。

1.3  结果分析与讨论

1.3.1  材质表面硬度与磨粒表面硬度之比的影响

由文献[7-8]可知：对于具有一定表面硬度的磨粒，纯金属材料表面相对耐磨性与其硬度成正比。纯金属材料表面硬度越高，其表面相对耐磨性能越好；反之，则纯金属材料表面相对耐磨性能越差。在柴油机气缸套耐磨对比实验中，磨粒表面的综合平均硬度范围为430~758，而未镀车用柴油机气缸套表面硬度为200~250，未镀柴油机气缸套表面硬度与磨粒表面硬度之比小于0.581 4，故未镀车用柴油机气缸套表面所受到的磨粒磨损程度较严重。与相同时间间隔下的镀车用柴油机气缸套表面磨损程度相比，未镀车用柴油机气缸套表面磨损量为镀车用柴油机气缸套表面磨损量的40~50倍。对于车用柴油机气缸套Ni-Co-P-MoS₂镀层和车用柴油机气缸套Ni-Co-P镀层，其表面硬度分别为950~1 050和940~1 050，与磨粒表面硬度之比分别大于 1.253和1.240，远大于未镀柴油机气缸套表面硬度与磨粒表面硬度之比，故其磨粒磨损量急剧减小。文献[7-8]指出：当磨粒表面硬度一定时，材质表面与磨粒的磨损量随材质表面硬度与磨粒表面硬度之比的增加而呈非线性减小；当材质表面硬度与磨粒表面硬度之比约为1.3时，材质表面与磨粒的磨损量减小率接近为0，其相对耐磨性最好。进一步提高材质表面硬度与磨粒表面硬度之比，材质表面与磨粒的磨损量减少效果不显著。

1.3.2  材料弹性模量的影响

一般地，随着材质弹性模量的增加，两者摩擦间的贴合恶劣情况加剧，从而导致局部单位载荷也有所增加；此外，材质弹性模量增加而导致的材料表面的变形更小，较大地降低了磨粒在其间通过的可能性，其综合作用的结果必然导致车用柴油机气缸套表面受损程度较大增加。

1.3.3  硬度H及其与弹性模量E比值的影响

车用柴油机气缸套的镀层材料的耐磨性能应综合考虑其硬度H及其与弹性模量E的比值H/E。车用柴油机气缸基材即耐磨硼铸铁的弹性模量E_c约为90 GPa，磨粒的综合平均弹性模量E_m约为35 GPa，车用柴油机气缸套表面的Ni-Co-P-MoS₂镀层的弹性模量E_nc约为205 GPa。对于耐磨硼铸铁以及Ni-Co-P-MoS₂镀层材质，硬度H以及与弹性模量E的相对比值H/E分别为2.222~2.778和4.634~5.122，显然，经镀层后，硬度H以及与弹性模量E的相对比值增加了1倍，其耐磨性能也得到较大提高。这与文献[11]中的实验结果相吻合。

2  车用柴油机气缸套磨损量智能预测模型

2.1  函数链神经网络预测模型

函数链神经网络(Functional link neural network，FLNN)是1个仅含输入层和输出层的单层神经网络(不计输入层)，输入层的输入是原输入向量的扩展，扩展一般取为函数式扩展，即通过一组预先取定的线性无关的函数(正交更好)，将原输入向量展开，所得的模式作为函数链神经网络的输入向量。如图4所示，原输入向量x是n维的，扩展函数组为f₁，f₂，…，f_N(N≥n)。一般地，f_i∈Rⁿ(i=1，2，…，N)。

对于有N(N＞2)种预测方法的复杂工业过程非线性时间序列预测问题，可选用N个输入、1个输出的函数链神经网络来进行预测，其输出量y(k)可表示为：

y(k)=∑W_i(k)·f_i(k)；i=1，2，…，N      (2)

式中：W_i(k)为第i种方法第k步时的权值；f_i(k)为第i种方法第k步时预测值。

    将第k步时函数链神经网络的输出值y(k)与对应的车用柴油机气缸套磨损量实际值X_i进行比较，经函数链神经网络学习，求出函数链神经网络的输出估计值与对应的车用柴油机气缸套磨损量实际值X_i均方差在全局范围内的最小值：

(3)

图4  函数链神经网络预测模型结构

Fig.4  Structure of functional link neural network forecasting model

式(3)所对应的最优解W₁，W₂和W₃可由自适应混沌

寻优算法^[12]确定，具体算法如下。

对于折叠次数无限一维自映射：

x_n+1=sin(2/x_n)；-1≤x_n≤1；x_n≠0       (4)

令K₁为粗迭代次数，K₂为细迭代次数，则自适应混沌

寻优算法的基本步骤如下。

Step 1  算法初始化。置K₁=1，K₂=1，并给定2个较大的正整数N₁和N₂，用随机数产生x₀，代入式(4)所示的混沌模型，产生j个混沌变量x_j，n+1(j=1，…，n)作为产生搜索迭代用的混沌变量。

Step 2  混沌变量在设计变量区间上的粗略转化。利用式(5)将以上产生的第j个混沌变量由取值范围[-1，1]变换到优化设计变量W₁，W₂和W₃的去值区间[a_j，b_j]上的混沌变量。

         (5)

Step 3  用混沌变量进行粗迭代搜索。令x_j(K₁)=x′_j,n+1，计算优化解 f_j(K₁)。令x^*_j= x_j(0)，f^*_j= f_j(0)，则：

(1) 若f_j(K₁)≤f^*_j，则f^*_j = f_j(K₁)，x^*_j= x_j(K₁)；

(2) 若f_j(K₁)＞f^*_j，则放弃x_j(K₁)。当K₁≤N₁时，进入下一次迭代，K₁：=K₁+1，当K₁＞N₁时，结束粗迭代。

Step 4  混沌变量搜索区间的缩小。

             (6)

式中：f为收缩因子，f∈(0，0.5)。

为保证新范围不至于越界，进行如下处理：若a′_j＜a_j，则a′_j=a_j；若b′_j＞b_j，则b′_j=b_j。

因此，x^*_j在新区间[a′_j，b′_j]上进行还原处理后的量y^*_j由下式确定：

                 (7)

Step 5  混沌变量在设计变量区间上的细转化。若经过Step 3中的若干搜索，f^*_j都保持不变，则利用式(8)把y^*_j与x_j,n+1的线性组合作为新的混沌变量，用此混沌变量进行搜索。

           (8)

式中：β_j为自适应调节系数，0＜β_j＜1。

考虑到细迭代搜索初期，(x₁，x₂，…，x_n)变动较大，需要的自适应调节系数β_j也应该较大。当搜索过程逐渐接近最优点时，则只需要采用较小自适应调节系数β_j在(x^*₁，x^*₂，…，x^*_n)所在的较小范围内进行搜索。因此，自适应调节系数β_j可采用下式确定：

              (9)

式中：m为整数，根据优化目标函数而定，本文中取m=2。

Step 6  用混沌变量进行细迭代搜索。令x_j(K₂)= x^*_j,n+1，计算优化解f_j(K₂)。

(1) 若f_j(K₂)≤f^*_j，则f^*_j =f_j(K₂)，x^*_j= x_j(K₂)；

(2) 若f_j(K₂)＞f^*_j，则放弃x_i(K₂)；当K₂≤N₂时，进入下一次迭代，K₂：=K₂+1；当K₂＞N₂时，结束细迭代。

2.2  车用柴油机气缸套Ni-Co-P-MoS₂镀层寿命智能预测模型应用

根据表2所示数据，选用F₁方法(灰色分析方法)^[13]、F₂方法(ARMA(1, 0)(时变自回归滑动平均))及F₃方法(季节变量方法)先进行单个预测，然后，将其预测结果作为函数链神经网络的输入变量向量，并采用F₄方法(函数链神经网络预测方法)来进行智能预测，缸套Ni-Co-P-MoS₂镀层寿命智能预测模型为：

 (10)

车用柴油机气缸套Ni-Co-P-MoS₂镀层寿命智能预测模型结果如表3所示，其相对误差绝对值最大为2.390%，最小为0.792%。其预测平均误差和预测平方根误差如表4所示。从表4可以看出：此函数链神经网络预测模型预测结果与单一模型预测结果相比，其预测平均误差和预测平方根误差均较小。

因以车用柴油机气缸套Ni-Co-P-MoS₂镀层的最大平均磨损度为0.2 mm，由式(12)可以得出车用柴油机气缸套Ni-Co-P-MoS₂镀层磨破时间从耐磨实验时间开始还要4 352 h，相当于在65.3×10⁴ km时更换，镀Ni-Co-P-MoS₂的车用柴油机气缸套是合理可   靠的。

表3  Ni-Co-P-Mo镀层平均磨损量智能预测

Table 3  Intelligent forecasting of average abrasion values on Ni-Co-P-Mo coating

表4  本文预测方法与其他预测方法误差比较

Table 4  Comparison of errors of forecasting method and those of other forecasting methods

3  结论

(1) 电镀Ni-Co-P-MoS₂镀层后，车用柴油机气缸套Ni-Co-P-MoS₂镀层材料的耐磨性能指标H/E由镀层以前的2.222~2.778增加到4.634~5.122，Ni-Co-P-MoS₂镀层的耐磨性能得到较大提高。

(2) 镀Ni-Co-P-MoS₂车用柴油机气缸套表面硬度与磨粒表面硬度之比大于1.253，镀层表面与磨粒的磨损量减小率接近为0。

(3) 此预测模型的预测平均误差和预测平方根误差均较小。

参考文献：

[1] 高经纬, 张培林, 张英堂, 等. 某型柴油机磨损特点及油液光谱分析诊断研究[J]. 内燃机学报, 2004, 22(6): 571-576.
GAO Jing-wei, ZHANG Pei-lin, ZHANG Ying-tang, et al. Study on wearing characteristics and diagnosis based on oil spectrum analysis[J]. Transactions of CSICE, 2004, 22(6): 571-576.

[2] 袁文华, 鄂加强, 龚金科, 等. 柴油机连杆轴颈磨损量组合预测模型及应用[J]. 湖南大学学报: 自然科学版, 2006, 33(3): 71-74.
YUAN Wen-hua, E Jia-qiang, GONG Jin-ke, et al. A combined forecasting model on wear rate of crankpin in diesel and its application[J]. Journal of Hunan University: Natural Sciences, 2006, 33(3): 71-74.

[3] 袁文华, 鄂加强, 龚金科. 气缸压力监测下车用多缸发动机燃烧状况分析系统[J]. 中南大学学报: 自然科学版, 2006, 37(4): 763-768.
YUAN Wen-hua, E Jia-qiang, GONG Jin-ke, et al. Combustion condition analysis system of vehicle engine with multi-cylinder under cylinder pressure monitoring[J]. Journal of Central South University: Science and Technology, 2006, 37(4): 763-768.

[4] 李屏, 刘锦辉, 付华萌. 电刷镀Ni-Co-P-X复合镀层力学性能[J]. 辽宁工程技术大学学报: 自然科学版, 2001, 20(3): 355-357.
LI Ping, LIU Jin-hui, FU Hua-meng. Mechanical properties of the composite coatings prepared by brush plating[J]. Journal of Liaoning Technical University: Natural Science, 2001, 20(3): 355-357.

[5] 胡树兵, 李志章, 梅志. 电刷镀Ni-W过渡层与离子镀TiN复合涂层的结合力和磨损特性[J]. 金属热处理学报, 2000, 21(4): 62-67.
HU Shu-bing, LI Zhi-zhang, MEI Zhi. Adhesion strength and wear behavior of ion plating tin composite coating with electric brush plating Ni-W interlayer[J]. Transactions of Metal Heat Treatment, 2000, 21(4): 62-67.

[6] 常汉宝, 曾庆虎. 基于磨损的柴油机性能灰色预测[J]. 海军工程大学学报, 2002, 14(6): 31-34.
CHANG Han-bao, ZENG Qing-hu. Gray forecast of diesel engine performance based on wear[J]. Journal of Naval University of Engineering, 2002, 14(6): 31-34.

[7] 全永昕. 摩擦磨损原理[M]. 杭州: 浙江大学出版社, 1988: 31-42.
QUAN Yong-xin. Friction and wear principle[M]. Hangzhou: Zhejiang University Press, 1988: 31-42.

[8] 李建明. 磨损金属学[M]. 北京: 冶金工业出版社, 1996: 10-25.
LI Jian-ming. Wear metallurgy[M]. Beijing: Metallurgical Industry Press, 1996: 10-25.

[9] Ludema K C. Mechanism-based modeling of friction and wear[J]. Wear, 1996(200): 1-7.

[10] 孙建民, 孙凤英, 杨清梅, 等. 提高进口发动机气缸耐磨性的试验研究[J]. 哈尔滨工程大学学报, 2001, 22(1): 72-76.
SUN Jian-min, SUN Feng-ying, YANG Qing-mei, et al. Improvement of wear resistance of imported engine cylinders[J]. Journal of Harbin Engineering University, 2001, 22(1): 72-76.

[11] Oberle T L. Properties influencing wear of metals[J]. J Metals, 1951(3): 23-35.

[12] E Jia-qiang, WANG Chun-hua, WANG Yao-nan, et al. A new adaptive mutative scale chaos optimization algorithm and its application[J]. Journal of Control Theory ＆ Applications, 2008, 6(2): 141-145.

[13] 邓聚龙. 灰色预测与决策[M]. 武汉: 华中理工大学出版社, 1986: 78-108.
DENG Ju-long. Grey forecast and decision[M]. Wuhan: Huazhong University of Science and Technology Press, 1986: 78-108.

(编辑 陈灿华)

收稿日期：2011-06-01；修回日期：2011-09-01

基金项目：国家“985”工程资助项目(教重函[2004]1号)

通信作者：胡素云(1965-)，女，湖南桃江人，副教授，湖南大学访问学者，从事动力机械优化设计及其故障诊断研究；电话：13548596821；E-mail：hsytxj@163.com