首页 / 专利库 / 心理学与精神病学 / 感知 / 一种低磨损的自感知复合微结构制备方法

一种低磨损的自感知复合微结构制备方法

阅读:704发布:2021-06-15

专利汇可以提供一种低磨损的自感知复合微结构制备方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及精密加工技术和 薄膜 传感器 领域,具体涉及一种低磨损的自 感知 复合微结构制备方法。首先在结构部件(1)表面加工槽状结构(2),在槽状结构底部制备薄膜传感器(3),形成复合微结构单元;复合微结构单元以单独或阵列排列方式制备到结构部件(1)表面,形成减摩抗磨的自感知复合微结构。本发明的一种低磨损的自感知复合微结构制备方法,可以直接制备到结构部件表面,实现自身工作状态的实时监测,同时能够改善目前薄膜传感器工程化应用不耐磨的问题,使结构部件具备工作状态自感知能 力 ,达到小型化、轻量化、智能化、集成化的目的,并提高工程化应用 水 平,所述减摩抗磨性能为 摩擦系数 和磨损率相对原表面降低10%以上。,下面是一种低磨损的自感知复合微结构制备方法专利的具体信息内容。

1.一种低磨损的自感知复合微结构制备方法,其特征在于,首先在结构部件(1)表面加工槽状结构(2),在槽状结构底部制备薄膜传感器(3),形成复合微结构单元;复合微结构单元以单独或阵列排列方式制备到结构部件(1)表面,形成减摩抗磨的自感知复合微结构。
2.如权利要求1所述的低磨损的自感知复合微结构制备方法,其特征在于,所述结构部件(1)为轴类、叶片轴承、蒙皮中的一种。
3.如权利要求1所述的低磨损的自感知复合微结构制备方法,其特征在于,所述槽状结构(2)的横截面形状为矩形、半圆形、三形中的一种,槽状结构的宽度为0.01μm~100μm,深度为0.01μm~100μm。
4.如权利要求1所述的低磨损的自感知复合微结构制备方法,其特征在于,所述槽状结构(2)的制备方法可以是车削铣削、激光加工、刻蚀中的一种或几种。
5.如权利要求1所述的低磨损的自感知复合微结构制备方法,其特征在于,所述薄膜传感器(3)为单层膜或多层膜复合,总厚度为0.01μm~100μm。
6.如权利要求1所述的低磨损的自感知复合微结构制备方法,其特征在于,所述薄膜传感器(3)的制备方法可以是喷涂、离子溅射、刻蚀中的一种或几种。
7.如权利要求1所述的低磨损的自感知复合微结构制备方法,其特征在于,所述排列方式为网格型、波浪型、折线型中的一种或几种。
8.如权利要求1所述的低磨损的自感知复合微结构制备方法,其特征在于,所述自感知复合微结构为可检测结构部件自身的工作状态,可以是结构部件的位移、温度、应变等信号中的一种或几种。

说明书全文

一种低磨损的自感知复合微结构制备方法

技术领域

[0001] 本发明涉及精密加工技术和薄膜传感器领域,具体涉及一种低磨损的自感知复合微结构制备方法。

背景技术

[0002] 武器装备的轻量化、小型化、智能化和集成化是航天、航空等军事工业和国防领域的一项重要任务。武器装备自身工作状态的检测是通过相应的传感器来实现的,但这些传感器的使用会增大武器装备整体的重量和体积,此外,对于一些特殊的工作环境(如高温、狭窄安装空间),传感器根本无法安装,导致武器装备的信号无法正常采集。
[0003] 薄膜传感器作为目前发展最为迅速的一种技术,其具有灵敏度高,体积小等优点,可以克服一般贴片式传感器的缺点,适应高温、振动等特殊环境。研制能适应各种恶劣环境测试要求的智能传感器,尤其适合直接制于被测量件表面,制造出高可靠性的敏感薄膜是保证传感器在特殊环境下仍具有信号传输功能的关键。
[0004] 但目前所研制的薄膜传感器大多停留在实验室研制阶段,只能进行传感信号测试,未能真正实现工程化应用,其中一个重要的原因是薄膜传感器的可靠性差,不能抵抗工作环境的磨损破坏。
[0005] 针对以上问题,本技术提出自润滑自感知复合微结构,该技术的关键是把薄膜传感器制备到微结构的凹槽内部,一方面可以降低自感知薄膜传感器与摩擦副之间的直接接触,另一方面合理设计的微结构可以降低摩擦和磨损,提高薄膜传感器的可靠性。

发明内容

[0006] 针对背景技术存在的缺陷,本发明提出了一种低磨损的自感知复合微结构制备方法,本方法融合表面微结构加工技术与表面涂覆技术,实现结构部件表面工作状态的实时监测,同时改善薄膜传感器的抗磨持久性。
[0007] 本发明的技术方案如下:
[0008] 一种低磨损的自感知复合微结构制备方法,其特征在于,首先在结构部件1表面加工槽状结构2,在槽状结构底部制备薄膜传感器3,形成复合微结构单元;复合微结构单元以单独或阵列排列方式制备到结构部件1表面,形成减摩抗磨的自感知复合微结构。
[0009] 所述结构部件1为轴类、叶片轴承、蒙皮中的一种。
[0010] 所述槽状结构2的横截面形状为矩形、半圆形、三形中的一种,槽状结构的宽度为0.01μm~100μm,深度为0.01μm~100μm。
[0011] 所述槽状结构2的制备方法可以是车削铣削、激光加工、刻蚀中的一种或几种。
[0012] 所述薄膜传感器3为单层膜或多层膜复合,总厚度为0.01μm~100μm。
[0013] 所述薄膜传感器3的制备方法可以是喷涂、离子溅射、刻蚀中的一种或几种。
[0014] 所述排列方式为网格型、波浪型、折线型中的一种或几种。
[0015] 所述自感知复合微结构为可检测结构部件自身的工作状态,可以是结构部件的位移、温度、应变等信号中的一种或几种。
[0016] 一种低磨损的自感知复合微结构,其特征在于,结构部件1上以单独或阵列排列方式设有槽状结构2,在每个槽状结构2底部增加薄膜传感器3。
[0017] 本发明的有益效果为:
[0018] 本发明的一种低磨损的自感知复合微结构制备方法,可以直接制备到结构部件表面,实现自身工作状态的实时监测,同时能够改善目前薄膜传感器工程化应用不耐磨的问题,使结构部件具备工作状态自感知能,达到小型化、轻量化、智能化、集成化的目的,并提高工程化应用平,所述减摩抗磨性能为摩擦系数和磨损率相对原表面降低10%以上。附图说明:
[0019] 图1是本发明的一种低磨损的自感知复合微结构制备方法的原理示意图。
[0020] 图2是本发明实施例一的基于作动轴位移信号检测的复合微结构示意图。
[0021] 图2a是本发明实施例1的带有复合微结构的作动轴样件。
[0022] 图2b是本发明实施例1的带有复合微结构的作动轴样件剖视图。
[0023] 图2c是本发明实施例1的带有复合微结构的作动轴样件局部视图。
[0024] 图3是本发明实施例1的基于作动轴位移信号读数原理简图。
[0025] 图4是本发明实施例1的基于作动轴位移信号检测的电容变化曲线图。
[0026] 图5是本发明实施例2的轴承样件温度信号检测的复合微结构示意图。
[0027] 图6是本发明实施例2的轴承样件温度信号检测的复合微结构截面原理图。具体实施方式:
[0028] 下面结合附图对本发明进一步说明:
[0029] 一种低磨损的自感知复合微结构制备方法,首先使用车削、铣削、激光加工、刻蚀中的一种或几种方法在轴类、叶片、轴承、蒙皮等结构部件表面加工微结构,微结构的横截面形状为矩形、半圆形或三角形,宽度为0.01μm~100μm,深度为0.01μm~100μm。其次使用喷涂、离子溅射、刻蚀中的一种或几种方法在槽状结构底部制备单层或多层的薄膜传感器,总厚度为0.01μm~100μm,形成复合微结构单元。最后把复合微结构单元以单独或阵列方式排列,制备到结构部件表面,形成减摩抗磨的自感知复合微结构。减摩抗磨性能为摩擦系数和磨损率相对原表面降低10%以上,自感知性能指可感知结构部件的位移、温度、应变等信号中的一种或几种。
[0030] 实施例一:
[0031] 图2所示为带有位移信号检测复合微结构的作动轴样件6。首先使用超精密车削技术在长度为300mm的作动轴表面加工沿轴向分布的环形槽状微结构4,槽的宽度为5mm,深度为0.5mm,槽与槽之间的间距为5mm,形成含环形槽状微结构4的作动轴样件6;然后采用等离子喷涂技术在轴体表面喷涂Ni的过渡层,厚度为0.2mm,接着在上面喷涂涂层,厚度为0.4mm,形成位移传感薄膜5;最后采用超精密磨削技术对复合微结构的表面进行加工,使样件的表面精度达到使用要求,形成含复合微结构的作动轴样件;在作动轴外圈套装两个由绝缘环7隔离的环18和铜环29,铜环与作动轴样件6表面形成电容结构,当作动轴轴体与铜环有相对位移时,会检测到相位不同的电容信号图4,进而可以判断相对位移。
[0032] 实施例二:
[0033] 图5所示为带有温度信号检测复合微结构的轴承样件12。首先采用超精密铣削技术在6207轴承外端面上加工环形槽状微结构13,槽的宽度为3mm,深度为0.2mm;然后采用磁控溅射技术在槽底至下而上分别制备绝缘层14、温度敏感层15和保护层16图6,形成薄膜温度传感器;使用导电浆把导线连接到复合微结构的信号引出端,进行电阻-温度信号的检测。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈