guest ::
Design of surface textures in journal bearings for optimizing operational performance = Gestaltung von Oberflächentexturen in Gleitlagern zur Optimierung des Betriebsverhaltens
2026
Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2026
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University
Genehmigende Fakultät
Fak04
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2026-01-06
Online
DOI: 10.18154/RWTH-2026-01315
URL: https://publications.rwth-aachen.de/record/1027247/files/1027247.pdf
Einrichtungen
Inhaltliche Beschreibung (Schlagwörter)
CFD (frei) ; journal bearings (frei) ; optimization design (frei) ; surface textures (frei) ; surrogate model (frei)
Thematische Einordnung (Klassifikation)
DDC: 620
Kurzfassung
Die zunehmende Nachfrage nach Energieeffizienz und Leistungsdichte in Maschinen und Anlagen erfordert Gleitlager, die durch niedrigere Reibungsverluste (engl. friction losses, FL) und höhere Tragfähigkeiten (engl. load-carrying capacities, LCC) charakterisiert sind. Forschungsarbeiten haben ergeben, dass Oberflächentexturen auf der Gleitfläche eines Gleitlagers eine vielversprechende Methode darstellen, um sowohl die Reduktion von FL als auch eine Verbesserung der LCC zu erreichen. Allerdings bedingt eine fehlerhafte Auslegung der Oberflächentexturparameter negative Auswirkungen auf FL und LCC. Obwohl zahlreiche Studien zur Anwendung von Oberflächentexturen in Gleitlagern durchgeführt wurden, wird die Methode zur richtigen Auslegung von Oberflächentexturen in Gleitlagern in erster Linie durch unzureichende Vorhersagemodelle und Trial-and-Error-Designmethoden beschränkt. Daher gewinnt eine validierte Designmethode für Oberflächentexturen in Gleitlagern zunehmend an Bedeutung. Die vorliegende Dissertation schlägt eine Strategie zur Auslegung von Oberflächentexturen in Gleitlagern vor, mit dem Ziel, die FL zu minimieren und die LCC zu maximieren. Dabei integriert die Auslegungsstrategie drei Teilmodelle für texturierte Gleitlager. Das erste Teilmodell ist das auf Navier-Stokes basierende gemischte elastohydrodynamische Schmiermodell (engl. mixed-EHL), das eine genaue Vorhersage von LCC und FL ermöglicht. Das zweite Teilmodell ist ein auf maschinellem Lernen basierendes Ersatzmodell, das eine effiziente Vorhersage von FL und LCC ermöglicht. Das dritte Teilmodell ist ein multiobjektives Optimierungsmodell, das zur Bestimmung der Auslegungsparameter von Texturen dient, um niedrigere FL und höhere LCC zu erreichen. Die Ergebnisse zeigen, dass die vorgeschlagene Designstrategie unter verschiedenen Schmierbedingungen von Gleitlagern erfolgreich funktioniert. Mithilfe der optimierten Oberflächentextur erfolgt eine Reduktion der FL um etwa 11,97 % unter hydrodynamischen Schmierbedingungen und um 10,39 % unter Mischreibungsbedingungen. Gleichzeitig wurde eine Erhöhung der minimalen Schmierfilmdicke unter hydrodynamischen Schmierbedingungen um 1,46 % und unter Mischreibungsbedingungen um 1,38 % beobachtet, wodurch auf eine leicht erhöhte LCC geschlossen werden kann. Die in dieser Arbeit dargelegte Designstrategie präsentiert einen umfassenden Ansatz zur Analyse und Gestaltung von Oberflächentexturen bei der Anwendung von Gleitlagern. Die vorliegende Arbeit liefert fundierte Einblicke in die Schmiermechanismen texturierter Gleitlager und unterstützt bei der richtigen Auslegung von Gleitlagern mit Oberflächentexturen für bestimmte Betriebsbedingungen.The growing demand for energy efficiency and power density in machinery requires journal bearings to have lower friction losses (FL) and higher load-carrying capacities (LCC). Surface textures on the sliding surface in a journal bearing have shown their promising results in both the reduction of FL and the improvement of LCC. However, the improper design of texture parameters is reported to be detrimental to both parameters. Although numerous studies have been conducted to apply surface textures into journal bearings, the method to properly design surface textures in journal bearings is primarily constrained by inadequate prediction models and trial-and-error design methods. Therefore, a validated design method of surface textures in journal bearings is becoming essential. This dissertation proposes a strategy to design surface textures in journal bearings with the aim of a higher LCC and a lower FL. The design strategy integrates three sub-models for textured journal bearings: the Navier-Stokes based mixedelasto hydrodynamic lubrication (mixed-EHL) model for the accurate prediction of LCC and FL, the machine learning-based surrogate model for the efficient prediction of LCC and FL, and the multi-objective optimization model to determine the design parameters of textures to achieve a higher LCC and a lower FL. The results show that the proposed design strategy works successfully for different lubrication conditions of journal bearings. With the optimized texture design parameters, the FL is reduced by approximately 11.97% under the hydrodynamic lubrication condition and 10.39% under the mixed lubrication condition in this work. Meanwhile, the minimum film thickness is slightly increased by 1.46% under the hydrodynamic lubrication condition and 1.38% under the mixed lubrication condition, which indicates the slightly increased LCC. The design strategy in this work offers a comprehensive approach in analyzing and designing surface textures in the application of journal bearings. It provides in-depth insights into the lubrication mechanisms of textured journal bearings and aids in the proper design of textured journal bearings for given operating conditions.
OpenAccess: 
PDF
(additional files)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
English
Externe Identnummern
HBZ: HT031394143
Interne Identnummern
RWTH-2026-01315
Datensatz-ID: 1027247
Beteiligte Länder
Germany
|
The record appears in these collections: |