Identification of wear failure modes of metal contacts by surface topography

Abstract

Mechanical components are inevitably subjected to wear during operation, undermining their durability, reliability and functionality. Hence, wear monitoring is necessary to ensure performance and proper operation of these components. Wear is a complex phenomenon that involves the interaction of physical and chemical processes, ultimately leading to the development of wear failure modes on the surface of these components. Different types of wear failure modes, for instance grooving or pitting, can develop on the worn surfaces depending on several conditions, including material properties and operating conditions (e.g. load, speed and temperature) of the tribosystem. These wear failure modes manifest as damage on the worn surfaces, which can be directly visualized by using image or topography-based techniques, such as optical microscopy and profilometry, respectively. Besides, the appearance of the worn surface relates to the type of wear failure modes triggered during the tribological process. Therefore, identifying these different types of failure modes is essential to understanding the contributing conditions leading to failure of the mechanical components. Defining the existing types of wear failure modes in metal contacts is challenging. Historically, the recurring appearance of worn surfaces led researchers from diverse industrial applications and research groups to recognize and label wear failure modes differently, depending on their technical background and perspective. Consequently, literature presents a wide range of terminologies and classifications, which are filled with inconsistencies and ambiguities. These inconsistencies hinder the ability to transfer knowledge from one application to another, even under situations involving similar wear mechanisms and wear failure modes. In light of this lack of a consistent nomenclature, this thesis proposes a unified terminology for wear failure modes of metal contacts. The proposed terminology relates the wear mechanisms of abrasion, erosion, surface fatigue, tribochemical and adhesion to the wear failure modes of grooving, indentation, polishing, cracking, pitting, tribolayer and adhesive failure. From this set of wear failure modes, this thesis delves into the assessment of grooving, indentation, pitting and adhesive failure modes from a topography perspective. Wear failure modes are traditionally identified by visual inspection of the worn surfaces. However, this method is labour-intensive and time-consuming, demands a high level of specialization, and remains inevitably subjective. Recent efforts have turned to automated classification of wear failure modes using image analysis, particularly utilizing deep neural networks. Nonetheless, this two-dimensional (2D) approach overlooks the depth of the worn surfaces, failing to capture the full complexity of the wear damage, which is inherently threedimensional (3D). Furthermore, training of large deep neural networks requires extensive datasets of worn images, which can be challenging to obtain in practice. Alternatively, assessing 3D worn topographies can improve objectiveness of the identification process of wear failure modes. This thesis introduces an original framework for classifying worn metal surfaces subjected to different wear failure modes. The proposed framework combines 3D topography measurements with the assessment of novel topography metrics and the implementation of an artificial neural network. Initially, an extensive literature review was conducted to investigate how topography metrics can be used to quantify and differentiate wear failure modes. This investigation revealed that four primary features of the worn topographies are relevant for the characterization of wear failure modes: vertical amplitude, wavelength content, stratification between peaks and valleys, and spatial orientation of the damage towards the motion direction. Based on these findings, a concise set of topography metrics was selected (Sq; λq) and proposed (Smo; Ssr) to quantify each of these primary features. Root mean square height of the scale-limited surface (Sq) and average wavelength index (λq) were found adequate to describe the vertical amplitude and wavelength content of the worn topographies, respectively. However, no suitable metric was found readily available for quantification of the remaining primary features. Consequently, two novel metrics of surface motion orientation (Smo) and surface stratification ratio (Ssr) were introduced to facilitate the classification of wear failure modes. Smo describes how the damage is oriented towards the motion direction, while Ssr quantifies the ratio between peaks and valleys of the worn topography. The combination of these unique metrics sets a novel morphological space (Smo × Ssr) that allows visualizing how wear failure modes appear spatially oriented and vertically stratified over the worn surfaces. Besides, theoretical locations of the wear failure modes in this novel morphological space were determined based on their physical interpretation. Furthermore, an artificial neural network was designed to automate the framework proposed for the classification of wear failure modes of metal contacts. The proposed metrics (Smo, Ssr) serve as input features for the artificial neural network, leveraging the design of a neural network with reduced complexity without compromising its performance. The artificial neural network was trained on a dataset of synthetic and numerically generated worn topographies, determined based on the theoretical locations of the wear failure modes over the morphological space Smo × Ssr proposed in this thesis. The novel framework was applied to investigate worn topographies from micro-abrasion (i.e. ball cratering) and back-to-back gear test rigs. The ball cratering tests resulted in worn samples exhibiting indentation and grooving failure modes. Transition from indentation to grooving failure mode was induced by increasing the load of the tests. The proposed metric Smo was found suitable to effectively distinguish between these two failure modes. Furthermore, no difference was observed in the wear rate from samples exhibiting different failure modes. The occurrence of grooving by rolling and the superposition of mechanisms were hypotheses formulated to explain this trend observed in the wear rate. Consequently, the unified terminology proposed in this thesis, where the concepts of wear mechanism and wear failure modes are dissociated, conforms better to the experimental evidence than the classical terminology. The nomenclature of particle rolling and particle embedding are adequate to describe the micro wear mechanisms, while the terms indentation and grooving shall be reserved for the description of wear failure modes. Meanwhile, gear tests produced samples exhibiting pitting and adhesive failure modes. The selected metrics (Sq, λq) were found suitable to quantify the scale and severity of the damage, even among samples within the same failure mode. On the other hand, the combined use of the proposed metrics Smo and Ssr was found to be effective in distinguishing between pitting and adhesive failure modes. The implementation of the proposed framework in different tribological applications (ball cratering and gear failure) highlights its robustness and versatility. When applied to the ensemble dataset considering worn samples from both ball cratering and gear failure, the automated framework achieved 94% accuracy in classifying failure modes of indentation, grooving, pitting, and adhesive failure. The proposed framework offers an effective and objective solution for identifying wear failure modes in metal contacts. This research sets a foundation for developing monitoring tools based on topography measurement, with widespread application in wear monitoring.

Componentes mecânicos são inevitavelmente submetidos a desgaste durante operação, comprometendo sua durabilidade, confiabilidade e funcionalidade. Portanto, o monitoramento do desgaste é necessário para garantir o desempenho e a operação adequada desses componentes. O desgaste é um fenômeno complexo que envolve a interação de processos físicos e químicos, levando ao desenvolvimento de modos de falha por desgaste na superfície desses componentes. Diferentes tipos de modos de falha por desgaste, por exemplo, grooving ou pitting, podem se desenvolver nas superfícies desgastadas dependendo de várias condições, incluindo propriedades dos materiais e condições de operação (por exemplo, carga, velocidade e temperatura) do tribossistema. Esses modos de falha por desgaste se manifestam como danos nas superfícies desgastadas, que podem ser visualizados diretamente usando técnicas baseadas em imagem ou topografia, como a microscopia óptica e a perfilometria, respectivamente. Além disso, a aparência da superfície desgastada está relacionada ao tipo de modo de falha por desgaste desencadeado durante o processo tribológico. Portanto, identificar os diferentes tipos de modos de falha é essencial para entender as condições contribuintes que levam à falha dos componentes mecânicos. Definir os tipos existentes de modos de falha por desgaste em contatos metálicos é desafiador. Historicamente, a aparência recorrente de superfícies desgastadas levou pesquisadores de diversas aplicações industriais e grupos de pesquisa a reconhecer e rotular modos de falha por desgaste de maneiras diferentes, dependendo de seu histórico técnico e perspectiva. Consequentemente, a literatura apresenta uma ampla gama de terminologias e classificações, que estão repletas de inconsistências e ambiguidades. Essas inconsistências dificultam a capacidade de transferir conhecimento de uma ap Essas inconsistências dificultam a capacidade de transferir conhecimento de uma aplicação para outra, mesmo em situações envolvendo mecanismos de desgaste e modos de falha por desgaste semelhantes. À luz dessa falta de uma nomenclatura consistente, esta tese propõe uma terminologia unificada para modos de falha por desgaste de contatos metálicos. A terminologia proposta relaciona os mecanismos de desgaste de abrasão, erosão, fadiga superfícial, triboquímico e adesão aos modos de falha por grooving, indentation, polishing, cracking, pitting, tribolayer e adhesive failure. A partir desse conjunto de modos de falha por desgaste, esta tese aprofunda-se na avaliação dos modos de falha de grooving, indentation, pitting, e adhesive failure a partir de uma perspectiva topográfica. Os modos de falha por desgaste são tradicionalmente identificados por inspeção visual das superfícies desgastadas. No entanto, esse método é trabalhoso e demorado, exige um alto nível de especialização, e é inevitavelmente subjetivo. Esforços recentes têm se voltado para a classificação automatizada dos modos de falha por desgaste usando análise de imagem, particularmente utilizando redes neurais artificiais. No entanto, essa abordagem bidimensional (2D) ignora a profundidade das superfícies desgastadas, falhando em capturar toda a complexidade do dano por desgaste, que é inerentemente tridimensional (3D). Além disso, o treinamento de grandes redes neurais requer extensos conjuntos de dados de imagens desgastadas, o que na prática pode ser desafiador de ser obtido. Alternativamente, a avaliação das topografias desgastadas tridimensionais pode melhorar a objetividade do processo de identificação dos modos de falha por desgaste. Esta tese introduz uma abordagem original para classificar superfícies metálicas desgastadas submetidas a diferentes modos de falha por desgaste. A abordagem proposta combina medições de topografia 3D com a avaliação de novas métricas de topografia e a implementação de uma rede neural artificial. Inicialmente, uma extensa revisão da literatura foi conduzida para investigar como as métricas de topografia podem ser usadas para quantificar e diferenciar modos de falha por desgaste. Essa investigação revelou que quatro características primárias das topografias desgastadas são relevantes para a caracterização dos modos de falha por desgaste: amplitude vertical, conteúdo de comprimento de onda, estratificação entre picos e vales, e orientação espacial do dano em relação à direção do movimento. Com base nesses achados, um conjunto conciso de métricas de topografia foi selecionado (Sq; λq) e proposto (Smo; Ssr) para quantificar cada uma dessas características primárias. O desvio médio quadrático da superfície (Sq) e o índice médio de comprimento de onda (λq) foram considerados adequados para descrever a amplitude vertical e o conteúdo de comprimento de onda das topografias desgastadas, respectivamente. No entanto, nenhuma métrica foi encontrada prontamente disponível para quantificação das demais características primárias. Consequentemente, duas novas métricas de orientação da superfície ao movimento (Smo) e razão de estratificação da superfície (Ssr) foram introduzidas para facilitar a classificação dos modos de falha por desgaste. Smo descreve como o dano está orientado em relação à direção do movimento, enquanto Ssr quantifica a razão entre picos e vales da topografia desgastada. A combinação dessas métricas únicas estabelece um novo espaço morfológico (Smo × Ssr) que permite visualizar como os modos de falha por desgaste aparecem espacialmente orientados e verticalmente estratificados nas superfícies desgastadas. Além disso, as localizações teóricas dos modos de falha por desgaste nesse novo espaço morfológico foram determinadas com base em sua interpretação física. Uma rede neural artificial foi projetada para automatizar a abordagem proposta para classificação dos modos de falha por desgaste de contatos metálicos. As métricas propostas (Smo, Ssr) servem como características de entrada para a rede neural artificial, potencializando o projeto de uma rede neural com complexidade reduzida, sem comprometer seu desempenho. A rede neural artificial foi treinada em um conjunto de dados de topografias desgastadas sintéticas e geradas numericamente, determinadas com base nas localizações teóricas dos modos de falha por desgaste no espaço morfológico Smo × Ssr proposto nesta tese. A nova abordagem foi aplicada para investigar topografias desgastadas em testes de micro-abrasão (também denominado ball cratering) e em testes de engrenagens. Os testes de ball cratering resultaram em amostras desgastadas exibindo modos de falha por indentation e grooving. A transição do modo de falha de indentation para grooving foi induzida pelo aumento da carga utilizada nos testes. A métrica proposta Smo mostrouse adequada para distinguir efetivamente entre esses dois modos de falha. Além disso, não foi observada diferença na taxa de desgaste das amostras exibindo diferentes modos de falha. A ocorrência de grooving por rolamento e a superposição de mecanismos foram hipóteses formuladas para explicar essa tendência observada na taxa de desgaste. Consequentemente, a terminologia unificada proposta nesta tese, onde os conceitos de mecanismo de desgaste e modos de falha por desgaste são dissociados, conforma-se melhor às evidências experimentais do que a terminologia clássica. A nomenclatura de particle rolling e particle embedding é adequada para descrever os micromecanismos de desgaste, enquanto os termos indentation e grooving devem ser reservados para a descrição dos modos de falha por desgaste. Enquanto isso, os testes de engrenagens produziram amostras exibindo modos de falha por pitting e adhesive failure. As métricas selecionadas (Sq, λq) mostraram-se adequadas para quantificar a escala e a severidade do dano, mesmo entre amostras pertencentes ao mesmo modo de falha. Por outro lado, o uso combinado das métricas propostas Smo e Ssr mostrou-se eficaz em distinguir entre modos de falha por pitting e por adhesive failure. A implementação da abordagem proposta em diferentes aplicações tribológicas (micro-abrasão e engrenagens) destaca sua robustez e versatilidade. Quando aplicada ao conjunto de dados considerando amostras desgastadas tanto em testes de ball cratering quanto em testes de engrenagens, a abordagem automatizada alcançou uma precisão de 94% na classificação dos modos de falha por indentation, grooving, pitting e adhesive failure. A abordagem proposta oferece uma solução eficaz e objetiva para identificar modos de falha por desgaste em contatos metálicos. Esta pesquisa estabelece um alicerce para o desenvolvimento de ferramentas de monitoramento baseadas na medição de topografia, com ampla aplicação no monitoramento de desgaste.