nach oben

Erschienen in:

Open Access 12.06.2022 | Research Article

Predicting EHL film thickness parameters by machine learning approaches

verfasst von: Max Marian, Jonas Mursak, Marcel Bartz, Francisco J. Profito, Andreas Rosenkranz, Sandro Wartzack

Erschienen in: Friction | Ausgabe 6/2023

Vorheriger Artikel Conductivity and tribological properties of IL-PANI/WS2 composite material in lithium complex grease

Nächster Artikel Efficacy of hierarchical pore structure in enhancing the tribological and recyclable smart lubrication performance of porous polyimide

Titel: Predicting EHL film thickness parameters by machine learning approaches
verfasst von: Max Marian
Jonas Mursak
Marcel Bartz
Francisco J. Profito
Andreas Rosenkranz
Sandro Wartzack
Publikationsdatum: 12.06.2022
Verlag: Tsinghua University Press
Erschienen in: Friction / Ausgabe 6/2023
Print ISSN: 2223-7690
Elektronische ISSN: 2223-7704
DOI: https://doi.org/10.1007/s40544-022-0641-6

Premium Partner

Marktübersichten

Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen.

Zur Marktübersicht

Springer Professional

Weitere Artikel der Ausgabe 6/2023

Is there more than one stickiness criterion?

Synovial fluid-inspired biomimetic lubricating microspheres: Zwitterionic polyelectrolyte brushes-grafted microgels

Conductivity and tribological properties of IL-PANI/WS2 composite material in lithium complex grease

The mechanisms and applications of friction energy dissipation

Effect of functional groups on tribological properties of lubricants and mechanism investigation

A preliminary experimental investigation on the biotribocorrosion of a metal-on-polyethylene hip prosthesis in a hip simulator

Premium Partner

Marktübersichten