УДК 62

ПОСТРОЕНИЕ ТРАЕКТОРИЙ ДВИЖЕНИЯ РОТОРА С ПРИМЕНЕНИЕМ НЕЙРОСЕТЕВОГО ПРОГРАММНОГО МОДУЛЯ

Опубликовано в Вестник Брянского государственного технического университета · Том 2017, Номер 3 · Страницы 20–26 · Рубрика: Машиностроение и машиноведение
DOI: https://doi.org/10.12737/article_59b11cb9b0fc96.06905766
Получено: 07.09.2017 Одобрено: 01.12.2025
Рассмотрена проблема разработки высокоточной быстродействующей программы расчета траекторий движения роторов. На основе алгоритма Левенберга - Марквардта разработан программный модуль расчета реакций смазочного слоя подшипников жидкостного трения. Проведено сравнение линейных и нелинейных подходов к решению задач динамики роторов. Представлена количественная оценка точности и быстродействия нейросетевого подхода по сравнению с классическими подходами к расчету динамики роторов.
роторные машины, подшипники жидкостного трения, уравнение Рейнольдса, несущая способность, матрица жесткости, матрица демпфирования, искусственные нейронные сети.
Текст Список литературы
Текст (PDF)
Читать Скачать

1. Савин, Л.А. Моделирование роторных систем с опорами жидкостного трения: монография / Л.А. Савин, О.В. Соломин. - М.: Машиностроение-1, 2006. - 444 с.

2. Childs, D. Turbomachinery rotordynamics. Phenomena, modeling and analysis / D. Childs. - New York: John Wiley&Sons, 1993. - 496 p.

3. Hori, Y. Hydrodynamic lubrication / Y. Hori. - Tokyo: Yokendo Ltd, 2006. - 231 p.

4. Karkoub, M. Modelling pressure distribution in a rectangular gas bearing using neural networks / M. Karkoub, A. Elkamel // Tribology International. - 1997. - Vol. 30. - Is. 2. - P. 139-150.

5. Dongare, A.D. Predictive tool: an artificial neural network / A.D. Dongare, A.D. Kachare // International Journal of Engineering and Innovative Technology (IJEIT). - 2012. - Vol. 2. - Is. 1. - P. 209-214.

6. Qin, P. Dynamic analysis of hydrodynamic bearingrotor system based on neural network / P. Qin, Y. Shen, J. Zhu, H. Xu // International Journal of Engineering Science. - 2005. - Vol. 43. - P. 520-531.

7. Kurban, A.S. Analysis of a hydrodynamic thrust bearing with elastic deformation using a recurrent neural network / A.S. Kurban, S. Yildirim // Tribology International. - 2003. - Vol. 36. - Is. 12. - P. 943-948.

8. Asok, S.P. Neural network and CFD-based optimisation of square cavity and curved cavity static labyrinth seals / S.P. Asok, K. Sankaranarayanasamy, T. Sundararajan, K. Rajesh, G.S. Ganeshan // Tribology International. - 2007. - Vol. 40. - Is. 7. - P. 1204-1216.

9. Ghorbanian, J. Design predictive tool and optimization of journal bearing using neural network model and multiobjective genetic algorithm / J. Ghorbanian, M. Ahmadi, R. Soltani // Scientia Iranica, Transactions B: Mechanical Engineering. - 2011. - Vol. 18. - P. 1095-1105.

10. Simsir, M. Realtime monitoring and diagnostic of a low power hub motor using feedforward neural network / M. Simsir, R. Bayir, Y. Uyaroglu // Computational Intelligence and Neuroscience. - 2016. - Vol. 2016. - 13 p.

11. Samanta, B. Bearing fault detection using artificial neural networks and genetic algorithm / B. Samanta, K.R. Al-Balushi, S.A. Al-Araimi // EURASIP Journal of Applied Signal Processing. - 2004. - Vol. 3. - P. 366-377.

12. Chen, S.Y. Application of a recurrent wavelet fuzzyneural network in the positioning control of a magneticbearing mechanism / S.Y. Chen, Y.C. Hung, Y.H. Hung, C.H. Wu // Computers & Electrical Engineering. - 2016. - Vol. 54. - P. 147-158.

13. Kornaev, A.V. Application of artificial neural networks to calculation of oil film reaction forces and dynamics of rotors on journal bearings / A.V. Kor-naev, N.V. Kornaev, E.P. Kornaeva, L.A. Savin // International Journal of Rotating Machinery. - 2017.

14. Salvadori, M.G. Numerical methods in engineering / M.G. Salvadori, M.L. Baron. - 2 ed. - N. J.: Englewood Cliffs, 1966. - 302 p.

15. Официальный сайт GNU Octave. - URL: http://www.gnu.org/software/octave (дата обращения: 04.01.2016).

Войти или Создать
* Забыли пароль?