一种基于神经网络的径向滑动轴承油膜力快速计算方法技术

一种基于神经网络的径向滑动轴承油膜力快速计算方法，包括：1)建立滑动轴承的Reynolds方程并确定其边界条件；2)求解Reynolds方程；3)计算出径向滑动轴承的轴心轨迹可行域A；4)得到此偏心位置下膜厚方程；5)将油膜压力有量纲化最终结果为p；6)利用得到的油膜压力分布p，通过积分计算出油膜力；7)根据油膜压力分布p等于轴承承受的外部激励载荷计算得到偏心位置的速度；8)得到2000组偏心位置、速度和油膜力，将训练数据划分为训练集和验证集；9)建立2个前馈神经网络分别对训练集的数据进行训练；10)调整训练次数和学习率直至其满足要求，得到最终预测模型；12)得到最终的油膜力。本发明专利技术用于研究滑动轴承转子系统非线性动力学特性。线性动力学特性。线性动力学特性。

【技术实现步骤摘要】
一种基于神经网络的径向滑动轴承油膜力快速计算方法


[0001]本专利技术属于滑动轴承
，具体涉及一种基于神经网络的径向滑动轴承油膜力快速计算方法。

技术介绍

[0002]随着科技的不断发展，旋转机械设备广泛应用于军工、航空航天和航海等尖端领域。因此，旋转机械设备的工作条件日渐恶劣，在高速、高温、重载条件下，研究旋转机械设备中径向滑动轴承转子系统的动力学特性可以有效地提高旋转机械设备的可靠性、安全性。在此工作条件下，径向滑动轴承转子系统在工作过程中会受到冲击、摆动、爆炸等，每一时刻径向滑动轴承的轴心平衡位置、油膜厚度以及作用在径向滑动轴承上的载荷都会发生变化，从而导致滑动轴承产生非线性油膜力，整个径向滑动轴承转子系统的动态特性表现出强烈的非线性。因此，快速、准确地求解滑动轴承非线性油膜力对于研究径向滑动轴承转子系统的动力学特性至关重要。
[0003]径向滑动轴承的非线性油膜力是导致整个轴承转子系统动力学特性非线性的主要原因，传统求解滑动轴承非线性油膜力是通过求解Reynolds方程得到滑动轴承的压力分布，计算径向滑动轴承的刚度和阻尼，再通过求解运动微分方程得到滑动轴承的油膜力。这种计算方法计算时间较长，计算效率低，局限性较大，无法有效地求解径向滑动轴承的非线性油膜力。因此，为了研究径向滑动轴承转子动力学特在恶劣工况条件下的非线性动力学特性，急需一种计算效率高、适用性强的径向滑动轴承非线性油膜力计算方法。

技术实现思路

[0004]本专利技术目的在于针对径向滑动轴承转子系统在冲击、爆炸等恶劣工况条件下，滑动轴承的非线性油膜力计算效率较低，提供了一种基于神经网络的径向滑动轴承油膜力快速计算方法，该方法计算结果包含非线性油膜力F
x
和F
y
、轴心轨迹可行域A。该方法的已知条件包括滑动轴承参数、材料参数和润滑油参数。
[0005]本专利技术采用如下技术方案来实现的：
[0006]一种基于神经网络的径向滑动轴承油膜力快速计算方法，包括以下步骤：
[0007]1)根据给定的径向滑动轴承参数、材料参数，建立滑动轴承的Reynolds方程并确定其边界条件；
[0008]2)将径向滑动轴承的油膜区域展开得到Reynold方程的求解域R并将其划分为均匀的四边形网格以便后续用有限差分法快速求解Reynolds方程；
[0009]3)根据给定的径向滑动轴承类型及参数计算径向滑动轴承的油膜厚度h(θ)，令h(θ)等于零计算出径向滑动轴承的轴心轨迹可行域A；
[0010]4)在径向滑动轴承的轴心轨迹可行域A内任取一点作为滑动轴承的偏心位置(x
i
,y
i
)，i为取偏心位置的序号，将偏心位置带入步骤2)的膜厚方程h(θ)得到此偏心位置下膜厚方程；
[0011]5)将步骤1)建立的Reynolds方程无量纲化从而减少自变量数目并提高计算精度，利用有限差分法按步骤2)划分的网格根据边界条件求解无量纲化后的Reynolds方程计算出径向滑动轴承的无量纲油膜压力分布，将油膜压力有量纲化最终结果为p；
[0012]6)利用步骤5)得到的油膜压力分布p，通过积分计算出油膜力F
xi
、F
yi
；
[0013]7)根据油膜压力分布p等于轴承承受的外部激励载荷计算得到偏心位置(x
i
,y
i
)的速度
[0014]8)重复上述步骤4)
‑
步骤8)2000次，得到2000组偏心位置(x
i
,y
i
)、速度)、速度和油膜力F
xi
、F
yi
，这2000组数据作为训练数据，将训练数据划分为训练集和验证集；
[0015]9)建立2个前馈神经网络分别对训练集的数据进行训练，计算每一层网络的净输入值、激活值，再利用反向传播算法计算每一层网络的误差值；
[0016]10)根据误差值修正每一层网络的参数，如果神经网络在验证集错误率未达到要求则调整训练次数和学习率直至其满足要求；
[0017]11)训练后的前馈神经网络为F
x
、F
y
的最终预测模型，能够表达油膜力F
x
、F
y
与偏心位置(x,y)和速度的关系；
[0018]12)步骤11)得到的油膜力最终预测模型计算径向滑动轴承轴心轨迹可行域A内任意位置滑动轴承的油膜力，在最终网络中输入所需求解偏心点的位置和速度得到最终的油膜力F
x
、F
y
·
。
[0019]本专利技术进一步的改进在于，步骤1)中，Reynolds方程为：
[0020][0021]式中：η为润滑油粘度，ρ为润滑油密度，p为油膜压力，h为油膜厚度，x、y分别为周向和轴向坐标，U为滑动轴承润滑区域的平均速度；
[0022]Reynolds方程的边界条件为：
[0023][0024]式中：l为径向滑动轴承润滑区域长度，l＝2πr，P0为供油压力，b为轴承宽度。
[0025]本专利技术进一步的改进在于，步骤3)中，径向滑动轴承的油膜厚度方程如式(3)：
[0026]h(θ)＝c
p
‑
X
j cos(θ)
‑
Y
j sin(θ)
‑
h
g
ꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0027]式中，h
g
根据轴承润滑类型确定，c
p
为轴承间隙，X
j
，Y
j
为轴承偏心位置的坐标，θ为周向位置角。
[0028]本专利技术进一步的改进在于，步骤6)中，x，y方向的径向滑动轴承的油膜力分别为的F
x
和F
y
，具体计算公式如下：
[0029][0030]式中，N为瓦块数量，θ为周向位置角，θ1油膜起始角，θ2油膜破裂角。
[0031]本专利技术进一步的改进在于，步骤8)中，2000组数据选取1800组数据作为训练集，剩下200组数据作为验证集。
[0032]本专利技术进一步的改进在于，步骤9)中，所使用的前馈神经网络共有四层，包括1层输入层、2层中间层和1层输出层，两个前馈神经网络的输出值分别为F
x
和F
y
，这两个神经网络的结构相同。
[0033]本专利技术进一步的改进在于，两个前馈神经网络输入层的输入参数为输出层的输出参数分别为F
x
和F
y
，隐藏层每个神经元的净输入值z如下式所示：
[0034]z＝w
T
x+b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0035]式中，w
T
＝[w1,w2,w3,w4]，b为偏置量；
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的径向滑动轴承油膜力快速计算方法，其特征在于，包括以下步骤：1)根据给定的径向滑动轴承参数、材料参数，建立滑动轴承的Reynolds方程并确定其边界条件；2)将径向滑动轴承的油膜区域展开得到Reynold方程的求解域R并将其划分为均匀的四边形网格以便后续用有限差分法快速求解Reynolds方程；3)根据给定的径向滑动轴承类型及参数计算径向滑动轴承的油膜厚度h(θ)，令h(θ)等于零计算出径向滑动轴承的轴心轨迹可行域A；4)在径向滑动轴承的轴心轨迹可行域A内任取一点作为滑动轴承的偏心位置(x
i
,y
i
)，i为取偏心位置的序号，将偏心位置带入步骤2)的膜厚方程h(θ)得到此偏心位置下膜厚方程；5)将步骤1)建立的Reynolds方程无量纲化从而减少自变量数目并提高计算精度，利用有限差分法按步骤2)划分的网格根据边界条件求解无量纲化后的Reynolds方程计算出径向滑动轴承的无量纲油膜压力分布，将油膜压力有量纲化最终结果为p；6)利用步骤5)得到的油膜压力分布p，通过积分计算出油膜力F
xi
、F
yi
；7)根据油膜压力分布p等于轴承承受的外部激励载荷计算得到偏心位置(x
i
,y
i
)的速度8)重复上述步骤4)
‑
步骤8)2000次，得到2000组偏心位置(x
i
,y
i
)、速度)、速度和油膜力F
xi
、F
yi
，这2000组数据作为训练数据，将训练数据划分为训练集和验证集；9)建立2个前馈神经网络分别对训练集的数据进行训练，计算每一层网络的净输入值、激活值，再利用反向传播算法计算每一层网络的误差值；10)根据误差值修正每一层网络的参数，如果神经网络在验证集错误率未达到要求则调整训练次数和学习率直至其满足要求；11)训练后的前馈神经网络为F
x
、F
y
的最终预测模型，能够表达油膜力F
x
、F
y
与偏心位置(x,y)和速度的关系；12)步骤11)得到的油膜力最终预测模型计算径向滑动轴承轴心轨迹可行域A内任意位置滑动轴承的油膜力，在最终网络中输入所需求解偏心点的位置和速度得到最终的油膜力F
x
、F
y
·
。2.根据权利要求1所述的一种基于神经网络的径向滑动轴承油膜力快速计算方法，其特征在于，步骤1)中，Reynolds方程为：式中：η为润滑油粘度，ρ为润滑油密度，p为油膜压力，h为油膜厚度，x、y分别为周向和轴向坐标，U为滑动轴承润滑区域的平均速度；Reynolds方程的边界条件为：
式中：l为径向滑动轴承润滑区域长度，l＝2πr，P0为供油压力，b为轴承宽度。3.根据权利要求2所述的一种基于神经网络的径向滑动轴承油膜力快速计算方法，其特征在于，步骤3)中，径向滑动轴承的油膜厚度方程如式(3)：h(θ)＝c
p
‑
X
j
cos(θ)
‑
Y
j
sin(θ)
‑
h
g
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式中，h
g
根据轴承润滑类型确定，c
p
为轴承间隙，X
j
，Y
...

【专利技术属性】
技术研发人员：洪军，裴世源，魏峥，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：