Применение искусственных нейронных сетей для мониторинга состояния мехатронного подшипника жидкостного трения в условиях температурно-вязкостного клина

Цель. Одним из основных условий возникновения жидкостного трения является условие наличия изменяющегося зазора, которое обычно именуют геометрическим клином, однако это условие не является обязательным и эффект геометрического клина может быть заменен клином вязкостным. Эффект вязкостного клина для ньютоновских жидкостей может быть вызван температурной неоднородностью, а для неньютоновских – дополнительной причиной может быть неоднородность поля тензора скоростей деформаций. Таким образом, управляя температурным полем в смазочном слое можно обеспечить дополнительную несущую способность в опоре жидкостного трения, кроме того появляется возможность минимизировать потерю мощности на трение. Целью данной работы является создание управляемого температурно-вязкостного клина в подшипнике жидкостного трения. Физическая реали-зация данного эффекта достигается с помощью многозонной подачи смазочного материала переменной температуры.

Методы. Используются методы планирования и организации эксперимента, анализ результатов проводился путем построения траекторий и АЧХ разверток колебаний. Для решения задачи сенсорного и программного определения состояния подшипника и условий смазки используются современные методы машинного обучения, а именно, разработана искусственная нейронная сеть прямого распространения с логистическими функциями активации, позволяющая по данным измерений виброперемещений ротора и давления жидкости в подшипнике определять способ подачи смазки. Как вспомогательные используются методы линейной алгебры и безусловной оптимизации.

Результаты. Разработана экспериментальная установка в виде роторно-опорной системы с многозон-ной подачей смазочного материала с информационно-измерительной системой, позволяющей получать виброперемещения ротора и давление подачи жидкости; для мониторинга состояния подшип-ника и условий смазки разработана математическая модель в виде искусственной нейронной сети прямого распространения с одним скрытым слоем.

Заключение.Искусственный температурно-вязкостный клин и многозонная подача смазочного мате-риала в подшипник жидкостного трения оказывают значимое влияние на состояние гидромеханической системы. Это влияние с точностью более 95% удалось установить с помощью искусственной нейронной сети после обработки данных измерений виброперемещений ротора и давления жидкости в подшипнике.

1. Wang Q.J., Chung Y.-H. Encyclopediaoftribology. New York: Springer Science + Business Media, 2013. 4192 p.

2. Young J. Thermal wedge effect in hydrodynamic lubrication // The Engineering Journal. 1962. Vol. 45. P. 46–54.

3. Meng Xi, Khonsari M.M. On the effect of viscosity wedge in microtextured parallel surfaces //Tribology International.2017. Vol. 107.P. 116 – 124. http://dx.doi.org/10.1016/j.triboint.2016.11.007.

4. Kornaev A.V., KornaevaE.P., Savin L.A. Theoretical premises of thermal wedge effect in fluid-film bearings supplied with a non-homogeneous lubricant// International Journal of Mechanics". 2017.Vol. 11. P. 197-203.

5. Корнаева Е.П., Корнаев А.В., Савин Л.А. Моделирование неизотермического течения вязкой жидкости в конфузорных каналах в условиях многозонной подачи смазочного материала // Известия Юго-Западного государственного университета. 2018. Т. 22, № 5(80). С. 109-118.

6. Xi. Li, Zhang W., Ding Q. Deep learning-based remaining useful life estimation of bearings using multi-scale feature extraction // Reliability Engineering and System Safety. 2019.Vol.182. P. 208-218.

7. Wang X., JiangB., LuN., Zhang Ch. Dynamic fault prognosis for multivariate degradation process // Neurocomputing. 2018. no. 275. P. 1112-1120.

8. СулимовВ.Д., ШкаповП.М., СулимовА.В. Геометрические структуры и вычислительная диагностика динамических систем с использованием гибридных алгоритмов // Фундаментальные и прикладные проблемы техники и технологии. 2018. № 4-1 (330). С. 3-13.

9. GoodfellowI., BengioYo., CourvilleA. DeepLearning. MIT Press., 2016; 802 p.

10. Hori Y. Hydrodynamic Lubricatio. Tokyo: Yokendo Ltd., 2006. 239 p.

11. Eling R., Wierik M., Ostayen R., Rixen D. Towards Accurate Prediction of Unbalance Response, Oil Whirl and Oil Whip of Flexible Rotors Supported by Hydrodynamic Bearings // Lubricants. 2016.Vol. 4. 18 p., https://doi.org/10.3390/lubricants4030033.

12. YamamotoT.Linear and nonlinear rotordynamics. A modern treatment with applications. New York: John Wiley&Sons, 2001.

13. ChildsD. Turbomachinery rotordynamics. Phenomena, modeling, and analysis. New York: John Wiley&Sons, 1993. ISBN 0-471-53840-X.