- Tytuł:
-
Modelling of moment of friction under increasing load using artificial neural networks
Modelowanie przebiegu momentu tarcia pod narastającym obciążeniem z wykorzystaniem sztucznych sieci neuronowych - Autorzy:
-
Gocman, K.
Kałdoński, T. - Powiązania:
- https://bibliotekanauki.pl/articles/243205.pdf
- Data publikacji:
- 2007
- Wydawca:
- Instytut Techniczny Wojsk Lotniczych
- Tematy:
-
tribologia
tarcie graniczne
smarność
modelowanie procesów tribologicznych
sztuczne sieci neuronowe
tribology
boundary friction
lubricity
modeling of tribological processes
artificial neural networks - Opis:
-
Searching models of tribological quantities taking into account every processes proceeded in friction pairs is one of the most important problem in present tribology. Existing models of wear and friction are unfortunately imperfect -they do not reflect every occurrences proceeded in tribological pairs, especially in case of boundary friction. Complicated and nonlinear nature of friction processes force researching of non-analytical models. In view of their properties, the artificial neural networks (ANN) could become very useful instruments. The results preliminary tests on influence of load and rotational speed on moment offriction are presented in this paper. Tests were carried out under increasing load and at the range of rotational speed 500 - 1500 rpm. The analysis of results was elaborated and run of moment offriction on base of artificial neural network was modeled. The different kinds of ANN and different training algorithms were applied to obtain the best quality of built models. In particular the schema of the friction, the moment of the friction in a load function for selected rotational speeds, the structure of the GRNN network, composition experimental data and results of the modelling are illustrated in the paper.
Modelowanie wielkości tribologicznych, uwzględniające wszystkie procesy zachodzące w węźle tarcia jest jednym z najważniejszych zadań współczesnej tribologii. Istniejące modele zużycia i tarcia są niestety niedoskonałe - nie odzwierciedlają one wszystkich zjawisk zachodzących w węźle tarcia, zwłaszcza w wypadku występowania tarcia granicznego. Złożony i nieliniowy charakter procesów zachodzących w węźle tarcia wymusza poszukiwanie modeli innych niż analityczne. Ze względu na swoje właściwości, bardzo użytecznym narzędziem mogą stać się sztuczne sieci neuronowe (SSN). W artykule przedstawiono wstępne wyniki badań wpływu obciążenia i prędkości obrotowej na przebieg momentu tarcia. Badania przeprowadzone zostały przy obciążeniu narastającym płynnie w czasie testu, w zakresie prędkości obrotowych od 500 do 1500 obr/min. Po przeprowadzonej analizie wyników badań, na bazie sztucznych sieci neuronowych zbudowany został model przebiegu momentu tarcia. W czasie modelowania wykorzystano różne rodzaje sieci neuronowych oraz zastosowano różne algorytmy uczące, aby uzyskać jak najlepszą jakość budowanego modelu. W szczególności schemat węzła tarcia, moment tarcia w funkcji obciążenia dla wybranych prędkości obrotowych, struktura sieci GRNN, zestawienie danych eksperymentalnych i wyników modelowania są zilustrowane w artykule. - Źródło:
-
Journal of KONES; 2007, 14, 2; 171-177
1231-4005
2354-0133 - Pojawia się w:
- Journal of KONES
- Dostawca treści:
- Biblioteka Nauki
Artykuł