-
题名石墨烯润滑油润滑下摩擦副摩擦因数预测模型
被引量：5
- 1
-
-
作者
张丽秀
李爽
魏晓奕
王俊海
李颂华
-
机构
沈阳建筑大学分析与检测技术研究中心
沈阳建筑大学高档石材数控加工装备与技术国家地方联合工程试验室
沈阳建筑大学机械工程学院
沈阳建筑大学材料科学与工程学院
-
出处
《机电工程》
CAS
北大核心
2023年第3期415-421,共7页
-
基金
国家自然科学基金资助项目(52175107,51975388)
辽宁省教育厅项目(LJKZ0599)。
-
文摘
轴承摩擦状态很复杂,且以滚动摩擦为主,滚动摩擦因数的精确计算或者测量都很困难。针对轴承滚动摩擦因数难以测量的问题,对与滚动摩擦因数密切关联的滑动摩擦因数进行了试验和预测研究,提出了一种最佳滑动摩擦因数的预测网络模型。首先,在石墨烯润滑油润滑工况下,进行了Si_(3)N_(4)-GCr15摩擦副的摩擦磨损试验,获得了不同工况下石墨烯质量分数下的滑动摩擦因数;然后,提出了广义回归神经网络(GRNN),并运用遗传算法(GA)优化得到了光滑因子(σ),获得了最佳滑动摩擦因数的预测网络模型GA-GRNN;最后,对测试集预测结果与其他预测模型预测结果进行了预测效果验证,并结合验证集预测结果进行了预测模型的应用验证。研究结果表明:与常规GRNN模型以及误差反馈(BP)神经网络模型相比,GA-GRNN模型的摩擦因数预测准确度更高,且其预测误差更小;GA-GRNN模型的验证集预测值很接近真实值,预测值平均准确率达到了92.30%,预测相对误差在[0.00099017,0.0083249]区间内,对滑动摩擦因数预测效果良好。该结果可为轴承滚动摩擦因数的预测提供基础。
-
关键词
轴承
滚动/滑动摩擦因数
广义回归神经网络
遗传算法
摩擦磨损试验
预测误差
预测准确度
-
Keywords
bearing
rolling/sliding friction factor
generalized regression neural network(GRNN)
genetic algorithm(GA)
friction and wear test
prediction error
prediction accuracy
-
分类号
TH117.1
[机械工程—机械设计及理论]
F272.1
[经济管理—企业管理]
-
