مهدی زارع مهرجردی - دانشجوی دکتری، دانشکده مهندسی مکانیک، دانشگاه یزد
اصغر دشتی رحمت آبادی - دانشیار، دانشگاه یزد، دانشکده مهندسی مکانیک
رضا رشیدی میبدی - استادیار ، گروه مهندسی مکانیک، دانشگاه پیام نور،

با توجه به گستردگی رو زافزون سیستم های روانکاری در ماشی ن آلات صنعتی و نیاز اساسی به ارزیابی نحوه عملکرد این سیستم ها در شرایط کارکرد، بکارگیری روش های مناسب جهت تحلیل و بررسی مسائل این حوزه از دیرباز توجه بسیاری از پژوهشگران را به خود جلب نموده است. تحلیل عملکرد انواع یاتاقان های ژورنال به عنوان یکی از وسیع ترین زیرمجموعه های مسائل حوزه روانکاری از دیر باز به طرق مختلف با بکارگیری انواع روش های حل عددی نظیر تفاضل محدود، اجزاء محدود و درونیابی مشتق انجام گرفته است. بکارگیری روش های حل عددی فوق بویژه هنگامی که تحلیل پایداری یاتاقان یا کارکرد آن در شرایط بحرانی مد نظر باشد، سبب پیچیدگی معادلات، دشواری در برنامه نویسی، عدم همگرایی و دستیابی به پاسخ مطلوب و صرف زمان طولانی جهت حصول نتایج م یباشد. در صورت استفاده از شبکه های عصبی 1 به عنوان روش تحلیل در کنار روش های حل عددی فوق می تواند موانع مذکور را تا حد زیادی مرتفع سازد. در کار حاضر کارایی شبک ههای عصبی پرسپترون چندلایه 2 و تابع پایه شعاعی 3 در تحلیل پایداری یاتاقا نهای ژورنال هیدرودینامیکی غیرمدور با روانکار گازی مورد بررسی قرار گرفته است. نتایج گویای توانایی بالای شبک ههای عصبیMLP شامل تعداد لایه های مخفی و یاتاقان های مورد ارزیابی هستند. هر چند که در صورت استفاده تنها از یکی از ویژگی های ابعادی یا عملکردی یاتاقان به عنوان ورودی انواع شبکه های عصبی RBF تخمین های دقیق تری را ارائه م یدهند

یاتاقان ژورنال، مدور و غیرمدور، روانکار گازی، پایداری، شبکه عصبی