پیش بینی پارامترهای روغ نکاری یاتاقان چشم کوچک شاتون موتور به کمک شبکه های عصبی با شبی هسازی در نرم افزار AVL EXCITE
محل انتشار: هشتمین همایش بین المللی موتورهای درونسوز
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 821
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICICE08_069
تاریخ نمایه سازی: 11 خرداد 1393
چکیده مقاله:
برای کاهش یاسش در مجموعه گژن پین، بوش و باس پیستون روغن کاری انجام می شود. روغن مورد استفاده در موتور ملی از نوع 10W40 با لزجت دینامیکی mPa.s 5/5 در دمای کاری 140 درجه سلیسیوس است. به منظور تحلیل هیدرودینامیک لایه روغن در چشم کوچک شاتون، مدل واقعی موتور با درنظر گرفتن چهار سیلندر در نرم افزار AVL EXCITE 5.1 شبیه سازی شد. در این نرم افزار تاثیر شش پارامتر دمای روغن، نوع تنفس، نوع سوخت، مقدار لقی بین گژن پین و بوش برنزی چشم کوچک شاتون، موقعیت قرارگیری یاتاقان، سرعت دورانی موتور بر پارامترهای روغن کاری (بیشینه فشار و کمینه ضخامت) مدل سازی شده و نمودارهای مربوطه استخراج می شود. هچنین تاثیر این شش فاکتور بر پارامتر روغنکاری برای چهار حالت مختلف موتور توسط شبکه های عصبی شبیه سازی می شود. از شبکه های عصبی پس انتشار رو به عقب (FFBP) برای این کار استفاده گردید. نتایج نشان داد که بهترین توپولوژی برای پیش بینی پارامترهای روغن کاری (بیشینه فشار و کمینه ضخامت) شبکه عصبی ای با ساختار 2-30-24-6، با الگوریتم آموزش trainlm و توابع آستانه tansig, logsig و pureline می باشد. این شبکه در 120 تکرار (epoch) و در مدت زمان 6/85 ثانیه با خطای یادگیری 00229/0 همگرا می شود.
کلیدواژه ها:
نویسندگان
محمد کاظمی
دانش آموخته کارشناس ارشد، کارشناس آزمون های مکانیکی و صحه گذاری، شرکت تحقیق، طراحی و تولید موتور ایران خودرو، ایران
تیمور توکلی هشجین
استاد دانشگاه تربیت مدرس، ایران
بهزاد نیکخو
رئیس اداره ازمون، آزمایشگاه، شرکت تحقیق، طراحی و تولید موتور ایران خودرو، ایران
مهدی زارع
کارشناس واحد آزمایشگاه، شرکت تحقیق، طراحی و تولید موتور ایران خودرو، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :