Wyniki wyszukiwania - BazTech

1

Wpływ parametrów drgań wzdłużnych i sztywności styku na poziom redukcji siły napędu w ruchu ślizgowym

Gutowski P., Leus M.

Tribologia

|

2011

|

nr 4

113-123

PL

W pracy zaprezentowano wyniki analizy symulacyjnej wpływu amplitudy prędkości drgań wymuszonych stycznych wzdłużnych i sztywności kontaktowej stycznej styku na siłę napędu konieczną do wprawienia ciała w ruch ślizgowy i utrzymania tego ruchu. Analizę przeprowadzono przy wykorzystaniu klasycznego statycznego modelu tarcia Coulomba i dynamicznego modelu tarcia Dahla. Wyniki badań symulacyjnych zweryfikowano na podstawie wyników badań doświadczalnych przeprowadzonych na specjalnie w tym celu zbudowanym stanowisku badawczym.

EN

The simulation tests results of the influence of amplitude of longitudinal tangential vibrations velocity as well as the influence of contact shear stiffness on driving force which is necessary for initiation and maintenance of the sliding motion are presented in this paper. Analyses were performed with the use of Coulomb’s classical static model of friction and with the use of Dahl’s dynamic model. The results of simulation tests were verified. Verification was made based on the results of experimental tests, which were carried out on a stand especially designed for this purpose.

2

Modele neuronowe do prognozowania właściwości przeciwzużyciowych olejów smarnych

Trzos M.

Tribologia

|

2004

|

nr 4

273-284

PL

Złożony nieliniowy charakter zjawisk tarciowych w węzłach smarowanych olejami wymusza poszukiwanie innych niż analityczne modeli pozwalających na predykcję wielkości zużycia. W artykule przedstawiono wykorzystanie sztucznych sieci neuronowych jako modeli opisujących średnicę skazy zużycia w zależności od wybranych właściwości oleju. W procesie modelowania wykorzystano dane pochodzące z badań doświadczalnych dotyczących oceny olejów smarowych [L. 1, 2]. W artykule zaprezentowano wyniki modelowania, w którym do budowy modelu wykorzystano sieć typu perceptron wielowarstwowy oraz sieć o radialnych funkcjach bazowych. W wyniku przeprowadzonych badań opracowano model neuronowy realizujący z dobrą dokładnością funkcję predykcyjną wartości zużycia.

EN

The complex non-linear character of tribological phenomena in lubricated units determins the searching of the different then analytical models for prediction of wear. The article presents the neural networks using as the models of flaw diameter wear. The results of experimental research of lube oils [L. 1, 2] are used in the modelling process. There are also presented the results of modelling process in which the multilayer perceptron neural networks and the neural network of radial basic function were used as the models of wear. As a result of the research the neural model for wear calculation of well accuracy was elaborated.

3

Sztuczne sieci neuronowe jako predykcyjne modele tarcia w układach płynowych

Jankowska A.

Tribologia

|

2003

|

nr 3

81--101

PL

Ze względu na złożony, nieliniowy charakter zjawisk tarciowych, między tłokiem a cylindrem w płynowych układach wykonawczych, za zadowalające uważa się w sterowaniu modele makro - dobrze reprezentujące istotę zjawisk w funkcji ich przyczyn. W pracy przedstawiono neuronowe modele predykcyjne przykładowych zjawisk tarciowych w płynowych układach napędowych. Oszacowano złożoność struktur sztucznych sieci neuronowych (SSN) oraz dokładność predykcji modelowanych zmiennych. Badano modele o postaci wielowarstwowych perceptronów oraz sieci radialnych. Rozważano dwa przykłady: siłę tarcia między nieobciążonym zewnętrzną siłą tłokiem a cylindrem siłownika w pneumatycznym stanowisku badawczym oraz drgania tarciowe w końcowej fazie pozycjonowania tłoka w serwomechanizmie elektrohydraulicznym. W obu przykładach opracowano dość proste struktury SSN realizujące predykcyjne modelowanie z niezłą dokładnością. Niewielka liczba iteracji podczas predykcji z adaptacyjnym dostrajaniem wag sieci wskazuje, że wykorzystanie modelu w trybie on-line staje się możliwe w mikroprocesorowym układzie sterowania. Ze względu na znaczne stałe czasowe płynowych członów wykonawczych, neuronowy model predykcyjny, do pracy bez adaptacji wag w fazie pozycjonowania, czyli zasadniczo w trybie predykcji z długim horyzontem, może się okazać porównywalnie przydatny w układach sterowania jak model z bieżącą korekcją wag.

EN

In the paper the neural models of selected tribological phenomena in fluid drive systems are presented. The complexity of models and modeling accuracy have been estimated. Despite the introduction of standards in friction and wear test stands in many complex technical systems, for example excavators, robots and combines, etc., the fixing conditions of fluid cylinders determine individually the development of frictional vibrations of the piston in a fluid cylinder at low movement velocities. The knowledge of friction models (even if in the form of "black box") presenting the complex nature of tribological phenomena is necessary to achieve desired piston position with a given accuracy. In this paper two examples of tribological phenomena are presented: the friction force between a cylinder and an externally nonloaded piston during the piston braking in the pneumatic research stand, and frictional vibrations in electro-hydraulic servo-drive in final positioning phase. When creating frictional models the Artificial Neural Networks (ANN), characterized by good generalization properties of input data features are applied. Feedforward nets: multilayer (3 or 4 layers) perceptrons (having one or two hidden layers) (MLP) and radial basis functions (RBF), have been tested. The network parameters estimation in learning process realized with the help of gradient optimization methods, was performed. The created predictive models estimate forecasted values of modeled variables on the basis of signal values measured in previous moments. In the first example the friction force as model output was estimated. The inputs were three measured signals: pressure in the sealed chamber, pressure difference at the piston and the velocity of the piston. The quotient of standard deviation of modeling error to pattern standard deviation (quotient) and correlation function (correlation) between model's output and pattern, were estimated. The rather good quality of quotient < or = 0. 2, and correlation > or = 0. 94 with about ten to twenty neurons in hidden layer in all ANN structures created, were obtained. In the second considered example the parameters of frictional vibrations were modeled. The increments of piston position d_x(k) and time lapses between the vibrations d_ T(k), have been estimated. Each parameter served as an output for the three-layer perceptron. The estimation was done on the basis of averaged velocity values in n previous moments of vibrations steps and m previous measured values of piston jumps d_x(k-1), . .„ d_x(k-m) and d_T(k-1), . . ., d_ T(k-m). The number of neurons in net structures and numbers of delays were determined, and n=m=2. An averaged relative prediction error ~1.5% for lapses of time d_T(k) and -4.5% for position jumps d_x(k) in two last points of tested series were obtained in the best MLP 3-layer net of 6:20-7-1structure (6 input samples, 20 conditioning linear neurons, 7 hidden neurons, 1 output neuron). A small number of iteration cycles during adaptive weights tuning in on-line mode of models, indicates the possibility of applying this model in microprocessor control systems. Because of significant time constants of fluid drives the neural predictive models working with multi-step prediction could be applied in control systems - just as models with current adaptive weight tuning. Rather simple ANN structures were compiled for two investigated examples of friction phenomena. Quite good modeling quality was obtained.