Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Scientific Problems of Machines Operation and Maintenance

1 2011

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: prediction of friction characteristics

Sortuj według:

Ogranicz wyniki do:

Prediction on friction characteristics of mine hoist disc brakes using artificial neural networks

Grzegorzek W., Ścieszka S.

Scientific Problems of Machines Operation and Maintenance

2011

Vol. 46, nr 3

27-42

Safety and reliability are the main requirements for brake devices in the mining winding installations. Trouble-free performance under changing braking parameters is mandatory. Therefore, selection of the right materials for the friction brake elements (pads and discs) is the most challenging task for brake system designers. The coefficient of friction for the friction couple should be relatively high (dsim 0.4); but, above all, it should be stable. In order to achieve the desired break friction couple performance, a new approach to the prediction of the tribological processes versus friction materials formulation is needed. The paper shows that the application of the artificial neural network (ANN) can be productive in modelling complex, multi-dimensional funtional relationships directly from experimental data. The ANN can learn to produce an input/output relationship, and the model of friction brake behaviour can be established.

Bezpieczeństwo i niezawodność działania to główne wymagania stawiane hamulcom maszyn wyciągowych. Niezawodna, bezproblemowa praca hamulców w zmieniających się warunkach otoczenia i obciążenia jest wymagana i egzekwowana przez dozór górniczy. Dlatego wybór materiałów na elementy pary hamulcowej (okładzina cierna, tarcza hamulca) jest dużym wyzwaniem dla konstruktorów. Współczynnik tarcia dla tej pary ciernej powinien być bezwzględnie wysoki (około 0,4) ale przede wszystkim wymaga się, aby był stabilny. Dla osiągnięcia pożądanego efektu pracy hamulca zastosowano nowe narzędzie dla predykcji i kontroli procesów tribologicznych w funkcji parametrów tarcia i składu chemicznego materiału okładziny hamulcowej. Zastosowanie sztucznych sieci neuronowych jest przydatne w modelowaniu złożonych, wieloczynnikowych zależności w oparciu o dane pochodzące z eksperymentów laboratoryjnych. Sztuczne sieci neuronowe mogą być wytrenowane do wytworzenia relacji wejście/wyjście i do modelowania oraz przewidywania charakterystyk użytkowych w hamulcach ciernych.