[发明专利]一种缸套-活塞环磨合状态预测方法

说明书

本发明公开了一种缸套‑活塞环磨合状态预测方法。通过缸套‑活塞环磨合试验获得样本数据，对基于改进的变梯度SCG算法的BP神经网络进行训练和测试；然后输入需要预测的工况参数，即可获得对应的磨合状态信息参数。该预测方法速度快，精度高，可靠性强，可行性强。

技术领域

本发明属于摩擦学技术领域，特别涉及了一种缸套-活塞环磨合状态预测方法。

背景技术

内燃机磨合过程是一个涉及机械、材料属性、表面特征、物理化学特性等多因素的动力学过程，磨合质量的优劣直接影响内燃机的性能、可靠性和使用寿命。缸套-活塞环是内燃机的一对核心运动摩擦副，它长期在高温、高速、高载荷的苛刻复杂的环境下工作，缸套-活塞环的运行状况直接影响内燃机的整机性能。因此，研究磨合工况参数对缸套-活塞环摩擦副磨合的影响，对延长内燃机的使用寿命，提高其动力性、可靠性和经济性等整机性能具有重要意义。缸套-活塞环的磨合问题一直是摩擦学研究的一个重要领域。通过对缸套-活塞环磨合状态的研究，掌握磨合状态特性，有助于对缸套-活塞环的磨合状态进行预测，从而能够实现良好工况条件的设计，实现对磨合过程控制，进一步提高内燃机的整机性能和延长其使用寿命。

然而，缸套-活塞环的磨合过程是一个多因素交叉影响的复杂的非线性动力学过程，很难对其磨合状态进行直接预测。近年来，人们提出了很多研究磨合动力学特性的非线性方法，但由于缸套-活塞环的苛刻复杂的运行环境，人们对缸套-活塞环的磨合动力学特性的研究仍不完善，从而加大了人们对磨合状态准确预测的困难程度。但与此同时，磨合过程包含了丰富多样的磨合特征信息，可以通过对磨合过程中产生的摩擦信号及其磨合时间的研究，对磨合状态进行预测。

发明内容

为了解决上述背景技术提出的技术问题，本发明旨在提供一种缸套-活塞环磨合状态预测方法，实现不同工况参数下缸套-活塞环磨合状态的准确预测。

为了实现上述技术目的，本发明的技术方案为：

一种缸套-活塞环磨合状态预测方法，包括以下步骤：

(1)确定影响缸套-活塞环磨合状态主要因素的工况参数；确定每个工况参数的水平个数，选定正交试验方案进行试验设计，进行台架磨合试验，实时采集摩擦系数信号，并记录磨合时间；将试验数据作为训练样本和测试样本，对所有样本数据进行归一化处理，确定输入层节点和输出层节点；

(2)确定BP神经网络的结构层数，建立基于改进的变梯度SCG算法的BP神经网络模型；选取隐含层传递函数、输出层传输函数、训练函数、学习函数和误差性能函数；根据预测精度要求，设定误差和阈值；

(3)利用训练样本数据训练建立的BP神经网络模型，并对训练样本进行滚动累积，使建立的神经网络模型具备学习记忆功能；

(4)根据隐含层节点数的范围，重复步骤(3)，训练过程中逐渐增加隐含层节点数，当训练过程中达到目标误差所需的步数相对较少时，对应得到隐含层的最佳节点数；

(5)利用测试样本对训练后的神经网络模型进行测试，通过对输入节点正向计算与误差的逆向传播逐层调节各层权值和阈值，调整误差直至满足预测精度要求；

(6)将需要预测的工况参数输入神经网络模型，输出对应的预测结果，对预测结果进行反归一化处理，即获得对应的磨合状态信息参数预测值。

进一步地，在步骤(1)中，将载荷、速度和温度作为影响缸套-活塞环磨合状态的主要因素。

进一步地，在步骤(1)中，将载荷、速度和温度作为三个输入层节点，将摩擦系数和磨合时间作为两个输出层节点。

进一步地，在步骤(1)中，采用贝叶斯归一化法的trainbr函数对样本数据进行归一化处理。