[发明专利]基于BP神经网络的滚动轴承-转子系统耦合性能求解方法

权利要求书

1.基于BP神经网络的滚动轴承-转子系统耦合性能求解方法，其特征在于：该方法包括以下步骤：

S1：利用Newton-Raphson法迭代求解滚动轴承中滚动体与内、外滚道的法向接触载荷与卷吸速度其中，n为滚动体编号，n＝1,2,...,Z，Z为滚动体总数量；

S2：基于滚动轴承中滚动体与内圈的接触载荷与卷吸速度利用Jacobi线性迭代法和追赶法求解滚动轴承瞬态润滑模型，以获得滚动体与内滚道之间的润滑膜压力p和温度T；

S3：基于步骤S2计算得到的滚动轴承中滚动体的润滑膜压力分布p，计算整个滚动轴承润滑膜承载能力F和摩擦力矩M_f；

S4：基于滚动轴承润滑膜承载力F、摩擦力矩M_f和底部滚动体润滑膜最大压力p_max、最高温度T_max、中心膜厚h_c和最小膜厚h_min等参数，建立滚动轴承润滑样本数据库；

S5：设计BP神经网络，确定BP神经网络的输入/输出参数，并利用S4中形成的滚动轴承润滑样本数据库对BP神经网络进行训练；

S6：将训练好的BP神经网络进行固化以形成可用于快速预测滚动轴承润滑性能参数的BP神经网络模块；

S7：基于转子动力学方程，利用Matlab软件中的Simulink模拟器建立滚动轴承-转子系统动力学模型，并设置动力学仿真的总时间t_d、步长△t_d；

S8：基于步骤S6固化好的神经网络模块，快速预测当前仿真时间t下的滚动轴承润滑膜承载能力F和润滑膜摩擦力矩M_f，并带入步骤S7所建立的滚动轴承-转子系统动力学模型，以获得滚动轴承-转子系统摩擦学与动力学性能参数；

S9：判断当前仿真时间t是否到达预定仿真总时间t_d：如果达到，输出滚动轴承-转子系统的摩擦学与动力学计算结果；否则，令t＝t+Δt_d并返回步骤S8继续计算。

2.根据权利要求1所述的基于BP神经网络的滚动轴承-转子系统耦合性能求解方法，其特征在于：所述步骤S2中，滚动轴承瞬态润滑模型适用于牛顿流体和非牛顿流体，考虑滚动体与内滚道表面加工精度，即粗糙度δⁿ的影响，以及用于模拟混合润滑与边界润滑润滑状况，且为Reynolds方程的离散提供多种快速差分方案。

3.根据权利要求1所述的基于BP神经网络的滚动轴承-转子系统耦合性能求解方法，其特征在于：所述步骤S2中，建立滚动轴承瞬态润滑模型时考虑转子振动的影响，即在计算滚动体与滚道之间润滑膜厚度分布h时考虑转子径向振动位移s_r。

4.根据权利要求1所述的基于BP神经网络的滚动轴承-转子系统耦合性能求解方法，其特征在于：所述步骤S5中，训练BP神经网络时，将滚动轴承瞬态润滑性能参数f_t拆分为稳态项f_s和瞬态增量项△f_t，进而确定润滑性能不同项的BP神经网络输入参数：

(1)稳态项f_s的神经网络输入参数为当前时间步下的转子振动位移s_r，f_s＝f(s_r)；

(2)瞬态增量项△f_t的神经网络输入参数为前4个时刻转子振动位移s_t-1、s_t-2、s_t-3和s_t-4，Δf_t＝f(s_t-1,s_t-2,s_t-3,s_t-4)。

5.根据权利要求1所述的基于BP神经网络的滚动轴承-转子系统耦合性能求解方法，其特征在于：所述步骤S8中，建立转子动力学模型时考虑了滚动轴承润滑的影响，即在滚动轴承动力学方程中引入滚动轴承润滑膜承载能力F和摩擦力矩M_f，并利用训练好的BP神经网络对其进行快速预测。