[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

说明书

本发明涉及基于BP神经网络的滚动轴承‑转子系统耦合性能求解方法，属于自动化领域。该方法利用Newton‑Raphson法迭代求解滚动轴承中各滚动体的法向接触载荷与速度，采用Jacobi线性迭代法、追赶法和FFT算法加速计算滚动轴承中润滑膜的压力分布和温度分布，基于计算得到的滚动轴承润滑结果训练BP神经网络(BPNN)，并将其进行固化以此来快速预测滚动轴承油膜力，利用Matlab中的Simulink仿真器对滚动轴承‑转子系统摩擦学与动力学耦合性能进行快速求解。本发明提供的方法可准确、快速地分析滚动轴承‑转子系统摩擦学与动力学性能，为工程实践中滚动轴承‑转子系统的设计与使用提供理论指导。

技术领域

本发明属于自动化领域，涉及基于BP神经网络的滚动轴承-转子系统耦合性能求解方法。

背景技术

滚动轴承-转子系统作为旋转机械的重要组成部分，被广泛应用于机械传动系统中，且该系统的性能直接影响了整个机器的运转效率和疲劳寿命等。在滚动轴承-转子系统中，转子依靠滚动轴承支撑，且转子在运转过程中(尤其高速重载工况下)产生的振动会对滚动轴承的润滑性能造成重要影响；而利用油或脂进行润滑的滚动轴承的润滑性能，通过轴承润滑膜承载力和摩擦力矩又会对转子的动力学(振动)性能产生影响。剧烈的转子振动会导致滚动轴承润滑膜破裂(润滑状态由弹流润滑转变为混合或边界润滑)，造成滚动轴承出现点蚀、剥落和裂纹等失效；而滚动轴承良好的润滑性能可以有效减缓转子的振动程度，进而抑制转子出现极端振动的情况。综合上述分析，有必要对滚动轴承-转子系统摩擦学与动力学性能进行双向耦合研究。

传统的滚动轴承-转子系统摩擦学与动力学性能耦合研究主要集中在两个方面：一方面，忽略或简化滚动轴承润滑性能的影响，主要研究转子系统的动力学性能；另一方面，忽略或简化转子系统动力学性能的影响，主要研究滚动轴承的润滑性能。虽然，上述两方面研究可以在一定程度上用于分析滚动轴承-转子系统摩擦学与动力学性能，但是它无法准确、真实地反应转子系统润滑与动力学性能参数，进而也无法准确预测滚动轴承-转子系统的疲劳寿命等。此外，考虑滚动轴承-转子系统摩擦学与动力学双向耦合作用，对滚动轴承润滑性能与转子振动性能进行准确分析时，传统的计算方法不仅计算量巨大，严重耗费计算时间与计算资源，甚至会出现无法求解的情况。所以，传统的滚动轴承-转子系统摩擦学与动力学性能分析方法更多的是具有统计与经验意义，其精度上不够准确、效率上不够高效。

发明内容

有鉴于此，本发明的目的在于提供一种基于BP神经网络的滚动轴承-转子系统耦合性能求解方法，该方法能够准确、快速实现滚动轴承摩擦学与转子系统动力学的双向耦合，以及考虑接触副表面加工精度、润滑剂类型和润滑状态等对滚动轴承-转子系统摩擦学与动力学性能的影响。

为达到上述目的，本发明提供如下技术方案：

基于BP神经网络的滚动轴承-转子系统耦合性能求解方法，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；