Αναγνώριση δυναμικών συντελεστών εδράνων ολίσθησης με χρήση δικτύων τεχνητών νευρώνων
Σήμερα αποτελεί γεγονός ότι η τεχνητή νοημοσύνη και οι εφαρμογές της αλλάζουν ριζικά τη ζωή μας και ειδικότερα το πεδίο δράσης ενός μηχανολόγου μηχανικού. Η χρήση έξυπνων συστημάτων, όπως τα τεχνητά νευρωνικά δίκτυα (ΤΝΔ), σε προβλήματα που πραγματεύεται η επιστήμη του μηχανικού ολοένα και αυξάνεται...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2022
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/15951 |
| id |
nemertes-10889-15951 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Έδρανα ολίσθησης Δυναμικοί συντελεστές Τεχνητά νευρωνικά δίκτυα Bearings Dynamic coefficients Artificial neural networks |
| spellingShingle |
Έδρανα ολίσθησης Δυναμικοί συντελεστές Τεχνητά νευρωνικά δίκτυα Bearings Dynamic coefficients Artificial neural networks Λιούλιος, Νικόλαος Αναγνώριση δυναμικών συντελεστών εδράνων ολίσθησης με χρήση δικτύων τεχνητών νευρώνων |
| description |
Σήμερα αποτελεί γεγονός ότι η τεχνητή νοημοσύνη και οι εφαρμογές της αλλάζουν ριζικά τη ζωή μας και ειδικότερα το πεδίο δράσης ενός μηχανολόγου μηχανικού. Η χρήση έξυπνων συστημάτων, όπως τα τεχνητά νευρωνικά δίκτυα (ΤΝΔ), σε προβλήματα που πραγματεύεται η επιστήμη του μηχανικού ολοένα και αυξάνεται, καθώς παρουσιάζουν κάποια πλεονεκτήματα σε σχέση με τις κλασικές μεθόδους που χρησιμοποιούνται, Στη παρούσα εργασία, γίνεται μια προσπάθεια προσδιορισμού των συντελεστών ακαμψίας και απόσβεσης εδράνων ολίσθησης με χρήση τεχνητών νευρωνικών δικτύων (ΤΝΔ).
Τα έδρανα ολίσθησης αποτελούν στοιχεία μηχανών με ευρεία εφαρμογή στις περιστρεφόμενες μηχανές, όπως σε φυγοκεντρικές αντλίες, μηχανές αυτοκινήτων, αεροσκαφών, προωθητικών συστημάτων πλοίων κ.α.. Χάρη σε αυτά εξασφαλίζεται η στατική και δυναμική ισορροπία των περιστρεφόμενων μερών μηχανών, καθώς και η αποφυγή ανάπτυξης δυνάμεων τριβής μεταξύ σχετικώς κινούμενων επιφανειών. Για το λόγο αυτό, η απόδοση και η αξιοπιστία πολλών μηχανολογικών συστημάτων εξαρτάται από αυτά. Ο προσδιορισμός των δυναμικών χαρακτηριστικών των εδράνων ολίσθησης, είναι ιδιαίτερα σημαντικός, καθώς επηρεάζουν το φαινόμενο του στροβιλισμού, τις κρίσιμες ταχύτητες και το πλάτος ταλάντωσης περιστρεφόμενων συστημάτων που στηρίζονται με έδρανα ολίσθησης.
Αρχικά, παρατίθεται το απαραίτητο θεωρητικό υπόβαθρο σχετικά με τα έδρανα ως στοιχεία μηχανών και αποσαφηνίζονται βασικές έννοιες της θεωρίας λίπανσης και της θεωρίας δυναμικής ανάλυσης περιστρεφόμενων συστημάτων.
Στο επόμενο σκέλος της εργασίας, γίνεται εισαγωγή στη θεωρία των τεχνητών νευρωνικών δικτύων (ΤΝΔ) και παραμετροποίηση των δικτύων που χρησιμοποιούνται για τους σκοπούς της εργασίας, μέσω του λογισμικού MATLAB. Επιπλέον, παρατίθεται η ανάλυση ενός περιστρεφόμενου συστήματος άξονα – δίσκων, μέσω της πλατφόρμας Mechanical APDL του λογισμικού ANSYS.
Τέλος, παρουσιάζονται τα αποτελέσματα της ανάλυσης με τη μορφή διαγραμμάτων CAMPBELL αξιοποιώντας και συγκρίνοντας δεδομένα της βιβλιογραφίας και του ΤΝΔ και εξάγονται συμπεράσματα. |
| author2 |
Lioulios, Nikolaos |
| author_facet |
Lioulios, Nikolaos Λιούλιος, Νικόλαος |
| author |
Λιούλιος, Νικόλαος |
| author_sort |
Λιούλιος, Νικόλαος |
| title |
Αναγνώριση δυναμικών συντελεστών εδράνων ολίσθησης με χρήση δικτύων τεχνητών νευρώνων |
| title_short |
Αναγνώριση δυναμικών συντελεστών εδράνων ολίσθησης με χρήση δικτύων τεχνητών νευρώνων |
| title_full |
Αναγνώριση δυναμικών συντελεστών εδράνων ολίσθησης με χρήση δικτύων τεχνητών νευρώνων |
| title_fullStr |
Αναγνώριση δυναμικών συντελεστών εδράνων ολίσθησης με χρήση δικτύων τεχνητών νευρώνων |
| title_full_unstemmed |
Αναγνώριση δυναμικών συντελεστών εδράνων ολίσθησης με χρήση δικτύων τεχνητών νευρώνων |
| title_sort |
αναγνώριση δυναμικών συντελεστών εδράνων ολίσθησης με χρήση δικτύων τεχνητών νευρώνων |
| publishDate |
2022 |
| url |
http://hdl.handle.net/10889/15951 |
| work_keys_str_mv |
AT liouliosnikolaos anagnōrisēdynamikōnsyntelestōnedranōnolisthēsēsmechrēsēdiktyōntechnētōnneurōnōn AT liouliosnikolaos identificationofdynamicpropertiesofbearingsusingartificialneuralnetworks |
| _version_ |
1799945015756062720 |
| spelling |
nemertes-10889-159512022-09-06T05:14:04Z Αναγνώριση δυναμικών συντελεστών εδράνων ολίσθησης με χρήση δικτύων τεχνητών νευρώνων Identification of dynamic properties of bearings using artificial neural networks Λιούλιος, Νικόλαος Lioulios, Nikolaos Έδρανα ολίσθησης Δυναμικοί συντελεστές Τεχνητά νευρωνικά δίκτυα Bearings Dynamic coefficients Artificial neural networks Σήμερα αποτελεί γεγονός ότι η τεχνητή νοημοσύνη και οι εφαρμογές της αλλάζουν ριζικά τη ζωή μας και ειδικότερα το πεδίο δράσης ενός μηχανολόγου μηχανικού. Η χρήση έξυπνων συστημάτων, όπως τα τεχνητά νευρωνικά δίκτυα (ΤΝΔ), σε προβλήματα που πραγματεύεται η επιστήμη του μηχανικού ολοένα και αυξάνεται, καθώς παρουσιάζουν κάποια πλεονεκτήματα σε σχέση με τις κλασικές μεθόδους που χρησιμοποιούνται, Στη παρούσα εργασία, γίνεται μια προσπάθεια προσδιορισμού των συντελεστών ακαμψίας και απόσβεσης εδράνων ολίσθησης με χρήση τεχνητών νευρωνικών δικτύων (ΤΝΔ). Τα έδρανα ολίσθησης αποτελούν στοιχεία μηχανών με ευρεία εφαρμογή στις περιστρεφόμενες μηχανές, όπως σε φυγοκεντρικές αντλίες, μηχανές αυτοκινήτων, αεροσκαφών, προωθητικών συστημάτων πλοίων κ.α.. Χάρη σε αυτά εξασφαλίζεται η στατική και δυναμική ισορροπία των περιστρεφόμενων μερών μηχανών, καθώς και η αποφυγή ανάπτυξης δυνάμεων τριβής μεταξύ σχετικώς κινούμενων επιφανειών. Για το λόγο αυτό, η απόδοση και η αξιοπιστία πολλών μηχανολογικών συστημάτων εξαρτάται από αυτά. Ο προσδιορισμός των δυναμικών χαρακτηριστικών των εδράνων ολίσθησης, είναι ιδιαίτερα σημαντικός, καθώς επηρεάζουν το φαινόμενο του στροβιλισμού, τις κρίσιμες ταχύτητες και το πλάτος ταλάντωσης περιστρεφόμενων συστημάτων που στηρίζονται με έδρανα ολίσθησης. Αρχικά, παρατίθεται το απαραίτητο θεωρητικό υπόβαθρο σχετικά με τα έδρανα ως στοιχεία μηχανών και αποσαφηνίζονται βασικές έννοιες της θεωρίας λίπανσης και της θεωρίας δυναμικής ανάλυσης περιστρεφόμενων συστημάτων. Στο επόμενο σκέλος της εργασίας, γίνεται εισαγωγή στη θεωρία των τεχνητών νευρωνικών δικτύων (ΤΝΔ) και παραμετροποίηση των δικτύων που χρησιμοποιούνται για τους σκοπούς της εργασίας, μέσω του λογισμικού MATLAB. Επιπλέον, παρατίθεται η ανάλυση ενός περιστρεφόμενου συστήματος άξονα – δίσκων, μέσω της πλατφόρμας Mechanical APDL του λογισμικού ANSYS. Τέλος, παρουσιάζονται τα αποτελέσματα της ανάλυσης με τη μορφή διαγραμμάτων CAMPBELL αξιοποιώντας και συγκρίνοντας δεδομένα της βιβλιογραφίας και του ΤΝΔ και εξάγονται συμπεράσματα. Nowadays it is a fact that artificial intelligence and its applications radically change our lives and in particular the field of action of a mechanical engineer. The use of intelligent systems, such as artificial neural networks (ANN), in issues of engineering science is increasing, as they have several advantages over the classical methods used. In this work, an attempt is made to determine the coefficients of stiffness and damping of sliding bearings using artificial neural networks (ANN). The bearings are components of machines with wide application in rotating machines, such as centrifugal pumps, engines of cars, aircraft, propulsion systems of ships, etc. Thanks to them, the static and dynamic balance of rotating machine parts is ensured, as well as the avoidance of development. frictional forces between relatively moving surfaces. For this reason, the performance and reliability of many mechanical systems depend on them. Determining the dynamic characteristics of bearings is particularly important, as they affect the whirling effect, critical speeds and oscillation amplitude of rotating systems supported by bearings. First, the necessary theoretical background on bearings as engine components is presented and basic concepts of lubrication theory and the theory of dynamic analysis of rotating systems are clarified. In the next part, the theory of artificial neural networks (ANN) is introduced and the networks used for the purposes of the work are configured through the MATLAB software. In addition, the analysis of a rotating shaft - disk system, through the Mechanical APDL platform of the ANSYS software, is presented. Finally, the results of the analysis are presented in the form of CAMPBELL diagrams using and comparing data from the literature and the ANN and conclusions are drawn. 2022-03-10T09:59:10Z 2022-03-10T09:59:10Z 2022-02 http://hdl.handle.net/10889/15951 gr application/pdf |
