919 / 2022-07-09 10:28:33

基于机器学习的滚子链摩擦副脂润滑仿真方法研究

滚子链摩擦副的摩擦磨损特性直接关系到链条传动的安全性、寿命、效率和平稳性，是一类典型的基础工程应用型问题。本文采用润滑脂的Herschel-Bulkey流变模型与Navier-Stokes运动方程结合得到雷诺稳态润滑偏微分方程，然后通过机器学习中的深度神经网络技术构建摩擦副润滑的流体动压接触区域的压力场，以雷诺方程的左右两端的均方误差作为神经网络的损失函数，对神经网络进行训练，最终仿真得到摩擦副接触区域真实压力场的数值逼近解。其中，雷诺方程的狄利克雷边界条件在神经网络构建过程中预先得到满足，其纽曼边界条件则作为惩罚项附加到神经网络的均方误差损失函数中，总而实现从可行压力场到真实压力场的迭代更新。