مقاله پیش بینی پارامترهای روغ نکاری یاتاقان چشم کوچک شاتون موتور

مقاله پیش بینی پارامترهای روغ نکاری یاتاقان چشم کوچک شاتون موتور به کمک شبکه های عصبی با شبی هسازی در نرم افزار AVL EXCITE فایل ورد (word) دارای 8 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله پیش بینی پارامترهای روغ نکاری یاتاقان چشم کوچک شاتون موتور به کمک شبکه های عصبی با شبی هسازی در نرم افزار AVL EXCITE فایل ورد (word) کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله پیش بینی پارامترهای روغ نکاری یاتاقان چشم کوچک شاتون موتور به کمک شبکه های عصبی با شبی هسازی در نرم افزار AVL EXCITE فایل ورد (word) ،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله پیش بینی پارامترهای روغ نکاری یاتاقان چشم کوچک شاتون موتور به کمک شبکه های عصبی با شبی هسازی در نرم افزار AVL EXCITE فایل ورد (word) :
سال انتشار: 1392
محل انتشار: هشتمین همایش موتورهای درونسوز
تعداد صفحات: 8
چکیده:
برای کاهش یاسش در مجموعه گژن پین، بوش و باس پیستون روغن کاری انجام می شود. روغن مورد استفاده در موتور ملی از نوع 10W40 با لزجت دینامیکی mPa.s 5/5 در دمای کاری 140 درجه سلیسیوس است. به منظور تحلیل هیدرودینامیک لایه روغن در چشم کوچک شاتون، مدل واقعی موتور با درنظر گرفتن چهار سیلندر در نرم افزار AVL EXCITE 5.1 شبیه سازی شد. در این نرم افزار تاثیر شش پارامتر دمای روغن، نوع تنفس، نوع سوخت، مقدار لقی بین گژن پین و بوش برنزی چشم کوچک شاتون، موقعیت قرارگیری یاتاقان، سرعت دورانی موتور بر پارامترهای روغن کاری (بیشینه فشار و کمینه ضخامت) مدل سازی شده و نمودارهای مربوطه استخراج می شود. هچنین تاثیر این شش فاکتور بر پارامتر روغنکاری برای چهار حالت مختلف موتور توسط شبکه های عصبی شبیه سازی می شود. از شبکه های عصبی پس انتشار رو به عقب (FFBP) برای این کار استفاده گردید. نتایج نشان داد که بهترین توپولوژی برای پیش بینی پارامترهای روغن کاری (بیشینه فشار و کمینه ضخامت) شبکه عصبی ای با ساختار 2-30-24-6، با الگوریتم آموزش trainlm و توابع آستانه tansig, logsig و pureline می باشد. این شبکه در 120 تکرار (epoch) و در مدت زمان 6/85 ثانیه با خطای یادگیری 00229/0 همگرا می شود.

کلمات کلیدی :
» نظر