旋转控制头轴承组件要承受很大的动载荷,由于摩擦力的作用,使轴承发热和磨损非常严重,极易发生轴承温度过高而导致轴承失效。针对旋转控制头轴承温度影响因素多、精确计算困难、不易测量等特点,提出了一种基于遗传算法优化的神经网络(th...旋转控制头轴承组件要承受很大的动载荷,由于摩擦力的作用,使轴承发热和磨损非常严重,极易发生轴承温度过高而导致轴承失效。针对旋转控制头轴承温度影响因素多、精确计算困难、不易测量等特点,提出了一种基于遗传算法优化的神经网络(the optimized algorithm of BP neural network based on genetic algorithm,GA-BP)进行旋转控制头轴承温度预测的方法,利用某无外挂冷却润滑泵站式旋转控制头台架实验数据进行训练和测试,并与传统神经网络模型(BP)进行对比。结果表明,GA-BP预测模型实现了控制头轴承温度预测过程的自适应控制,预测得到的轴承温度与期望值之间的线性相关度达到0.991 48;通过95%置信区间以及平均、最大、最小绝对百分比误差的对比得到,GA-BP模型在逼近能力、收敛和泛化能力上都要优于BP预测模型。GA-BP预测模型预测精度高、稳定性好,对掌握轴承运行状态,优化旋转控制头冷却润滑方式和结构。提高旋转控制头的整体性能有重要指导意义.展开更多
文摘旋转控制头轴承组件要承受很大的动载荷,由于摩擦力的作用,使轴承发热和磨损非常严重,极易发生轴承温度过高而导致轴承失效。针对旋转控制头轴承温度影响因素多、精确计算困难、不易测量等特点,提出了一种基于遗传算法优化的神经网络(the optimized algorithm of BP neural network based on genetic algorithm,GA-BP)进行旋转控制头轴承温度预测的方法,利用某无外挂冷却润滑泵站式旋转控制头台架实验数据进行训练和测试,并与传统神经网络模型(BP)进行对比。结果表明,GA-BP预测模型实现了控制头轴承温度预测过程的自适应控制,预测得到的轴承温度与期望值之间的线性相关度达到0.991 48;通过95%置信区间以及平均、最大、最小绝对百分比误差的对比得到,GA-BP模型在逼近能力、收敛和泛化能力上都要优于BP预测模型。GA-BP预测模型预测精度高、稳定性好,对掌握轴承运行状态,优化旋转控制头冷却润滑方式和结构。提高旋转控制头的整体性能有重要指导意义.
