Bulletin of Bryansk state technical university Bulletin of Bryansk state technical university Вестник Брянского государственного технического университета 1999-8775 18044 10.12737/article_59b11cb9b0fc96.06905766 Машиностроение и машиноведение Mechanical engineering Машиностроение и машиноведение FORMATION OF ROTOR MOTION PATH USING NEURONET PROGRAMMING MODULE ПОСТРОЕНИЕ ТРАЕКТОРИЙ ДВИЖЕНИЯ РОТОРА С ПРИМЕНЕНИЕМ НЕЙРОСЕТЕВОГО ПРОГРАММНОГО МОДУЛЯ Корнаев Алексей Валерьевич Kornaev Aleksey Valer'evich

кандидат технических наук;

candidate of technical sciences;

 Корнаев Николай Валерьевич Kornaev Nikolay Valer'evich Корнаева Елена Петровна Kornaeva Elena Petrovna

кандидат физико-математических наук;

candidate of physical and mathematical sciences;

 https://orcid.org/0000-0002-0109-4200 Савин Леонид Алексеевич Savin Leonid Alexeevich savin3257@mail.ru

доктор технических наук;

doctor of technical sciences;

 Орловский государственный университет Россия Орловский государственный университет Russian Federation Орловский государственный университет Россия Орловский государственный университет Russian Federation Орловский государственный университет Россия Орловский государственный университет Russian Federation Орловский государственный университет им. И. С. Тургенева Turgenev Orel State University 2017 3 20 26 https://zh-szf.ru/en/nauka/article/18044/view

Рассмотрена проблема разработки высокоточной быстродействующей программы расчета траекторий движения роторов. На основе алгоритма Левенберга - Марквардта разработан программный модуль расчета реакций смазочного слоя подшипников жидкостного трения. Проведено сравнение линейных и нелинейных подходов к решению задач динамики роторов. Представлена количественная оценка точности и быстродействия нейросетевого подхода по сравнению с классическими подходами к расчету динамики роторов.

Рассмотрена проблема разработки высокоточной быстродействующей программы расчета траекторий движения роторов. На основе алгоритма Левенберга - Марквардта разработан программный модуль расчета реакций смазочного слоя подшипников жидкостного трения. Проведено сравнение линейных и нелинейных подходов к решению задач динамики роторов. Представлена количественная оценка точности и быстродействия нейросетевого подхода по сравнению с классическими подходами к расчету динамики роторов.

 роторные машины подшипники жидкостного трения уравнение Рейнольдса несущая способность матрица жесткости матрица демпфирования искусственные нейронные сети.

Савин, Л.А. Моделирование роторных систем с опорами жидкостного трения: монография / Л.А. Савин, О.В. Соломин. - М.: Машиностроение-1, 2006. - 444 с. Savin, L.A. Modelirovanie rotornyh sistem s oporami zhidkostnogo treniya: monografiya / L.A. Savin, O.V. Solomin. - M.: Mashinostroenie-1, 2006. - 444 s. Childs, D. Turbomachinery rotordynamics. Phenomena, modeling and analysis / D. Childs. - New York: John Wiley&Sons, 1993. - 496 p. Childs, D. Turbomachinery rotordynamics. Phenomena, modeling and analysis / D. Childs. - New York: John Wiley&Sons, 1993. - 496 p. Hori, Y. Hydrodynamic lubrication / Y. Hori. - Tokyo: Yokendo Ltd, 2006. - 231 p. Hori, Y. Hydrodynamic lubrication / Y. Hori. - Tokyo: Yokendo Ltd, 2006. - 231 p. Karkoub, M. Modelling pressure distribution in a rectangular gas bearing using neural networks / M. Karkoub, A. Elkamel // Tribology International. - 1997. - Vol. 30. - Is. 2. - P. 139-150. Karkoub, M. Modelling pressure distribution in a rectangular gas bearing using neural networks / M. Karkoub, A. Elkamel // Tribology International. - 1997. - Vol. 30. - Is. 2. - P. 139-150. Dongare, A.D. Predictive tool: an artificial neural network / A.D. Dongare, A.D. Kachare // International Journal of Engineering and Innovative Technology (IJEIT). - 2012. - Vol. 2. - Is. 1. - P. 209-214. Dongare, A.D. Predictive tool: an artificial neural network / A.D. Dongare, A.D. Kachare // International Journal of Engineering and Innovative Technology (IJEIT). - 2012. - Vol. 2. - Is. 1. - P. 209-214. Qin, P. Dynamic analysis of hydrodynamic bearingrotor system based on neural network / P. Qin, Y. Shen, J. Zhu, H. Xu // International Journal of Engineering Science. - 2005. - Vol. 43. - P. 520-531. Qin, P. Dynamic analysis of hydrodynamic bearingrotor system based on neural network / P. Qin, Y. Shen, J. Zhu, H. Xu // International Journal of Engineering Science. - 2005. - Vol. 43. - P. 520-531. Kurban, A.S. Analysis of a hydrodynamic thrust bearing with elastic deformation using a recurrent neural network / A.S. Kurban, S. Yildirim // Tribology International. - 2003. - Vol. 36. - Is. 12. - P. 943-948. Kurban, A.S. Analysis of a hydrodynamic thrust bearing with elastic deformation using a recurrent neural network / A.S. Kurban, S. Yildirim // Tribology International. - 2003. - Vol. 36. - Is. 12. - P. 943-948. Asok, S.P. Neural network and CFD-based optimisation of square cavity and curved cavity static labyrinth seals / S.P. Asok, K. Sankaranarayanasamy, T. Sundararajan, K. Rajesh, G.S. Ganeshan // Tribology International. - 2007. - Vol. 40. - Is. 7. - P. 1204-1216. Asok, S.P. Neural network and CFD-based optimisation of square cavity and curved cavity static labyrinth seals / S.P. Asok, K. Sankaranarayanasamy, T. Sundararajan, K. Rajesh, G.S. Ganeshan // Tribology International. - 2007. - Vol. 40. - Is. 7. - P. 1204-1216. Ghorbanian, J. Design predictive tool and optimization of journal bearing using neural network model and multiobjective genetic algorithm / J. Ghorbanian, M. Ahmadi, R. Soltani // Scientia Iranica, Transactions B: Mechanical Engineering. - 2011. - Vol. 18. - P. 1095-1105. Ghorbanian, J. Design predictive tool and optimization of journal bearing using neural network model and multiobjective genetic algorithm / J. Ghorbanian, M. Ahmadi, R. Soltani // Scientia Iranica, Transactions B: Mechanical Engineering. - 2011. - Vol. 18. - P. 1095-1105. Simsir, M. Realtime monitoring and diagnostic of a low power hub motor using feedforward neural network / M. Simsir, R. Bayir, Y. Uyaroglu // Computational Intelligence and Neuroscience. - 2016. - Vol. 2016. - 13 p. Simsir, M. Realtime monitoring and diagnostic of a low power hub motor using feedforward neural network / M. Simsir, R. Bayir, Y. Uyaroglu // Computational Intelligence and Neuroscience. - 2016. - Vol. 2016. - 13 p. Samanta, B. Bearing fault detection using artificial neural networks and genetic algorithm / B. Samanta, K.R. Al-Balushi, S.A. Al-Araimi // EURASIP Journal of Applied Signal Processing. - 2004. - Vol. 3. - P. 366-377. Samanta, B. Bearing fault detection using artificial neural networks and genetic algorithm / B. Samanta, K.R. Al-Balushi, S.A. Al-Araimi // EURASIP Journal of Applied Signal Processing. - 2004. - Vol. 3. - P. 366-377. Chen, S.Y. Application of a recurrent wavelet fuzzyneural network in the positioning control of a magneticbearing mechanism / S.Y. Chen, Y.C. Hung, Y.H. Hung, C.H. Wu // Computers & Electrical Engineering. - 2016. - Vol. 54. - P. 147-158. Chen, S.Y. Application of a recurrent wavelet fuzzyneural network in the positioning control of a magneticbearing mechanism / S.Y. Chen, Y.C. Hung, Y.H. Hung, C.H. Wu // Computers & Electrical Engineering. - 2016. - Vol. 54. - P. 147-158. Kornaev, A.V. Application of artificial neural networks to calculation of oil film reaction forces and dynamics of rotors on journal bearings / A.V. Kor-naev, N.V. Kornaev, E.P. Kornaeva, L.A. Savin // International Journal of Rotating Machinery. - 2017. Kornaev, A.V. Application of artificial neural networks to calculation of oil film reaction forces and dynamics of rotors on journal bearings / A.V. Kor-naev, N.V. Kornaev, E.P. Kornaeva, L.A. Savin // International Journal of Rotating Machinery. - 2017. Salvadori, M.G. Numerical methods in engineering / M.G. Salvadori, M.L. Baron. - 2 ed. - N. J.: Englewood Cliffs, 1966. - 302 p. Salvadori, M.G. Numerical methods in engineering / M.G. Salvadori, M.L. Baron. - 2 ed. - N. J.: Englewood Cliffs, 1966. - 302 p. Официальный сайт GNU Octave. - URL: http://www.gnu.org/software/octave (дата обращения: 04.01.2016). Oficial'nyy sayt GNU Octave. - URL: http://www.gnu.org/software/octave (data obrascheniya: 04.01.2016).