<p>Predmet ove doktorske disertacije je analiza dinamičkog ponašanja<br />kotrljajnih ležaja primenom veštačkih neuronskih mreža. Na bazi<br />rezultata eksperimentalnog ispitivanja obučene su veštačke<br />neuronske mreže koje su sposobne da predvide amplitude brzine<br />vibracija ležaja. Vibracije koje ležaj generiše zavise od niza<br />uticajnih parametara koji se mogu podeliti na konstrukcione,<br />tehnološke i eksploatacione. Modeli dobijeni primenom veštačkih<br />neuronskih mreža određuju zavisnosti između uticajnih parametara i<br />amplituda brzine vibracija koje ležaj generiše. Validacija<br />neuronskih modela izvršena je na osnovu eksperimentalnih rezultata.<br />Analiziran je uticaj svakog parametra ležaja na amplitude brzine<br />vibracija u karakterističnim područjima frekvencija. U radu su<br />prikazani i rezultati međusobnog uticaja više parametara. Modelima<br />su dobijene preporučene vrednosti uticajnih parametara ležaja. Pri<br />analizi tehnoloških parametara uvedeni su: parametar ekvivalentne<br />površinske hrapavosti, parametar ekvivalentne valovitosti i<br />parametar ekvivalentnog odstupanja od kružnosti staza kotrljanja.<br />Novouvedeni parametri omogućavaju bolje razumevanje uticaja na<br />dinamičko ponašanje. U radu je pokazano da su neuronski modeli<br />sposobni da na osnovu parametara ležaja predvide klasu kvaliteta<br />ležaja.</p> / <p>The subject of this doctoral dissertation is the analysis of the dynamic<br />behavior of ball bearings using artificial neural networks. Based on the<br />results of the experimental test, artificial neural networks were trained to be<br />able to predict the amplitudes of the bearing vibration velocity. The vibrations<br />generated by the bearing depend on a number of influential parameters that<br />can be divided into construction, technological and exploitation. Models<br />obtained by applying artificial neural networks determined the dependences<br />between the influencing parameters and the amplitudes of the vibration<br />velocity generated by the bearing. Validation of neural models was<br />performed based on experimental results. The influence of each parameter<br />on the vibration velocity amplitudes in the characteristic frequency ranges<br />was analyzed. The paper also presents the results of the mutual influence of<br />several parameters. The models obtained the recommended values of the<br />influential bearing parameters. In the analysis of technological parameters,<br />the following parameters were introduced: the parameter of equivalent<br />surface roughness, the parameter of equivalent waviness and the parameter<br />of equivalent roundness error of raceways. The newly introduced parameters<br />provide a better understanding of the impact on dynamic behavior. The paper<br />shows that neural models are able to predict the bearing quality class based<br />on bearing parameters.</p>
Identifer | oai:union.ndltd.org:uns.ac.rs/oai:CRISUNS:(BISIS)114949 |
Date | 03 November 2020 |
Creators | Knežević Ivan |
Contributors | Rackov Milan, Mitrović Radivoje, Kanović Željko, Mišković Žarko, Živković Aleksandar |
Publisher | Univerzitet u Novom Sadu, Fakultet tehničkih nauka u Novom Sadu, University of Novi Sad, Faculty of Technical Sciences at Novi Sad |
Source Sets | University of Novi Sad |
Language | Serbian |
Detected Language | English |
Type | PhD thesis |
Page generated in 0.0101 seconds