Постоянная ссылка (СИД2) |
J2170892117 |
Название |
АППРОКСИМАЦИЯ РЕАКЦИЙ СМАЗОЧНОГО СЛОЯ ПОДШИПНИКОВ СКОЛЬЖЕНИЯ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ |
Автор |
Казаков Ю. Н. |
Автор |
Стебаков И. Н. |
Автор |
Шутин Д. В. |
Автор |
Савин Л. А. |
Источник |
Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение |
Страницы/Объём |
108-121 |
Сокращ. назв. источника |
Вестн. Самар. ун-та. Аэрокосм. техн., технол. и машиностр. |
Год |
2023 |
Том |
22 |
Номер |
3 |
Адрес в Интернет |
http://elibrary.ru/item.asp?id=54779431 |
Постоянная ссылка (СИД) |
J21708921 |
Ключевые слова (авторские) |
искусственные нейронные сети%машинное обучение%подшипники жидкостного трения%точность аппроксимации |
Место хранения |
Удаленный доступ. Эл. регистр. НЭБ |
Дата регистрации в ВИНИТИ |
09.11.2023 |
Язык текста |
русский |
Язык резюме |
английский |
Аннотация |
В статье проанализировано применение различных методов машинного обучения для решения задачи аппроксимации сил смазочного слоя подшипников скольжения в статической постановке. Исходные данные о значениях сил смазочного слоя для различных положений ротора получены при помощи модели роторно-опорной системы, основанной на численном решении уравнения Рейнольдса с учетом эффекта кавитации. На основе анализа точности аппроксимации решения искусственными нейронными сетями определены способы, позволяющие снизить объем вычислений для получения необходимого набора данных. После этого были построены аппроксимирующие модели с использованием ряда иных методов машинного обучения, проанализированы длительность обучения и получаемая точность предсказаний, сделаны выводы о наиболее эффективных подходах к построению таких моделей |
Тематический раздел |
Машиностроение |
Издательский номер в РЖ |
24.07-48.278 |
Шифр ГРНТИ |
55.03.11 |
Ключевые слова |
подшипники скольжения, смазка жидкостная; моделирование, искусственный интеллект |