مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,219
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

689
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی متغیرهای روغن کاری یاتاقان چشم کوچک شاتون موتور ملی EF7 به کمک شبکه های عصبی با شبیه سازی در نرم افزار AVL EXCITE

صفحات

 صفحه شروع 22 | صفحه پایان 29

چکیده

 برای کاهش سایش 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 در نظر 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 روغن کاری برای چهار حالت مختلف موتور مل EF7 توسط شبکه های عصبی شبیه سازی می شود.نتایج شبیه سازی در نرم افزار AVL EXCITE 5.1 نشان می دهد که بیشترین فشار و کمترین ضخامت هیدرودینامیک لایه روغن در دور rpm 3500 در C°372 زاویه لنگ (لحظه احتراق) در موتور EF7 پرخوران(TC) با سوخت CNG به ترتیب MPa 446 و µm 83.1 در دمای کاری  140°C رخ می دهد, که احتمال سایش یاتاقان در این شرایط کاری وجود دارد. از شبکه های عصبی پس انتشار رو به عقب (FFBP) برای اینکار 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, الگوریتم آموزش trainlm و توابع آستانه logsig,tansig و pureline می باشد. این شبکه در 120 تکرار (epoch) و در مدت زمان 85.6 ثانیه با خطای یادگیری 0.00229 همگرا می شود. خطای شبکه (MSE) برای این توپولوژی برای الگوهای آموزش, ارزیابی و تست به ترتیب 0.0013, 0.0027 و 0.0018 می باشد. ضریب تبیین (R2) نیز برای الگوهای آموزش, ارزیابی و تست به ترتیب 0.9952, 0.9988 و 0.9985 محاسبه گردید.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    کاظمی، محمد، توکلی هشجین، تیمور، علی زاده نیا، سیامک، و نجفی، غلامحسن. (1389). پیش بینی متغیرهای روغن کاری یاتاقان چشم کوچک شاتون موتور ملی EF7 به کمک شبکه های عصبی با شبیه سازی در نرم افزار AVL EXCITE. تحقیقات موتور، 6(20)، 22-29. SID. https://sid.ir/paper/135577/fa

    Vancouver: کپی

    کاظمی محمد، توکلی هشجین تیمور، علی زاده نیا سیامک، نجفی غلامحسن. پیش بینی متغیرهای روغن کاری یاتاقان چشم کوچک شاتون موتور ملی EF7 به کمک شبکه های عصبی با شبیه سازی در نرم افزار AVL EXCITE. تحقیقات موتور[Internet]. 1389؛6(20):22-29. Available from: https://sid.ir/paper/135577/fa

    IEEE: کپی

    محمد کاظمی، تیمور توکلی هشجین، سیامک علی زاده نیا، و غلامحسن نجفی، “پیش بینی متغیرهای روغن کاری یاتاقان چشم کوچک شاتون موتور ملی EF7 به کمک شبکه های عصبی با شبیه سازی در نرم افزار AVL EXCITE،” تحقیقات موتور، vol. 6، no. 20، pp. 22–29، 1389، [Online]. Available: https://sid.ir/paper/135577/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button