用户名 密 码 登 录 忘记密码 免费注册

网站会员中心 | 设为首页 | 加入收藏

 您好，欢迎光临中国轴承行业网         退出登陆

会员中心 | 设为首页 | 加入收藏

协会

统计

国外文献 > 1.轴承 > 7. 智能方法与计算 > 机器学习

关键词搜索：

标 题： A data-driven exploration of multi pad bidirectional adjustable bearings and deep learning model-based optimization
基于数据的多垫双向可调轴承探索与深度学习模型优化
作 者： A. Ganesha
H. Girish
Raghuvir Pai
S. M. Abdul Khader
关键词： Data-driven optimization  [数据驱动优化]
Machine learning  [ 机器学习]
Jaya algorithm  [ 杰亚算法]
Flexible bearing profile  [ 柔性轴承轮廓]
出版年： 2024
期刊名： Tribology International
摩擦学国际
年卷期： 2024, vol.194
摘 要： The evolution of journal bearings, from fixed profiles to adaptive configurations, signifies a captivating progression in journal bearing technology. A notable innovation in adaptive bearings is Multi-pad Bidirectional Adjustable Bearing (MBAB), which can control film thickness in radial and circumferential directions. This paper introduces a novel data-driven approach, utilizing machine learning to model and optimize the static performance of MBABs with asymmetric bearing element adjustments. The study uses a parameter-independent Jaya algorithm coupled with machine learning models to identify optimal combinations of adjustments. Results highlight the significance of negative radial adjustments and asymmetric profiles for optimal performance. This research contributes to Industry 4.0 by bridging the physical-digital gap, offering a data-driven solution to enhance the performance of these advanced bearings.

从固定型轮廓到自适应结构，滚动轴承的演进标志着轴承技术取得了引人注目的进步。自适应轴承的一项重要创新是多垫双向可调轴承（MBAB），它能够在径向和周向方向上控制油膜厚度。本文提出了一种基于数据的新方法，利用机器学习对具有非对称轴承元件调整的MBAB静态性能进行建模与优化。研究采用参数无关的Jaya算法结合机器学习模型，以确定最佳的调整组合。结果表明，负径向调整和非对称轮廓对于实现最佳性能至关重要。该研究通过弥合物理与数字之间的差距，为工业4.0提供了数据驱动的解决方案，从而提升这类先进轴承的性能。
中文内容为网络AI翻译，专业术语未必准确，仅供参考。

VIP网员

联系我们 | 登录注册 | 会员管理 | 网员服务 | 服务信息 | 广告服务 | 高薪聘请 | 法律声明 | 关于我们

京公网安备 11010202009788    京ICP备2021015424号