(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210949927.4 (22)申请日 2022.08.09 (71)申请人 西安交通大 学 地址 710049 陕西省西安市咸宁西路28号 (72)发明人 洪军　裴世源　魏峥　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 闵岳峰 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06F 30/17(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/14(2020.01) (54)发明名称 一种基于神经网络的径向滑动轴承油膜力 快速计算方法 (57)摘要 一种基于神经网络的径向滑动轴承油膜力 快速计算方法 ， 包括 ： 1)建立滑动轴承的 Reynolds方程并确定其边界条件； 2)求解 Reynolds方程； 3)计算出径向滑动轴承的轴心 轨 迹可行域A； 4)得到此偏心位置下膜厚方程； 5)将 油膜压力有量纲化最终结果为p； 6)利用得到的 油膜压力分布p， 通过积分计算出油膜力； 7)根据 油膜压力分布p等于轴承承受的外部激励载荷计 算得到偏心位置的速度； 8)得到2000组偏心位 置、 速度和油膜力， 将训练数据划分为训练集和 验证集； 9)建立2个前馈神经网络分别对训练集 的数据进行训练； 10)调整训练次数和学习率直 至其满足要 求， 得到最终预测模型； 12)得到最终 的油膜力。 本发 明用于研究滑动轴承转子系统非 线性动力学 特性。 权利要求书3页 说明书7页 附图3页 CN 115374669 A 2022.11.22 CN 115374669 A 1.一种基于神经网络的径向滑动轴承油膜力快速计算方法， 其特征在于， 包括以下步 骤： 1)根据给定 的径向滑动轴承参数、 材料参数， 建立滑动轴承的Reynolds方程并确定其 边界条件； 2)将径向滑动轴承 的油膜区域展开得到Reynold方程的求解域R并将其划分为均匀的 四边形网格以便后续用有限差分法快速求 解Reynolds方程； 3)根据给定的径向滑动轴承类型及参数计算径向滑动轴承的油膜 厚度h( θ )， 令h( θ )等 于零计算出径向滑动轴承的轴心轨 迹可行域A； 4)在径向滑动轴承的轴心轨迹可行域A内任取一点作为滑动轴承的偏心位置(xi,yi)， i 为取偏心位置的序号， 将偏心位置带入步骤2)的膜厚方程h( θ )得到此偏心位置下膜厚方 程； 5)将步骤1)建立的Reynolds方程无量纲化从而减少自变量数目并提 高计算精度， 利用 有限差分法按步骤2)划分 的网格根据边界条件求解无量纲化后的Reynolds方程计算出径 向滑动轴承的无量纲油膜压力分布， 将油膜压力有量纲化 最终结果 为p； 6)利用步骤5)得到的油膜压力分布p， 通过积分计算出油膜力Fxi、 Fyi； 7)根据油膜压力分布p等于轴承承受的外部激励载荷 计算得到偏心位置(xi,yi)的速度 8)重复上述步骤4) ‑步骤8)2000次， 得到2000组偏心位置(xi,yi)、 速度 和油膜 力Fxi、 Fyi， 这2000组数据作为训练数据， 将训练数据划分为训练集和验证集； 9)建立2个前馈神经网络分别 对训练集的数据进行训练， 计算每一层网络的净输入值、 激活值， 再利用反向传播 算法计算每一层网络的误差值； 10)根据误差值修正每一层网络的参数， 如果神经网络在验证集错误率未达到要求则 调整训练次数和学习率 直至其满足要求； 11)训练后的前馈神经网络为Fx、 Fy的最终预测模型， 能够表达油膜力Fx、 Fy与偏心位置 (x,y)和速度 的关系； 12)步骤11)得到的油膜力最终预测模型计算径向滑动轴承轴心轨迹可行域A内任意位 置滑动轴承的油膜力， 在最 终网络中输入所需求解偏心 点的位置和速度得到最终的油膜力 Fx、 Fy·。 2.根据权利要求1所述的一种基于神经网络的径向滑动轴承油膜力快速计算方法， 其 特征在于， 步骤1)中， Reyn olds方程为： 式中： η为润滑油粘度， ρ 为润滑油密度， p为油膜压力， h为油膜厚度， x、 y分别为周向和 轴向坐标， U为滑动轴承润滑区域的平均速度； Reynolds方程的边界条件为： 权　利　要　求　书 1/3 页 2 CN 115374669 A 2式中： l为径向滑动轴承润滑区域长度， l ＝2 πr， P0为供油压力， b为轴承宽度。 3.根据权利要求2所述的一种基于神经网络的径向滑动轴承油膜力快速计算方法， 其 特征在于， 步骤3)中， 径向滑动轴承的油膜厚度方程如式(3)： h( θ )＝cp‑Xjcos( θ )‑Yjsin( θ )‑hg                         (3) 式中， hg根据轴承润滑类型确定， cp为轴承间隙， Xj， Yj为轴承偏心位置的坐标， θ为周向 位置角。 4.根据权利要求3所述的一种基于神经网络的径向滑动轴承油膜力快速计算方法， 其 特征在于， 步骤6)中， x， y方向的径向滑动轴承的油膜力分别为的Fx和Fy， 具体计算公式如 下： 式中， N为瓦块数量， θ 为周向位置角， θ1油膜起始角， θ2油膜破裂角。 5.根据权利要求1所述的一种基于神经网络的径向滑动轴承油膜力快速计算方法， 其 特征在于， 步骤8)中， 20 00组数据选取180 0组数据作为训练集， 剩下20 0组数据作为验证集。 6.根据权利要求4所述的一种基于神经网络的径向滑动轴承油膜力快速计算方法， 其 特征在于， 步骤9)中， 所使用的前馈神经网络共有四层， 包括 1层输入层、 2层中间层和1层输 出层， 两个前馈神经网络的输出值分别为Fx和Fy， 这两个神经网络的结构相同。 7.根据权利要求6所述的一种基于神经网络的径向滑动轴承油膜力快速计算方法， 其 特征在于， 两个前馈神经网络输入层的输入参数为 输出层的输出参数分别为Fx和 Fy， 隐藏层每 个神经元的净输入值z如下式所示： z＝wTx+b                                               (5) 式中， wT＝[w1,w2,w3,w4]， b为偏置量； 前馈神经网络的神经 元采用的激活函数为ReLU函数， 其表达式如下式所示： 前每一层净输入值z经过激活函数运算后得到神经元的活性值a， 计算过程如下式所 示： al＝f(zl)                                                        (7) 式中， 上坐标l表示前馈神经网络层数的序号， f为激活函数； 前馈神经网络通过 下面的公式进行信息传播： zl＝wlal‑1+bl                                                     (8) al＝fl(zl)                                                        (9) 如上式前馈计算每一层的净输入值zl和激活值al， 直到最后一层， 反向传播计算每一层 网络的误差 δl、 参数wl和bl的倒数， 如式(1 1)， (12)， (13)所示： 权　利　要　求　书 2/3 页 3 CN 115374669 A 3