基于神经网络的链条滴油润滑系统仿真研究

论文摘要

国外某公司研制的链条滴油润滑系统,结构巧妙、工作可靠,能够在确保润滑效果的前提下极大地节约润滑油,目前已在国外摩托车润滑中获得广泛应用。为了进一步扩大该系统的使用范围,本文试图采用神经网络的方法对系统进行建模,并在此基础上对系统及其结构优化进行了仿真。研究该润滑系统对于其它需要进行持续、精密润滑的场合,具有重要的理论研究意义和实际应用价值,同时也为类似润滑系统的设计提供了有益的借鉴。 该系统中润滑油的滴速是影响润滑效果的重要原因,论文中首先对滴油润滑系统的结构和原理进行了分析,得出影响滴速的主要因素是环境温度、控制阀位置、滴油阀锥度角和润滑油类别等。由于滴速与各影响因素之间存在非常复杂的流体力学方程,难以确立便于计算的数学模型,因此在分析了前馈神经网络对于复杂系统的强大映射能力后,分别通过BP和RBF神经网络对滴速与各主要影响因素间的非线性关系进行建模,然后对所建立的两种神经网络模型进行验证,经过比较,选择出综合仿真性能好的BP网络作为滴油润滑系统的模型。最后应用该模型,对滴油润滑系统及其内部结构的优化进行了仿真。 仿真程序采用Visual C++6.0和MATLAB混合编程的方式来实现。其中Visual C++主要用于编写界面和数据交互程序,并调用MATLAB计算引擎来完成对神经网络模型的学习和仿真。 仿真结果与实验数据比较表明,用神经网络建立的滴油润滑系统模型是有效的,能够很好地反映该系统的特性,同时也对滴油润滑系统结构的进一步优化提供了方向和依据。

论文目录

• 第一章 绪论
• 1.1 研究背景
• 1.2 研究的内容及意义
• 1.2.1 链条滴油润滑系统简介
• 1.2.2 论文研究的内容
• 1.2.3 研究的意义
• 1.3 研究方法
• 1.4 主要工作及内容安排
• 第二章 神经网络基础
• 2.1 神经网络简介
• 2.1.1 人工神经元及其背景
• 2.1.2 人工神经网络结构
• 2.1.3 人工神经网络的优点
• 2.1.4 学习方式
• 2.1.5 学习规则
• 2.2 BP网络及其算法
• 2.2.1 BP网络结构
• 2.2.2 BP算法
• 2.2.3 几种改进的BP算法介绍
• 2.3 RBF网络及其算法
• 2.3.1 RBF网络结构
• 2.3.2 RBF网络算法和设计
• 2.3.3 RBF网络学习策略
• 第三章 仿真模型的建立与选择
• 3.1 滴油润滑系统结构和原理
• 3.2 滴油润滑系统数学模型
• 3.2.1 系统中润滑油的运动分析
• 3.2.2 滴油润滑系统中流体运动方程
• 3.3 仿真方案比较
• 3.3.1 仿真方案的考虑
• 3.3.2 神经网络仿真方案的依据
• 3.4 主要影响因素和实验数据分析
• 3.5 BP网络仿真建模
• 3.5.1 系统的BP网络结构
• 3.5.1.1 网络层数的考虑
• 3.5.1.2 隐含层神经元个数的选择
• 3.5.2 系统的BP网络学习过程
• 3.5.2.1 训练样本的选择
• 3.5.2.2 样本学习方式
• 3.5.2.3 各层活动函数的选择
• 3.5.2.4 模型输入和输出值范围的考虑
• 3.5.2.5 初始权值的选取
• 3.5.2.6 学习速率的选择
• 3.5.2.7 训练算法的选择和比较
• 3.5.2.8 训练算法的稳定性和极值点分析
• 3.5.3 系统的BP网络建模的实现
• 3.6 RBF网络仿真建模
• 3.6.1 系统的RBF网络结构
• 3.6.2 系统的RBF网络学习和实现
• 3.7 两种仿真模型的验证和比较
• 3.7.1 两种神经网络模型的验证
• 3.7.2 两种神经网络模型的泛化能力
• 3.7.3 系统神经网络模型的选择
• 3.7.4 系统神经网络模型的误差与分析
• 第四章 仿真的软件实现
• 4.1 软件实现方法的考虑
• 4.2 Visual C++与MATLAB混合编程机制与实现
• 4.2.1 几种实现机制
• 4.2.2 几种实现方法的比较与选择
• 4.3 软件的具体实现
• 4.3.1 Visua1 C++通过计算引擎方式调用MATLAB
• 4.3.2 软件程序结构及框图
• 4.3.3 神经网络及其算法的软件实现
• 4.3.3.1 MATLAB对BP网络及其算法的实现
• 4.3.3.2 MATLAB对RBF网络及其算法的实现
• 第五章 仿真模型的应用
• 5.1 系统工作特性的仿真
• 5.2 改变滴油阀锥度角的系统仿真
• 5.2.1 改变滴油阀锥度角问题的引出
• 5.2.2 改变滴油阀锥度角仿真的实现
• 5.2.3 改变滴油阀锥度角的系统仿真结果及分析
• 5.2.4 改变滴油阀锥度角的仿真结论
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 展望
• 参考文献
• 发表文章及参与课题
• 附录 实验数据
• 致谢
• 西北工业大学学位论文知识产权声明书
• 西北工业大学学位论文原创性声明