Analiza dinamičkog ponašanja kugličnih ležaja primenom veštačkih neuronskih mreža

Predmet ove doktorske disertacije je analiza dinamičkog ponašanja kotrljajnih ležaja primenom veštačkih neuronskih mreža. Na bazi rezultata eksperimentalnog ispitivanja obučene su veštačke neuronske mreže koje su sposobne da predvide amplitude brzine vibracija ležaja. Vibracije koje ležaj generiše zavise od niza uticajnih parametara koji se mogu podeliti na konstrukcione, tehnološke i eksploatacione. Modeli dobijeni primenom veštačkih neuronskih mreža određuju zavisnosti između uticajnih parametara i amplituda brzine vibracija koje ležaj generiše. Validacija neuronskih modela izvršena je na osnovu eksperimentalnih rezultata. Analiziran je uticaj svakog parametra ležaja na amplitude brzine vibracija u karakterističnim područjima frekvencija. U radu su prikazani i rezultati međusobnog uticaja više parametara. Modelima su dobijene preporučene vrednosti uticajnih parametara ležaja. Pri analizi tehnoloških parametara uvedeni su: parametar ekvivalentne površinske hrapavosti, parametar ekvivalentne valovitosti i parametar ekvivalentnog odstupanja od kružnosti staza kotrljanja. Novouvedeni parametri omogućavaju bolje razumevanje uticaja na dinamičko ponašanje. U radu je pokazano da su neuronski modeli sposobni da na osnovu parametara ležaja predvide klasu kvaliteta ležaja.
The subject of this doctoral dissertation is the analysis of the dynamic behavior of ball bearings using artificial neural networks. Based on the results of the experimental test, artificial neural networks were trained to be able to predict the amplitudes of the bearing vibration velocity. The vibrations generated by the bearing depend on a number of influential parameters that can be divided into construction, technological and exploitation. Models obtained by applying artificial neural networks determined the dependences between the influencing parameters and the amplitudes of the vibration velocity generated by the bearing. Validation of neural models was performed based on experimental results. The influence of each parameter on the vibration velocity amplitudes in the characteristic frequency ranges was analyzed. The paper also presents the results of the mutual influence of several parameters. The models obtained the recommended values of the influential bearing parameters. In the analysis of technological parameters, the following parameters were introduced: the parameter of equivalent surface roughness, the parameter of equivalent waviness and the parameter of equivalent roundness error of raceways. The newly introduced parameters provide a better understanding of the impact on dynamic behavior. The paper shows that neural models are able to predict the bearing quality class based on bearing parameters.