来源：期刊VIP网 时间：
作者：闫如忠;石俊伟;马晓建;安星宇;
单位：东华大学机械工程学院;纺织装备教育部工程研究中心;
摘要：在多孔质静压轴承设计中,轴承设计参数是影响其静动态特性的关键因素之一,通常情况下,要得到合适的轴承设计参数,需要多次重复建模和仿真,且由于轴承结构复杂,建模难度大,仿真时间长,严重影响了轴承的设计效率。本文构建了一种基于遗传算法(Genetic algorithm,GA)优化反向传播(Back propagation, BP)神经网络的轴承静态特性预测模型,采用拉丁超立方抽样方法在轴承参数设计空间内采样,并进行Fluent流体仿真,将仿真数据用于GA-BP神经网络模型的训练与测试,实现了对设计空间内任意设计参数下的多孔质静压轴承静态特性的预测。研究结果表明,训练出的GA-BP神经网络模型能够准确预测多孔质静压轴承的静态特性,预测精度在95%以上,对多孔质静压轴承的快速设计和参数优化具有重要意义。
关键词：多孔质静压轴承;;静态特性;;GA-BP神经网络;;拉丁超立方抽样;;预测
