دانلود مقاله انگلیسی رایگان:تجزیه و تحلیل عملکرد تحمل ژورنال پد کج با استفاده از چند رسانه ای و شبکه های عصبی COMSOL - 2020
تبریک غدیر خم

با سلام خدمت کاربران عزیز، به اطلاع می رساند ترجمه مقالاتی که سال انتشار آن ها زیر 2008 می باشد رایگان بوده و میتوانید با وارد شدن در صفحه جزییات مقاله به رایگان ترجمه را دانلود نمایید.

دانلود مقاله انگلیسی شبکه های نورونی رایگان
  • Performance analysis of tilting pad journal bearing using COMSOL Multiphysics and Neural Networks Performance analysis of tilting pad journal bearing using COMSOL Multiphysics and Neural Networks
    Performance analysis of tilting pad journal bearing using COMSOL Multiphysics and Neural Networks

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Performance analysis of tilting pad journal bearing using COMSOL Multiphysics and Neural Networks


    ترجمه فارسی عنوان مقاله:

    تجزیه و تحلیل عملکرد تحمل ژورنال پد کج با استفاده از چند رسانه ای و شبکه های عصبی COMSOL


    منبع:

    Sciencedirect - Elsevier - Alexandria Engineering Journal, 59 (2020) 865-881: doi:10:1016/j:aej:2020:03:015


    نویسنده:

    M.B. Badawi *, W.A. Crosby, I.M. El Fahham, M.H. Alkomy


    چکیده انگلیسی:

    The objective of this paper is to study the effect of geometrical parameters on the performance of tilting pad journal bearing. COMSOL Multiphysics software is used to simulate the tilting pad journal bearing at different eccentricity ratios and pad clearances. The effect of changing pad numbers (from 3 to 6 pads) and the pads clearance angles (from 2 to 6) on the performance parameters such as the load carrying capacity, frictional torque and attitude angle was analyzed. It was found that as the number of pads increases the load carrying capacity and the friction coefficient increase, while the attitude angle decreases. Decreasing the clearance between pads leads to an increase in the load carrying capacity of the bearing while it has minor effect on the other performance parameters. The characteristic data obtained from COMSOL program is used to train three suggested neural networks. The first is a feed-forward Neural Network which consists of three layers with {80 sigmoid, 5 sigmoid and 1 linear} neurons. The second is a radial bases Neural Network and the third is a generalized regression Neural Network. Applying the three trained Neural Networks (Feed forward, Radial basis, and Generalized regression) to predict the performance of tilting pad bearing at values not used in the training process. The results show a high accuracy to predict the attitude angle, the coefficient of friction and the load carrying capacity. The percentage relative errors between the predicted values and that obtained by COMSOL are between (0 and 0.98) %. The neural networks model show high capacity in predicting the output variables correctly for both the training data and that which was not included.
    KEYWORDS : Lubrication | Tilting pad journal bearings | Artificial neural networks | Artificial intelligence | COMSOL Multiphysics


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 17
    حجم فایل: 3336 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi