پیش بینی متغیرهای روغن کاری یاتاقان چشم کوچک دسته سمبه موتور ملی EF7 به کمک شبکه های عصبی با شبیه سازی در نرم افزار AVL EXCITE

برای کاهش سایش در مجموعه گژن پین، بوش و باس پیستون روغن کاری انجام می شود. روغن مورد استفاده در موتور ملی از نوع 10W40 با لزجت دینامیکی mPa.s 5/5 در دمای کاری 140 درجه سلیسیوس است. به منظور تحلیل هیدرودینامیک لایه روغن در چشم کوچک شاتون، مدل واقعی موتور با در نظر گرفتن چهار سیلندر در نرم افزار AVL EXCITE 5.1 شبیه سازی شد. در این نرم افزار تاثیر شش پارامتر دمای روغن، نوع تنفس، نوع سوخت، مقدار لقی بین گژن پین و بوش برنزی چشم کوچک شاتون، موقعیت قرارگیری یاتاقان، سرعت دورانی موتور بر پارامترهای روغن کاری (بیشینه فشار و کمینه ضخامت) مدل سازی شده و نمودارهای مربوطه استخراج می شود. هچنین تاثیر این شش فاکتور بر پارامتر روغنکاری برای چهار حالت مختلف موتور مل EF7 توسط شبکه های عصبی شبیه سازی می شود.
نتایج شبیه سازی در نرم افزار AVL EXCITE 5.1 نشان می دهد که بیشترین فشار و کمترین ضخامت هیدرودینامیک لایه روغن در دور rpm 3500 در °372 زاویه لنگ (لحظه احتراق) در موتور EF7 پرخوران(TC) با سوخت CNG به ترتیب MPa 446 و μm 83/1 در دمای کاری °C140 رخ می دهد، که احتمال سایش یاتاقان در این شرایط کاری وجود دارد. از شبکه های عصبی پس انتشار رو به عقب (FFBP) برای اینکار استفاده گردید. نتایج نشان داد که بهترین توپولوژی برای پیش بینی پارامترهای روغن کاری (بیشینه فشار و کمینه ضخامت) شبکه عصبی ای با ساختار 2-30-24-6، الگوریتم آموزش trainlm و توابع آستانه logsig، tansig و pureline می باشد. این شبکه در 120تکرار (epoch) و در مدت زمان 6/85 ثانیه با خطای یادگیری 00229/0 همگرا می شود. خطای شبکه (MSE) برای این توپولوژی برای الگوهای آموزش، ارزیابی و تست به ترتیب 0013/0، 0027/0 و 0018/0 می باشد. ضریب تبیین (R2) نیز برای الگوهای آموزش، ارزیابی و تست به ترتیب 9952/0، 9988/0 و 9965/0 محاسبه گردید.