文献

J-GLOBAL ID：202202245550871514   整理番号：22A0941245

パッド間溝混合を有する軸受の深い畳込みオートエンコーダ増強CFD熱解析【JST・京大機械翻訳】

Deep convolutional autoencoder augmented CFD thermal analysis of bearings with inter pad groove mixing

著者 (2件)： Yang Jongin (Department of Mechanical Engineering, Texas A&M University, College Station, TX 77840, United States) ,  Palazzolo Alan (Department of Mechanical Engineering, Texas A&M University, College Station, TX 77840, United States)
資料名： International Journal of Heat and Mass Transfer  (International Journal of Heat and Mass Transfer)
巻： 188  ページ： Null  発行年： 2022年 
JST資料番号： C0390A  ISSN： 0017-9310  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 流体膜軸受のパッド間溝における熱混合の処理は,回転軸と静止軸受による熱伝達への影響のために必須である。近似熱溝混合の無視あるいは過剰のいずれかのより低い忠実度モデルは,バブット熱誘起疲れから最も一般的に,早期軸受または機械故障につながる可能性がある。従来のモデルはバルク流れと熱解析に依存し,パッド入口に溝出口で単一温度を与える。このアプローチの高い不確実性は,軸受寿命,剛性および減衰,および機械振動予測に対する下流予測に通じる。均一温度とは対照的に,CFD-Conjugate熱伝達研究は,溝出口での半径方向と軸方向の両方,特に多重ノズルで実行される噴流潤滑で変化する大きな勾配温度分布を明らかにした。これらの分布は,回転軸と軸受パッドが振動する時,時間と共に連続的に変化する。したがって,直接CFDシミュレーションは計算的に禁止される。本研究は,計算的に経済的な方法でパッド入口で非常に詳細な潤滑剤温度分布をもたらす新しいアプローチを紹介した。これは,CFD(計算流体力学)データに基づく深い畳み込みオートエンコーダニューラルネットワークを介して,代理溝モデルで実行される。訓練畳込みニューラルネットワーク(CNN)は,円周溝出口での2D温度分布の優れた予測能力を示した。訓練されたCNNをロータ軸受モデルと組み合わせて,結合モデルを完全なCFD結果と実験データによって検証する。さらに,この手法は,回転軸と軸受への詳細な熱伝達を示す様々な油注入タイプを含むように拡張される。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 温度分布 ,  潤滑剤 ,  *畳込み ,  熱伝達 ,  不確実性 ,  機械振動 ,  回転子 ,  *軸受 ,  剛性 ,  熱分析 ,  近似法 ,  多重化 ,  二次元 ,  計算流体力学 ,  結合モデル

著者キーワード (4件)： 熱分析 ,  ロータ軸受の熱伝達 ,  深層学習 ,  溝混合

分類 (2件)： 相変化を伴う熱伝達  (PA02040V) ,  熱交換器,冷却器  (PA03020G)

タイトルに関連する用語 (6件)： パッド ,  軸受 ,  畳込み ,  オートエンコーダ ,  増強 ,  熱解析