logo móvil
Contáctanos

Predicción y Verificación de Simulación Dinámica de las Características de Salida de Motores de Pistón Radial Basados en Redes Neuronales

Autores: Li, Chunjin; Xia, Zhengwen; Tang, Yongjie

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Predicción y Verificación de Simulación Dinámica de las Características de Salida de Motores de Pistón Radial Basados en Redes Neuronales


Categoría

Tecnología de Equipos y Accesorios

Subcategoría

Diseño de equipos y herramientas

Palabras clave

Motores de pistón radial
Sistemas hidráulicos
Par de salida
Condiciones de operación
Determinación de eficiencia
Redes neuronales

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 19

Citaciones: Sin citaciones


Descripción
Los motores de pistón radial son componentes ejecutivos en sistemas hidráulicos, encargados de proporcionar el par y la velocidad adecuados según los requisitos de carga en aplicaciones prácticas. El propósito de este estudio es predecir el par de salida de los motores hidráulicos de pistón radial y confirmar sus condiciones de operación adecuadas. Se realizaron experimentos de determinación de eficiencia en modelos físicos, obteniendo treinta conjuntos de datos de rendimiento. El par (par de salida) y la eficiencia mecánica de los datos experimentales se seleccionaron como objetivos de predicción y se ajustaron utilizando dos métodos: regresión lineal múltiple y redes neuronales. Se construyó un modelo de simulación dinámica utilizando el software Adams2020 para obtener valores teóricos de par, lo que permite verificar la alineación entre los valores predichos y los resultados de la simulación. Los resultados indican que el error entre el par teórico del modelo dinámico y los experimentos físicos es del 1.9%, siendo el error de las predicciones de la red neuronal inferior al 2%. El modelo de simulación dinámica puede proporcionar valores teóricos de par altamente precisos, ofreciendo una referencia para la carga externa de los motores hidráulicos; además, las redes neuronales ofrecen predicciones precisas del par de salida, reduciendo así los costos de pruebas experimentales.

Otros recursos que podrían interesarte

Temas Virtualpro