CN114462167B - 一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法 - Google Patents

一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法 Download PDF

Info

Publication number
CN114462167B
CN114462167B CN202210198995.1A CN202210198995A CN114462167B CN 114462167 B CN114462167 B CN 114462167B CN 202210198995 A CN202210198995 A CN 202210198995A CN 114462167 B CN114462167 B CN 114462167B
Authority
CN
China
Prior art keywords
bearing
decision tree
parameters
design parameters
evaluation data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210198995.1A
Other languages
English (en)
Other versions
CN114462167A (zh
Inventor
王军
吴祖琳
苗苗
张宗峰
赵浛宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CRRC Dalian Institute Co Ltd
Original Assignee
CRRC Dalian Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CRRC Dalian Institute Co Ltd filed Critical CRRC Dalian Institute Co Ltd
Priority to CN202210198995.1A priority Critical patent/CN114462167B/zh
Publication of CN114462167A publication Critical patent/CN114462167A/zh
Application granted granted Critical
Publication of CN114462167B publication Critical patent/CN114462167B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/16—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring distance of clearance between spaced objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Rolling Contact Bearings (AREA)

Abstract

本发明涉及一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法，其包括创建不同类型双列圆锥滚子轴承设计方案；创建所述设计方案对应的第一合套评估数据对照组；创建并训练多决策树模型并优化训练；获取所述多决策树模型的目标函数的最优参数，通过归一化处理的第一合套评估数据样本集进行训练，形成基于多决策树预测设计的第一合套评估模型，以对当前基于产品要求所确定轴承设计参数进行轴承轴向游隙进行预测评估，确定当前基于产品要求所确定轴承设计参数是否满足对应的轴承游隙标准值。本发明有效保证了测量结果的稳定性和准确性，保证了配备外隔圈和内隔圈的合理性和标准性，从而保证了轴承游隙能够达到标准。

Description

一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法
技术领域
本发明涉及一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法。
背景技术
如图1所示，轴承的轴向游隙是指当轴承无外负荷作用时，当一个套圈固定，另一个套圈从轴向的一个极限位置移动到另一轴向极限位置，移动的距离就是轴向游隙G。
由于游隙(轴向游隙)是轴承的一个重要技术参数，它直接影响到轴承的载荷分布、振动、噪音、摩擦、温升、使用寿命和机械的运转精度等技术性能。若游隙过大，会引起轴承内部承载区域减小，接触面应力增大，从而使用寿命缩短。过大的游隙还会使轴承运转精度下降，振动和噪音增大。
若游隙过小，可能会在实际运行中出现负游隙(过盈)，引起摩擦发热增大，温升提高，进而使有效游隙更小或过盈更大，如此恶性循环将导致轴承抱死。
因此游隙测量的准确定就显得尤为重要，目前现有的轴向游隙的检查方法如下:1、感觉法：用手指检查滚动轴承的轴向游隙，这种方法仅可应用于轴端外露的场合，且检测精度不高且准确性较差。2、测量法，利用轴向游隙检查仪或者千分表测量时，其测量位置也影响所测轴向游隙的准确性。因此可知，现有技术中的检测、测量工具在测量的中间需要搬动、移动外圈和内圈相应的组件，特别是对于一些大型的轴承，各组件的重量较重，且组件容易发生相对的偏移，容易导致测量结果的不准确，从而影响着轴承游隙的合格率。
且，现有的轴承设计方案都是工程师按照经验以及设计要求进行设计制样后进行测量与试验确定设计参数是否合适，这样的设计方案存在一定的滞后性且直接影响了轴承产品，特别是精密轴承产品的研发生产周期。
发明内容
基于此，为解决现有技术所存在的不足，特提出了一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法。
为了实现上述目的，本发明的技术方案为：
一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法，其特征在于，包括：
S1、创建不同类型双列圆锥滚子轴承设计方案；
S2、创建所述设计方案对应的第一合套评估数据对照组；所述第一合套评估数据对照组包括第一合套评估数据样本集和第二合套评估数据样本集；其中所述第一/第二合套评估数据样本集均包括轴承内圈设计参数、轴承外圈设计参数、轴承滚子设计参数以及轴承游隙参数；其中，轴承内圈设计参数、轴承外圈设计参数以及轴承滚子设计参数作为所述第一/第二合套评估数据样本集的输入参量，所述轴承游隙值作为所述第一/第二合套评估数据样本集的输出参量；
S3、分别对所述第一/第二合套评估数据样本集进行数据归一化处理，基于归一化后的第一合套评估数据样本集创建并训练多决策树模型，进而获得所述多决策树模型的模型基本函数关系即输入与输出的映射关系；
S4、基于参数优化算法，对所述多决策树模型中的参数变量进行优化；
S5、基于优化后的参数变量和归一化处理的第一合套评估数据样本集对多决策树模型进行训练；并通过归一化处理的第二合套评估数据样本集确定训练后所述多决策树模型的目标函数即适应值函数；
S6、获取所述多决策树模型的目标函数的最优参数，通过归一化处理的第一合套评估数据样本集进行训练，形成基于多决策树预测设计的第一合套评估模型，以对当前基于产品要求所确定轴承设计参数进行轴承轴向游隙的预测评估，确定当前基于产品要求所确定轴承设计参数是否满足对应的轴承游隙标准值。
进一步的，所述方法还包括S7、确定前述基于产品要求所确定轴承设计参数满足对应的轴承游隙标准值后，创建所述设计方案对应的第二合套评估数据对照组；所述第二合套评估数据对照组包括第三合套评估数据样本集和第四合套评估数据样本集；其中所述第三/第四合套评估数据样本集均包括轴承内圈设计参数、轴承外圈设计参数以及轴承滚子设计参数、轴承工作游隙参数以及辅助参量，所述辅助参量至少包括轴承钢的膨胀系数以及内外套圈的温差参数；其中，轴承内圈设计参数、轴承外圈设计参数、轴承滚子设计参数、辅助参量作为所述第三/第四合套评估数据样本集的输入参量，所述轴承工作游隙值作为所述第三/第四合套评估数据样本集的输出参量；
S8、分别对所述第三/第四合套评估数据样本集进行数据归一化处理，基于归一化后的第三合套评估数据样本集创建并训练第二多决策树模型，进而获得所述第二多决策树模型的模型基本函数关系即输入与输出的映射关系；
S9、基于参数优化算法，对所述第二多决策树模型中的参数变量进行优化；
S10、基于优化后的参数变量和归一化处理的第三合套评估数据样本集对第二多决策树模型进行训练；并通过归一化处理的第四合套评估数据样本集确定训练后所述多决策树模型的目标函数即适应值函数；
S11、获取所述第二多决策树模型的目标函数的最优参数，通过归一化处理的第三合套评估数据样本集进行训练，形成基于多决策树预测设计的第二合套评估模型，以对当前基于产品要求所确定轴承设计参数进行轴承轴向工作游隙的预测评估，确定当前基于产品要求所确定轴承设计参数是否满足对应的轴承工作游隙标准值。
进一步的，对所述多决策树模型中的参数变量进行优化的优化公式为：
Figure GDA0003721389940000031
Figure GDA0003721389940000032
f1-f2＝0
其中，t代表多决策树的任一节点，i代表决策树的特征子集中的任一特征，p(i|t)代表决策树的特征子集中的特征i在多决策树的节点t上所占的比例，N表示决策树的数量，S表示决策树的特征子集中的特征数量，f1是指参数变量对应数值的最小值，f2为参数变量对应数值的最大值。
进一步的，确定当前基于产品要求所确定轴承设计参数是否满足对应的轴承游隙标准值的计算公式为：
Figure GDA0003721389940000041
其中，e表示误差参数，其值小于0.1表示满足对应轴承游隙标准值y，x表示轴承轴向游隙参数预测值，xj表示第j个预测的轴承轴向游隙参数，yj表示第j个轴承轴向游隙参数的标准值，j的取值范围为[1,n]，n为轴承设计参数的总量，Sign()函数表示符号函数；如果e小于给定的误差阈值则表示满足对应标准值。
进一步的，轴承内圈设计参数包括：两个内圈宽度，即第一内圈宽度B1与第二内圈宽度B2；所述轴承外圈设计参数包括：外圈宽度C、两个外圈公称小内径即双列滚道外圈对应的滚道延伸直径E1、E2；所述轴承滚子设计参数包括：两个滚子对应的锥面大挡边根部宽度、两个滚子对应的滚子大头直径、滚子半锥角、轴承公称接触角以及两个滚子对应的锥面大挡边内滚道最大直径。
实施本发明实施例，将具有如下有益效果：
(1)、本发明避免了在测量过程中搬移相应组件的操作,有效减轻了工人的劳动强度，有效保证了测量结果的稳定性和准确性，保证了配备外隔圈和内隔圈的合理性和标准性，从而保证了轴承游隙能够达到标准。
(2)、本发明自动化地获取测试轴承设计参数的合理性给出是否符合可装配性要求的结果,相较于以往的人工检查方式,本发明轴承内配合件和轴承外配合件可装配性的检查更全面、准确性更高、速度更快。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
其中：
图1为一个实施例中轴承游隙位置示意图；
图2为一个实施例中所述轴向游隙合套评估方法基础步骤示意图；
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本发明。可以理解，本发明所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一元件称为第二元件，且类似地，可将第二元件为第一元件。第一元件和第二元件两者都是元件，但其不是同一元件。
理论上，轴向游隙应采用在套圈的不同方向以及套圈和滚动体不同相对位置状态下的轴向位移的平均值；但是在现实的工程设计中，由于轴承套圈的形状误差和滚动体的不一致性等因素，使用上面的方法计算出来的仅仅是理论上的数值，是在理想状态下的，但在实际检测过程中肯定会需要在理论数据上需要加上一定的修整值(依据标准选择)。具体的修整值是否完全合适即加工合格，只能进行测量或者实践，具有滞后性，不利于优化实际的轴承设计参数。
基于上述设计思路，在本实施例中，特提出了一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法，如图2所示，该方法包括：
S1、创建不同类型(即型号)双列圆锥滚子轴承设计方案；其中，所述双列圆锥滚子轴承的型号类型依据用户设计需求自行设计，也可以参照行业标准，如列圆锥滚子轴承外形尺寸标准(如《滚动轴承双列圆锥滚子轴承外形尺寸(标准状态：现行)》)形成标准的数据库；只要保证每一型号的双列圆锥滚子轴承设计方案对应的采样数据具有两种不同的分析统计形式即可；优选的，每一型号的双列圆锥滚子轴承设计方案对应的采样数据包括但不限于采用正交设计方法形成的第一设计方案以及采用均匀设计方法形成的第二设计方案即可，例如，某一350000型轴承的轴承设计方案包括采用正交设计方法形成的第一设计方案以及采用均匀设计方法形成的第二设计方案；也可以包括有其他实验设计方法形成的第三设计方案；
其中，所述S2包括创建所述设计方案对应的第一合套评估数据对照组；所述第一合套评估数据对照组包括第一合套评估数据样本集(即该数据集对应正交设计方方案形成的数据)和第二合套评估数据样本集(即该数据集对应均匀设计方方案形成的数据)；其中述第一合套评估数据样本集/第二合套评估数据样本集均考虑相同的影响因子，即两者均包括轴承内圈设计参数、轴承外圈设计参数、轴承滚子设计参数以及轴承游隙参数；其中，轴承内圈设计参数、轴承外圈设计参数以及轴承滚子设计参数作为所述第一/第二合套评估数据样本集的输入参量，所述轴承游隙值作为所述第一/第二合套评估数据样本集的输出参量；进一步的，所述轴承内圈设计参数包括：两个内圈宽度，即第一内圈宽度B1与第二内圈宽度B2；所述轴承外圈设计参数包括：外圈宽度C、两个外圈公称小内径即双列滚道外圈对应的滚道延伸直径E1、E2；所述轴承滚子设计参数包括：两个滚子对应的锥面大挡边根部宽度、两个滚子对应的滚子大头直径、滚子半锥角、轴承公称接触角以及两个滚子对应的锥面大挡边内滚道最大直径；
其中，所述步骤S3包括：分别对所述第一/第二合套评估数据样本集进行数据归一化处理，基于归一化后的第一合套评估数据样本集创建并训练多决策树模型，进而获得所述多决策树模型的模型基本函数关系即输入与输出的映射关系(即模型参数初始化)；在进一步的具体实施方式中，将所述数据归一化到(0,1)之间，具体方法为：
Figure GDA0003721389940000071
其中：Omax为述第一/第二合套评估数据样本集的输出列的最大值；Omin为述第一/第二合套评估数据样本集的输出列的最小值；Imax为述第一/第二合套评估数据样本集的输入列的最大值；I为述第一/第二合套评估数据样本集的输入列的最小值；I为样本输入列的归一化值；O为样本输出列的归一化值；i为样本输入列的原数据；o为样本输出列的原数据。所述多决策树模型的输入与输出的映射关系，为
Y＝RM(X)
Y＝[O1,O2,…,Oa],X＝[I1,I2,…,Ib].
式中：Y为标准化后的第一/第二合套评估输出数据，a为输出数据的维度(列)，X为标准化后的第一/第二合套评估输入数据，b为输入数据的维度(列)；RM(*)代表多决策树函数。
由于RM模型是由多个决策树构成的，需要对其进行优化以提高对预测的准确性，因此需要进一步优化重要的参量；其中，所述的重要的参量是指决策树的数量N和特征子集中的特征数量S这两个参数；对应的优化公式为：
Figure GDA0003721389940000072
Figure GDA0003721389940000073
f1-f2＝0
其中，t代表多决策树的任一节点，i代表决策树的特征子集中的任一特征，p(i|t)代表决策树的特征子集中的特征i在多决策树的节点t上所占的比例，N表示决策树的数量，S表示决策树的特征子集中的特征数量，f1是指参数变量对应数值的最小值，f2为参数变量对应数值的最大值。通过上述公式获取最优参数-策树的数量N和特征子集中的特征数量S。
进一步的，所述步骤S6包括：获取所述多决策树模型的目标函数的最优参数，通过归一化处理的第一合套评估数据样本集进行训练，形成基于多决策树预测设计的第一合套评估模型，以对当前基于产品要求所确定轴承设计参数进行轴承轴向游隙的预测评估，却确定当前基于产品要求所确定轴承设计参数是否满足对应的轴承游隙标准值(可参见JB-T8236-2010滚动轴承双列和四列圆锥滚子轴承游隙及调整方法)。
若是，则确定当前基于产品要求所确定轴承设计参数合理，若否；自动给出不符合设计要求的结论。进一步的，对多决策树预测模型训练的过程包括：1：从原始学习集中随机有放回地抽取u个样本，一共进行N次抽样，形成N个学习样本子集；2：对于所述N个学习样本子集，发展N个决策树；由于样本是随机选取的，各个决策树之间相互独立；3：对于每一个决策树，假设共有S个特征属性，则利用信息增益率选取一个最优属性作为该决策树的根节点，然后依次进行分裂；4：所述每个决策树均按照最优属性进行分裂，在这个过程中不需要进行剪枝，形成多决策树；5：按照每个决策树的回归结果，平均后得到所述多决策树模型的输入与输出的映射关系；6：将上述输入参量输入所述多决策树模型，并对于轴承游隙进行识别并与标准值进行比对；然后给出具体的评估结果。
优选的，确定当前基于产品要求所确定轴承设计参数是否满足对应的轴承游隙标准值的计算公式为：
Figure GDA0003721389940000081
其中，e表示误差参数，其值小于0.1表示满足对应轴承游隙标准值y，x表示轴承轴向游隙参数预测值，xj表示第j个预测的轴承轴向游隙参数，yj表示第j个轴承轴向游隙参数的标准值，j的取值范围为[1,n]，n为轴承设计参数的总量，Sign()函数表示符号函数，当其内部条件满足时为1，不满足时为0；如果e小于给定的误差阈值则表示满足对应标准值。
进一步的，同时由于轴承的工作游隙，与一定的影响因素有关，例如：轴承在工作状态时的游隙,工作时内圈温升最大，热膨胀最大，使轴承游隙减小；同时，由于负荷的作用，滚动体与滚道接触处产生弹性变形，使轴承游隙增大。轴承工作游隙比安装游隙大还是小，取决于这两种因素的综合作用。
本方法还包括在确定前述基于产品要求所确定轴承设计参数满足对应的轴承游隙标准值后，对于工作游隙的评估仿真模拟分析过程，其基本与前述轴承游隙评估过程一致，不同点只在于增加了新的评估因子；具体的，所述包括S7、确定前基于产品要求所确定轴承设计参数满足对应的轴承游隙标准值后，创建所述设计方案对应的第二合套评估数据对照组；所述第二合套评估数据对照组包括第三合套评估数据样本集(同样采用正交设计方案的数据)和第四合套评估数据样本集(同样采用均匀设计方案的数据)；其中所述第三/第四合套评估数据样本集均包括轴承内圈设计参数、轴承外圈设计参数以及轴承滚子设计参数、轴承工作游隙参数以及辅助参量，所述辅助参量至少包括轴承钢的膨胀系数以及内外套圈的温差参数；其中，轴承内圈设计参数、轴承外圈设计参数、轴承滚子设计参数、辅助参量作为所述第三/第四合套评估数据样本集的输入参量，所述轴承工作游隙值作为所述第三/第四合套评估数据样本集的输出参量；
S8、分别对所述第三/第四合套评估数据样本集进行数据归一化处理，基于归一化后的第三合套评估数据样本集创建并训练第二多决策树模型，进而获得所述第二多决策树模型的模型基本函数关系即输入与输出的映射关系(即模型参数初始化)；
S9、基于前述参数优化算法，对所述第二多决策树模型中的参数变量进行优化；
S10、基于优化后的参数变量和归一化处理的第三合套评估数据样本集对第二多决策树模型进行训练；并通过归一化处理的第四合套评估数据样本集确定训练后所述多决策树模型的目标函数即适应值函数；
S11、获取所述第二多决策树模型的目标函数的最优参数，通过归一化处理的第三合套评估数据样本集进行训练，形成基于多决策树预测设计的第二合套评估模型，以对当前基于产品要求所确定轴承设计参数进行轴承轴向工作游隙的预测评估，确定当前基于产品要求所确定轴承设计参数是否满足对应的轴承工作游隙标准值。
实施本发明实施例，将具有如下有益效果：本发明不仅有效保证了测量结果的稳定性和准确性，保证了配备外隔圈和内隔圈的合理性和标准性，从而保证了轴承游隙能够达到标准。还能够明自动化地获取测试轴承设计参数的合理性给出是否符合可装配性要求的结果，相较于以往的人工检查方式,本发明轴承内配合件和轴承外配合件可装配性的检查更全面、准确性更高、速度更快。
基于相同的发明构思，本发明还提出了一种计算机可读存储介质，包括计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行所述的方法。
具体的上述评估过程可用的仿真环境包括：ANSYS软件的LS-DYNA系统以及RomaxNexus系统。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法，其特征在于，包括：
S1、创建不同类型双列圆锥滚子轴承设计方案；
S2、创建所述设计方案对应的第一合套评估数据对照组；所述第一合套评估数据对照组包括第一合套评估数据样本集和第二合套评估数据样本集；其中所述第一/第二合套评估数据样本集均包括轴承内圈设计参数、轴承外圈设计参数、轴承滚子设计参数以及轴承游隙参数；其中，轴承内圈设计参数、轴承外圈设计参数以及轴承滚子设计参数作为所述第一/第二合套评估数据样本集的输入参量，所述轴承游隙参数作为所述第一/第二合套评估数据样本集的输出参量；
S3、分别对所述第一/第二合套评估数据样本集进行数据归一化处理，基于归一化后的第一合套评估数据样本集创建并训练多决策树模型，进而获得所述多决策树模型的模型基本函数关系即输入与输出的映射关系；
S4、基于参数优化算法，对所述多决策树模型中的参数变量进行优化；
S5、基于优化后的参数变量和归一化处理的第一合套评估数据样本集对多决策树模型进行训练；并通过归一化处理的第二合套评估数据样本集确定训练后所述多决策树模型的目标函数即适应值函数；
S6、获取所述多决策树模型的目标函数的最优参数，通过归一化处理的第一合套评估数据样本集进行训练，形成基于多决策树预测设计的第一合套评估模型，以对当前基于产品要求所确定轴承设计参数进行轴承轴向游隙的预测评估，确定当前基于产品要求所确定轴承设计参数是否满足对应的轴承游隙标准值。
2.根据权利要求1所述的铁路用双列圆锥滚子轴承轴向游隙合套评估方法，其特征在于，还包括S7、确定前述基于产品要求所确定轴承设计参数满足对应的轴承游隙标准值后，创建所述设计方案对应的第二合套评估数据对照组；所述第二合套评估数据对照组包括第三合套评估数据样本集和第四合套评估数据样本集；其中所述第三/第四合套评估数据样本集均包括轴承内圈设计参数、轴承外圈设计参数以及轴承滚子设计参数、轴承工作游隙参数以及辅助参量，所述辅助参量至少包括轴承钢的膨胀系数以及内外套圈的温差参数；其中，轴承内圈设计参数、轴承外圈设计参数、轴承滚子设计参数、辅助参量作为所述第三/第四合套评估数据样本集的输入参量，所述轴承工作游隙参数作为所述第三/第四合套评估数据样本集的输出参量；
S8、分别对所述第三/第四合套评估数据样本集进行数据归一化处理，基于归一化后的第三合套评估数据样本集创建并训练第二多决策树模型，进而获得所述第二多决策树模型的模型基本函数关系即输入与输出的映射关系；
S9、基于参数优化算法，对所述第二多决策树模型中的参数变量进行优化；
S10、基于优化后的参数变量和归一化处理的第三合套评估数据样本集对第二多决策树模型进行训练；并通过归一化处理的第四合套评估数据样本集确定训练后所述第二多决策树模型的目标函数即适应值函数；
S11、获取所述第二多决策树模型的目标函数的最优参数，通过归一化处理的第三合套评估数据样本集进行训练，形成基于多决策树预测设计的第二合套评估模型，以对当前基于产品要求所确定轴承设计参数进行轴承轴向工作游隙的预测评估，确定当前基于产品要求所确定轴承设计参数是否满足对应的轴承工作游隙标准值。
3.根据权利要求1所述的铁路用双列圆锥滚子轴承轴向游隙合套评估方法，其特征在于，对所述多决策树模型中的参数变量进行优化的优化公式为：
Figure FDA0003721389930000021
Figure FDA0003721389930000022
f1-f2＝0
其中，t代表多决策树的任一节点，i代表决策树的特征子集中的任一特征，p(i|t)代表决策树的特征子集中的特征i在多决策树的节点t上所占的比例，N表示决策树的数量，S表示决策树的特征子集中的特征数量，f1是指参数变量对应数值的最小值，f2为参数变量对应数值的最大值。
4.根据权利要求1所述的铁路用双列圆锥滚子轴承轴向游隙合套评估方法，其特征在于，确定当前基于产品要求所确定轴承设计参数是否满足对应的轴承游隙标准值的计算公式为：
Figure FDA0003721389930000031
其中，e表示误差参数，其值小于0.1表示满足对应轴承游隙标准值y，x表示轴承轴向游隙参数预测值，xj表示第j个预测的轴承轴向游隙参数，yj表示第j个轴承轴向游隙参数的标准值，j的取值范围为[1,n]，n为轴承设计参数的总量，Sign()函数表示符号函数；如果e小于给定的误差阈值则表示满足对应标准值。
5.根据权利要求1所述的铁路用双列圆锥滚子轴承轴向游隙合套评估方法，其特征在于，轴承内圈设计参数包括：两个内圈宽度，即第一内圈宽度B1与第二内圈宽度B2；所述轴承外圈设计参数包括：外圈宽度C、两个外圈公称小内径即双列滚道外圈对应的滚道延伸直径E1、E2；所述轴承滚子设计参数包括：两个滚子对应的锥面大挡边根部宽度、两个滚子对应的滚子大头直径、滚子半锥角、轴承公称接触角以及两个滚子对应的锥面大挡边内滚道最大直径。
CN202210198995.1A 2022-03-02 2022-03-02 一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法 Active CN114462167B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210198995.1A CN114462167B (zh) 2022-03-02 2022-03-02 一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210198995.1A CN114462167B (zh) 2022-03-02 2022-03-02 一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法

Publications (2)

Publication Number Publication Date
CN114462167A CN114462167A (zh) 2022-05-10
CN114462167B true CN114462167B (zh) 2022-08-26

Family

ID=81414815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210198995.1A Active CN114462167B (zh) 2022-03-02 2022-03-02 一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法

Country Status (1)

Country Link
CN (1) CN114462167B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1602842A1 (de) * 2004-06-04 2005-12-07 Ab Skf Gleitlager mit Sensor zum Ermitteln des Verschlei zustands eines Gleitbelags
CN104361408A (zh) * 2014-11-04 2015-02-18 沈阳黎明航空发动机(集团)有限责任公司 一种航空发动机主轴承装配游隙选配方法
CN105909675A (zh) * 2016-06-18 2016-08-31 中山市盈科轴承制造有限公司 双内圈多楔滑轮型双列角接触球轴承及其游隙优化方法
DE202020104005U1 (de) * 2020-07-10 2020-07-30 Albert-Ludwigs-Universität Freiburg, Körperschaft des öffentlichen Rechts Vorrichtung zum Erstellen eines Systems zum automatisierten Erstellen von maschinellen Lernsystemen
CN112132191A (zh) * 2020-09-01 2020-12-25 兰州理工大学 一种滚动轴承早期损伤状态的智能评估识别方法
CN113516297A (zh) * 2021-05-26 2021-10-19 平安国际智慧城市科技股份有限公司 基于决策树模型的预测方法、装置和计算机设备
CN113836812A (zh) * 2021-09-28 2021-12-24 大连海事大学 一种利用智能算法识别硬岩厚度的盾构施工位姿调整方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003021136A (ja) * 2001-07-10 2003-01-24 Koyo Seiko Co Ltd 複列円すいころ軸受の予圧設定方法
CN106370079A (zh) * 2016-10-13 2017-02-01 大连冶金轴承股份有限公司 四个单滚道外圈四列圆锥滚子轴承三个外隔圈宽度的确定方法
CN110555273B (zh) * 2019-09-05 2023-03-24 苏州大学 基于隐马尔科夫模型和迁移学习的轴承寿命预测方法
AU2020101453A4 (en) * 2020-07-23 2020-08-27 China Communications Construction Co., Ltd. An Intelligent Optimization Method of Durable Concrete Mix Proportion Based on Data mining
CN215639365U (zh) * 2021-06-29 2022-01-25 杭州飞莹沃智能科技有限公司 一种双列圆锥滚子轴承轴向游隙检测装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1602842A1 (de) * 2004-06-04 2005-12-07 Ab Skf Gleitlager mit Sensor zum Ermitteln des Verschlei zustands eines Gleitbelags
CN104361408A (zh) * 2014-11-04 2015-02-18 沈阳黎明航空发动机(集团)有限责任公司 一种航空发动机主轴承装配游隙选配方法
CN105909675A (zh) * 2016-06-18 2016-08-31 中山市盈科轴承制造有限公司 双内圈多楔滑轮型双列角接触球轴承及其游隙优化方法
DE202020104005U1 (de) * 2020-07-10 2020-07-30 Albert-Ludwigs-Universität Freiburg, Körperschaft des öffentlichen Rechts Vorrichtung zum Erstellen eines Systems zum automatisierten Erstellen von maschinellen Lernsystemen
CN112132191A (zh) * 2020-09-01 2020-12-25 兰州理工大学 一种滚动轴承早期损伤状态的智能评估识别方法
CN113516297A (zh) * 2021-05-26 2021-10-19 平安国际智慧城市科技股份有限公司 基于决策树模型的预测方法、装置和计算机设备
CN113836812A (zh) * 2021-09-28 2021-12-24 大连海事大学 一种利用智能算法识别硬岩厚度的盾构施工位姿调整方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
350000D1 型双列圆锥滚子轴承轴向游隙;刘锋;《轴承》;20141231(第7期);全文 *
一种推力圆锥滚子轴承的优化设计;吴祖琳;《哈尔滨轴承》;20181231;第39卷(第4期);全文 *
双内圈双列圆锥滚子轴承装配高和游隙测量方法;张军等;《哈尔滨轴承》;20090915(第03期);全文 *
双列圆锥滚子轴承的轴向游隙测试试验;陈龙等;《轴承》;20201231(第10期);全文 *
双列圆锥滚子轴承轴向游隙合套率的控制;张天平等;《轴承》;20001231;全文 *
双列圆锥滚子轴承轴向游隙调整方法的改进;于海等;《金属加工(冷加工)》;20100601(第11期);全文 *
轨道交通用齿轮箱圆柱滚子轴承减摩技术研究;杨 磊等;《铁道机车与动车》;20210430(第4期);全文 *

Also Published As

Publication number Publication date
CN114462167A (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
CN111414977B (zh) 机床主轴热误差建模的加权集成温度敏感点组合选取方法
CN110070282B (zh) 一种基于综合关联度的低压台区线损影响因素分析方法
CN109240204B (zh) 一种基于两步法的数控机床热误差建模方法
CN108920863B (zh) 一种机器人伺服系统能耗估计模型的建立方法
CN107016235A (zh) 基于多特征自适应融合的设备运行状态健康度评估方法
CN111723440B (zh) 一种薄壁件加工精度预测混合建模方法
JP6625868B2 (ja) 加工プログラムの機械学習装置、該機械学習装置を備えた加工組立システムおよび加工プログラムの機械学習方法
CN116448419A (zh) 基于深度模型高维参数多目标高效寻优的零样本轴承故障诊断方法
CN114580292B (zh) 一种滚动轴承的塑性变形的可靠性和灵敏度分析方法
Belkhode Mathematical modelling of liner piston maintenance activity using field data to minimize overhauling time and human energy consumption
CN112131797A (zh) 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法
CN114329347B (zh) 一种电能表计量误差预测方法、装置及存储介质
CN114462167B (zh) 一种铁路用双列圆锥滚子轴承轴向游隙合套评估方法
CN113049259B (zh) 台架控制系统的模糊控制方法、存储介质及设备
JP3108405B2 (ja) 機器の診断方法
CN117454324A (zh) 风速风向仪故障预警方法、系统、电子设备及存储介质
CN116820025A (zh) 一种基于hpo-svr的数控机床进给轴丝杠热误差建模方法
CN112699502A (zh) 一种基于pso-svr的轴承剩余使用寿命预测方法
CN111105168A (zh) 一种基于云物元理论的负荷模型拟合优度评价方法
CN113408076A (zh) 基于支持向量机模型的小样本机械剩余寿命预测方法
CN113761800A (zh) 基于临界转速对应的轴系动力学参数模型缩比设计方法
CN112365022A (zh) 一种基于多阶段的发动机轴承故障预测方法
CN111428345A (zh) 一种随机性负载扰动控制系统的性能评价系统及方法
CN114048675B (zh) 一种磁滞电机零组件耦合方法
WO2023181127A1 (ja) 製品品質分析支援システム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant