国外某公司研制的链条滴油润滑系统,结构巧妙、工作可靠,能够在确保润滑效果的前提下极大地节约润滑油,目前已在国外摩托车润滑中获得广泛应用。为了进一步扩大该系统的使用范围,本文试图采用神经网络的方法对系统进行建模,并在此基础上对系统及其结构优化进行了仿真。研究该润滑系统对于其它需要进行持续、精密润滑的场合,具有重要的理论研究意义和实际应用价值,同时也为类似润滑系统的设计提供了有益的借鉴。 该系统中润滑油的滴速是影响润滑效果的重要原因,论文中首先对滴油润滑系统的结构和原理进行了分析,得出影响滴速的主要因素是环境温度、控制阀位置、滴油阀锥度角和润滑油类别等。由于滴速与各影响因素之间存在非常复杂的流体力学方程,难以确立便于计算的数学模型,因此在分析了前馈神经网络对于复杂系统的强大映射能力后,分别通过BP和RBF神经网络对滴速与各主要影响因素间的非线性关系进行建模,然后对所建立的两种神经网络模型进行验证,经过比较,选择出综合仿真性能好的BP网络作为滴油润滑系统的模型。最后应用该模型,对滴油润滑系统及其内部结构的优化进行了仿真。 仿真程序采用Visual C++6.0和MATLAB混合编程的方式来实现。其中Visual C++主要用于编写界面和数据交互程序,并调用MATLAB计算引擎来完成对神经网络模型的学习和仿真。 仿真结果与实验数据比较表明,用神经网络建立的滴油润滑系统模型是有效的,能够很好地反映该系统的特性,同时也对滴油润滑系统结构的进一步优化提供了方向和依据。